基于辅助变量和回归径向基函数神经网络(R-RBFNN)的土壤有机质空间分布模拟

为快速准确地获取土壤有机质的空间分布状况,以江西省万年县齐埠镇为例,运用四方位搜索法、地统计学和遥感影像分析技术提取环境因子和邻近信息,构建基于环境因子和邻近信息的回归克里金法(RK)和回归径向基函数神经网络法(R-RBFNN),对齐埠镇耕地表层(0~20 cm)土壤有机质空间分布进行模拟,并与普通克里金法(OK)相比较。结果显示:齐埠镇耕地表层土壤有机质含量在17.30~53.58 g·kg^-1,平均值为35.03 g·kg^-1,变异系数为23.61%,呈中等变异性。半变异函数分析显示,土壤有机质的块金效应值为0.59,表现为中等空间相关性,自相关范围较大。利用62个采样点进行建模、16个采样点进行独立验证,误差分析表明,应用环境因子和邻近信息作为辅助变量的RK和R-RBFNN预测结果的均方根误差、平均绝对误差、平均相对误均差较OK降低,测试集中的相对提高度分别为66.67%和71.79%,显示出较高精度。但R-RBFNN无须计算半方差函数,使用简单,因此更具优势。     

基于MEA-BPNN-F模型的土壤有机质空间分布预测

以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNFBPNN-FBPNN-GOK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。     

基于MEA-BPNN-F模型的土壤有机质空间分布预测

以江西省万年县为例,根据万年县测土配方数据,构建以思维进化算法、BP神经网络、四方位搜索法三者结合的模型(MEA-BPNN-F模型),同时加入高程和坡度信息来预测万年县耕地土壤有机质的空间分布,并与普通克里金法(OK模型)、以地理坐标为输入的BP神经网络模型(BPNN-G模型)、以高程和坡度作为辅助变量同时利用四方位搜索法加入邻近信息的BP神经网络模型(BPNN-F模型)进行比较。结果表明:4种模型的预测精度表现为MEA-BPNNF>BPNN-F>BPNN-G>OK。应用MEA-BPNN-F模型预测精度最高、效果最好,比较符合土壤有机质地学运动规律及实际情况。该模型克服了BP神经网络全局搜索能力差和收敛速度慢的缺点,提高了BP神经网络的泛化能力。     

基于随机森林的农耕区土壤有机质空间分布预测

以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest, RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比, RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^-1)和均方根误差(2.062 g·kg^-1)更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。     

红壤丘陵区坡度与坡向对耕地土壤养分空间差异的影响

以湖南省平江县南江镇为例,采用野外调查采样、室内分析测定、统计分析等方法,结合数字地面模型(DEM)提取地面坡度和坡向,研究了红壤丘陵区不同坡度和坡向下耕地土壤养分空间的变化规律.结果表明:坡度和坡向对土壤pH值的影响不明显,红壤丘陵区耕地土壤有机质和全氮含量有随坡度增大而升高的趋势,但没有显著差异,阴坡显著高于阳坡;...     

基于神经网络方法和支持向量机的西安市水资源需水预测

【目的】建立精度更高的需水量预测模型,为水资源规划管理提供理论依据。【方法】建立基于神经网络方法和支持向量机的需水量预测模型,以西安市需水预测为例,对2种预测模型的预测结果进行了比较。【结果】利用建立的径向基函数神经网络需水预测模型,得到西安市2010和2020年的需水量分别为32 485.65,48 180.43万m3;采用支持向量机模型能全面考虑影响需水预测的各种因素,预测西安市2010和2020年的需水量分别为32 488.03,48 184.41万m3。【结论】基于神经网络方法和支持向量机方法的需水量预测模型均可全面反映需水量的变化规律,两者预测结果十分接近,均可用于需水量的精确预测。     

典型柑橘种植区土壤有机质空间分布与含量预测

以湖北省宜都市红花套镇典型柑橘种植区采集到的329个土壤样本为研究对象,设置土壤有机质(SOM)进行普通克里格(OK)插值的结果为参照,借助地理探测器选取与SOM相关性最大的前5种主要影响因子,分别建立全局模型多元线性回归、偏最小二乘回归和局部模型地理加权回归(GWR),再深入分析模型残差的结构性,构造GWR扩展模型GWRMLR、GWRPLSR,讨论几种SOM预测模型的差异。结果表明:使用GWRPLSR模型预测研究区SOM含量的均方误差和均方根误差可分别降低到9.834和3.136,相对分析误差提高到1.468,实测值与预测值间的相关系数(r)达0.743,具有最高的预测精度,GWRMLR其次,说明除SOM与主要影响因子间存在空间相关性,分析模型残差可进一步消除预测的不平稳性。因此,将模型残差项纳入考虑的局部扩展模型更适宜进行区域化SOM空间分布预测与数字土壤制图。     

