基于RBF神經(jīng)網(wǎng)絡(luò)的土壤屬性信息空間插值方法研究.pdf

1、受自然和人為因素的影響，土壤特性在空間分布上呈現(xiàn)非均一性，即土壤特性的空間變異性。人類社會(huì)活動(dòng)對(duì)土壤空間變異的影響日漸突出。因此，快速準(zhǔn)確地掌握土壤信息的空間演變趨勢(shì)就必須借助于適用的數(shù)學(xué)方法?？臻g插值方法即是研究土壤空間變異的基本手段。改進(jìn)空間插值方法，以較少的樣點(diǎn)來(lái)盡可能地反映出一定區(qū)域土壤屬性信息的空間變異規(guī)律，就成為當(dāng)前研究的一個(gè)熱點(diǎn)。 本研究以眉山太和鎮(zhèn)和尚義鎮(zhèn)為試驗(yàn)區(qū)，分別以700米和50米為間隔采集了大小兩個(gè)尺度下

2、的土壤樣品80個(gè)和30個(gè)，以土壤有機(jī)質(zhì)、全鉀和有效錳為研究對(duì)象，將兩個(gè)樣本分為獨(dú)立的訓(xùn)練樣本和檢驗(yàn)樣本數(shù)據(jù)集，在訓(xùn)練樣本集的基礎(chǔ)上共設(shè)計(jì)了4種樣點(diǎn)布局方案，以廣泛應(yīng)用的克里格法作為對(duì)照，研究RBF神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)土壤屬性信息的空間插值能力。 RBF神經(jīng)網(wǎng)絡(luò)(RBFNN)即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，具有很強(qiáng)的非線性計(jì)算能力，是解決非線性系統(tǒng)預(yù)測(cè)問題的行之有效的研究工具。本研究采用兩種不同的輸入方式進(jìn)行網(wǎng)絡(luò)訓(xùn)練仿真：其一，以地理坐標(biāo)作為網(wǎng)絡(luò)

3、輸入，以對(duì)應(yīng)的土壤屬性信息值作為網(wǎng)絡(luò)的輸出，只在地理坐標(biāo)和土壤屬性信息值之間建立聯(lián)系，記為地理坐標(biāo)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(CRBFNN)，即網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為2，輸出層節(jié)點(diǎn)數(shù)為1。其二，以平面坐標(biāo)x,y和與插值點(diǎn)最鄰近的5個(gè)已知點(diǎn)作為網(wǎng)絡(luò)輸入，建立插值點(diǎn)與地理坐標(biāo)和鄰近樣點(diǎn)之間的對(duì)應(yīng)關(guān)系，記為鄰近點(diǎn)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(NRBFNN)，即網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為7，其中第1、2個(gè)節(jié)點(diǎn)(神經(jīng)元)分別輸入坐標(biāo)x和y的值。根據(jù)空間距離衰減規(guī)律，已知點(diǎn)對(duì)

4、插值點(diǎn)的作用與插值點(diǎn)到已知點(diǎn)的距離成負(fù)相關(guān)?？紤]到距離的影響，設(shè)定與插值點(diǎn)距離最近的已知點(diǎn)的土壤屬性值為網(wǎng)絡(luò)輸入層第3個(gè)神經(jīng)元的輸入值；與插值點(diǎn)距離次近的已知點(diǎn)的土壤屬性值為第4個(gè)神經(jīng)元的輸入值，其余類推。研究結(jié)果表明： (1)通過(guò)平均絕對(duì)偏差、平均相對(duì)偏差和誤差均方根檢驗(yàn)均反映出RBF神經(jīng)網(wǎng)絡(luò)的插值精度顯著優(yōu)于克里格插值法。主要結(jié)果如下： 無(wú)論在大尺度下還是小尺度下，RBF神經(jīng)網(wǎng)絡(luò)方法對(duì)土壤空間屬性值的插值能力均優(yōu)于克

5、里格法；即使在樣點(diǎn)數(shù)量減少約50％的情況下，也能保證較高的插值精度，甚至高于克里格法，即RBF神經(jīng)網(wǎng)絡(luò)方法以其良好的自學(xué)功能和很強(qiáng)的非線性計(jì)算能力，比克里格法更好地揭示了土壤屬性信息的空間分布規(guī)律。 在相同的樣點(diǎn)布局下，CRBF神經(jīng)網(wǎng)絡(luò)對(duì)大尺度下土壤有機(jī)質(zhì)、全鉀和有效錳的插值能力與克里格法相比，其平均相對(duì)偏差減小了11.18～14.44％，小尺度下則減小了5.15～15.93％；NRBF神經(jīng)網(wǎng)絡(luò)與克里格法相比，其平均相對(duì)偏差減小

6、了0.44～32.11％，小尺度下減小了2.67～30.14％。 在樣點(diǎn)減少約50％的情況下，CRBF神經(jīng)網(wǎng)絡(luò)對(duì)大尺度下土壤有機(jī)質(zhì)、全鉀和有效錳的插值能力與克里格法相比，其平均相對(duì)偏差減小了1.49～11.28％，小尺度下減小了0.91～23.79％；NRBF神經(jīng)網(wǎng)絡(luò)與克里格法相比，其平均相對(duì)偏差減小了10.35～20.68％，小尺度下減小了8.58～32.88％。 (2)以平均絕對(duì)偏差、平均相對(duì)偏差和誤差均方根檢驗(yàn)不同

7、輸入方式下的RBF神經(jīng)網(wǎng)絡(luò)對(duì)土壤屬性信息的空間插值精度的結(jié)果表明：以地理坐標(biāo)位置為網(wǎng)絡(luò)輸入的RBF神經(jīng)網(wǎng)絡(luò)插值方法，沒有充分考慮到影響土壤屬性信息空間分布的因素的復(fù)雜性，極易受到樣本數(shù)據(jù)噪音的影響。而以地理坐標(biāo)和鄰近樣點(diǎn)作為網(wǎng)絡(luò)輸入的RBF神經(jīng)網(wǎng)絡(luò)插值方法，則可以弱化樣本數(shù)據(jù)噪音的影響，增強(qiáng)RBF神經(jīng)網(wǎng)絡(luò)對(duì)土壤屬性信息空間分布的描述能力。因而，基于地理坐標(biāo)和鄰近樣點(diǎn)輸入的RBF神經(jīng)網(wǎng)絡(luò)對(duì)土壤屬性的空間插值精度高于基于地理坐標(biāo)輸入的RBF