|本期目录/Table of Contents|

[1]尹群,郭纪敏,张世文,等.基于辅助变量的县域土壤有机质预测[J].江苏农业科学,2020,48(24):267-273.
　Yin Qun,et al.Prediction of soil organic matter content in county based on auxiliary variables[J].Jiangsu Agricultural Sciences,2020,48(24):267-273.
点击复制

基于辅助变量的县域土壤有机质预测(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第48卷
期数:
2020年第24期
页码:
267-273
栏目:
资源与环境
出版日期:
2020-12-30

文章信息/Info

Title:
Prediction of soil organic matter content in county based on auxiliary variables
作者:
尹群1;  郭纪敏2;  张世文1;  沈强3
1.安徽理工大学地球与环境学院，安徽淮南 232001； 2.上海大学理学院，上海 200444；3.安徽理工大学测绘学院，安徽淮南 232001
Author(s):
Yin Qun; et al
关键词:
土壤有机质; 偏最小二乘回归; RBF神经网络; 随机森林; 空间预测
Keywords:
-
分类号:
S158.2；X825
DOI:
-
文献标志码:
A
摘要:
为了快速准确地获取土壤有机质的空间分布情况，以北京市密云区为研究区，利用330个采样点进行建模、83个采样点进行验证，选择偏最小二乘回归(PLS)、RBF神经网络(RBFNN)、随机森林(RF)模型作为预测方法，与不同组合的辅助变量相结合，模拟密云区耕地表层土壤有机质空间分布，并比较不同预测方法、不同辅助变量组合的预测精度。研究结果表明，密云区耕地表层土壤有机质含量在5.42～40.44 g/kg之间，变异系数为30.03%，属于中等程度变异；从不同预测方法来看，随机森林建模预测精度比偏最小二乘以及RBF预测精度要高，而从不同的辅助变量组合来看，有效土层厚度和高程作为辅助变量组合的预测精度最高。研究显示选择合适的辅助变量和预测方法，可以提高县域尺度下土壤有机质空间分布的快速获取。
Abstract:
-

参考文献/References:

