土壤有機(jī)質(zhì)(Soil Organic Matter,SOM)是土壤肥力評價(jià)的重要指標(biāo),是土壤生態(tài)系統(tǒng)評價(jià)的重要內(nèi)容。土壤有機(jī)質(zhì)含量的空間分布受氣候、母質(zhì)、生物、地形、時(shí)間及人為因素等諸多環(huán)境因素的復(fù)雜影響,探究環(huán)境因子對土壤有機(jī)質(zhì)的影響機(jī)制,分析土壤有機(jī)質(zhì)與環(huán)境因子間的數(shù)學(xué)關(guān)系,建立土壤有機(jī)質(zhì)空間擬合預(yù)測模型對于研究其空間分布特征、科學(xué)化田間管理、完善生態(tài)系統(tǒng)服務(wù)評估體系具有重要意義。為更好地?cái)M合土壤有機(jī)質(zhì)的空間分布,本文從多重環(huán)境變量降維角度出發(fā),以經(jīng)典統(tǒng)計(jì)、主成分分析及機(jī)器學(xué)習(xí)算法為工具,選擇和提取最佳解釋變量,挖掘環(huán)境變量信息,建立土壤有機(jī)質(zhì)和解釋變量的回歸擬合模型,并對不同模型的適應(yīng)性進(jìn)行評價(jià);利用地統(tǒng)計(jì)對回歸擬合殘差空間特征進(jìn)行分析,預(yù)測土壤有機(jī)質(zhì)的空間分布,主要結(jié)果如下:1.分析土壤有機(jī)質(zhì)與環(huán)境變量的相關(guān)性及環(huán)境變量的信息可壓縮性,對環(huán)境變量進(jìn)行降維處理。Pearson’s相關(guān)系數(shù)分析表明土壤有機(jī)質(zhì)含量與坡度、高程、地表粗糙度、相對高程、剖面曲率、平面曲率以及沉積物運(yùn)移指數(shù)之間存在顯著相關(guān)關(guān)系,逐步回歸分析將地表粗糙度、剖面曲率、高程和平面曲率作為解釋變量納入多元線性回歸方程中,實(shí)現(xiàn)了環(huán)境變量的降維。主成分分析對原始環(huán)境變量信息進(jìn)行壓縮,將原始的11個(gè)環(huán)境變量76.0%的信息提取至4個(gè)相互無關(guān)的主成分中,消除了變量間的多重共線性,實(shí)現(xiàn)了環(huán)境信息的降維。2.建立多元線性回歸模型、主成分回歸模型、偏最小二乘回歸模型、神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)回歸模型等土壤有機(jī)質(zhì)回歸擬合模型。機(jī)器學(xué)習(xí)算法的引入可以提高對環(huán)境變量信息的挖掘程度,減少相關(guān)分析和主成分分析導(dǎo)致的環(huán)境信息浪費(fèi)。對于所建立的擬合模型:(1)從響應(yīng)時(shí)間來看,基于機(jī)器學(xué)習(xí)算法的回歸模型響應(yīng)時(shí)間明顯長于傳統(tǒng)的線性回歸模型,其中神經(jīng)網(wǎng)絡(luò)的響應(yīng)時(shí)間達(dá)到7200s;(2)從擬合度來看,以多元線性回歸模型為參考,除主成分回歸模型外,其它回歸模型的擬合度均有提高;(3)從最小信息量準(zhǔn)則來看,神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)模型相較于多元線性回歸模型、主成分回歸模型和偏最小二乘回歸模型有更好的擬合效果。3.回歸擬合模型沒有考慮土壤有機(jī)質(zhì)的空間自相關(guān)性,將回歸擬合模型不能解釋的殘差部分進(jìn)行空間變異分析,建立普通克里格模型,并與作為趨勢項(xiàng)的回歸擬合模型相結(jié)合對研究區(qū)土壤有機(jī)質(zhì)進(jìn)行空間預(yù)測,預(yù)測結(jié)果顯示不同模型的預(yù)測結(jié)果分布趨勢類似。土壤有機(jī)質(zhì)在區(qū)域內(nèi)呈現(xiàn)差異化分布,西南部含量較高,東北部含量較低,分布特征與研究區(qū)由東北平原向西南丘陵地帶過渡的地形特征相吻合。多元線性回歸克里格模型預(yù)測結(jié)果與納入模型的環(huán)境變量的空間分布規(guī)律相似;主成分回歸克里格模型在保留圖斑數(shù)量豐富的情況下對破碎圖斑進(jìn)行了合并;偏最小二乘回歸克里格模型預(yù)測結(jié)果圖斑數(shù)量進(jìn)一步減少,且圖斑與圖斑之間的過渡曲線明顯;神經(jīng)網(wǎng)絡(luò)克里格模型能夠準(zhǔn)確預(yù)測出土壤有機(jī)質(zhì)低值區(qū)的差異性,說明其在平緩地區(qū)對地形信息的挖掘優(yōu)于其它模型;支持向量機(jī)克里格模型預(yù)測結(jié)果高值區(qū)和低值區(qū)過渡模糊,圖斑數(shù)量較多,提高了信息豐富程度。
【學(xué)位單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：S153.6
【部分圖文】：

