The invention discloses a flat terrain soil cadmium spatial distribution prediction method, the nonlinear mapping relationship between soil factors and the cadmium content of the influence of radial basis function neural network model; the cadmium content of soil in different regions within the scope of distance change analysis and the correlation between each factor, the analysis area is divided into the distance analysis of the regional range of 10km and two regions were constructed to reveal effects of cadmium content and soil cadmium content of soil factors between neural network model of nonlinear mapping relation; the residuals from HASM model prediction results of neural network model to simulate the prediction result of the analysis of spatial distribution of cadmium content in soil. The forecasting results of verification points to improve the accuracy of 5.56% 17.65%; at the same time, the method can reflect the details of spatial information of soil cadmium content changes.
【技术实现步骤摘要】
一种地形平缓区土壤重金属镉空间分布预测方法
本专利技术属于土壤重金属含量测定
,尤其涉及一种地形平缓区土壤重金属镉空间分布预测方法。
技术介绍
土壤变化是目前全球环境变化的重要内容之一。近年来,随着社会经济的快速发展,化肥农药的大量施用以及工业排污的不断增加,我国的土壤环境面临的压力越来越大。其中,移动性差、难以被微生物降解的土壤重金属污染问题尤其严重,土壤重金属污染不仅会导致农作物减产或绝收,还会进入食物链或污染大气危害人畜的健康,引发慢性疾病。目前,我国已约有占耕地总面积的1/5的耕地正遭受不同程度重金属污染,这是导致粮食减产的原因之一,直接造成的经济损失高达200亿元。从广东、沈阳等城市的重点调查结果来看,污染区的癌症死亡率和癌症发病率明显高于未污染区。因此,开展土壤重金属污染防控和治理已是当前土壤环境保护工作的迫切需要。准确掌握土壤重金属的空间变化特征是进行土壤重金属污染防治的关键和前提。受各种因素的综合影响,土壤重金属的空间分布存在明显的空间异质性。研究表明,不同成土母质、土壤类型以及不同土地利用方式[下土壤重金属含量存在明显差异。在地形平缓区,主要受区域母质、土壤类型、城市化进程、经济和交通发展以及土地利用方式的影响,土壤重金属的空间分布也具有较高的空间异质性。因此,在当前土壤环境问题日趋严峻的背景下,土壤资源的优化利用以及土壤环境的保护和治理迫切需要准确掌握区域土壤重金属含量的空间变化信息。土壤重金属的空间变化信息通常可以通过土壤采样分析获取。但是,受采样条件、研究区范围和研究成本(人力、物力)等因素的影响,现实过程中大量采样并不可行。 ...
【技术保护点】
一种地形平缓区土壤重金属镉空间分布预测方法,其特征在于,该地形平缓区土壤重金属镉空间分布预测方法包括:首先采用径向基函数神经网络模型建立各影响因素与土壤镉含量间的非线性映射关系;针对土壤镉含量在距离分析区域不同范围内与各因素间相关性的变化,将分析区域划分为距离分析区域10km范围内和外两个区域,分别构建揭示土壤镉含量与土壤镉含量影响因素间非线性映射关系的径向基函数人工神经网络模型;再以HASM模型对神经网络模型预测结果的残差进行模拟,得到对分析区土壤镉含量空间分布的预测结果;该地形平缓区土壤重金属镉空间分布预测方法记为RBF1_HASM,表达如下:Z(x
【技术特征摘要】
1.一种地形平缓区土壤重金属镉空间分布预测方法,其特征在于,该地形平缓区土壤重金属镉空间分布预测方法包括:首先采用径向基函数神经网络模型建立各影响因素与土壤镉含量间的非线性映射关系;针对土壤镉含量在距离分析区域不同范围内与各因素间相关性的变化,将分析区域划分为距离分析区域10km范围内和外两个区域,分别构建揭示土壤镉含量与土壤镉含量影响因素间非线性映射关系的径向基函数人工神经网络模型;再以HASM模型对神经网络模型预测结果的残差进行模拟,得到对分析区土壤镉含量空间分布的预测结果;该地形平缓区土壤重金属镉空间分布预测方法记为RBF1_HASM,表达如下:Z(xi,k,yj,k)=RBFNN[F1(xi,k,yj,k),F2(xi,k,yj,k),...,Fn(xi,k,yj,k)]+HASM(xi,k,yj,k);式中,Z(xi,k,yj,k)为土壤镉含量的预测值,RBFNN为径向基函数神经网络模型,F1~Fn为影响因素,HASM为高精度曲面模型。2.如权利要求1所述的地形平缓区土壤重金属镉空间分布预测方法,其特征在于,该地形平缓区土壤重金属镉空间分布预测方法具体包括以下步骤:1)将各影响因素图层栅格化,针对计算量,取分辨率为10m;以矩阵形式转入软件MATLAB中;2)在距离分析区域10km以内和10km以外两区域内分别以各自区内建模点建立和训练神经网络模型,得到各自的优参数和对建模点的预测结果及残差;3)以最优模型和各影响因素的空间分布数据,完成基于神经网络模型的土壤镉含量空间分布预测结果;4)采用HASM模型,在软件MATLAB中完成对神经网络模型对建模点预测结果残差空间分布形态的模拟;5)将运用径向基函数神经网络模型对区域镉含量值的预测结果与HASM模型对残差值的模拟结果相加,得到分析区域土壤镉含量的空间分布模拟结果;将该结果以文本格式导出,在ArcGIS中转换为栅格数据。3.如权利要求1~2任意一项所述的地形平缓区土壤重金属镉空间分布预测方法,其特征在于,所述HASM模型根据微分几何学理论,空间曲面由第一类基本量和第二类基本量决定;若空间曲面表达为Z=u(x,y),则其第一类基本量表达为,第二类基本量表达为,高精度曲面模型基本理论被表示为:其中假设计算区域在x方向和y方向的最大长度分别用Lx和Ly表示,计算区域被表示为的矩形区域;h为插值步长,I+2和J+2代表x方向和y方向的栅格数,栅格(0.5h+(i-1)h,0.5h+(j-1)h)的中心点被表示为(xi,yj),其中i=0,1,…,I,I+1,j=0,1,…,J,J+1;u(x+h,y)和u(x-h,y)用下面的泰勒展开式表示:式(3)减式(4)得:所以有,对于足够小的步长h,ux(x,y)和uy(x,y)的有限差分方程可表示为:式(7)加式(8)得:所以有,对于足够小的h,uxx(x,y)和uyy(x,y)的有限差分方程为:假设是采样点{(xi,yj)}在曲面u上的采样值,(其中n≥0,0≤i≤I+1,0≤j≤J+1)是中心点为(xi,yj)的栅格值的第n次迭代值,其中是基于采样点的插值结果;根据数值计算,由式(12)和(13)得出HASM的第n+1次迭代的有限差分基本表达式为:
【专利技术属性】
技术研发人员:李启权,肖怡,王昌全,彭月月,李珊,代天飞,岳天祥,史文娇,罗由林,张浩,张新,蒋欣烨,李冰,高雪松,王栋,罗琳,谢云波,易蔓,
申请(专利权)人:四川农业大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。