[發(fā)明專利]一種基于定性和定量輔助變量的土壤有機質(zhì)空間分布預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201310268497.0
• 申請日: 2013-06-28
• 公開（公告）號: CN103529189A
• 公開（公告）日: 2014-01-22
• 發(fā)明（設(shè)計）人: 李啟權(quán);王昌全;李冰;張新;高雪松;張毅;袁大剛
• 申請（專利權(quán)）人: 四川農(nóng)業(yè)大學(xué)
• 主分類號: G01N33/24
• 分類號: G01N33/24;G06F19/00
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 龔燮英

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于定性和定量輔助變量的土壤有機質(zhì)空間分布預(yù)測方法。?

背景技術(shù)

土壤有機質(zhì)是土壤特性的重要指標(biāo)，也是植物礦質(zhì)營養(yǎng)和有機營養(yǎng)的源泉，在區(qū)域土壤肥力、農(nóng)業(yè)生產(chǎn)和環(huán)境保護等方面均具有重要的作用和意義。由于多種成土因素和生態(tài)過程的影響，土壤有機質(zhì)含量在空間上呈現(xiàn)非均勻分布。通常基于采樣獲得的樣點土壤有機質(zhì)含量信息，很難滿足區(qū)域農(nóng)業(yè)生產(chǎn)和環(huán)境保護中對面域土壤有機質(zhì)含量分布特征的實際需求。因此，精確獲取土壤有機質(zhì)含量的空間分布信息，是準(zhǔn)確掌握區(qū)域土壤肥力狀況、科學(xué)的土壤養(yǎng)分管理和區(qū)域環(huán)境保護的實際需要。?

土壤性質(zhì)的空間分布格局是在各種地表環(huán)境因素共同作用下形成的。引入相關(guān)地表環(huán)境因子作為輔助變量的土壤性質(zhì)空間分布預(yù)測方法，在不同程度上考慮了相關(guān)環(huán)境因子對土壤性質(zhì)空間分布的影響，其預(yù)測精度較僅基于樣點數(shù)據(jù)進行空間內(nèi)插的方法有明顯的提高。在各類輔助變量中，定量因子如氣象、地形特征參數(shù)等因子相對易于操作，被廣泛用于土壤性質(zhì)空間分布預(yù)測。定性因素如土地利用方式、土壤類型和母質(zhì)類型等對土壤性質(zhì)空間變異也具有顯著的影響，該類因素甚至?xí)趸恳蜃訉ν寥佬再|(zhì)空間變異的作用。因此，在預(yù)測方法中同時引入定性和定量輔助變量是進一步提高土壤性質(zhì)空間分布預(yù)測精度的必然要求和最有效的途徑之一。然而，在土壤性質(zhì)空間分布預(yù)測中，定性因素的使用明顯偏少。?

在引入環(huán)境變量的預(yù)測方法中，多元回歸模型、協(xié)同克里格法以及回歸克里格法等方法被廣泛用于刻畫土壤性質(zhì)與環(huán)境因子間的關(guān)系，進而預(yù)測土壤性質(zhì)的空間分布。然而，土壤性質(zhì)與環(huán)境因素間是一種極其復(fù)雜的非線性關(guān)系，準(zhǔn)確表達土壤性質(zhì)與環(huán)境因素間的復(fù)雜關(guān)系是提高預(yù)測精度的關(guān)鍵。人工神經(jīng)網(wǎng)絡(luò)模型能較準(zhǔn)確地揭示復(fù)雜系統(tǒng)中多元環(huán)境變量與目標(biāo)變量間的非線性映射關(guān)系，被成功應(yīng)用于描述土壤與環(huán)境因子間的非線性關(guān)系，在土壤性質(zhì)的空間分布預(yù)測研究中受到越來越多的關(guān)注。?

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是克服上述缺陷，提供一種運用人工神經(jīng)網(wǎng)絡(luò)模型，在融合土壤類型、地形因子以及植被指數(shù)等定性和定量輔助環(huán)境變量的基礎(chǔ)上，開展土壤有機質(zhì)含量的空間分布預(yù)測的基于定性和定量輔助變量的土壤有機質(zhì)空間分布預(yù)測方法。?

為解決上述問題，本發(fā)明所采用的技術(shù)方案是：?

一種基于定性和定量輔助變量的土壤有機質(zhì)空間分布預(yù)測方法，其特征在于：步驟如下：?

1）、數(shù)據(jù)來源：以選取的研究區(qū)地形圖、土地利用現(xiàn)狀圖和土壤類型分布圖為輔助信息，在兼顧代表性與均勻性原則的基礎(chǔ)上綜合考慮地形、土壤類型等信息進行土壤采樣點的布設(shè)，在每個土壤采樣點處采用多點混合的方法采集表層土壤樣品；每個采樣點均以GPS記錄其地理坐標(biāo)和海拔高度，同時詳細(xì)記錄樣點所在的環(huán)境信息；采集到的樣品帶回實驗室經(jīng)自然風(fēng)干后磨碎過1mm篩，采用重鉻酸鉀容量法測定每個土樣有機質(zhì)含量；?

2）、輔助數(shù)據(jù)來源與處理：?

研究中定量因子主要選擇了地形因子和植被指數(shù)；地形因子是土壤性質(zhì)空?間分布預(yù)測中最常用的輔助環(huán)境變量，包括高程(H)、坡度(S)、平面曲率(Ct)、剖面曲率(Cp)及地形濕度指數(shù)(TI)；基于研究區(qū)1:5萬地形圖在ArcGIS9.3中生成30m分辨率的數(shù)據(jù)高程模型，進一步利用ArcGIS9.3的空間分析和柵格計算功能獲取研究區(qū)30m分辨率的坡度、平面曲率、剖面曲率及地形濕度指數(shù)分布圖；?

基于遙感影像獲取的植被指數(shù)能較好地反映區(qū)域地表植被的生長狀態(tài)和植被覆蓋度信息，是常用于土壤性質(zhì)空間分布預(yù)測的又一輔助變量；在研究區(qū)采用MODIS遙感數(shù)據(jù)產(chǎn)品中的增強型植被指數(shù)作為預(yù)測研究區(qū)土壤有機質(zhì)含量空間分布的定量植被因子；?

3）、研究方法：?

研究方法采用的是融合定性和定量輔助變量的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法；?

將各采樣點土壤有機質(zhì)的實測值和環(huán)境因素之間的關(guān)系表示為：?

Z(x_i,k,y_j,k)=m(k)+r(x_i,k,y_j,k)????(1)?

r(x_i,k,y_j,k)=f(t(x_i,y_j),v(x_i,y_j),...)????(2)?