公共文化服务平台

样点规模与采样方法对表层土壤pH空间预测精度的影响: 2023年; 土壤空间预测与数字化制图的精度受土壤样点规模、采样策略、预测模型选择、目标区域地貌与成土环境复杂程度、协变量数据质量等多种因素共同制约。选择河南省为研究区,基于9种土壤样点规模、5种采样方法,应用5种最具代表性的机器学习(Machine learning,ML)算法对耕地表层土壤pH实施空间预测与数字化制图,用以对比分析不同样点规模与采样方法对ML模型的性能表现及土壤pH预测精度的影响。结果表明:(1)当研究区土壤样点规模从200个经由400个、800个、1200个、1600上升至2000个时,无论使用何种采样方法,所有ML模型的性能表现与预测精度均呈快速上升的总体趋势;当样点规模达到并超过2000个时,大多数ML性能表现及预测精度趋于稳定,表明2000个土壤样点可能是这些ML模型预测研究区耕地表层土壤pH的样点规模阈值。(2)5种ML模型性能表现及其土壤pH预测精度存在明显差距,基于树结构的随机森林(Randomforests,RF)和Cubist表现最好,无论使用哪种采样方法,这两种模型预测结果的决定系数(R2)均可稳定在0.75~0.80之间、RMSE保持在0.50以下。(3)当土壤样点规模足够大时,采样方法对ML模型性能和土壤pH预测精度的影响很小,五种采样方法的效果相差不大。当土壤样点规模小于2000个时,采样方法的影响逐渐凸显。比较而言,条件拉丁超立方采样在样点规模较小时具备优势。当样点规模为1000个时,条件拉丁超立方采样仍可使随机森林和Cubist预测的R2维持在0.80左右;在样点规模小至200个时,条件拉丁超立方采样方法下5种ML模型预测的R2均在0.55以上。(4)不确定性分析结果显示,平均73.9%的验证样点表层土壤pH观测值落入随机森林模型90%预测区间,表明该模型的可靠性被轻微高估,但处于可接受范畴。此外,数据显示模型预测的不确定性与样点规模无明显关联。; 孙越琦孙笑梅巫振富闫军营赵彦锋陈杰; 关键词：采样方法土壤PH

基于不同模型的区域尺度耕地表层土壤有机质空间分布预测被引量：5: 2021年; 研究不同模型对土壤有机质空间预测的性能差异对制定更加科学合理的采样策略、提升采样效率和提高土壤空间预测精度有着重要的指导意义。本研究将6496个土壤样点按8∶2的比例分层随机分成训练集与验证集,应用普通克里格、随机森林以及随机森林-回归克里格三种有代表性的数字化土壤制图(Digital Soil Mapping,DSM)模型,对河南省许昌市耕地表层土壤有机质含量及空间分布进行预测,对三种模型性能表现进行综合评价。三种模型输出的预测结果显示:研究区耕地表层土壤有机质含量水平一般,均值为18.70~18.81 g kg^(-1),变异系数0.15~0.17,属中等强度变异;空间分布总体格局为西北与西南部分山地褐土区、东南部砂姜黑土区表层有机质含量高,中北部脱潮土、石灰性潮土区表层有机质含量低。验证结果表明:三种模型性能表现无明显差距,预测精度基本一致,输出结果对研究区耕地表层土壤有机质变异解释百分比在33%~34%之间,在相同和相近尺度土壤有机质空间预测案例研究里属中等水平。在协变量有限且样点分布较为均匀的情况下,普通克里格模型便于快速获得研究区目标变量的空间分布;如果协变量比较丰富且易于收集利用,或是进行空间预测的同时还需要甄别不同因素对目标变量的影响大小,则建议采用随机森林模型;协变量有限,但样点密度较大时,随机森林-回归克里格模型可能是对目标变量进行空间预测的不错选择。; 马重阳孙越琦巫振富张靖一牛银霞侯占领陈杰; 关键词：耕地土壤有机质数字化制图混合模型

几种土壤属性制图方法的稳定性与影响因素分析被引量：2: 2012年; 本文以土壤CEC和土壤全氮为研究对象,在河南省黄河以北6个地市选取870个样点,并随机均分为两个数据集,进行了制图对比分析;同时研究了Kriging法、IDW法和以点代面法制图结果的稳定性及其与精度的关系,以及影响因素。结果表明:采用实测数据与预测数据的交叉验证并不能用来衡量制图结果的稳定性,验证精度高低并不表示采用不同数据集制图结果可能会重现的概率;而且采用不同的方式进行精度检验,结论也会有所不同。采用不同抽样集合制图,Kriging法和IDW的结果较稳定,两者较接近,其相对误差>0.3的区域均不超过20%,且相对差异度高值区的空间分布格局相对分散;而以点代面法制图结果不稳定,相对误差>0.3的区域达到54.21%,且差异度较高的图斑相对集中,呈大片状分布。制图结果稳定性受到实测数据分布特征和局部地区土壤的高度变异性的影响,其中Kriging方法制图结果的不稳定性受样点分布格局的影响较另两种方法要大,而IDW法和以点代面法受实测数据自身变异性影响更明显。; 齐力赵彦锋巫振富张路伟; 关键词：稳定性 KRIGING

