采用GRNN（Generalized Regression Neural Network）和RF（Random Forest）2種機(jī)器學(xué)習(xí)方法構(gòu)建土壤有機(jī)質(zhì)預(yù)測(cè)模型,以提高稀疏樣本情況下的土壤有機(jī)質(zhì)估算精度。依據(jù)北京市大興區(qū)農(nóng)用地2007年的土壤有機(jī)質(zhì)采樣數(shù)據(jù),按MMSD準(zhǔn)則（Minimization of the Mean of the Shortest Distances）抽稀為8種不同采樣密度的樣本（分別為2703、1352、676、339、169、85、43、22個(gè)樣本）,分別采用GRNN、RF和Ordinary kriging對(duì)各采樣密度下的未知采樣點(diǎn)進(jìn)行預(yù)測(cè),采用交叉檢驗(yàn)的方式驗(yàn)證各采樣密度下未知樣點(diǎn)的預(yù)測(cè)精度。隨著采樣點(diǎn)密度的下降,樣點(diǎn)間的空間自相關(guān)性逐漸減弱,半變異函數(shù)的擬和精度變差,預(yù)測(cè)點(diǎn)結(jié)果誤差增大,預(yù)測(cè)的置信度降低。當(dāng)抽稀到43個(gè)和22個(gè)采樣點(diǎn)時(shí),樣點(diǎn)間的空間自相關(guān)性接近殲滅,半變異函數(shù)的決定系數(shù)較低且殘差較大。普通克里格受到采樣點(diǎn)數(shù)量和采樣密度、樣點(diǎn)的空間結(jié)構(gòu)的影響比較明顯,其預(yù)測(cè)精度隨采樣點(diǎn)數(shù)量的下降而下降。在85個(gè)采樣點(diǎn)及以下時(shí),其預(yù)測(cè)值與觀測(cè)值之間沒有顯著... 

【文章來源】：地球信息科學(xué)學(xué)報(bào). 2020,22(09)北大核心CSCD

【文章頁(yè)數(shù)】：15 頁(yè)

【部分圖文】：

研究路線

廣義回歸神經(jīng)網(wǎng)絡(luò)（Generalized Regression Neural Network,GRNN）最早由美國(guó)學(xué)者Sprecht提出，它是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的一種，是由輸入層、模式層、求和層和輸出層組成的4層網(wǎng)絡(luò)，本文中對(duì)應(yīng)的輸入（樣本特征）X=[x,y,texture,landuse,dung]T(x=坐標(biāo)x值、y=坐標(biāo)y值、texture=土壤質(zhì)地、landuse=土地利用類型、dung=畜禽糞便利用強(qiáng)度），輸出（標(biāo)簽）Y=[SOM]T(SOM=土壤有機(jī)質(zhì)值），樣本的個(gè)數(shù)為m,GRNN模型結(jié)構(gòu)如圖2所示。輸入層節(jié)點(diǎn)個(gè)數(shù)等于樣本的特征維度，各神經(jīng)元是簡(jiǎn)單的分布單元，直接將輸入變量傳遞給模式層。

隨機(jī)森林結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的作物Cd含量預(yù)測(cè)及安全種植分區(qū)[J]. 侯藝璇,趙華甫,吳克寧,李凱.  資源科學(xué). 2018(12)
[2]基于貝葉斯最大熵的黑土區(qū)小流域土壤有機(jī)質(zhì)空間分布預(yù)測(cè)[J]. 高鳳杰,吳嘯,師華定,鞠鐵男,王鑫,高東晶,劉媚媚.  環(huán)境科學(xué)研究. 2019(08)
[3]基于隨機(jī)森林的蘋果區(qū)土壤有機(jī)質(zhì)空間預(yù)測(cè)[J]. 任麗,楊聯(lián)安,王輝,楊粉莉,陳衛(wèi)軍,張林森,徐瑾昊.  干旱區(qū)資源與環(huán)境. 2018(08)
[4]基于輔助變量和回歸徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（R-RBFNN）的土壤有機(jī)質(zhì)空間分布模擬[J]. 江葉楓,郭熙.  浙江農(nóng)業(yè)學(xué)報(bào). 2018(04)
[5]應(yīng)用集成BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)土壤有機(jī)質(zhì)空間分布[J]. 江葉楓,郭熙,葉英聰,孫凱,饒磊.  江蘇農(nóng)業(yè)學(xué)報(bào). 2017(05)
[6]省域尺度土壤有機(jī)質(zhì)空間分布的神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)[J]. 江葉楓,郭熙,葉英聰,孫凱,饒磊.  江蘇農(nóng)業(yè)學(xué)報(bào). 2017(04)
[7]福州市農(nóng)田土壤養(yǎng)分空間變異特征[J]. 陳桂香,高燈州,曾從盛,王維奇.  地球信息科學(xué)學(xué)報(bào). 2017(02)
[8]基于多源輔助變量和極限學(xué)習(xí)機(jī)的蔬菜地土壤有機(jī)質(zhì)預(yù)測(cè)研究[J]. 宋英強(qiáng),楊聯(lián)安,馮武煥,于世鋒,許婧婷,王晶,楊煜岑,任麗.  土壤通報(bào). 2017(01)
[9]黑土丘陵區(qū)小流域土壤有機(jī)質(zhì)空間變異及分布格局[J]. 高鳳杰,馬泉來,韓文文,單培明,周軍,張少良,張志民,王宏燕.  環(huán)境科學(xué). 2016(05)
[10]采樣密度對(duì)土壤有機(jī)質(zhì)空間變異解析的影響[J]. 范曼曼,吳鵬豹,張歡,魏曉,陳富榮,高超.  農(nóng)業(yè)現(xiàn)代化研究. 2016(03)

博士論文
[1]不同尺度區(qū)域農(nóng)田土壤有機(jī)碳分布與變化[D]. 許信旺.南京農(nóng)業(yè)大學(xué) 2008

碩士論文
[1]縣域土壤有機(jī)質(zhì)空間分布研究[D]. 楊曉.山東農(nóng)業(yè)大學(xué) 2018



本文編號(hào)：3557431