基于神经网络优化算法的云南土壤有机质含量数字制图——以景洪市为例     

杨晋帆  杨阳  刘婷婷  周汝良  王艳霞  叶江霞 《土壤通报》2023,54(2):273-285

  目的  利用自然成土作用变量,预测并制作栅格化的土壤有机质分布图,对发展热带数字化精细农业具有重要意义。  方法  使用2006年云南省景洪市测土配方样点数据,应用BP神经网络（BPNN）、基于强分类器算法的BP神经网络模型（BPNN-Ada）、基于粒子群算法优化的BP神经网络（PSO-BPNN）、基于遗传算法优化的BP神经网络（GA-BPNN）和多元线性回归（MLR）对土壤有机质的含量预测并进行空间化制图。  结果  ① 土壤样点X、Y坐标值能够有效提高算法精度且充分表现环境因子与土壤有机质空间分布上的协同关系。② 4种神经网络算法预测结果土壤有机质空间分布基本类似,均呈现南高北低的趋势。③ 研究区域内4种神经网络模型的在建模集拟合程度从高至低依此次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN,在建模集中PSO-BPNN和GA-BPNN与BPNN拟合精度一致,BPNN-Ada的拟合精度R2最高为0.98。在验证集的预测能力由高至低依次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN。BPNN-Ada有着最高的预测精度和算法稳定性:RMSE = 4.47、MAE = 3.3、MRE = 0.05、R2 = 0.976。  结论  在景洪地区进行土壤有机质神经网络建模时加入地理坐标能够有效提高模型精度,且基于学习规则的神经网络优化算法效果要优于优化初始权重和阈值的神经网络算法及传统的BPNN算法。  相似文献   

基于地理栅格变量与机器学习的松材线虫病扩散风险分析     

刘婷婷  杨晋帆  周汝良  刘琳 《浙江农林大学学报》2023,(3):617-626

【目的】松材线虫Bursaphelenchus xylophilus病是威胁中国森林生态系统安全最为严重的病害。本研究利用地理栅格模型及地图代数运算来模拟和表达驱动变量,构建松材线虫病测报系统,并以县域与地理栅格单元双尺度形成空间连续化测报。【方法】集成对松材线虫病扩散传播有影响的地形地貌、气象、寄主、人类活动和土地利用等地理栅格空间数据集,基于随机森林和支持向量机的机器学习方法构建模型,将测报得出的扩散风险概率与松科Pinaceae植物易感性叠加进行感染概率地图代数运算,基于地理栅格表达分析松材线虫病在中国范围内扩散的风险等级。【结果】(1)随机森林模型预测精度为83.95%,支持向量机模型预测精度为77.97%。(2)海拔、年均最低降水量、年均降水量、年均低温对模型构建的贡献率分别为0.151、0.303、0.258、0.194,是影响松材线虫病发生的主要因素;人类活动变量的贡献率为0.194,是影响扩散的决定性变量。(3)潜在扩散区位于人类活动密集的低海拔地区、道路通达的林区、城市城镇分布区和人工林分布区。其中,极高风险分布地区主要位于华东地区的浙江、江西、福建,华南地区的广西、...  相似文献