土壤属性预测中Kriging参数对插值精度的影响研究被引量：6: 2012年; 为了有效提高土壤属性预测中的Kriging插值精度,研究借助GS+5.1和ArcGIS 9.3等软件来分析河南省西平县宋集乡土壤全磷和有机质在不同参数条件下的Kriging插值精度,结果表明:决定系数R2最大的变异函数模型,插值结果误差不一定最低、平滑效应不一定最弱,需比较分析插值结果以选择合适的模型;近距离实验变异函数值r#(h)的拟合对提高Kriging插值精度具有重要意义,拟合变异函数理论模型时,除综合考虑各个r(h)#的拟合程度外,同时对近距离r(h)#应给予足够的重视;插值的最佳邻域样本量一般在内层和次内层邻域样本权重达到平稳时取得,对于样本点空间分布相同的不同土壤属性,空间相关性较弱(块金系数较大)的土壤属性,其Kriging插值的最佳邻域样本量较大。; 巫振富赵彦锋陈杰; 关键词：土壤属性 KRIGING插值

MapGIS与ArcGIS空间分析功能差异研究被引量：6: 2009年; MapGIS和ArcGIS在我国GIS软件市场中都拥有很大的用户群,比较和研究二者的异同,对用户在实际工作中有针对性地选择GIS软件具有一定指导意义。本文针对MapGIS与ArcGIS在空间分析功能上的差异进行了研究,结论是ArcGIS除了具有MapGIS可以提供的叠置分析、缓冲区分析等常用空间分析功能以外,还具有地图代数、地统计分析等强大功能。; 巫振富朱紫焱; 关键词：MAPGIS ARCGIS

样点密度对土壤有机质空间预测结果的影响——以河南封丘县土壤为例被引量：9: 2013年; 以河南省封丘县表层土壤有机质含量为例,探讨土壤样点密度对区域化土壤变量描述性统计特征、半方差函数理论模型拟合效果、普通Kriging插值预测结果的精度与表现目标变量空间变异的能力等多方面的影响。研究结果表明,样点数量从5000个大幅减少至20个,研究区表层样品有机质含量均值未发生显著变化。当土壤样点≥625个时,表层土壤有机质含量半方差函数模型具有较好的拟合效果,可以通过Kriging插值手段获得精度较高且对目标变量空间变异特征解释能力较强的预测结果;当土壤样点≤78个时,半方差函数模型理论上无法通过拟合获得,通过普通Kriging插值手段不能获得研究区表层土壤有机质含量理想的预测结果。; 程道全巫振富刘晓冰兰传宾陈杰; 关键词：土壤有机质半方差函数

基于ArcGIS Engine的南阳市灌区管理信息系统的设计与实现: 文中基于Visual Basic和ArcGIS Engine组件技术,设计开发南阳市灌区管理信息系统.该系统采用了传统的结构化分析的方法，以Visual Basic和ArcGIS Engine开发应用程序，通过DAO/J...; 马颖钊巫振富贺添侯珊珊; 关键词：灌区管理信息系统软件设计地理信息系统; 文献传递

景观复杂地区土壤有机质变异的多尺度特征——以河南省登封市土壤为例被引量：3: 2012年; 为研究景观复杂地区土壤有机质变异的尺度特征,以河南省登封市为研究区,探讨了该市土壤有机质在不同尺度、不同景观类型区的变异特征。结果表明:(1)2 km采样间距的大尺度土壤有机质平均含量和变异系数分别为20 g kg-1和44.8%;200、300、300和500 m间距的小尺度4个景观类型区:紫色土区、中山石英砂岩区、山前洪积扇区和低山丘陵洪积物母质区,有机质平均值和变异系数分别为15.72、15.53、26.00、18.98 g kg-1和29.9%、26.21%、16.04%、35.41%。(2)不同尺度、不同景观类型区土壤有机质的半方差函数,在块金值、基台值和变程等参数上有较大差异。(3)大尺度土壤有机质与高程因子、坡向因子呈极显著和显著相关性,与坡度相关性不明显;除了低山丘陵洪积物母质区与高程因子极显著相关外,小尺度土壤有机质在紫色土区、中山石英砂岩区和山前洪积扇区均和高程、坡度、坡向无显著相关性。; 巫振富赵彦锋申朓宋轩万红友陈杰; 关键词：景观土壤有机质

复杂景观类型区土壤属性空间变异的尺度效应与尺度推绎方法: 系统地揭示土壤信息空间变异的尺度效应、准确地甄别不同空间尺度下土壤信息空间分异的主导过程和因素、探讨土壤属性制图中尺度推绎等多空间尺度数据综合利用问题,是在多尺度层面上理解土壤属性及其变异特征、在更广阔尺度范围内应用现有...; 巫振富; 关键词：土壤属性影响因素; 文献传递

复杂景观区土壤有机质预测模型的尺度效应被引量：7: 2013年; 为研究复杂景观区土壤有机质预测模型的尺度效应,探讨不同空间尺度数据综合利用的问题,本文运用回归Kriging方法对河南省登封市土壤有机质进行预测,分析了不同空间尺度数据在建模过程中的作用和影响。结果表明:土壤有机质关于高程因子的趋势属于宏观趋势,以大尺度数据拟合该趋势值效果最优;小尺度数据不适合用于拟合土壤有机质的趋势值,但揭示了小尺度残差值的空间变异细节,增强了大尺度残差值的空间结构性,能够有效提高土壤有机质预测精度。因此,景观复杂区土壤有机质预测中,应基于大尺度数据模拟趋势值,大尺度数据和小尺度数据相结合拟合残差值的空间变异函数以预测残差值,最后趋势值加上残差值得到土壤有机质预测值。; 巫振富赵彦锋齐力陈杰; 关键词：土壤有机质残差

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

巫振富

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

巫振富

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