[發明專利]一種顧及SOCD空間異質性的克里格插值模型構建方法有效
| 申請號： | 201710345309.8 | 申請日： | 2017-05-16 |
| 公開（公告）號： | CN107194054B | 公開（公告）日： | 2019-10-11 |
| 發明（設計）人： | 陳奕云;吳子豪;劉以;郭凱;胡家蒙;郭龍 | 申請（專利權）人： | 武漢大學 |
| 主分類號： | G06F17/50 | 分類號： | G06F17/50 |
| 代理公司： | 武漢科皓知識產權代理事務所(特殊普通合伙) 42222 | 代理人： | 魏波 |
| 地址： | 430072 湖*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 顧及 土壤 有機 密度 空間 異質性 里格 模型 | ||
1.一種顧及SOCD空間異質性的克里格插值模型構建方法，其特征在于：結合土地利用信息降低空間異質性和空間異常值對普通克里格法的影響，且根據不同的趨勢項函數，所述克里格插值模型包括虛擬變量回歸克里格法、均值中心化克里格法和中位數中心化克里格法；
所述虛擬變量回歸克里格法、均值中心化克里格法和中位數中心化克里格法三種方法均通過將SOCD的實測值拆分為趨勢項和殘差項，利用輔助變量消除趨勢項后，得到代表隨機性的殘差項，利用普通克里格法得到全區域的殘差預測值，則位于x0處的SOCD的預測值等于自身趨勢項函數值加上殘差插值結果；
所述不同的趨勢項函數是指，虛擬變量回歸克里格法的趨勢項是連續函數，均值中心化克里格法和中位數中心化克里格法的趨勢項是分段函數；
所述中位數中心化克里格法，是將不同類別的SOCD值減去該類別的中位數，用得到的殘差進行普通克里格插值，則任一位置的SOCD值等于殘差克里格插值與該位置所屬類別中位數之和；
所述虛擬變量回歸克里格的趨勢項由SOCD值和土地利用類型利用普通最小二乘(OLS)擬合得到，且土地利用類型需要轉換為虛擬變量；將土地利用類型轉換為虛擬變量時，以水澆地地類為參照組，設其值為0；則水田地類值為1；
所述均值中心化克里格法和中位數中心化克里格法的趨勢項是僅與土地利用類型的類別有關分段函數，其值分別等于各類別的均值或中位數。
2.一種利用權利要求1所述的顧及SOCD空間異質性的克里格插值模型進行SOCD預測和制圖的方法，其特征在于，包括以下步驟：
步驟1：原始校正集和驗證集的建立；
步驟2：單因素方差分析；
其中所述單因素方差分析，是按照土地利用類別分組；
步驟3：三種土地利用-克里格方法校正集的建立和正態性檢驗；
其中，三種土地利用-克里格方法校正集分別為原始校正集進行虛擬變量回歸、均值中心化、中位數中心化后的殘差值集合；
步驟4：SOCD殘差空間預測；
步驟5：SOCD空間分布預測和制圖；
其中所述SOCD空間分布預測和制圖，是在步驟4得到的SOCD殘差空間預測結果的基礎上，結合采樣同時期土地利用遙感影像解譯圖而得到。
3.根據權利要求2所述的方法，其特征在于：步驟1中，原始校正集是從總樣本集中隨機抽取一定比例的數據得到，總樣本集中的剩余數據作為驗證集。
4.根據權利要求2所述的方法，其特征在于：步驟3中，正態性檢驗包括QQ圖的定性檢驗和K-S定量檢驗。
5.一種權利要求1所述的顧及SOCD空間異質性的克里格插值模型評價方法，其特征在于：評價指標包括平均克里格方差AKV、SOCD預測范圍、均方根誤差RMSE和決定系數R2；
其中，n表示校正集樣本數量，Oi表示SOCD第i個實測值，表示SOCD實測值的均值，Pi表示SOCD第i個預測值，表示位置i處的克里格方差。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢大學，未經武漢大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710345309.8/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種智能掃地機器人
- 下一篇：一種具有紅外檢測單元的掃地機器人
