共查询到17条相似文献，搜索用时 343 毫秒
1.
基于GARBF神经网络的耕地土壤有效磷空间变异分析 总被引：3，自引：1，他引：2
为了调整耕地管理措施、合理施用磷肥、减少磷素流失、降低水体非点源污染,该研究以高州市为例,在全市各区镇共采集了664个耕作层(0～20cm)土样,利用遗传算法优化的径向基函数(radial basis function network optimized by geneti calgorithm,GARBF)神经网络和普通克里金法(Ordinary Kriging)等方法,分析了县域耕地土壤有效磷在不同采样尺度下的空间变异特征及其空间分布格局与成因。结果表明,高州市耕地表层土壤有效磷存在半方差结构,半方差函数曲线与指数和球状模型曲线拟合较好;5种采样尺度下(训练样点数分别为100、200、300、400和500)耕地表层土壤有效磷均表现出弱的结构空间相关,在较大范围内空间自相关性较差。GARBF神经网络空间插值能力在整体上要有优于基于邻近点RBF神经网络和普通克里金法。300样本下GARBF神经网络空间插值结果表明,高州市耕地表层土壤有效磷的盈余现象比较严重,并且盈余有效磷的流失对该地区水环境会产生严重的威胁。该研究结果可以为土壤属性空间估测、合理施肥以及降低水体非点源污染提供理论依据和技术支持。 相似文献
2.
基于RBF神经网络的土壤重金属空间变异研究 总被引：3，自引：1，他引：2
本文采用径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)预测太原市晋源区表层土壤中重金属Cr、Cd、Hg的空间变异,并与普通克里格(Ordinary Kriging)插值结果进行对比分析,以选择更合适的土壤重金属空间插值方法。研究结果表明:1)在拟合RBFNN模型过程中,选择合适的spread散布常数可以使模型达到最优,研究区域土壤Cr的最优散布常数为0.08,Cd的最优散布常数为0.10,Hg的最优散布常数为0.14,这组散布常数对于局部区域农田土壤重金属插值模拟有一定的参考意义。2)RBFNN方法与Ordinary Kriging方法对区域重金属浓度分布的预测趋势一致,土壤Cd含量在区域中部较高,尤其是从东北方向到西南方向的轴线上较高,向两侧形成扩散递减趋势;土壤中Cr含量总体分布趋势也是中部较高,其他区域相对较低;土壤Hg含量在区域东北部较高,由东北方向到西南方向浓度逐渐递减。且土壤重金属在区域中的分布与当地的污染源分布相对应。在样本数有限的情况下对土壤重金属进行空间变异研究时,RBFNN方法比Ordinary Kriging方法的预测精度更高更有效。 相似文献
3.
基于BP神经网络插值的土壤全氮空间变异 总被引：10，自引：4，他引：6
大尺度土壤养分空间变异研究可以为土壤改良分区治理提供基础数据。寻求合适的取样数和插值方法是进行土壤养分空间变异研究的关键。以安徽省舒城县为例,共取得0～20cm土壤表层样品523个,土壤全氮的空间变异由BP神经网络插值方法在不同取样数条件下获得,通过与克里格插值法进行比较得出:样本数在100个时,神经网络插值的预测吻合度(G)比克里格插值高7.75%,均方根误差(RMSE)低0.1,总体精度优于克里格;样本数大于200时,神经网络插值和克里格插值精度基本相同,随着采样数量增加,两种方法的插值精度也在提高,并逐步趋于平稳。在大尺度土壤养分空间变异研究中,在小样本情况下,神经网络插值具有优势。 相似文献
4.
基于RBF神经网络的土壤有机质空间变异研究方法 总被引：11，自引：4，他引：7
通过研究土壤性质的空间变异和空间插值方法,快速准确获取土壤性质的空间分布是精确农业和环境保护的基础。该文以四川眉山一块约40 km2的区域为试验区,采集表层土壤（0～20 cm）样点80个,利用径向基函数(RBF)神经网络建立空间坐标和邻近样点与土壤有机质间的非线性映射关系（RBF2）,模拟土壤有机质的空间分布。与普通克里法（OK）和仅以坐标为网络输入的神经网络方法（RBF1）相比,RBF2的插值精度有显著的提高;相同样点密度下其相对预测误差分别较OK和RBF1减小了9.87%、1.97%（样本A）和13.09%、2.36%（样本B）;即使样点数减半的情况下RBF2的相对预测误差也分别较OK和RBF1减小了10.23%和2.33%,并且插值图差异相对较小,可以更好地反映土壤有机质空间分布的异质性。因此,利用以坐标和邻近样点为输入的神经网络方法可以相对准确、快速地获取区域土壤性质空间分布的异质性信息。 相似文献
5.
