基于随机森林—普通克里格法的土壤有机碳含量预测方法技术

本发明专利技术涉及基于随机森林—普通克里格法的土壤有机碳含量预测方法。首先、对土壤样品有机碳进行测定；其次、对环境因子进行提取并筛选与土壤有机碳含量相关的环境因子；最后、基于随机森林—普通克里格模型和相关环境因子对土壤有机碳含量的空间分布进行预测。本发明专利技术方法借助于土壤有机碳与环境因子（地形、气候、植被）间的关系，实现土壤有机碳含量的空间预测。

【技术实现步骤摘要】
基于随机森林—普通克里格法的土壤有机碳含量预测方法
本专利技术涉及遥感技术应用领域，特别是基于随机森林—普通克里格法的土壤有机碳含量预测方法。
技术介绍
由于区域土壤属性时空变异特性的存在，使得传统采样和制图方法很难准确表征土壤有机碳的空间分布特征和连续性，难以获取高精度土壤有机碳信息。近年来，随着遥感信息技术的快速发展，数字化土壤制图(digitalsoilmapping,DSM)成为准确获取空间异质性大的区域土壤有机碳分布的有效手段。目前DSM主要以土壤-景观模型为理论基础，即通过“3S”技术和计算机技术来获取与土壤形成密切相关的环境因子，采用数学模型来模拟土壤与环境因子之间的定量关系，并将这种关系外推到空间区域，实现土壤有机碳的空间分布预测。已有众多统计模型被应用于土壤有机碳预测研究，这些模型大多采用传统统计或地统计方法。随着人工智能技术的不断发展，越来越多的学者采用机器学习模型进行土壤属性与其环境因子之间关系的研究，当中随机森林(randomforest,RF)模型以其强大的非线性拟合能力成为预测土壤有机碳空间分布有效的方法之一。然而，与其他机器学习模型一样，随机森林模型仅考虑土壤有机碳含量与环境因子之间的关系，忽略了变量的空间自相关作用，进而影响土壤有机碳预测精度。因而，如何有效处理变量间的空间自相关作用对实现土壤有机碳含量的精准预测具有重要意义。
技术实现思路
本专利技术的目的在于提供基于随机森林—普通克里格法的土壤有机碳含量预测方法，借助于土壤有机碳与环境因子(地形、气候、植被)间的关系，实现土壤有机碳的空间预测，实现土壤有机碳及相关土壤属性空间分布的精准预测。为实现上述目的，本专利技术的技术方案是：基于随机森林—普通克里格法的土壤有机碳含量预测方法，包括如下步骤：步骤S1、对土壤样品有机碳进行测定；步骤S2、对环境因子进行提取并筛选与土壤有机碳相关的环境因子；步骤S3、基于随机森林—普通克里格模型和相关环境因子对土壤有机碳含量的空间分布进行预测。进一步的，所述步骤S1具体实现方式为：布设样地，采集样地土壤样品及对应地理坐标，采用重铬酸钾—外加热法测定土壤有机碳含量。进一步的，所述步骤S2具体实现步骤如下：步骤S21、基于遥感数据和气候基础数据，提取与土壤有机碳有关的环境因子，包括地形因子、植被因子、气候因子；步骤S22、为减少随机森林模型的袋外误差OOBerror对土壤有机碳的的预测精度造成影响，通过逐个剔除环境因子后的OOBerror的增减性来判断该环境因子是否保留，若OOBerror增加则保留该环境因子，反之则剔除。进一步的，步骤S21中，所述地形因子包括海拔、坡度；所述植被因子包括归一化植被指数、绿色归一化植被指数、土壤可调整植被指数、修正型土壤调整植被指数、冠层结构不敏感植被指数、三角植被指数；所述气候因子包括年均降雨量、年均气温。进一步的，所述步骤S3具体实现步骤如下：步骤S31、对所有土壤采样数据划分为建模样本集和检验样本集；步骤S32、基于建模样本集数据，采用随机森林模型模拟土壤有机碳与环境因子间的数学关系，并制作空间预测分布图；步骤S33、根据土壤有机碳含量实测值及随机森林模型预测值得到样点的残差值，对土壤有机碳含量的残差值进行普通克里格插值；步骤S34、将基于随机森林模型的土壤有机碳含量预测值与基于普通格里格法的残差估计值进行空间加运算；步骤S35、基于检验样本集的各样点环境因子数据，采用随机森林—普通克里格模型预测土壤有机碳含量，并与实测土壤有机碳含量进行比较，确定基于随机森林—普通克里格模型预测土壤有机碳的有效性；步骤S36、针对非采样区的环境因子，采用随机森林—普通克里格方法，对土壤采样所在的研究区域进行土壤有机碳空间分布预测。进一步的，所述步骤S32中，土壤有机碳与环境因子间的数学关系如下：式中：为基于随机森林模型的土壤有机碳含量在空间上第i个点的预测值；a1,a2,…,an为环境因子；f为土壤有机碳含量与环境因子间的数学关系。进一步的，所述步骤S33中，土壤有机碳含量实测值及随机森林模型预测值得到样点的残差值公式及对土壤有机碳含量的残差值进行普通克里格插值公式分别如式(2)、(3)所示：式中：r(xi)为土壤有机碳含量在空间上第i个点的残差值；C(xi)为土壤有机碳含量在空间上第i个点的实测值；为基于普通克里格模型的土壤有机碳含量在空间上第i个点的残差估计值；n为已知实测点的数量；wi为空间上第i个点的权重值；结合式(2)、(3)，得到所述步骤S34中，基于随机森林模型的土壤有机碳含量预测值与基于普通格里格法的残差估计值进行空间加运算的公式如下：式中，为基于随机森林—普通克里格法的土壤有机碳含量在空间上第i个点的预测值。相较于现有技术，本专利技术具有以下有益效果：本专利技术方法，借助于土壤有机碳与环境因子(地形、气候、植被)间的关系，基于随机森林模型模拟土壤有机碳与环境因子的关系及普通克里格法模拟残差值的空间分布情况，实现土壤有机碳的空间预测，解决了单一机器学习模型未能考虑变量的空间自相关作用，为土壤有机碳及相关土壤属性空间分布的精准预测提供一种技术。附图说明图1是本专利技术实施例中研究区研究区地理位置及野外土壤采样划分图。图2是本专利技术实施例中未考虑变量空间自相关的土壤有机碳空间分布图。图3是本专利技术实施例中土壤有机碳残差值的半方差函数模型图。图4是本专利技术实施例中土壤有机碳残差值空间分布图。图5是本专利技术实施例中土壤有机碳实测值与预测值回归分析(左图为基于随机森林模型得到的结果，右图为基于随机森林—普通克里格模型得到的结果)。图6是本专利技术实施例中基于随机森林—普通克里格法的土壤有机碳空间预测分布图。具体实施方式下面结合附图，对本专利技术的技术方案进行具体说明。本专利技术提供了基于随机森林—普通克里格法的土壤有机碳含量预测方法，包括如下步骤：步骤S1、对土壤样品有机碳进行测定；步骤S2、对环境因子进行提取并筛选与土壤有机碳相关的环境因子；步骤S3、基于随机森林—普通克里格模型和相关环境因子对土壤有机碳含量的空间分布进行预测。以下结合具体实施例阐述本专利技术的具体实施过程。实施例：本实施例提供了选择具体的研究区进行说明。研究区概况：研究区位于福建省长汀县河田镇，地处武夷山脉南段(25°33′N～25°48′N、116°18′E～116°31′E)，总面积为296km2，其中山地面积213km2，主要优势树种有马尾松(Pinusmassoniana)和杉木(Cunninghamialanceolata)。该区属中亚热带季风气候，年平均气温17.5℃～18.8℃，年平均降雨量1700mm，地形地貌以低山丘陵为主，土壤类型以红壤为主，是南方典型的红壤丘陵区。由于历史原因，研究区山地天然植被遭到严重毁坏，水土流失严重，成为南方红壤水土流失最严重的区域之一。近年来通过封山育林、低效林改造等水土保持措施，使研究区的植被得到一定的恢复，为表层土壤有机碳的储存创造了有利条件。(1)土壤有机碳测定2015年1月在研究区开展土壤样品采集工作，以优劣兼顾为原则，在研究区设置59个标准样地(图1)，同时采用麦哲伦海王星400手持GPS获取样地坐标数据。在每个样地内采集0～20cm深度的土壤约500g装入塑料袋，并带本文档来自技高网...

