共查询到19条相似文献，搜索用时 265 毫秒
1.
《西南农业学报》2021,(3)
【目的】探究土壤有机质含量空间分布预测模型的差异。【方法】在重庆市长寿区采集5162个土壤样点,结合地形、气候、植被和成土母质等9个环境变量,利用分类与回归树(CART)、随机森林(RF)、随机森林残差克里格(RFRK)和普通克里格(OK)4种预测模型对研究区土壤有机质含量空间分布进行预测制图,并利用平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R~2)和整体评价指标(GPI)评价模型精度。【结果】预测模型整体精度由低到高排序为CARTRFRFRKOK;在不同预测模型绘制的空间分布图中,土壤有机质含量空间分布的总体趋势一致,但在局部细节中存在差异。【结论】在采样密度较大区域,可以不借助辅助变量直接预测土壤有机质含量。 相似文献
2.
一种基于改进时间卷积网络的生猪价格预测方法 总被引：1，自引：0，他引：1
针对传统的生猪价格预测方法存在预测精度不够高，容易陷入局部最小值等问题，为更加精准地预测生猪价格，采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法，以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本，对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606，平均绝对误差(MAE)为0.288 424，决定系数(R2)为0.995 683，均优于其他3种机器学习模型；与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较，3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。 相似文献
3.
采用卡萨生物圈(CASA)模型的遥感间接估算法对长汀县河田镇马尾松林地土壤有机碳进行模型构建。结果表明:结合多种植被指数构建的综合植被指数(ICV),缓解了归一化植被指数(INDV)在植被净第一性生产力(NPP)反演的饱和现象及高估现象,拟合精度比归一化植被指数提高了17.4%,说明综合植被指数在研究区土壤有机碳(SOC)的估算上有更高的契合度;运用综合植被指数构建的随机森林回归模型,对土壤有机碳预测综合精度(R^2=0.597 2,RMSE=1.76,RM=94.85%)比其他回归模型高,适用于研究区SOC的估算。 相似文献
4.
为降低土壤重金属研究中人工采样成本,宏观掌握大尺度研究区内土壤重金属污染的空间分布特征,本研究以贵阳市、遵义市和毕节市为研究区,以镉(Cadmium,Cd)元素为研究对象,提出利用随机森林(Random Forest,RF)分析评估影响因子的贡献率,并根据贡献率进行影响因子筛选后构建极端梯度提升(eXtreme Gradient Boosting,XGBoost)模型,即RF-XGBoost模型,用以预测研究区内土壤Cd污染的空间分布特征。结果表明：研究区内土壤Cd含量平均值仅比贵州省背景值高出0.02 mg·kg-1,污染程度较低,变异系数为125.37%,属于强变异;研究区内对土壤Cd污染贡献率最高的影响因子为土壤侵蚀程度、高程和年平均气温,贡献率分别为0.100、0.088和0.084,说明在大尺度研究区中自然环境对土壤Cd富集影响最大;RF-XGBoost模型的精度和稳定性高于RF和XGBoost模型,准确率提升了0.039 3,Kappa系数分别提升了0.059 2、0.091 4,F1＿score分别提升了0.250 4、0.270 1;研究区内土壤C... 相似文献
5.
《中国农业科学》2018,(24)
【目的】试图通过优先在干旱区绿洲的子区构建模型以提高绿洲全局土壤盐度的预测精度。同时量化全局模型和子区模型之间精度的差异性和不确定性。【方法】利用随机森林(Random Forest,RF)和随机梯度增进算法(Stochastic Gradient Treeboost,SGT)定量化上述不确定性,同时,对比本地尺度多个情景(景观)优先建立模型再合并预测值对于模拟全局土壤盐度的精度影响。基于驱动因子(土地利用和地貌),响应因子(Normalized Difference Vegetation Index, NDVI和土壤电导率,EC),研究设计了27个能够相对覆盖典型绿洲不同土壤盐度变异性的环境情景。【结果】70.37%(19/27)的情景证明SGT的预测精度高于RF。单独建模的10个情景的预测精度高于全局模型下10个再分类情景(根据情景设定规则将全局模型预测值再分类)的精度。特别是,EC≤4 dS·m~(-1)和2 dS·m~(-1)EC16 dS·m~(-1)两个情景应该单独进行建模预测。4个情景(两两合并)预测值合并后的精度高于全局模型再分类后的精度。需要指出的是,用于绿洲尺度子区情景构建的首选分割变量是EC,其次是地貌和土地利用。【结论】研究推荐基于SGT在绿洲内部不同景观尺度上优先建模,再将各景观尺度的预测值进行合并,以提高绿洲土壤盐度的推理精度。 相似文献
6.