补偿模糊神经网络水果形状分级器分级误差 总被引：4，自引：1，他引：3
针对神经网络对水果进行分级时精度有待提高的问题,分析了补偿模糊神经网络椪柑形状分级器的分级误差。将椪柑图像前4个傅里叶描述子按期望输出模糊变量值大小排列成单调递增、单调递减、钟形分布和锯齿形分布4种训练样本,分别训练同一补偿模糊神经网络水果形状分级器,用递减排序后的同一测试样本检验分级器性能,试验表明,单调递减顺序训练样本所训练的分级器分级误差最小为1.875%,钟形分布、单调递增顺序和锯齿形分布训练样本所训练的分级器分级误差依次增大,分别为15%、63.125%、75%。分析分级误差与样本间顺序的对应关系,建立分级误差模型,结果表明,同顺序的测试样本与训练样本间相关系数大,分级误差小;不同顺序的测试样本与训练样本间相关系数小,分级误差大。因此,测试样本与训练样本按水果同一品质特征同序排列,提高样本间的相关程度,将大幅度降低神经网络类分级器分级误差,提高正确识别率。 相似文献
6.
基于GIS和地统计学的作物需水量等值线图 总被引：15，自引：2，他引：15
利用“全国灌溉试验资料数据库”中作物需水量试验数据,在ERSI的ARCGIS和微软电子表格EXCEL支持下,将GIS的空间数据管理功能和地统计学的空间分析功能有机结合,用多种插值方法进行山东省冬小麦需水量等值线图的绘制,结果表明：地统计学方法优于常规的反距离加权方法、多项式方法和径向基函数法;地统计方法中的普通克里金(Ordinary Kriging)球状模型的预测误差的均值、预测误差的均方根、平均预测标准差、平均标准差、标准均方根预测误差等5个指标均优于普通克里金指数模型、简单克里金(Simple Kriging)球状模型和简单克里金指数模型,具有较高的插值精度。 相似文献
7.
土壤属性空间分布受地学环境要素影响,空间分异特征十分明显,单一的全局插值模型在应用中常受到一定条件的限制。对复杂地貌类型区土壤属性插值所面临的空间不连续、全局插值模型精度有限以及适应性差的缺点,提出了一种融合地学环境信息的土壤属性自适应曲面建模方法（Adaptive surface modeling for soil properties,ASM-SP）。利用2013年采集的110个样点数据,以土壤全钾含量为例,利用ASM-SP、普通克里格法（Ordinary Kriging,OK）、回归克里格法（Regression Kriging,RK）、地理加权回归克里格法（Geographically Weighted Regression Kriging,GWRK）和协同克里格（Ordinary Co-Kriging,OCK）5种插值方法,分别模拟了青海湖流域典型地区土壤全钾含量的空间分布。采用平均误差（Mean Error,ME）、平均相对误差（Mean Relative Error,MRE）、均方根误差（Root Mean Square Error,RMSE）、准确度（Accuracy,AC）、相关系数、回归系数和决定系数7类指标系统评价不同插值方法的预测效果。结果表明:（1）利用常规插值（OK）得到的插值曲面较为平滑,具有弱“牛眼”效应,在刻画土壤全钾含量的空间变异性方面存在明显不足,精度有待提高。（2）在融合地学环境信息的插值方法中,RK,OCK,GWRK和ASM-SP模拟精度较OK有不同程度提高,其中ASM-SP在刻画土壤全钾含量的空间变异和局部细节信息方面表现突出,精度较其他插值方法有较大程度提高,其准确度较OK,RK,GWRK和OCK分别提高9.27%,6.29%,2.66%和7.74%。ASM-SP尤其适合复杂地貌类型区,因其考虑了地学环境变量与土壤属性的非线性关系,并融合了多个模型的适应性优势,其在刻画土壤属性空间分异的复杂性方面也更加符合实际情况,为土壤属性的空间模拟提供了新思路。 相似文献
8.
[目的]寻求估算土壤侵蚀模数的新方法,并通过GIS实现对土壤侵蚀空间分布情况的预测。[方法]采用土壤侵蚀模数作为判别条件,分别验证基于Logistic回归和RBF神经网络而建立的土壤侵蚀预报模型的适用性,进而构建并验证改进模型——LOG-RBF神经网络土壤侵蚀预测模型。[结果](1)Logistic回归模型判别目标土地是否发生土壤侵蚀的优势明显,未发生和发生土壤侵蚀的预测正确率分别为77.4%和97.9%,总预测正确率为94.9%。(2)RBF神经网络模型估计土壤侵蚀模数的能力较强,模拟结果的相对误差和平方和误差分别为0.612%和13.292,R2为0.57。(3)LOG-RBF神经网络土壤侵蚀预测模型预测结果的相对误差和平方和误差比RBF神经网络模型模拟结果分别降低了0.157%和2.601。R2为0.82,拟合程度上优于RBF神经网络模型。随着土壤侵蚀模数的增大,错估现象呈逐渐减少趋势。通过受试者工作特征曲线的判别,LOG-RBF神经网络模型的曲线下面积值比RBF神经网络模型大0.063,模型判断的准确性更高。[结论]利用LOG-RBF神经网络土壤侵蚀预测模型可更准确地估计土壤侵蚀模数,基于GIS能够预测土壤侵蚀的空间分布情况。 相似文献
9.
