一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法技术

本发明专利技术涉及一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法，首先提取土壤有机碳空间抽样网络设计的基础数据并进行整合，然后应用时空回归方法建立土壤有机碳时空变化与多时间序列属性之间的回归关系，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势和回归残差构成的时空随机过程，最后构建土壤有机碳空间抽样网络设计模型，以上述数据为模型输入数据，评价适应度函数，建立抽样方案设计问题与粒子群算法之间的映射关系，求解得出土壤有机碳空间抽样网络优化方案。该方法大幅度提高调查精度，同时充分发挥粒子群算法快速收敛和超强寻优能力，提升土壤有机碳空间抽样网络的合理性、适用性和设计效率。

A design method of spatial sampling network for soil organic carbon with non stationary characteristics of spatial and temporal distribution

The invention relates to an account of non stationary characteristics of the temporal and spatial distribution of soil organic carbon spatial sampling design method of network based data extraction, firstly, soil organic carbon spatial sampling network design and integration, and then regression method to establish the regression relationship between soil organic carbon and the temporal and spatial variation of multiple time series properties of the application time, the temporal variations of soil organic carbon the process of mapping space for a stochastic process by soil organic carbon multi factor space regression trend and regression residuals constitute, finally build soil organic carbon spatial sampling network design model to the data model as input data, evaluation of the fitness function, establishing the mapping relation between sampling scheme design and particle swarm algorithm, derived space soil organic carbon sampling network optimization scheme. This method can greatly improve the accuracy of the investigation, and give full play to the particle swarm optimization algorithm, which can improve the convergence speed and the ability of super optimization.

