基于改進插值法的農(nóng)田土壤水分與養(yǎng)分空間變異研究

楊昕馨

摘要 掌握農(nóng)田土壤水分和養(yǎng)分的空間分布特征是實現(xiàn)農(nóng)田土壤精確管理及實施精確農(nóng)業(yè)的重要依據(jù)。該文將貝葉斯最大熵法（Bayesian maximum entropy，BME）和貝葉斯人工神經(jīng)網(wǎng)絡(luò)方法（Bayesian neural networks，BNN）結(jié)合形成一種空間插值新方法，用融入BNN法結(jié)果的BME法（Bayesian maximum entropy method combined with Bayesian neural networks，BMENN）模擬土壤變量的空間分布。以新疆希尼爾水庫周邊某田塊的土壤水分、堿解氮、速效鉀和速效磷這4種土壤特性的采樣數(shù)據(jù)為例，運用交叉驗證法，將BMENN法對土壤變量的估值精度與BNN法、普通克立格法（ordinary Kriging，OK）進行了比較。結(jié)果表明：與OK法和BNN法相比，BMENN法將估計方差（mean squared error，MSE）縮小2.26%～23.54%，具有最小的估計方差和接近于0的平均絕對誤差（mean error，ME）；BMENN法的估計值與實測值相關(guān)系數(shù)更大（r=0.62～0.89），具有更高的相關(guān)程度；MSE的組成分析表明，BMENN法再現(xiàn)變量波動程度和波動大小的能力更強。BMENN法對于利用有限數(shù)據(jù)信息提高土壤變量空間分布模擬精度具有重要意義，并可為土壤管理、精準農(nóng)業(yè)的實施以及區(qū)域環(huán)境規(guī)劃等提供科學(xué)依據(jù)。

關(guān)鍵詞 土壤變量；空間分布；貝葉斯最大熵法；變異

中圖分類號 S151.9 文獻標識碼 A 文章編號 1007-5739（2015）18-0193-02

定量化描述土壤特性（尤其是與作物產(chǎn)量、水質(zhì)等有關(guān)的土壤特性）的空間分布特征是土壤的分布式管理和精確農(nóng)業(yè)的實施的前提條件。然而，密集型土壤網(wǎng)格采樣和大量實驗室分析需要投入大量的人力和資金，靠這類方法精確評價土壤特性空間變異特征不太現(xiàn)實。貝葉斯最大熵法（Bayesian maximum entropy，BME）是由Christakos[1]提出的一種嚴格系統(tǒng)的非線性現(xiàn)代時空地統(tǒng)計學(xué)方法，它以實測數(shù)據(jù)為基礎(chǔ)，融入具有不確定性的“軟數(shù)據(jù)”及其他先驗信息等多源數(shù)據(jù)，來分析時空變量的變異規(guī)律[2]。……