基于土壤化学性质与神经网络的羊草碳氮磷含量预测

生态化学计量学是研究植物-土壤相互作用与从元素计量的角度分析生物地球化学元素区域循环规律的新思路,是当前生态化学计量学的研究热点和前沿。该文以羊草碳、氮、磷的含量为研究对象,选用能够模拟输入与输出层非线性关系的径向基函数(radial basis function,RBF)神经网络,在土壤相关化学性质与羊草碳、氮、磷含量之间建立模型,构建最优的羊草碳、氮、磷含量的预测模型。研究结果显示,采用土壤营养元素及相关化学性质作为输入层,羊草碳、氮、磷含量作为输出层,利用Matlab软件建立RBF神经网络模型,模拟预测羊草碳氮磷平均质量分数分别为411.46,18.25和1.11 mg/g,皆低于全球陆生植物叶片碳氮磷的平均含量;羊草C/N值、C/P值和N/P平均值分别为24.70、429.24和17.92,皆高于全球陆生植物叶片C/N值、C/P值、N/P值;羊草N/P为17.92,其生长主要受P元素的限制。预测结果与实际情况比较符合,这说明RBF人工神经网络模型用于模拟预测羊草碳、氮、磷含量与土壤化学性质之间的关系是可行的,可以较准确地估测羊草碳氮磷含量,平均相对误差分别为1.39%,4.69%和7.65%。