【技术实现步骤摘要】

本专利技术涉及土地资源调查领域，尤其是涉及一种土壤有机碳空间抽样网络设计方法。
技术介绍
土壤有机碳库是陆地生态系统中处于活跃状态的最大碳库，在减缓碳释放、调节全球碳平衡方面发挥着关键作用。准确测定土壤有机碳储量已经成为当前科学界和各国政府关注的焦点问题。在我国，随着“践行节能低碳、建设美丽中国”目标的提出，及时开展高精度的土壤有机碳抽样调查与监测工作，将为科学制定低碳发展战略提供有力的决策支持。面向科研与发展的多层面需求，研究高效的土壤有机碳时空抽样方法势在必行。时空分布非平稳性是影响土壤有机碳抽样设计的关键因素。在生态系统类型、土壤生物活性、群落组成及土地利用等因素共同作用下，土壤有机碳时空变量的均值、方差具有高度的时空位置变化相关性，导致有机碳时空分布自相关结构(依赖性)呈现出阶跃、线性连续或非线性连续等不平稳特征，从而增加了时空抽样网络对其的拟合难度。准确刻画土壤有机碳时空非平稳特征有助于显著提升时空抽样方法的实用性。现有时空抽样方法，包括完全重复抽样、完全替换抽样和适应性抽样方法，在描述时空非平稳性方面仍存在一定不足。具体表现在：(1)完全重复抽样与完全替换抽样仅能描述变量的空间非平稳性，忽略了其时间变化特征；(2)适应性抽样方法涉及了采用分层方法或几何比例法描述时空非平稳性及时空各向异性，但仍无法准确刻画时空连续非平稳特征。如何避免传统时空抽样网络设计方法的片面性，建立有效的土壤有机碳连续非平稳时空特征描述模型并用于指导抽样网络的优化布局，对于精准、高效开展土壤有机碳抽样与监测工作尤为重要。
技术实现思路
本专利技术主要是解决现有技术所存在的技术问题；提供了一种通过准确描述土壤有机碳时空分布特征，有效提高土壤有机碳空间抽样调查精度的一种土壤有机碳抽样网络优化设计方法。本专利技术的上述技术问题主要是通过下述技术方案解决的：一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法，其特征在于，该方法包括如下步骤：步骤1，提取土壤有机碳空间抽样网络设计的基础数据并进行整合，整合后的数据为地理空间栅格单元的多时间序列属性信息，其中，基础数据包括多时期的土壤有机碳空间分布数据、土地利用与覆被变化数据、数字高程模型数据；整合数据的具体方法是对空间数据进行配准并设置一致的空间参考坐标，将矢量数据转成精度相同的地理空间栅格数据，以及通过分析数字高程模型数据生成栅格单元的高程、坡度坡向、坡度位置、表面起伏度一系列地形指数信息。多时间序列属性信息包括地理空间栅格单元的多时期土壤有机碳含量、多时期土地利用与覆被类型以及高程、坡度坡向、坡度位置和表面起伏度信息。步骤2，基于应用时空回归方法分析步骤1的数据，以地理空间栅格单元为数据处理单元，建立土壤有机碳变化与多时间序列属性的回归关系模型，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势和回归残差构成的时空随机过程，包括以下子步骤：步骤2.1，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势m(x,t)和回归残差ε(x,t)构成的时空随机过程(式1)。 Z ( x , t ) = Σ i = 1 N a i b i ( x , t ) + ϵ ( x , t ) , t = 1 , 2 , ... , T , x = 1 , 2 , ... , N - - - ( 1 ) ]]>式中，x表示空间位置，t表示时间节点，Z(x,t)表示t时刻空间位置x的土壤有机碳含量实际值。bi(x,t)为t时刻空间位置x处的属性bi的值，ai为回归系数。步骤2.2，将每个地理空间栅格对应的土壤有机碳值、多时间序列属性值代入式1，采用Matlab软件的最小二乘法求取所有回归系数bi。步骤2.3，在所有bi和多时间序列属性值已知情况下，计算每个栅格土壤有机碳的估计值，将估计值与真实值对比，其差值即为回归残差ε(x,t)。步骤3，采用时空不可分协方差方法描述步骤2的土壤有机碳时空回归残差，建立土壤有机碳时空变化协方差模型。步骤4，以随机生成的抽样网络为模型输入，应用二进制粒子群算法进行建模并对随机抽样网络进行优化设计。以地理空间栅格为数据处理单元，建立抽样网络布局问题与二进制粒子群算法之间的映射关系，求解得出土壤有机碳空间抽样网络的优化布局。所述地理空间栅格单元为二进制粒子群算法中的粒子维度，其值表征该单元是否作为抽样点；土壤有机碳空间抽样方案对应于粒子；抽样网络效能评价函数对应于粒子适应度函数，由土壤有机碳时空变化协方差模型推导出的最小预测误差表征。在上述的一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法，所述的步骤3中，采用时空不可分协方差方法建立土壤有机碳回归残差时空变化协方差模型的步骤包括以下子步骤：步骤3.1，将步骤2的土壤有机碳回归残差的协方差看作空间维度协方差Cs与时间维度协方差Ct的组合：Cst＝κ1Cs+κ2Ct-κ3CsCt (2)式中，κ1,κ2,κ3为关联系数的组合(参数组合)。步骤3.2，根据协方差与方差的关系，分别将土壤有机碳空间维度协方差Cs与时间维度协方差Ct描述为以下模型：Cs(xi,xj|θs)＝σs(xi|θs)σs(xj|θs)ρs(|xi-xj|),i,j＝1,2,...,N (3)Ct(xi(t),xj(t)|θt)＝σt(xi(t)|θt)σt(xj(t)|θt)ρt(|xi(t)-xj(t)|),t＝1,2,...,T (4)式中，Cs,Ct分别为空间、时间维度上的协方差函数；σs,σt分别代表空间、时间维度上的方差分布函数，θs,θt为方差函数的未知参数，ρs(xi,xj),ρt(xi(t),xj(t))分别表示空间维度和时间维度上两点之间的相关性，只与点间空间维度距离和时间维度距离hs,ht相关。在上述的一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法，所述的步骤4中，求解土壤有机碳空间抽样网络优化布局的步骤包括以下子步骤：步骤4.1，设置抽样网络样点数量，在研究区范围内随机生成包含所设置的样点数量的抽样网络。步骤4.2，粒子群种群规模，惯性权重，个体认知参数、社会认知参数、最大迭代次数，并以步骤4.1生成的随机抽样网络初始化每个粒子的维度值；步骤4.3，设置粒子群算法的适应度函数；步骤4.4，计算各个粒子的适应度，通过对比粒子适应度选择粒子自身所经历最优位置以及当前种群最优位置；步骤4.5，根据粒子自身所经历最优位置和当前种群最优位置对粒子进行位置变更操作，生成新一批粒子；步本文档来自技高网...