[目的]深刻认识环境因子对湿地土壤碳、氮积累的影响,是理解湿地生物地球化学转化过程的基础.基于鄱阳湖环境复杂、生物多样性丰富以及具有丰水期和枯水期交替出现的独特水文特征,是研究水文急剧变化的湿地生态系统土壤碳、氮动态变化的天然实验室,探讨季节性积水湿地表层土壤有机碳(SOC)和全氮(TN)沿高程梯度的分布特征及其影响因素.[方法]以鄱阳湖国家自然保护区的蚌湖、常湖池和泗洲头季节性积水湿地表层土壤(0～20 cm)为研究对象,于鄱阳湖枯水期(2018年11月—2019年3月)开展野外调查并采集土壤样本,测定土壤理化性状,利用主成分分析方法判别不同湿地类型环境特征,利用Pearson相关性分析土壤碳、氮与环境因子的关系,利用集成推进树算法量化环境因子对湿地表层土壤碳、氮的相对贡献.[结果]蚌湖、常湖池和泗洲头湿地表层(0～20 cm)SOC和TN含量随着高程梯度的增加呈现先增加后减小的变化趋势,最高值出现在高程梯度13～14 m或14～15 m的洲滩区域.蚌湖(SOC:(9.47±2.97)g/kg,TN:(1.14±0.32)g/kg)和常湖池(SOC:(7.92±3.20)g/kg,TN:(1.05±0.28)g/kg)比泗洲头(SOC:(2.36±0.49)g/kg,TN:(0.27±0.06)g/kg)具有更高的SOC和TN含量(P<0.05).SOC和TN存在极显著正相关,并且分别与坡度、湖底高程、土壤含水量、铵态氮、硝态氮、全磷存在显著正相关,与土壤pH和碳氮比存在显著负相关.基于主成分分析的因子得分显示,蚌湖、常湖池和泗洲头的环境性状具有明显分异,表明湿地类型与表层土壤碳、氮的分布具有密切联系.优化的集成推进树算法显示,所选环境因子中,湿地类型、高程梯度、土壤含水量、土壤碳氮比、铵态氮、硝态氮和全磷对SOC和TN具有不同程度的影响,土壤pH、湖底高程和坡度的相对影响微乎其微.其中,铵态氮、高程梯度是影响SOC积累的主要因素,湿地类型、土壤全磷是影响TN积累的主要因素.[结论]鄱阳湖碳、氮与磷的变化关系密切,湿地类型、高程梯度对鄱阳湖湿地土壤碳、氮的积累产生了深刻影响. 相似文献
7.
加强云贵川区域林火管理,预测云贵川地区森林火灾的发生概率,对保护森林资源和森林生态系统结构和功能具有重要意义。利用MCD64A1火灾数据集、气象数据、地形数据和可燃物含水率数据构建模型训练数据集,结合逻辑回归、随机森林与极端梯度提升等机器学习模型,对中国云贵川区域日尺度林火燃烧概率进行预测。结果表明：单独使用气象数据集对林火燃烧概率进行预测时,极端梯度提升模型表现最好,预测精度为88.6%,其次为随机森林模型与逻辑回归模型,预测精度分别为86.0%与76.7%。地形因素及植被水分指数的引入对机器学习模型有一定的优化效果,极端梯度提升模型与随机森林模型的预测精度的提升均超过1%。 相似文献
8.
9.
黄土丘陵山区地形复杂,耕地细碎,采样点密度不足,因此研究适宜该区域的空间插值方法具有重要意义.以山西省偏关县为研究区,基于数字高程模型(digital elevation model,简称DEM)数据生成地形因子,依据地形因子将研究区划分为不同地形单元,利用Kriging插值法对各地形单元进行分层插值,通过叠加不同地形单元的插值结果,得到全区域的土壤有机质含量空间分布,并利用均方根误差和决定系数评价空间插值方法的预测精度.结果表明,采用划分地形单元分层克里金(Kriging)插值法得到的预测值与实测值的决定系数为0.3753,明显高于全局插值法;均方根误差精度高于全局插值法,预测值无偏性好.因此,基于地形单元的空间插值方法可以更精确有效地获取土壤有机质空间分布特征,为复杂山区低密度采样下的耕地质量调查与评价提供技术参考. 相似文献
10.