技術(shù)路線圖

圖 2-2 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig 2-2 Architecture of back-propagation neural network算法通過對各層神經(jīng)元的輸入權(quán)值以及偏置實(shí)現(xiàn)可能地接近期望輸出，以達(dá)到訓(xùn)練（學(xué)習(xí)）的目的基本算法過程為：經(jīng)網(wǎng)絡(luò)：網(wǎng)絡(luò)權(quán)重被初始化為（-1，1）范圍內(nèi)的個(gè)相對應(yīng)的激發(fā)閾值 ，當(dāng)神經(jīng)元的加權(quán)輸入和激發(fā)狀態(tài)，否則神經(jīng)網(wǎng)絡(luò)為抑制狀態(tài)。輸入：由 BP 網(wǎng)絡(luò)的輸入層向隱藏層、輸出層逐元與神經(jīng)元之間通過連接權(quán)重向關(guān)聯(lián)，一個(gè)隱藏

圖 2-2 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig 2-2 Architecture of back-propagation neural network絡(luò)算法通過對各層神經(jīng)元的輸入權(quán)值以及偏置實(shí)現(xiàn)最出盡可能地接近期望輸出，以達(dá)到訓(xùn)練（學(xué)習(xí)）的目的結(jié)構(gòu)的基本算法過程為：神經(jīng)網(wǎng)絡(luò)：網(wǎng)絡(luò)權(quán)重被初始化為（-1，1）范圍內(nèi)的較有一個(gè)相對應(yīng)的激發(fā)閾值 ，當(dāng)神經(jīng)元的加權(quán)輸入和 mi1處于激發(fā)狀態(tài)，否則神經(jīng)網(wǎng)絡(luò)為抑制狀態(tài)。播輸入：由 BP 網(wǎng)絡(luò)的輸入層向隱藏層、輸出層逐層經(jīng)元與神經(jīng)元之間通過連接權(quán)重向關(guān)聯(lián)，一個(gè)隱藏層
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 卞之卓;;南京市溧水區(qū)土壤硒分布特征及環(huán)境變量對其的影響[J];城市地理;2017年14期

2 周圖卿;;巧用系統(tǒng)的“環(huán)境變量”[J];網(wǎng)絡(luò)與信息;2006年05期

3 高飛 ,李雋秀;敵不動(dòng)我不動(dòng) 敵一動(dòng)我亂動(dòng)——玩轉(zhuǎn)環(huán)境變量實(shí)例秀[J];電腦愛好者;2004年14期

4 阿心;八面玲瓏的環(huán)境變量[J];電腦應(yīng)用文萃;2004年01期

5 溫鳳蘭;;巧用環(huán)境變量[J];辦公自動(dòng)化;2003年06期

6 陳慶章，董鼎偉，許有信;利用環(huán)境變量識別鍵輸入[J];計(jì)算機(jī)應(yīng)用;1995年01期

7 番茄蛋撻;;靈活運(yùn)用環(huán)境變量 操作快人一步[J];電腦迷;2009年21期

8 周圖卿;;巧用系統(tǒng)的“環(huán)境變量”[J];辦公自動(dòng)化;2006年07期

9 王藝翔;;環(huán)境變量新玩法[J];電腦迷;2005年12期

10 鄭鋼鋒;如何靈活設(shè)置環(huán)境變量[J];電腦編程技巧與維護(hù);1998年05期

相關(guān)博士學(xué)位論文 前5條

1 黃玥;末次冰期以來南海及日本海硅藻及其古環(huán)境變化[D];華東師范大學(xué);2009年

2 任學(xué)敏;太白山主要植物群落數(shù)量分類及其物種組成和豐富度的環(huán)境解釋[D];西北農(nóng)林科技大學(xué);2012年

3 劉瑞雪;丹江口水庫水濱帶植被特征及其與環(huán)境因素的關(guān)系[D];華中農(nóng)業(yè)大學(xué);2013年

4 余為;西北太平洋柔魚冬春生群對氣候與環(huán)境變化的響應(yīng)機(jī)制研究[D];上海海洋大學(xué);2016年

5 王興雨;藍(lán)藻水華暴發(fā)期間微囊藻基因型組成的時(shí)空變化及其相關(guān)環(huán)境因子[D];南京大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳可;基于復(fù)雜環(huán)境區(qū)域的土壤有機(jī)質(zhì)空間預(yù)測研究[D];華中農(nóng)業(yè)大學(xué);2018年

2 周瑛瑛;支持環(huán)境變量感知的存儲(chǔ)系統(tǒng)研究[D];大連海事大學(xué);2009年

3 張秀燁;控制環(huán)境與管理控制系統(tǒng)[D];東北財(cái)經(jīng)大學(xué);2003年

4 桑滿杰;環(huán)境變量對物種分布模型的影響與評價(jià)[D];陜西師范大學(xué);2015年

5 喬亮;基于組織學(xué)習(xí)和環(huán)境變量的市場導(dǎo)向?qū)ζ髽I(yè)績效的影響[D];湖南師范大學(xué);2012年

6 徐盛;空間因子和不同尺度環(huán)境變量對溪流大型底棲無脊椎動(dòng)物集合群落組成的相對影響[D];南京農(nóng)業(yè)大學(xué);2014年

7 岳彩東;中國省份工業(yè)綠色經(jīng)濟(jì)增長核算分析[D];重慶工商大學(xué);2014年

8 敬春菊;我國企業(yè)知識型員工激勵(lì)研究[D];西安理工大學(xué);2003年

9 何志聰;中小民營企業(yè)家創(chuàng)業(yè)動(dòng)機(jī)及其影響因素研究[D];浙江大學(xué);2004年

10 杜立杰;我國家電上市公司效率研究[D];暨南大學(xué);2017年

本文編號：2858583