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 |
| |
引用本文: | 杨晋帆,杨阳,刘婷婷,周汝良,王艳霞,叶江霞.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[J].土壤通报,2023,54(2):273-285. |
| |
作者姓名: | 杨晋帆 杨阳 刘婷婷 周汝良 王艳霞 叶江霞 |
| |
作者单位: | 1.西南林业大学地理与生态旅游学院,云南 昆明 650000 |
| |
基金项目: | 国家自然科学基金(31860213、42061004)和云南省重大科技专项(202002AA100007)资助 |
| |
摘 要: | 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。
|
关 键 词: | 土壤有机质 热带土壤 土壤属性制图 机器学习 |
收稿时间: | 2022-02-05 |
|
| 点击此处可从《土壤通报》浏览原始摘要信息 |
| 点击此处可从《土壤通报》下载免费的PDF全文 |
|