土壤碳是森林生态系统最大的碳库,是其碳循环的极其重要组分.土壤微生物生物量是陆地生态系统碳循环的重要组成部分.为探讨不同森林植被类型对土壤活性有机碳库的影响,以西藏色季拉山(西坡)的高山灌丛(Alpine shrub,AS)、杜鹃林(Rhododendron forest,RF)、急尖长苞冷杉林(Abies georgei var.smithii forest,AGSF)和林芝云杉林(Picea likiangensis var.linzhiensis forest,PLLF)为试验对象,研究了林地土壤有机碳、总氮含量及微生物生物量.结果表明:高海拔植被类型具有较高的土壤活性有机碳含量和分配比例.土壤总有机碳表现在0-10cm均差异显著;在10-20cm和20-40cm无规律性(P＜0.05).土壤全氮表现在0-10cm AS均差异显著,而RF、AGSF和PLLF差异不显著;在10-20cm AS、RF、AGSF与PLLF均相差显著;在20-40cm AS、RF、AGSF与PLLF均相差不显著(P＜0.05).土壤微生物量碳含量与土壤总有机碳含量关系密切,呈显著的正相关.土壤微生物生物量氮含量和比例随微生物生物量碳含量和比例增加而增加.色季拉山土壤微生物量碳含量均随海拔升高而增加.在不同植被类型的生态系统中,土壤总有机碳含量、土壤颗粒有机碳和土壤易氧化碳含量均呈现出随土层深度增加而递减的变化趋势.土壤颗粒有机碳含量占土壤总有机碳含量和土壤易氧化有机碳含量占土壤总有机碳含量的比率范围不同,且随土层深度增加比率减小.土壤活性有机碳与土壤总有机碳显著相关,土壤易氧化有机碳与颗粒有机碳的相关系也比较显著(P＜0.05). 相似文献
11.
【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳（SOC）精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样（CARS）算法筛选特征波段,并采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）、反向传播神经网络（BPNN）4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】（1）红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳（R 2=0.82）,较全波段建模验证集R 2提升0.07。水稻土采用CARS-RF模型预测效果最佳（R 2=0.83）,较全波段建模验证集R 2提升0.13。（2）在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳（R 2=0.82）,较全局校准验证集R 2提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。 相似文献
12.
基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析 总被引：1，自引：0，他引：1
【目的】氮素的精准监测和合理施用对小麦健康生长、产量及品质提升、减少农田环境污染与资源浪费尤为重要。为精准监测小麦生长关键生育期植株氮含量,探索机器学习方法构建的植株氮含量预测模型的迁移能力。【方法】小区试验于2020—2022年在河南省商水县开展,在冬小麦拔节期、孕穗期、开花期和灌浆期,采用M600大疆无人机搭载K6多光谱成像仪获取5波段(Red、Green、Blue、Rededge、Nir)多光谱影像。基于5个波段冠层反射率提取20种植被指数和40种纹理特征,采用相关分析从65个影像特征中筛选冬小麦植株氮含量敏感特征。基于筛选出的敏感特征,采用BP神经网络(BP)、随机森林(RF)、Adaboost、支持向量机(SVR)4种机器学习回归方法构建植株氮含量预测模型,并对模型预测效果和在不同水处理条件下模型的迁移预测能力进行分析。【结果】(1)植株氮含量与影像特征的相关系数通过0.01极显著水平检验的包括22个光谱特征和29个纹理特征。(2)4种机器学习回归方法构建的冬小麦植株氮含量预测模型存在差异,RF和Adaboost方法预测植株氮含量集中于95%的置信区间,多分布于1:1直线附近... 相似文献
13.
14.
土地利用对亚热带红壤低山区土壤有机碳和微生物碳的影响 总被引：40，自引：3，他引：40
【目的】研究土地利用变化对土壤有机碳（SOC）和微生物量碳（SMBC）含量的影响。【方法】采用典型样区密集取样（水田和旱地3～4个样/ha、果园2～3个样/ha、林地0.2～0.5个样/ha）和野外调查，对亚热带红壤低山肯福样区的水田、旱地、果园和林地表层（0～20 cm）SOC和SMBC含量及其变化进行了研究。【结果】本区SOC、SMBC含量和微生物碳与有机碳比率（SMBC/SOC）分别为(17.53±5.02)g·kg-1，(278±174)mg·kg-1和(1.56±0.84)%。其中，林地SOC、SMBC含量和SMBC/SOC分别为(18.20±4.53)g·kg-1、(293±111)mg·kg-1和(1.58±0.39)%。水田SOC、SMBC含量和SMBC/SOC较林地依次提高了15.5%，84.0%和73.9%（P＜0.01）；与林地相比，旱地SOC含量（17.50±4.89）g·kg-1略有降低（P＞0.05），SMBC含量和SMBC/SOC分别减少29.1%和24.2%（P＜0.01）；果园SOC、SMBC含量和SMBC/SOC比林地分别降低了26.8%，46.1% 和26.1%（P＜0.01）。除水田外，其余土地利用方式的SOC与SMBC含量之间均存在极显著的相关关系。【结论】亚热带红壤低山生态景观单元内林地开垦为水田增加了SOC的积累和土壤微生物活性，林地开垦为旱地和果园不同程度地降低了SOC的积累和微生物活性。 相似文献
15.
