科研之友
微信
新浪微博
Facebook
分享链接
摘要
土壤重金属受人为和自然因素综合作用，其空间异质性强，存在区域均值和方差的非平稳性，稀疏样本下未知点估计精确度低，土壤环境质量现状精准估计和风险评估困难。基于此，提出了随机森林-序贯高斯模拟混合模型（RF-SGS），选取多种自然因素和人为因素作为辅助变量，充分考虑土壤属性指标的空间自相关性以及环境变量属性相似性，解决传统插值中极端值和空间连续性模式敏感存在的局限性，为非平稳区域精准估计总体提出可行性方法。以北京市顺义区采样数据为例，采用MMSD抽样方法对样点抽稀，对原始采样数据进行不同采样密度的对比实验，用随机森林-序贯高斯模拟混合模型（RF-SGS）、序贯高斯模拟模型（SGS）、趋势面-序贯高斯模拟混合模型（TR-SGS）和随机森林模型（RF）对土壤重金属Cd的空间分布进行模拟，从统计特征和空间结构等方面比较模拟结果，分析误差产生的原因，进一步验证方法有效性。结果表明，在7种采样密度下，预测精度由低到高排序为：SGS＜TR-SGS＜RF＜RF-SGS，RF-SGS估算精度最高且Cd含量空间分布也最接近原始数据分布。RF-SGS 模型可以作为稀疏样点下土壤重金属空间模拟的一种有效方法。
-
单位北京农林科学院; 数理学院; 防灾科技学院; 北京市农林科学院; 中国地质大学（北京）
