基于Kriging法的森林土壤养分空间插值

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810916677.8(22)申请日 2018.08.13(71)申请人 中国科学院东北地理与农业生态研究所地址 130000 吉林省长春市高新技术产业开发区长东北核心区盛北大街4888号(72)发明人 陈琳　任春颖　张柏　王宗明　(74)专利代理机构 北京快易权知识产权代理有限公司 11660代理人 汪守勇(51)Int.Cl.G01N 33/24(2006.01)(54)发明名称基于人工神经网络克里金插值的森林土壤养分的空间预测方法(57)摘要本发明公开了一种基于人工神经网络克里金插值的森林土壤养分的空间预测方法，包括以下步骤：获取环境因子栅格数据；计算得到基于多层感知器神经网络的森林土壤养分空间分布图；进行实测养分值与预测值之间的残差计算；对神经网络预测残差进行分析和检验；进行残差的半方差计算及半方差函数定的模型模拟，得到各模型类型及参数；得到的半方差模型参数，对残差进行普通克里金插值，得到神经网络预测残差的空间分布；将基于多层感知器神经网络的森林土壤养分栅格与预测残差的栅格相加得到基于人工神经网络克里金插值的森林土壤养分空间分布图。

本发明所得预测精度较仅使用多层感知器神经网络模型或普通克里金插值方法的精度均有显著提高。

权利要求书1页 说明书5页 附图2页CN 109142679 A 2019.01.04C N 109142679A1.基于人工神经网络克里金插值的森林土壤养分的空间预测方法，其特征在于，包括以下步骤：获取环境因子栅格数据；将所述环境因子栅格数据的坐标系统一为投影坐标系，并统一所有所述环境因子栅格数据的空间分辨率；对森林土壤预测的养分属性的实测值进行分析；提取森林土壤养分实测样点的环境因子栅格的属性；对森林土壤预测的养分和环境因子属性进行分析和计算；基于人工神经网络函数，训练多层感知器神经网络，得到网络结构与参数值；利用人工神经网络函数，得到神经网络结构和参数，进行未知节点土壤养分预测；进行空间制图，得到基于多层感知器神经网络的森林土壤养分空间分布图；进行实测养分值与预测值之间的残差计算；对神经网络预测残差进行分析和检验；进行残差的半方差计算及半方差函数定的模型模拟，得到各模型类型及参数；得到的半方差模型参数，对残差进行普通克里金插值，得到神经网络预测残差的空间分布；将基于多层感知器神经网络的森林土壤养分栅格与预测残差的栅格相加得到基于人工神经网络克里金插值的森林土壤养分空间分布图。

南疆果园滴灌条件下土壤盐分的空间分布研究【关键词】土壤盐渍化; 空间变异; 地统计学; 半变异函数; Kriging 插值;【英文关键词】saline soil; spatial variability; geo-statistics; semivariogram variation functions; Kriging interpolation;【中文摘要】土壤盐渍化是制约干旱半干旱地区农业生产的主要因素之一,在新疆,尤其是南疆,盐渍化更为严重。

系统认识和掌握土壤盐分及其离子的空间变异特征对于治理、改良盐渍土和土壤盐渍动态变化研究具有重要意义。

本文基于区域变量理论,在GIS和地统计学技术支持下,通过半变异函数和Kriging空间插值,以南疆和田地区农十四师224团2连2-6E系统为研究区,定量分析了试验区内不同层次土壤盐分及其离子的空间变异特征。

研究结果如下: 1.统计分析表明:研究区各层土壤盐分变异系数Cv均大于100%,具有强变异性;根据新疆盐渍化土壤分类和分级标准,0～10cm土层,土壤中盐类主要为氯化物型;10～30 cm土层,土壤中盐类主要为硫酸盐—氯化物型;剩余各层,土壤中盐类主要为氯化物—硫酸盐型。