【技术保护点】
1.基于随机森林—普通克里格法的土壤有机碳含量预测方法，其特征在于，包括如下步骤：步骤S1、对土壤样品有机碳进行测定；步骤S2、对环境因子进行提取并筛选与土壤有机碳相关的环境因子；步骤S3、基于随机森林—普通克里格模型和相关环境因子对土壤有机碳含量的空间分布进行预测。

【技术特征摘要】
1.基于随机森林—普通克里格法的土壤有机碳含量预测方法，其特征在于，包括如下步骤：步骤S1、对土壤样品有机碳进行测定；步骤S2、对环境因子进行提取并筛选与土壤有机碳相关的环境因子；步骤S3、基于随机森林—普通克里格模型和相关环境因子对土壤有机碳含量的空间分布进行预测。2.根据权利要求1所述的方法，其特征在于，所述步骤S1具体实现方式为：布设样地，采集样地土壤样品及对应地理坐标，采用重铬酸钾—外加热法测定土壤有机碳含量。3.根据权利要求1所述的方法，其特征在于，所述步骤S2具体实现步骤如下：步骤S21、基于遥感数据和气候基础数据，提取与土壤有机碳有关的环境因子，包括地形因子、植被因子、气候因子；步骤S22、为减少随机森林模型的袋外误差OOBerror对土壤有机碳的的预测精度造成影响，通过逐个剔除环境因子后的OOBerror的增减性来判断该环境因子是否保留，若OOBerror增加则保留该环境因子，反之则剔除。4.根据权利要求3所述的方法，其特征在于，步骤S21中，所述地形因子包括海拔、坡度；所述植被因子包括归一化植被指数、绿色归一化植被指数、土壤可调整植被指数、修正型土壤调整植被指数、冠层结构不敏感植被指数、三角植被指数；所述气候因子包括年均降雨量、年均气温。5.根据权利要求1所述的方法，其特征在于，所述步骤S3具体实现步骤如下：步骤S31、对所有土壤采样数据划分为建模样本集和检验样本集；步骤S32、基于建模样本集数据，采用随机森林模型模拟土壤有机碳与环境因子间的数学关系，并制作空间预测分布图；步骤S33、根据土壤有机碳含量实测值...

【专利技术属性】
技术研发人员：姚雄，余坤勇，刘健，邓洋波，赖壮杰，
申请(专利权)人：福建农林大学，
类型：发明
国别省市：福建,35