插值方法对GIS土壤养分插值结果的影响 总被引：12，自引：0，他引：12
精准农业技术的应用越来越受到大家的关注,通过对一个地块土壤养分进行详细栅格采样化验分析,利用反距离法和克里格(Kriging)两种不同计算机插值方法对土壤中各种营养元素进行了分析研究。在采样栅格大小不同的条件下,随机选择5个采样点插值,分析对比了5个采样点在不同栅格采样条件下利用两种插值方法的插值结果。通过插值计算得到土壤中全氮、速效氮和速效磷在采样栅格较小的情况下,由于反距离法考虑的周围点数较多,插值点处的插值误差要较克里格插值总体上来讲误差小,而随着采样栅格距离的加大,克里格插值的误差要小于反距离法插值的误差。 相似文献
10.
采用反距离加权法(IDW),克里格法(Kriging),径向基函数法(Spline)对河南省安阳县385个土壤样点的全氮进行空间插值,通过交叉验证和样点检验对不同空间插值方法进行分析,结果表明,Spline优于IDW和Kriging,并且不同插值方法有不同的最优插值点数;基于不同样条函数的径向基函数法插值结果的平均相对误差MRE不同,其中平面样条函数表现最差,高次曲面函数,张力样条函数、规则样条函数和反高次曲面函数之间差异不显著。检验分析结果也显示,Spline优于IDW和Kriging,因此,相对于IDW和Kriging,Spline更适合用于全氮的空间插值。 相似文献
11.
不同采样尺度下土壤碱解氮空间变异性研究——以榆树市农田土壤为例 总被引：3，自引：0，他引：3
在精准农业的实施过程中,研究如何用较少的样本来反映田间信息的空间变异规律,再用科学的插值方法进行插值和预估是精准农业研究中的一个关键问题。以东北典型黑土区——吉林省榆树市为研究区域,在榆树市弓棚镇13号村内选择相对平整的地块进行土壤采样并测试其土壤养分。在对原始采样格网点按一定的样点间隔和布局进行抽取的基础上,利用克里格插值方法和BP神经网络方法分别进行空间插值,比较不同采样尺度（40m×40m,56m×56m,80m×80m,113m×113m,160m×160m五个尺度）对空间插值精度的影响。结果表明:（1）随着采样尺度的增大,碱解氮的空间结构系数C/（C0+C）有减小的趋势,表明采样间距以内的不可估计误差逐渐增大,其空间结构的表现能力在逐渐减弱;（2）Kriging插值精度总体优于BP神经网络,随着采样尺度的增加,两种模型的模拟精度都有所下降,BP神经网路的插值精度和Kriging模型的插值精度的差距逐渐减小;（3）两种模型在113m×113m尺度上插值精度都发生了突变,如考虑碱解氮的空间变异规律和经济因素,碱解氮的最佳采样尺度应在80～113m。 相似文献
12.
13.
青海三江源地区土壤水分常数转换函数的建立与比较 总被引：1，自引：0，他引：1
利用土壤理化性质数据建立转换函数是间接获得土壤水力参数的重要手段之一。基于测定的土壤理化性质和土壤水分常数数据,本文采用回归分析、BP神经网络和基于BP神经网络的Rosetta模型3种方式分别建立了青海三江源地区土壤饱和含水量、毛管持水量和田间持水量的转换函数,并对其预测精度进行了比较。结果表明:(1)回归分析方法总体预测效果比较理想,特别是田间持水量的平均误差(ME)和均方根误差(RMSE)都在3.397%以下,决定系数(R2)高达0.868;(2)BP神经网络方法的预测效果非常理想,各土壤水分常数平均误差和均方根误差都在4.685%以下,并且决定系数均在0.857以上;(3)Rosetta模型的预测效果相对较差,特别是饱和含水量和毛管持水量,平均误差(ME)和均方根误差(RMSE)相对较大,决定系数(R2)相对较小。3种方式中,BP神经网络方法所建立的毛管持水量和饱和含水量转换函数均为最佳,回归方法所建立的田间持水量的转换函数要好于BP神经网络方法和Rosetta模型,Rosetta模型对土壤水分常数的预测效果不如其他两种方式。研究可为青海三江源地区土壤水力特性参数研究以及区域尺度上土壤水分估算提供科学依据。 相似文献
14.
15.
16.
17.
This study proposes a method, backpropagation (BP) neural network, for interpolating missing values in daily precipitation time series. Firstly, the BP neural network is adopted to interpolate missing daily rainfall data at three selected stations in Yantai, Shandong, China. Then, the temporal and spatial variations in precipitation extremes across Shandong are analyzed by utilizing the complete daily rainfall dataset derived from accurate propagation at 24 meteorological stations. The results show that the long-term trends in five selected extreme precipitation indices calculated from interpolated daily rainfall data are generally consistent with those from original nonmissing values. And the spatial patterns of trends in precipitation extremes also show better performance for BP neural network approach in interpolating missing daily rainfall gaps. Those suggest that this BP neural network algorithm can obtain a good fit in terms of space-time variability of regional precipitation extremes, in case that the correlation coefficients between the target stations with missing values and reference stations with complete daily rainfall dataset are relatively large. These findings could be crucial for investigating regional frequency of heavy rainfall and water resource management. 相似文献