盐分离子中,各层K~+离子表现出中等变异性;Na~+除0～10cm土层属于强变异性外,剩余各层为中等变异性;Mg~(2+)在70～100、100～140cm土层表现出中等变异性,其余各层表现出强变异性;Ca~(2+)除0～10cm土层属于中等变异性外,其它各层表现出强变异性。

HCO_3~-除100～140cm土层属于强变异性外,其它各层表现...【英文摘要】Soil salinization is one of the main barriers in agricultural production in arid and semi arid areas, especially in southern Xinjiang.Understanding the characteristics of spatial distribution of saline soil and salt ions is important in establishing strategies for soil salinity management. Geostatistics,based on the regional variable theory,has been proved to be one of the most effective methods to analyze the spatial distribution and its variation law of soil properties. It is the foundation to well manag...摘要4-6Abstract 6-7第一章前言10-151.1 研究的背景10-111.2 国内外研究现状11-151.2.1 盐渍化土壤的研究进展11-131.2.2 盐渍化土壤盐分空间变异研究进展13-15第二章研究内容与试验设计方案15-192.1 试验地概况152.2 试验设计和方法15-172.2.1 采样布置15-162.2.2 样品处理与分析16-172.2.3 数据处理方法172.3 试验设计和方法17-192.3.1 研究内容17-182.3.2 研究目标182.3.3 技术路线18-19第三章总盐空间异质性分析19-263.1 不同层次土壤盐分含量的统计特征值19-203.2 各层土壤盐分的正态分布性检验20-213.3 土壤盐分的空间变异分析21-233.4 各层土壤盐分空间分布特征分析23-243.5 本章小结24-26第四章典型区盐分离子空间异质性分析26-334.1 土壤盐分离子的空间异质性分析26-274.1.1 土壤盐分离子的统计特征值26-274.2 土壤盐分及其组成离子的空间变异分析27-304.3 土壤盐分离子的空间分布特征30-314.4 本章小结31-33第五章结论与展望33-385.1 主要结论33-345.2 建议试验区采取以下防治原则和防治措施345.3 土壤盐渍化防治措施34-375.3.1 水利工程措施34-355.3.2 生物改良措施355.3.3 化学方法改良措施355.3.4 磁化水改良措施35-375.4 研究展望37-38参考文献。

Science &Technology Vision科技视界0引言(a),、[1~3]。

,,(a)。

,-,,。

,(a),(a)[4~5]。

,。

,(a),,。

(a),(a)[6~7]。

,。

,[8](Shi et al.,2018),(a)。

,(a)[9],(a)。

,(a)。

,[10~11]。

、Cd ,[12]。

,,,。

Cd ,Cd [13]。

,,,[14]。

,,。

,(a),Kriging、Kriging、,(a),(a),,。

1项目概况1.1研究区概况(a)27000m 2,,。

6m 3:0~2m ;2~3m ;3~6m 。

1m。

1.2样品采集与分析,57,Kriging、反距离权重和泰森多边形空间插值法在土壤苯并（a ）芘超标区域模拟中的应用比较王君(上海兴东环保科技有限公司,上海200000)【摘要】本研究使用协同Kriging 、普通Kriging 、反距离权重和泰森多边形四种方法来模拟污染场地土壤中苯并(a )芘的超标污染范围,通过比对模拟效果,找到合适的模拟方法。

据结果显示,苯并(a )芘浓度的平均偏差绝对值呈现协同Kriging (0.01mg/kg )<普通Kriging (0.02mg /kg )<反距离权重(0.05mg /kg )<泰森多边形(0.07mg/kg )的趋势,说明协同Kriging 方法效果最好。

【关键词】苯并(a )芘;插值法;超标区域中图分类号:X859文献标识码:ADOI:10.19694/ki.issn2095-2457.2021.15.0928. All Rights Reserved.Science &Technology Vision 科技视界0~6m,171。

