| 消减残差自相关性的县域土壤有机质整合模型预测研究 |
| |
| 引用本文： | 宋 洁,王思维,赵艳贺,于东升,陈 洋,王 鑫,冯凯月,马利霞.消减残差自相关性的县域土壤有机质整合模型预测研究[J].土壤学报,2023,60(6):1569-1581. |
| |
| 作者姓名： | 宋 洁 王思维 赵艳贺 于东升 陈 洋 王 鑫 冯凯月 马利霞 |
| |
| 作者单位： | 土壤与农业可持续发展国家重点实验室,河北省承德市滦平县农业农村局,河北省承德市滦平县农业农村局,土壤与农业可持续发展国家重点实验室,土壤与农业可持续发展国家重点实验室,土壤与农业可持续发展国家重点实验室,土壤与农业可持续发展国家重点实验室,土壤与农业可持续发展国家重点实验室 |
| |
| 基金项目： | 国家重点研发计划专项(2018YFC1800104) 和国家自然科学基金项目(42001302, 41571206) |
| |
| 摘 要： | 提升土壤属性空间预测精度对实现农田精准施肥和保护生态环境具有重要意义。利用河北省滦平县采集的1 773个样点耕地表层(0～20cm)土壤有机质(SOM)及其地理环境数据，通过逐步回归分析方法筛选出最优环境变量；基于其中1 426个农田样点分别建立多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、贝叶斯正则化神经网络(Bayesian regularization neural network,BRNNBP)以及与普通克里格(OK)整合模型(MLR-OK、RF-OK和BRNNBP-OK)预测SOM空间分布，以其余347个样点数据为测试集检验分析不同模型预测精度，并对模型残差进行半方差函数和空间自相关分析以评价模型拟合效果。结果表明，研究区耕地表层土壤SOM处在8.62～35.64 g·kg-1变化区间，变异系数为20.26%，属中等程度空间变异；SOM高值区主要分布在东北及东南海拔较高地区，低值区多分布在西南及中部河谷地区；海拔、坡度和年均温度与SOM关系密切(P<0.001)；整合模型...
|
| 关 键 词： | 土壤有机质 机器学习 普通克里格 残差 数字化土壤制图 |
| 收稿时间： | 2021/11/2 0:00:00 |
| 修稿时间： | 2022/6/6 0:00:00 |
Soil Organic Matter Prediction Research on the Integrating Models with Reduction of Residual Autocorrelation |
| |
| SONG Jie,WANG Siwei,ZHAO Yanhe,YU Dongsheng,CHEN Yang,WANG Xin,FENG Kaiyue and MA Lixia.Soil Organic Matter Prediction Research on the Integrating Models with Reduction of Residual Autocorrelation[J].Acta Pedologica Sinica,2023,60(6):1569-1581. |
| |
| Authors: | SONG Jie WANG Siwei ZHAO Yanhe YU Dongsheng CHEN Yang WANG Xin FENG Kaiyue and MA Lixia |
| |
| Institution: | State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences,Agricultural and Rural Bureau of Luanping County,Agricultural and Rural Bureau of Luanping County,State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences,State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences,State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences,State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences,State Key Laboratory of Soil and Sustainable Agriculture,Institute of Soil Science,Chinese Academy of Sciences |
| |
| Abstract: | |
| |
| Keywords: | Soil organic matter Machine Learning Ordinary Kriging Residual Digital soil mapping |
|
| 点击此处可从《土壤学报》浏览原始摘要信息 |
| 点击此处可从《土壤学报》下载免费的PDF全文 |
|