研究使用R软件中的CaretEnsemble和Caret程序包,并基于Stacking方法来实现模型集成,研究南方红豆杉Taxus chinensis var.mairei在浙江省丽水市莲都区的潜在分布区,并比较5种单一模型的模拟结果及其与集成模型的差异。结果表明:单一模型中极端梯度上升模型表现最好,其次是随机森林模型、支持向量机模型、朴素贝叶斯模型和分类回归树模型,集成模型模拟结果好于单一模型,其Kappa值达0.80,准确率达0.90。集成模型模拟结果显示:影响南方红豆杉分布的主要环境因子为海拔、归一化植被指数和年平均最少降雨量。南方红豆杉主要适宜生长在浙江省丽水市莲都区的山地丘陵地区,中部盆地及平原地区不适宜南方红豆杉的生长,其在莲都区的潜在分布区面积为5.01万hm2。构建的集成模型在一定程度上提高了模型精度,使预测效果更优。 相似文献
16.
有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。 相似文献
17.
纳帕海不同土地利用方式下土壤有机碳分布特征 总被引：1，自引：0，他引：1
[目的]探讨纳帕海区域土壤有机碳(SOC)在不同土地利用方式下的剖面分布特征及其与土壤含水量、容重的相关关系,为该区域合理高效利用土地资源提供科学依据。[方法]对猪拱地、农田、灌丛和森林4种土地利用类型的SOC分布特征进行研究。[结果]0~50 cm土层深度内,SOC含量由高到低依次为农田(26.43 g/kg)、猪拱地(20.95 g/kg)、灌丛(20.16 g/kg)、森林(17.25 g/kg);猪拱地、农田、灌丛和森林均为0~10 cm土层SOC含量最高,是主要的碳储层,分别占0~50 cm土层的37.42%、28.07%、49.81%和30.10%,随土壤深度的加深,SOC含量呈减少趋势;SOC密度与SOC储量呈基本一致的变化趋势;各样地表层SOC与土壤含水量呈显著正相关(R~2=0.50,P0.05),与土壤容重呈极显著负相关(R~2=0.60,P0.01)。[结论]不同土地利用类型其SOC含量在垂直方向上的分布不同,湿地的退化会不同程度地导致SOC流失,表层SOC含量很大程度上受土壤含水量和土壤容重的制约。 相似文献
18.
基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量 总被引：2，自引：0，他引：2
森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。 相似文献
19.
以白水河小流域退耕坡地为研究对象,应用地统计学分析方法,分析研究区0~10 cm土层土壤有机碳(SOC)、全氮(TN)、全磷(TP)和全钾(TK)的空间分布特征及其变异规律,探讨植被覆盖类型及其他环境因子对土壤养分空间分布的影响,为土壤养分的有效利用和管理提供理论依据。结果表明,(1)研究区SOC(Mean=18.847 g/kg)和TN(Mean=0.749 g/kg)的含量属于中等水平,TP(Mean=0.291 g/kg)和TK(Mean=3.333 g/kg)的含量则比较缺乏。各养分含量的变异系数(CV)在10%~100%之间,为中等变异性。(2)SOC拟合模型为高斯模型,TN和TK为球状模型,TP为指数模型。其中,TP和TK有强烈的空间自相关性,自相关变程范围分别为23.43 m和27.48 m,其空间变异主要由土壤母质、地形、气候等非人为的结构因素引起。SOC和TN表现为中等的空间自相关性,自相关变程范围分别为37.78 m和32.65 m,其变异是随机因素(施肥、耕作措施、种植制度等人为活动)和结构因素的共同作用。(3)各土壤养分总体呈空间连续分布的特点。不同的植被覆盖类型下土壤养分含量差异明显,植被自然恢复,人为干扰较小的灌木和樱桃+草本分布点的SOC和TN含量较高,经营管理强度较高的樱桃和樱桃+玉米分布点的SOC和TN含量较低。耕地施用磷钾肥明显提高了其TP和TK的含量。植被覆盖类型与TK的相关性不显著,说明植被对TK的分布影响较小。(4)相关性分析表明,SOC、TN、TP在土层浅薄、坡度大、岩石裸露率高的区域土壤养分含量较高,反之亦然。而TK含量的分布规律则与其他土壤养分相反,这可能与研究区施肥和土壤属性有关。不同土地利用方式施肥和种植结构的差异是引起这种空间分布特点的主要因素。 相似文献