[發(fā)明專利]基于聚類自適應(yīng)反距離加權(quán)回歸的土壤養(yǎng)分空間插值方法

在審

• 申請?zhí)枺?/td>: 202210080732.0
• 申請日: 2022-01-24
• 公開（公告）號: CN114625818A
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計）人: 孟英;朱亮;侯庚辰;宋鑫
• 申請（專利權(quán)）人: 黑龍江碳谷工貿(mào)有限公司
• 主分類號: G06F16/29
• 分類號: G06F16/29;G06K9/62
• 代理公司: 石家莊國域?qū)＠虡耸聞?wù)所有限公司 13112
• 代理人: 胡素梅

本發(fā)明提供了一種基于聚類自適應(yīng)反距離加權(quán)回歸的土壤養(yǎng)分空間插值方法。該方法包括以下步驟：(1)土壤養(yǎng)分數(shù)據(jù)的聚類處理；(2)距離衰減參數(shù)的計算；(3)反距離加權(quán)回歸插值。該方法可以通過聚類剔除異常采樣點并使用空間上鄰近且屬性值較為相似的采樣點進行插值，可以根據(jù)待求點鄰域內(nèi)采樣點的空間分布模式自適應(yīng)地調(diào)整距離衰減參數(shù)，還可以利用數(shù)據(jù)中出現(xiàn)的趨勢自適應(yīng)調(diào)整插值結(jié)果。本發(fā)明方法非常適合于采樣點多且來源廣泛并在空間方位上分布不均的土壤養(yǎng)分數(shù)據(jù)的插值。

技術(shù)領(lǐng)域

本發(fā)明涉及地理信息科學(xué)與技術(shù)領(lǐng)域，具體地說是一種基于聚類自適應(yīng)反距離加權(quán)回歸的土壤養(yǎng)分空間插值方法。

背景技術(shù)

目前，我國農(nóng)業(yè)生產(chǎn)中普遍存在肥料利用率過低的問題，不僅使生產(chǎn)成本變高，還造成了污染，致使農(nóng)產(chǎn)品硝酸鹽含量過高，精準施肥是解決這類問題的一種有效方法。實現(xiàn)精準施肥的前提需要掌握準確的土壤養(yǎng)分數(shù)據(jù)，這些數(shù)據(jù)的獲取需要進行高密度的采樣。但由于經(jīng)濟水平、技術(shù)手段和地形條件等因素的限制，很多地方的土壤養(yǎng)分數(shù)據(jù)難以獲取，在這種情況下，空間插值提供了一種用于估計未采樣地點數(shù)據(jù)的方法，它可以根據(jù)在其他位置測量的觀測值估計特定位置的近似值。

反距離加權(quán)插值法(Inverse Distance Weighting,IDW)憑借其定義優(yōu)雅、實現(xiàn)簡單和易于使用等優(yōu)點成為最常用的空間插值方法之一。該方法不需要特定的統(tǒng)計假設(shè)和模型，不會出現(xiàn)無法解釋的無意義結(jié)果，即使采樣點數(shù)據(jù)的變化波動很大也能夠得到一個比較合理的結(jié)果。然而，經(jīng)驗評估一致表明，與其他方法相比，IDW插值法主要有以下不足：(1)由于各種不確定因素的影響，采集到的采樣點數(shù)據(jù)中不可避免會有異常值，IDW插值法并不能將這些異常值剔除；(2)IDW插值法中的距離衰減參數(shù)需要人為調(diào)節(jié)，而且由于空間數(shù)據(jù)往往是不均勻分布的，因此采用單一的距離衰減參數(shù)來計算會使得插值精度較低；(3)IDW插值法只考慮了采樣點之間的距離對空間插值的影響，不會利用數(shù)據(jù)中可能存在的趨勢，其插值結(jié)果僅限于采樣點值的最大值和最小值之間。這些不足導(dǎo)致IDW插值法的結(jié)果較差。因此，針對IDW插值法的不足，采用一定的方法剔除異常點、優(yōu)化距離衰減參數(shù)、利用數(shù)據(jù)中可能存在的趨勢，對提高IDW插值法精度具有重要意義。

發(fā)明內(nèi)容

本發(fā)明的目的就是提供一種基于聚類自適應(yīng)反距離加權(quán)回歸的土壤養(yǎng)分空間插值方法，以解決現(xiàn)有反距離加權(quán)插值法中無法剔除異常點、使用距離衰減參數(shù)單一、僅考慮采樣點之間的距離來插值而導(dǎo)致插值精度較低的問題。

本發(fā)明是這樣實現(xiàn)的：一種基于聚類自適應(yīng)反距離加權(quán)回歸的土壤養(yǎng)分空間插值方法，包括如下步驟：

S1、對土壤養(yǎng)分空間采樣點數(shù)據(jù)進行聚類處理，以剔除異常點數(shù)據(jù)；之后采用K-means++算法進行空間聚類形成簇；

S2、對于待求點，計算其距離衰減參數(shù)α；

S3、使用待求點所在簇內(nèi)的所有采樣點對待求點進行反距離加權(quán)回歸插值。

步驟S2具體如下：

S21、找到待求點所在的簇，并在簇內(nèi)尋找m個近鄰點，以m個近鄰點中最遠的那個采樣點與待求點之間的距離為半徑做圓，將該圓所圍區(qū)域稱為待求點的局部鄰域；m的大小滿足局部鄰域圓的半徑在10～30km之間；

S22、用如下公式計算待求點局部鄰域內(nèi)最近鄰距離的平均值r_ave；

其中，d_i為待求點與其局部鄰域內(nèi)第i個采樣點(x_i,y_i)之間位置的歐氏距離；

S23、用如下公式計算隨機點模式的經(jīng)驗最近鄰距離r_exp；

r_exp＝1/(2(N/A)^1/2)