基于RBF神经网络耕地土壤全氮插值方法的研究

[目的]通过耕地土壤全氮的空间变异特性研究,可以更好地调整耕地管理措施、合理施用氮肥、减少资源浪费。[方法]利用RBF(Radial Basis Function,径向基函数)神经网络插值法对区域土壤全氮进行空间插值,同时与普通克里格法进行比较。[结果]RBF神经网络插值法在拟合能力和插值能力方面要明显优于普通克里格法。[结论]RBF神经网络法具有很好的应用前景。