水文预测中的神经网络模型实用对比分析

本文尝试用BP网络、L－M网络和RBF网络进行水文预测，并将这三种网络的计算结果进行了比较分析。结果表明，L－M网和RBF网络对水文预测比BP网络更准确，收敛速度更快。本文的研究为使用者选择合适的高性能的网络结构提供了参考。     

基于BP神经网络的土壤养分空间插值

以广东省增城市为研究对象,采集全市内200个土壤样点,利用BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根.结果表明,BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应.BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法.     

基于径向基函数的神经网络对森林碳空间分布的模拟

利用径向基神经网络,结合森林资源清查的930个样地调查数据和对应的TM影像数据,选取与森林生物量相关性较大的3个植被指数TM4/57、ARVI和KT2作为神经网络的输入变量,对临安市森林碳储量的空间分布进行模拟。结果显示,利用径向基神经网络较好地重建了森林碳储量空间分布和变化,模拟结果与样地实测值间的一致性好,为区域森林碳储量的估测研究提供了方法支持。     

石渠丘状高原区土壤有机质的区域分布特征

根据60个土壤有机质含量的样点数据,在ArcGIS9.0平台上采用普通克里格插值法研究了石渠县丘状高原区土壤有机质的空间分布特征及其影响因素。结果表明,该区表层土壤有机质含量为(134.24±114.46)g/kg,远高于四川和全国土壤有机质的平均水平。土壤有机质的水平地理分布特征以红旗、格孟为高值中心(>200g/kg)分别向南、西和北3个方向呈环状或带状逐渐减少;在海拔<4000m、4000～4400m、4400～4800m和>4800m的不同海拔高度,土壤有机质含量分别为57.80g/kg、185.04g/kg、252.48g/kg和157.20g/kg;剖面发生层分布特征以土壤有机质随着土层加深而降低的表聚作用为主。不同成土母质形成的土壤有机质含量的高低是洪积物<残坡积物<新冲积物<坡积物<老冲积物,而植被、地形、坡度通过土壤的植被生物量、有机残体量、土壤侵蚀程度等影响土壤有机质区域分布特征。     

黄土丘陵区人工林土壤有机碳的垂直分布特征

对黄土丘陵区刺槐和油松人工林的根系生物量、土壤有机碳含量及其土壤全氮进行了测定,分析了土壤有机碳和根系的垂直分布特征。结果表明,刺槐和油松人工林之间以及同一林分的不同林龄之间,根系生物量有明显差异。2种人工林表层土中有机碳含量不同,差值为{0.470%},10-20 cm土层有稍微差异,差值为0.075%,其他各层差别不明显,差值均小于0.023%。在不同林龄之间,除20 cm以上土层,幼林和成林之间的土壤有机碳含量有差异外,其他各层几乎没有差异。说明土壤有机碳的积累受诸多因素的影响,根系对土壤碳的积累有一定影响,但影响程度不大。人工林土壤全氮与土壤有机碳含量之间呈显著的线性正相关。     

基于归一化光谱指数的土壤有机质含量空间分布状况研究

【目的】研究土壤主要养分含量特征信息的光谱预测值,使其更具直观性、空间性及科学性,为大尺度对农田的土壤养分空间分布状况获取、评价与科学管理提供依据。【方法】利用ArcGIS 9.3的普通克里格(Ordinary Kriging)插值方法,对小面积及大尺度试验区的土壤样本点进行有机质反演插值填图,并将实验室化学测定土壤有机质含量的实测值与其高光谱模型预测值进行Kriging插值填图比较,分析土壤有机质含量的实测值与预测值的空间分布状况差异。【结果】从小面积试验区到大尺度条田地块插值后的空间分布情况来看,土壤有机质含量的光谱预测值(基于归一化光谱指数NDI[495,485]预测)与实测值之间具有较好的相似性,预测效果较好。【结论】通过土壤有机质含量信息状况的空间分布填图来确定农田分区基本管理单元的适宜尺度,为实施大区域农田养分分区精量管理的划分,提出科学的平衡施肥方案,为适合新疆及兵团特色的精准农业管理、土壤养分快速探测、精量施肥等技术提供技术理论支持。     