［1］Frogbrook Z L，Oliver M A. Comparing the spatial predictions of soil organic matter determined by two laboratory methods［J］. Soil Use and Management，2001，17(4)：235-244.
［2］任丽，杨联安，王辉，等. 基于随机森林的苹果区土壤有机质空间预测［J］. 干旱区资源与环境，2018，32(8)：141-146.
［3］Dai W H，Huang Y. Relation of soil organic matter concentration to climate and altitude in zonal soils of China［J］. Catena，2006，65(1)：87-94.
［4］江叶枫，郭熙，叶英聪，等. 基于辅助变量和神经网络模型的土壤有机质空间分布模拟［J］. 长江流域资源与环境，2017，26(8)：1108-1150.
［5］McBratney A B，Odeh I A，Bishop T A，et al. An overview of pedometric techniques for use in soil survey［J］. Geoderma，2000，97(3)：293-327.
［6］Sumfleth K，Duttmann R. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators［J］. Ecological Indicators，2008，8(5)：485-501.
［7］沈强，张世文，夏沙沙，等. 基于支持向量机的土壤有机质高光谱反演［J］. 安徽理工大学学报(自然科学版)，2019，39(4)：39-45.
［8］李晓军，张振远. 基于指示和普通克里金的不连续地层厚度估计方法［J］. 岩土力学，2014，35(10)：2881-2887.
［9］马宏宏，余涛，杨忠芳，等. 典型区土壤重金属空间插值方法与污染评价［J］. 环境科学，2018，39(10)：4684-4693.
［10］江叶枫，郭熙. 基于辅助变量和回归径向基函数神经网络(R-RBFNN)的土壤有机质空间分布模拟［J］. 浙江农业学报，2018，30(4)：640-648.
［11］齐雁冰，王茵茵，陈洋，等. 基于遥感与随机森林算法的陕西省土壤有机质空间预测［J］. 自然资源学报，2017，32(6)：1074-1086.
［12］于雷，洪永胜，耿雷，等. 基于偏最小二乘回归的土壤有机质含量高光谱估算［J］. 农业工程学报，2015，31(14)：103-109.
［13］李启权，王昌全，岳天祥，等. 基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例［J］. 地理科学进展，2014，33(2)：259-269.
［14］李宏勋，聂慧. 基于灰色-偏最小二乘组合模型的中国天然气需求预测［J］. 资源与产业，2019，21(6)：9-19.
［15］赵梓淇，李丽光，王宏博，等. 沈阳市区土地利用类型与地表温度关系研究［J］. 气象与环境学报，2016，32(6)：102-108.
［16］毛李帆，江岳春，龙瑞华，等. 基于偏最小二乘回归分析的中长期电力负荷预测［J］. 电网技术，2008，32(19)：71-77.
［17］乔俊飞，马士杰，许进超.基于递归RBF神经网络的出水氨氮预测研究［J］. 计算机与应用化学，2017，34(2)：145-151.
［18］白俊强，王丹，何小龙，等. 改进的RBF神经网络在翼梢小翼优化设计中的应用［J］. 航空学报，2014，35(7)：1865-1873.
［19］何伟铭，宋小奇，甘屹，等. 传感器校正的优化灰色神经网络建模方法研究［J］. 仪器仪表学报，2014，35(3)：504-512.
［20］桂州，陈建国，王成彬.基于PCA-SMOTE-随机森林的地质不平衡数据分类方法——以东天山地球化学数据为例［J］. 桂林理工大学学报，2017，37(4)：587-593.
［21］李柳华，刘小平，欧金沛，等. 基于随机森林模型的城市扩张三维特征时空变化及机制分析［J］. 地理与地理信息科学，2019，35(2)：53-60.
［22］方匡南，吴见彬，朱建平，等. 随机森林方法研究综述［J］. 统计与信息论坛，2011，26(3)：32-38.
［23］张雷，王琳琳，张旭东，等. 随机森林算法基本思想及其在生态学中的应用——以云南松分布模拟为例［J］. 生态学报，2014，34(3)：650-659.
［24］桑满杰，卫海燕，毛亚娟，等. 基于随机森林的我国荞麦适宜种植区划及评价［J］. 山东农业科学，2015，47(7)：46-52.
［25］赵清杰，刘若宇. 基于随机森林的大迎角非线性非定常气动建模方法［J］. 北京理工大学学报，2017，37(11)：1171-1177.
［26］Zhao Y，Xu X H，Jeremy L D，et al. Spatial variability assessment of soil nutrients in an intense agricultural area，a case study of Rugao County in Yangtze River Delta Region，China［J］. Environmental Geology，2009，57(5)：1089-1102.
［27］范松克，郝成元. 2001—2016年河南省NDVI时空变化特征分析［J］. 江苏农业学报，2019，35(4)：860-867.
［28］李苗苗，吴炳方，颜长珍，等. 密云水库上游植被覆盖度的遥感估算［J］. 资源科学，2004，26(4)：153-159.
［29］Bourennane H，King D，Couturier A，et al. Uncertainty assessment of soil water content spatial patterns using geostatistical simulations：an empirical comparison of a simulation accounting for single attribute and a simulation accounting for secondary information［J］. Ecological Modelling，2007，205(3/4)：323-335.
［30］高扬，汪亚峰，何念鹏，等. 不同土地利用方式下崇明岛土壤酶与有机质空间分布特征［J］. 农业环境科学学报，2013，32(1)：21-28.
［31］王晶，任丽，杨联安，等. 基于云模型的西安市蔬菜区土壤肥力综合评价［J］. 干旱区资源与环境，2017，31(10)：183-189.
［32］江叶枫，郭熙. 基于多源辅助数据和神经网络模型的稻田土壤砷空间分布预测［J］. 环境科学学报，2019，39(3)：928-938.
［33］Knotters M，Brus D J，Voshaar J O. A comparison of kriging，co-kriging and kriging combined with regression for spatial interpolation of horizon depth with censored observations［J］. Geoderma，1995，67(3)：227-246.
［34］姚明煌，骆炎民. 改进的随机森林及其在遥感图像中的应用［J］. 计算机工程与应用，2016，52(4)：168-173.
［35］刘荣欣，胡萍. 偏最小二乘法回归模型在分析毛涤混纺面料纤维含量中的应用［J］. 河南工程学院学报(自然科学版)，2019，31(1)：8-12.

