基于辅助变量的县域土壤有机质预测

发布时间：2023-12-02 14:00

　　为了快速准确地获取土壤有机质的空间分布情况,以北京市密云区为研究区,利用330个采样点进行建模、83个采样点进行验证,选择偏最小二乘回归(PLS)、RBF神经网络(RBFNN)、随机森林(RF)模型作为预测方法,与不同组合的辅助变量相结合,模拟密云区耕地表层土壤有机质空间分布,并比较不同预测方法、不同辅助变量组合的预测精度。研究结果表明,密云区耕地表层土壤有机质含量在5.42～40.44 g/kg之间,变异系数为30.03%,属于中等程度变异;从不同预测方法来看,随机森林建模预测精度比偏最小二乘以及RBF预测精度要高,而从不同的辅助变量组合来看,有效土层厚度和高程作为辅助变量组合的预测精度最高。研究显示选择合适的辅助变量和预测方法,可以提高县域尺度下土壤有机质空间分布的快速获取。

【文章页数】：7 页

【文章目录】：
1 材料与方法
    1.1 研究方法
        1.1.1 偏最小二乘法
        1.1.2 RBF神经网络
        1.1.3 随机森林
    1.2 研究区概况
    1.3 数据来源及处理
    1.4 辅助变量的获取
    1.5 插值精度分析
    1.6 预测不确定性模拟评价
2 结果与分析
    2.1 辅助变量与土壤有机质相关性分析
    2.2 SOM描述性统计特征
    2.3 半变异函数分析
    2.4 预测精度评价
        2.4.1 相同辅助变量组合下有机质预测模型精度对比
        2.4.2 预测模型相同时不同辅助变量组合土壤有机质含量预测精度对比
    2.5 不确定性分析
3 结论与讨论



本文编号：3869813