CNAS 。

,(a),0~3m (a)1。

表1土壤中苯并(a )芘含量检测情况统计2建模方法Kriging、Kriging、4(a),[(Mean)(RMSE)]4。

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较一、本文概述Overview of this article本文旨在比较协同克里格插值（Co-Kriging）和地理加权回归模型（Geographically Weighted Regression，GWR）在土壤属性空间预测中的应用效果。

土壤属性空间预测是农业、环境科学和地球科学等领域的重要研究内容，对于土地资源管理、生态环境保护以及农业可持续发展具有重要意义。

协同克里格插值和地理加权回归模型是两种常用的空间预测方法，它们各自具有独特的优点和适用范围。

This article aims to compare the application effects of Co Kriging interpolation and Geographically Weighted Regression (GWR) models in soil attribute spatial prediction. Soil attribute spatial prediction is an important research content in fields such as agriculture, environmental science, and earth science, which is of great significance for land resource management, ecological environment protection, and sustainable development of agriculture. Collaborative Kriginginterpolation and geographically weighted regression models are two commonly used spatial prediction methods, each with unique advantages and applicability.协同克里格插值是一种基于空间统计学的插值方法，它利用多个相关变量的空间分布信息，通过计算权重系数来预测未知点的属性值。

基于Kriging插值的矿区周边土壤重金属空间分布规律研究【摘要】土壤重金属污染已成为全球性污染问题，本文基于地统计学和GIS技术，研究了湖南省郴州市苏仙区As、Cd、Pb三种土壤重金属的空间分布规律。

结论：（1）重金属含量Pb>As>Cd，Pb和As呈对数正态分布，Cd呈正态分布，As和Pb显著正相关。

（2）重金属含量南北低、中间高，东西向上，自西向东平稳上升。

（3）具有中等空间变异性和相似的各向异性。

（4）空间格局类似，以主要矿区为浓度高值中心，向四周辐射递减。

（5）空间自相关格局相似。

高-高区域集中在中部，低-高分布在柿竹园周边。

本文可为矿区周边土壤重金属空间规律的研究提供参考。

【关键词】矿区；土壤重金属；GIS；kriging；空间分布Study on Spatial Distribution of Soil Heavy Metals Surrounding the Mining Area Based on KrigingDING Qian1，2 CHENG Gong1，2（1. Key Laboratory of Metallogenic Prediction of Nonferrous Metals and Geological Environment Monitoring （Central South University），Ministry of Education，Changsha Hunan 410083，China；2. School of Geosciences andInfo-Physics，Central South University，Changsha Hunan410083，China）【Abstract】The soil heavy metal pollution has become the global pollution problem. Based on geostatistics and GIS technology，we studied the spatial distribution of three kinds of soil heavy metals in Suxian district，Chenzhou city，Hunan province. The results show that：（1）The heavy metal contents in descending order are：Pb>As>Cd，Pb and As showed alog-normal distribution，Cd showed a normal distribution，As and Pb are positively correlated.（2）The contents of heavy metal are low in the north and the south，high in the middle，and increased from the west to the east. （3）Heavy metals have moderate spatial variability and similar anisotropy.（4）Taking central polymetallic mine，northern lead-zinc mine and coal mine as the core，heavy metals concentration radially decreased to the periphery.（5）Spatial autocorrelation patterns are similar. The high-high areas are concentrated in the central region and the low-high areas are in the periphery of Shizhuyuan. This study can provide a reference for the research of heavy metals spatial distribution in mining area.【Key words】Mining area；Soil heavy metal；GIS；Kriging；Spatial distribution0 引言重金属是典型的土壤污染物，具有难降解，强隐蔽性，易富集和移动性差等特点[1]，如今，土壤重金属污染已成为备受关注的全球性污染问题。

土地利用程度Krining空间插值方法论文摘要：利用克里金空间插值方法时，指数模型的复相关系数均为最大，平均标准误差和均分根误差均为最小且最接近，标准均方根误差相对其他模型也比较接近1，因此克里金-指数模型为最优插值方法。