相似文献/References:

[1]金成伟,闫德智,贾凤薇.南通市不同农业土地利用方式对土壤理化性质的影响[J].江苏农业科学,2013,41(06):336.
　Jin Chengwei,et al.Effects of different agricultural land use patterns on physicochemical properties of soils in Nantong area[J].Jiangsu Agricultural Sciences,2013,41(24):336.
[2]李晓文,李萍萍,袁俊杰.基于可见/近红外光谱的鸡腿菇总糖含量测定方法[J].江苏农业科学,2013,41(09):279.
　Li Xiaowen,et al.Total sugar content determination in Coprinus comatus based on visible-near infrared spectroscopy[J].Jiangsu Agricultural Sciences,2013,41(24):279.
[3]李优琴,吕康.土壤有机质测定方法中消解条件的优化[J].江苏农业科学,2013,41(09):291.
　Li Youqin,et al.Optimization of digestion conditions in the determination of soil organic matter[J].Jiangsu Agricultural Sciences,2013,41(24):291.
[4]辛展,娄华君,李颖,等.泊江海子流域土壤有机质、全氮空间分布特征[J].江苏农业科学,2015,43(03):323.
　Xin Zhan,et al.Spatial distribution characteristics of soil organic matter and total nitrogen in Bojianghaizi Basin[J].Jiangsu Agricultural Sciences,2015,43(24):323.
[5]王艳萍,胡文革,韩晶,等.新疆艾比湖湿地土壤有机质与速效养分时空变异及其相关性[J].江苏农业科学,2014,42(12):360.
　Wang Yanping,et al.Temporal and spatial variability and correlation of organic matter and available nutrients in soil of Xinjiang Aibi Lake wetland[J].Jiangsu Agricultural Sciences,2014,42(24):360.
[6]宋金枝,于剑瑞,夏广清,等.长白山区野生羊肚菌与其土壤成分的相关性分析[J].江苏农业科学,2016,44(12):258.
　Song Jinzhi,et al.Correlation analysis of Morehella esculenta (L.) Pers. and soil constituent in Changbai Mountain area[J].Jiangsu Agricultural Sciences,2016,44(24):258.
[7]李佳颖,刘新源,李洪臣,等.三门峡土壤有机质含量分布特征及其与烟叶品质的关系[J].江苏农业科学,2016,44(12):475.
　Li Jiaying,et al.Distribution characteristics of soil organic matter content and its relationship with tobacco quality[J].Jiangsu Agricultural Sciences,2016,44(24):475.
[8]张冬明,符传良,刘国彪,等.海南岛主要类型土壤剖面有效硒的分布[J].江苏农业科学,2017,45(24):276.
　Zhang Dongming,et al.Distribution of available selenium in main soil profiles of Hainan Island[J].Jiangsu Agricultural Sciences,2017,45(24):276.
[9]余跑兰,肖小军,段彬林,等.油浴法测定土壤有机质消煮方式的改进研究[J].江苏农业科学,2018,46(19):328.
　Yu Paolan,et al.Improvement of cooking way of oil bath method used to analyze soil organic matter contents[J].Jiangsu Agricultural Sciences,2018,46(24):328.
[10]杨苍玲,李成学,杨鸿,等.不同施肥处理对红壤坡耕地土壤团聚体的影响[J].江苏农业科学,2019,47(05):256.
　Yang Cangling,et al.Effects of different fertilization treatments on soil aggregates in red soil sloping farmland[J].Jiangsu Agricultural Sciences,2019,47(24):256.

备注/Memo

备注/Memo:
收稿日期：2020-03-24
基金项目：国家重点研发计划(编号：2016YFD030080104)。
作者简介：尹群(1994—)，男，安徽宿州人，硕士研究生，研究方向为土壤肥力。E-mail：532292494@qq.com。
通信作者：张世文，博士，教授，博士生导师，研究方向为土壤过程定量化。E-mail：mamin1190@126.com。
更新日期/Last Update: 2020-12-20