【技术保护点】
一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法，其特征在于，该方法包括如下步骤：步骤1，提取土壤有机碳空间抽样网络设计的基础数据并进行整合，整合后的数据为地理空间栅格单元的多时间序列属性信息，其中，基础数据包括多时期的土壤有机碳空间分布数据、土地利用与覆被变化数据、数字高程模型数据；整合数据的具体方法是对空间数据进行配准并设置一致的空间参考坐标，将矢量数据转成精度相同的地理空间栅格数据，以及通过分析数字高程模型数据生成栅格单元的高程、坡度坡向、坡度位置、表面起伏度一系列地形指数信息；多时间序列属性信息包括地理空间栅格单元的多时期土壤有机碳含量、多时期土地利用与覆被类型以及高程、坡度坡向、坡度位置和表面起伏度信息；步骤2，基于应用时空回归方法分析步骤1的数据，以地理空间栅格单元为数据处理单元，建立土壤有机碳变化与多时间序列属性的回归关系模型，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势和回归残差构成的时空随机过程，包括以下子步骤：步骤2.1，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势m(x,t)和回归残差ε(x,t)构成的时空随机过程(式1)；Z(x,t)=Σi=1Naibi(x,t)+ϵ(x,t),t=1,2,...,T,x=1,2,...,N---(1)]]>式中，x表示空间位置，t表示时间节点，Z(x,t)表示t时刻空间位置x的土壤有机碳含量实际值；bi(x,t)为t时刻空间位置x处的属性bi的值，ai为回归系数；步骤2.2，将每个地理空间栅格对应的土壤有机碳值、多时间序列属性值代入式1，采用Matlab软件的最小二乘法求取所有回归系数bi；步骤2.3，在所有bi和多时间序列属性值已知情况下，计算每个栅格土壤有机碳的估计值，将估计值与真实值对比，其差值即为回归残差ε(x,t)；步骤3，采用时空不可分协方差方法描述步骤2的土壤有机碳时空回归残差，建立土壤有机碳时空变化协方差模型；步骤4，以随机生成的抽样网络为模型输入，应用二进制粒子群算法进行建模并对随机抽样网络进行优化设计；以地理空间栅格为数据处理单元，建立抽样网络布局问题与二进制粒子群算法之间的映射关系，求解得出土壤有机碳空间抽样网络的优化布局；所述地理空间栅格单元为二进制粒子群算法中的粒子维度，其值表征该单元是否作为抽样点；土壤有机碳空间抽样方案对应于粒子；抽样网络效能评价函数对应于粒子适应度函数，由土壤有机碳时空变化协方差模型推导出的最小预测误差表征。...

【技术特征摘要】
1.一种顾及时空分布非平稳特征的土壤有机碳空间抽样网络设计方法，其特征在于，该方法包括如下步骤：步骤1，提取土壤有机碳空间抽样网络设计的基础数据并进行整合，整合后的数据为地理空间栅格单元的多时间序列属性信息，其中，基础数据包括多时期的土壤有机碳空间分布数据、土地利用与覆被变化数据、数字高程模型数据；整合数据的具体方法是对空间数据进行配准并设置一致的空间参考坐标，将矢量数据转成精度相同的地理空间栅格数据，以及通过分析数字高程模型数据生成栅格单元的高程、坡度坡向、坡度位置、表面起伏度一系列地形指数信息；多时间序列属性信息包括地理空间栅格单元的多时期土壤有机碳含量、多时期土地利用与覆被类型以及高程、坡度坡向、坡度位置和表面起伏度信息；步骤2，基于应用时空回归方法分析步骤1的数据，以地理空间栅格单元为数据处理单元，建立土壤有机碳变化与多时间序列属性的回归关系模型，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势和回归残差构成的时空随机过程，包括以下子步骤：步骤2.1，将土壤有机碳时空变化过程映射为一个由土壤有机碳多因素时空回归趋势m(x,t)和回归残差ε(x,t)构成的时空随机过程(式1)； Z ( x , t ) = Σ i = 1 N a i b i ( x , t ) + ϵ ( x , t ) , t = 1 , 2 , ... , T , x = 1 , 2 , ... , N - - - ( 1 ) ]]>式中，x表示空间位置，t表示时间节点，Z(x,t)表示t时刻空间位置x的土壤有机碳含量实际值；bi(x,t)为t时刻空间位置x处的属性bi的值，ai为回归系数；步骤2.2，将每个地理空间栅格对应的土壤有机碳值、多时间序列属性值代入式1，采用Matlab软件的最小二乘法求取所有回归系数bi；步骤2.3，在所有bi和多时间序列属性值已知情况下，计算每个栅格土壤有机碳的估计值，将估计值与真实值对比，其差值即为回归残差ε(x,t)；步骤3，采用时空不可分协方差方法描述步骤2的土壤有机碳时空回归残差，建立土壤有机碳时空变化协方差模型；步骤4，以随机生成的抽样网络为模型输入，应用二进制粒子群算法进行建模并对随机抽样网络进行优化设计；以地理空间栅格为数据处理单元，建立抽样网络布局问题与二进制粒...

【专利技术属性】
技术研发人员：刘殿锋，刘耀林，赵翔，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42