基于輔助變量的縣域土壤有機(jī)質(zhì)預(yù)測(cè)
發(fā)布時(shí)間:2023-12-02 14:00
為了快速準(zhǔn)確地獲取土壤有機(jī)質(zhì)的空間分布情況,以北京市密云區(qū)為研究區(qū),利用330個(gè)采樣點(diǎn)進(jìn)行建模、83個(gè)采樣點(diǎn)進(jìn)行驗(yàn)證,選擇偏最小二乘回歸(PLS)、RBF神經(jīng)網(wǎng)絡(luò)(RBFNN)、隨機(jī)森林(RF)模型作為預(yù)測(cè)方法,與不同組合的輔助變量相結(jié)合,模擬密云區(qū)耕地表層土壤有機(jī)質(zhì)空間分布,并比較不同預(yù)測(cè)方法、不同輔助變量組合的預(yù)測(cè)精度。研究結(jié)果表明,密云區(qū)耕地表層土壤有機(jī)質(zhì)含量在5.42~40.44 g/kg之間,變異系數(shù)為30.03%,屬于中等程度變異;從不同預(yù)測(cè)方法來(lái)看,隨機(jī)森林建模預(yù)測(cè)精度比偏最小二乘以及RBF預(yù)測(cè)精度要高,而從不同的輔助變量組合來(lái)看,有效土層厚度和高程作為輔助變量組合的預(yù)測(cè)精度最高。研究顯示選擇合適的輔助變量和預(yù)測(cè)方法,可以提高縣域尺度下土壤有機(jī)質(zhì)空間分布的快速獲取。
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
1 材料與方法
1.1 研究方法
1.1.1 偏最小二乘法
1.1.2 RBF神經(jīng)網(wǎng)絡(luò)
1.1.3 隨機(jī)森林
1.2 研究區(qū)概況
1.3 數(shù)據(jù)來(lái)源及處理
1.4 輔助變量的獲取
1.5 插值精度分析
1.6 預(yù)測(cè)不確定性模擬評(píng)價(jià)
2 結(jié)果與分析
2.1 輔助變量與土壤有機(jī)質(zhì)相關(guān)性分析
2.2 SOM描述性統(tǒng)計(jì)特征
2.3 半變異函數(shù)分析
2.4 預(yù)測(cè)精度評(píng)價(jià)
2.4.1 相同輔助變量組合下有機(jī)質(zhì)預(yù)測(cè)模型精度對(duì)比
2.4.2 預(yù)測(cè)模型相同時(shí)不同輔助變量組合土壤有機(jī)質(zhì)含量預(yù)測(cè)精度對(duì)比
2.5 不確定性分析
3 結(jié)論與討論
本文編號(hào):3869813
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
1 材料與方法
1.1 研究方法
1.1.1 偏最小二乘法
1.1.2 RBF神經(jīng)網(wǎng)絡(luò)
1.1.3 隨機(jī)森林
1.2 研究區(qū)概況
1.3 數(shù)據(jù)來(lái)源及處理
1.4 輔助變量的獲取
1.5 插值精度分析
1.6 預(yù)測(cè)不確定性模擬評(píng)價(jià)
2 結(jié)果與分析
2.1 輔助變量與土壤有機(jī)質(zhì)相關(guān)性分析
2.2 SOM描述性統(tǒng)計(jì)特征
2.3 半變異函數(shù)分析
2.4 預(yù)測(cè)精度評(píng)價(jià)
2.4.1 相同輔助變量組合下有機(jī)質(zhì)預(yù)測(cè)模型精度對(duì)比
2.4.2 預(yù)測(cè)模型相同時(shí)不同輔助變量組合土壤有機(jī)質(zhì)含量預(yù)測(cè)精度對(duì)比
2.5 不確定性分析
3 結(jié)論與討論
本文編號(hào):3869813
本文鏈接:http://www.sikaile.net/kejilunwen/nykj/3869813.html
最近更新
教材專(zhuān)著