得到：研究区较弱土地利用程度的区域主要分布东寨港红树林自然保护区和南渡江入海口；土地利用程度较强的区域主要分布在离城区较近的东部，主要是灵山镇建成区、桂林洋经济技术开发区和离中心城区仅1公里、南北走向的琼山大道三个片区。

土地利用程度是区域各种土地利用类型综合作用的结果，它不仅反映了土地利用中土地本身的自然属性，同时也反映了人类因素与自然环境因素的综合效应[1]。

对土地利用程度进行分析可以从外界干扰和生态角度去反映土地利用时空变化的特征。

土地利用程度可利用空间插值方法进行计算。

目前GIS软件中空间插值方法众多，采用何种插值方法及模型进行最优测算是研究土地利用程度的关键所在。

1 研究方法文章以海口市海岸带作为研究区，2010年1：10000土地利用现状图作为数据源。

将研究区，划分为1km×1km大小格网，共获得373个采样区格网，总面积356.00km2。

再分别计算每一个采样区格网的土地利用程度值，以此作为采样区格网中心点的土地利用程度值。

利用Kining（克里金）插值方法，选用不同的半变异函数模型进行对比，以此确定最优克里金方法下空间插值模型。

土地利用程度指数计算，详细计算方法见文献[3]。

根据刘纪远[2]提出的数量化土地利用程度分析方法，将研究区土地对自然生态环境的影响程度进行分级赋值，其建设用地4，耕地和园地3，水域用地和林地2，其他土地1。

2 结果与分析2.1 土地利用程度的半变异函数计算及模型拟合在进行半变异函数计算与拟合之前，对采样数据进行空间探索性分析，2010年土地利用程度取值范围为154.95～400.00，平均值为272.08，标准差42.41。

2010年数据较好地服从正太分布，波动范围和幅度较大。

基于kriging法的森林土壤养分空间插值【原创版】目录一、引言1.1 背景介绍：森林土壤养分的空间变异1.2 研究目的：利用 kriging 法进行森林土壤养分空间插值1.3 研究意义：提高森林土壤养分估计的准确性二、研究方法2.1 数据来源：森林土壤养分实测数据2.2 插值方法：kriging 法2.2.1 Kriging 法的原理2.2.2 Kriging 法的参数设置2.3 插值模型评估：插值精度和稳定性评估三、实证分析3.1 研究区域：森林土壤养分实测数据所在的区域3.2 数据处理：数据预处理和插值参数设置3.3 插值结果：森林土壤养分空间插值结果3.4 结果分析：插值结果的合理性和准确性分析四、结论4.1 研究总结：kriging 法在森林土壤养分空间插值中的应用4.2 研究局限：本研究的不足之处4.3 研究展望：未来研究方向和发展趋势正文一、引言1.1 背景介绍：森林土壤养分的空间变异森林土壤养分是维持森林生态系统正常运转的关键因素，对于森林的生长发育、物种多样性以及生态系统服务功能具有重要意义。

然而，森林土壤养分在空间上存在明显的变异，这种变异受到地形、气候、植被等多种因素的影响，使得养分的分布呈现出复杂的格局。

1.2 研究目的：利用 kriging 法进行森林土壤养分空间插值为了提高森林土壤养分估计的准确性，本研究拟采用 kriging 法对森林土壤养分进行空间插值，以揭示养分的空间分布规律，为森林资源管理和保护提供科学依据。

1.3 研究意义：提高森林土壤养分估计的准确性通过 kriging 法进行森林土壤养分空间插值，有助于提高养分估计的准确性，有助于深入了解森林土壤养分的空间分布规律，为森林资源管理和保护提供科学依据。

二、研究方法2.1 数据来源：森林土壤养分实测数据本研究采用的实测数据来自于某森林区域，实测数据包括有机质、全氮、速效磷、速效钾等土壤养分指标。

2.2 插值方法：kriging 法kriging 法是一种经典的空间插值方法，其原理是利用空间相关性建立插值点与观测点之间的映射关系，以实现对未知点的预测。