人工神经网络与普通克里金插值法对土壤属性空间预测精度影响研究

作者：谢梦姣; 王洋; 康营; 吴志涛; 陈奇乐; 刘琦; 吴超玉; 张俊梅^*

来源：生态与农村环境学报, 2021, 37(07): 934-942.

DOI：10.19741/j.issn.1673-4831.2020.0811

• 土壤有机质
• 土壤全氮
• 预测精度
• 普通克里金
• RBF人工神经网络

空间插值方法与研究样区空间尺度会对土壤有机质和全氮含量空间变异特征预测精度产生重要影响。选取黄淮海北部未收割的夏玉米收获期50 m×50 m田块尺度(取80个土样)和1 000 m×1 000 m(取100个土样)农场尺度为研究样区,采用普通克里金插值法和径向基函数(RBF)人工神经网络插值法探究两种尺度研究样区土壤有机质和全氮含量空间变异特征及两种空间插值方法的预测精度。结果表明,两个研究样区土壤有机质和全氮含量分别为8.39～20.59和0.31～2.90 g·kg-1,块金系数为0.448～0.637,表明其呈现中等程度空间变异。土壤有机质和全氮含量在农场尺度研究样区大致呈现以西北部东南对称线含量较高向两边逐渐减少的空间分布趋势,在田块尺度上呈现东北部地区含量较高且整体向西南部递减的空间分布特征。基于RBF人工神经网络插值法的田块尺度研究样区均方根误差(RMSE)、平均绝对误差(MAE)和平均相对误差(MRE)均小于农场尺度,这表明土壤有机质和全氮含量空间分布预测精度受到采样尺度的影响,田块尺度预测精度优于农场尺度。基于RBF人工神经网络插值法在同一尺度研究样区土壤有机质和全氮含量空间分布预测的各项误差均有所减小,模型拟合决定系数R2有所增加,且避免了普通克里金插值结果的"平滑效应"现象,其预测精度更高。研究结果表明,RBF人工神经网络插值法更适用于土壤有机质和全氮含量空间分布特征预测。

• 单位
  河北农业大学; 北京邮电大学