大寨海绵田土壤有机质、速效养分评价与空间分布

选取土壤有机质、速效磷、速效钾、水解氮4项指标,采用模糊隶属度函数(S型)计算隶属度值,用相关系数法确定各养分指标权重,确定养分评价综合指数值,进而对大寨典型海绵田土壤养分进行评价,并分析其空间分布特点。结果表明,研究区土壤水解氮含量较为贫乏,有机质含量总体上适量,速效磷和速效钾含量相对丰富。模糊综合评价结果表明,研究区土壤养分水平主要集中在Ⅱ、Ⅲ、Ⅳ级,大寨海绵田土壤养分处于适量状态。从空间分布来看,土壤养分模糊综合评价值由南北中部地区向东北、西南两侧递减,与有机质含量分布一致,速效磷和速效钾随地势增高呈递减趋势,水解氮则呈现出高低值交叉分布的复杂格局。     

滦河流域土壤有机质的空间分布特征分析

对滦河流域72个样点的采样数据统计分析表明,土壤有机质含量的空间分布表现出明显的地域性特征。海拔50m以下的冲积平原和滨海平原地区土壤有机质含量平均为17.64 g/kg;滦河山区向下游平原的过渡地区有机质含量较低,仅为11.06 g/kg;滦河山区有机质含量较高,为21.21 g/kg,而滦河上游蒙古高原地区最低,平均含量只有10.76 g/kg;在滦河上游有森林分布地区出现一个高值区,土壤有机质的平均含量达到36.57 g/kg。全流域土壤有机质含量平均值为19.62 g/kg,低于全国平均水平。土壤有机质的空间分布与气候、植被、生物、土壤性状、地形条件以及人类活动等因素有关。     

红壤丘陵区土地不同利用方式对土壤有机质的影响

采用现场采样及室内分析方法,研究了我国中亚热带南、北两端地区土地(红壤坡地和红壤性水稻土)不同利用方式下的土壤有机质的变化。结果表明,中亚热带南缘地区由红壤林地开垦为农用地的土壤有机质数量4年间平均下降了2.1g·kg-1·a-1,以旱作处理的土壤有机质损失最为严重,平均下降4.6g·kg-1·a-1;中亚热带北缘地区由红壤荒坡地开垦为农用地的土壤有机质数量9年间平均增加了0.4g·kg-1·a-1;长期耕种的红壤性水稻土的有机质数量在不断提高(0.3g·kg-1·a-1),且芳构化程度也在增加,活性有机质所占的比例加大。     

新疆博斯腾湖周围白刺属植物下土壤有机质空间分布特征研究

[目的]为了探讨土壤有机质含量的统计学特征、分布特征及其与土壤盐分、pH等指标的相关性。[方法]分析和硕县内白刺属植物分布区、白刺属植物与胡杨混合分布区、白刺属植物与红柳混合分布区土壤有机质含量的分布情况。[结果]各区土壤不同深度的有机质含量依次为上层中层下层,有机质含量随深度增加而减少。表层土壤有机质含量分布规律是:白刺属植物与胡杨混合分布区白刺属植物分布区白刺属植物与红柳混合分布区;而对于垂直分布规律,各区土壤有机质含量都是从表层到下层呈现递减趋势,但是递减程度不同。白刺属植物分布区表层土壤有机质含量与全盐量呈0.05水平显著正相关,中层土壤有机质含量与Ca2+、K++Na+呈0.05水平显著正相关,下层土壤有机质含量与Mg2+、K++Na+、pH呈0.05水平显著负相关;白刺属植物与胡杨混合分布区表层土壤有机质含量与全盐量、Ca2+呈0.05水平显著正相关,中层土壤有机质除了与Ca2+呈0.05水平显著正相关以外,其他的都呈0.05水平显著负相关,下层土壤有机质含量与每个变量都呈0.05水平显著正相关;白刺属植物与红柳混合分布区表层土壤有机质含量与pH、Ca2+呈0.05水平显著负相关,中层土壤有机质含量与Mg2+呈0.05水平显著正相关,下层土壤有机质含量与pH呈0.05水平显著正相关。[结论]该研究可以为博斯腾湖周围生态环境的可持续发展提供合理的科学依据。