基于關聯(lián)規(guī)則的坡面土壤侵蝕評價模型與方法研究——以鄂西北山區(qū)為例.pdf

1、土壤侵蝕不僅是地域問題，而且是全球性的環(huán)境問題，已引起廣泛的研究和關注。本文以鄂西北丹江庫區(qū)房縣和鄖西縣為研究對象，結合房縣和鄖西縣現(xiàn)有土壤侵蝕原始數(shù)據(jù)，研究具有代表性的鄂西北山區(qū)丹江庫區(qū)徑流小區(qū)的坡面土壤侵蝕狀況。主要內(nèi)容：
　　 在綜述國內(nèi)外研究概況和研究方法的基礎上，結合鄂西北山區(qū)的相關徑流小區(qū)觀測數(shù)據(jù)，引用關聯(lián)規(guī)則中的Apriori算法，首先對坡度、植被覆蓋度、土地利用類型，植被對應的措施等各種不同因子進行量化，然后分別

2、實現(xiàn)在不同耕作方式、不同坡度、不同植被覆蓋度因子條件下，以及綜合因子影響下，他們對土壤侵蝕狀況的影響，然后綜合進行影響因子與坡面土壤侵蝕之間的關聯(lián)規(guī)則分析，以算法的支持度與置信度為基礎，實現(xiàn)各因子與土壤侵蝕狀況的重要性程度關聯(lián)，進而得到各因子與土壤侵蝕之間的重要性關系，得到研究區(qū)坡面徑流小區(qū)土壤侵蝕評價指標體系。
　　 到目前為止國內(nèi)外已研究出多種土壤侵蝕評價模型，其中尤以美國的通用土壤流失方程(USLE)系列為代表，是最具有影

3、響力的土壤侵蝕評價統(tǒng)計模型之一。它是基于美國10000多個坡面小區(qū)近30年的觀測數(shù)據(jù)而得到的經(jīng)驗統(tǒng)計模型，直到現(xiàn)在仍被世界土壤保護工作及水土流失相關部門和研究者廣泛采用。
　　 鑒于基于通用土壤侵蝕方程中的各個因子，正是基于關聯(lián)規(guī)則支持下坡面土壤侵蝕評價指標體系中對土壤侵蝕影響較大的因子，因此該方程在研究區(qū)坡面土壤侵蝕分析中具有特別的適用性。本文首先介紹了通用土壤侵蝕方程的原型，詳細探討了研究區(qū)通用土壤侵蝕方程各個因子的計算方法

4、，并根據(jù)數(shù)據(jù)庫資料，推導出適合房縣的通用土壤侵蝕方程。根據(jù)推導的方程計算相關年份的土壤侵蝕量，并進行誤差分析。試驗結論表明該模型在研究區(qū)具有較好的效果和適用性。
　　 基于數(shù)據(jù)的機器學習問題已經(jīng)成為目前許多行業(yè)應用于研究的重點。支持向量機作為機器學習的一種，其研究的主要問題是從一組觀測數(shù)據(jù)集的數(shù)據(jù)出發(fā)，得到一些不能通過原理分析而得到的規(guī)律，進而研究這些規(guī)律對未來的數(shù)據(jù)或者無法觀測的數(shù)據(jù)進行預測和分析。本文介紹支持向量機和BP神經(jīng)

5、網(wǎng)絡的基本思想，將二者應用到鄂西北山區(qū)土壤侵蝕預測中，選取的影響因子是研究區(qū)坡面土壤侵蝕評價指標體系中對坡面土壤侵蝕影響最大的降雨量及相關因子。對研究區(qū)坡面土壤侵蝕狀況進行評價并作誤差分析。結論表明基于神經(jīng)網(wǎng)絡和支持向量機技術的研究區(qū)水土流失評價，總體而言其預測結果比較理想，支持向量機極個別小區(qū)預測效果不太理想。究其原因，雖然SVM具有較高的泛化能力和計算效率，但SVM對樣本的要求比較高。這種預測結果的出現(xiàn)，跟樣本的有限性及樣本的精確度