基于土壤类型归并与多元回归的土壤锰含量预测方法技术

本发明专利技术涉及基于土壤类型归并与多元回归的土壤锰含量预测方法，涉及土壤微量元素在不同土壤类型内，表现出的不同空间变异特征的分治处理，能够通过分析土壤有效锰含量空间分布的离散程度来探测其空间异质性，并能够通过局部回归分析诊断出局部回归分析中的多重共线性问题；特别是在空间预测过程中，通过测度不同土样采样密度下土壤有效锰含量空间分布特征构建综合预测模型。

Prediction method of soil manganese content based on soil type merging and multiple regression

The present invention relates to a method for prediction of Mn content in soil and soil types merge based on multivariate regression, involving soil trace elements in different soil types, different partition processing features exhibit spatial variability, which can analyze the distribution of soil available manganese content spatial discrete degree to detect the spatial heterogeneity, and to analyze the diagnosis of multiple. Linear regression analysis of the problem through the local regression; especially in the spatial prediction process, through the measurement of different soil sampling to construct a comprehensive prediction model of spatial distribution of soil available manganese in density.

【技术实现步骤摘要】
基于土壤类型归并与多元回归的土壤锰含量预测方法
本专利技术涉及基于土壤类型归并与多元回归的土壤锰含量预测方法，属于土壤属性预测

技术介绍
作为植物生产所必须的微量元素，锰(Mn)能够直接参与植物生长的光合作用、作为多种酶的活化剂、促进种子萌发，其含量研究具有十分重要的土壤学、生物学意义。土壤微量元素是否匮乏，一般不是计算其不同形态的总含量，而是取决于其有效态含量。锰离子的主要表现形式是Mn2+、Mn3+、Mn4+，在土壤中的保留方式主要有有机态锰、水溶态锰、代换态锰、矿物态锰及含锰的无机盐等方式。国内外学者普遍将交换态、水溶态与易还原态锰定义为有效态锰(SoilAvailableMn)。有效态锰对植物生长具有最为直接的影响，其含量高低直接决定了土壤的供锰强度。土壤有效锰含量的测定方法通常采用DTPA浸提剂方法。土壤微量元素的含量主要是受成土母质与成土过程所决定。不同形态的土壤锰含量在自然状态下保持着一种平衡的状态，其主要的影响因素包括土壤温度、土壤湿度、土壤有机质含量、土壤氧化还原电位与pH等。我国红壤、黄壤上的土壤有效锰含量较高，北方石灰性土壤较缺锰。土壤调查与制图是生产本文档来自技高网...

【技术保护点】
基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，包括如下步骤：步骤1.分别获取待预测土壤区域中各个采样点分别所对应指定各个土壤信息指标，以及所对应土壤锰含量，并构建总数据集，同时，定义指定各个土壤信息指标为自变量，土壤锰含量为因变量；然后基于不同土壤采样密度，由总数据集构建验证数据集和至少两个训练数据集；步骤2.分别针对各个训练数据集，基于归并土壤类型，获得训练数据集基于归并土壤类型级别的土壤锰含量变异系数数据集，并构建对应所有训练数据集中所有采集点的土壤锰含量变异系数直方图；同时，构建所有训练数据集分别对应于不同土壤类型级别的主成分分析散点图；然后基于土壤锰含量变异系数直方图和主...

【技术特征摘要】
1.基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，包括如下步骤：步骤1.分别获取待预测土壤区域中各个采样点分别所对应指定各个土壤信息指标，以及所对应土壤锰含量，并构建总数据集，同时，定义指定各个土壤信息指标为自变量，土壤锰含量为因变量；然后基于不同土壤采样密度，由总数据集构建验证数据集和至少两个训练数据集；步骤2.分别针对各个训练数据集，基于归并土壤类型，获得训练数据集基于归并土壤类型级别的土壤锰含量变异系数数据集，并构建对应所有训练数据集中所有采集点的土壤锰含量变异系数直方图；同时，构建所有训练数据集分别对应于不同土壤类型级别的主成分分析散点图；然后基于土壤锰含量变异系数直方图和主成分分析散点图，确定土壤类型对不同采样密度土壤属性空间变异性影响的显著性；步骤3.分别获得各个训练数据集分别所对应的最优自变量集合，并获得各个训练数据集分别对应其所有自变量的平稳性指数，判断自变量与因变量所构建模型是否满足二阶平稳性；步骤4.根据土壤类型对土壤属性空间变异影响程度与二阶平稳假设测试结果，基于各个训练数据集，选择预测模型集合；步骤5.采用预测模型集合针对其中一个训练数据集进行训练，遴选最优预测模型，针对待预测土壤区域进行预测，获得待预测土壤区域土壤锰含量空间分布图。2.根据权利要求1所述基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，所述步骤1包括如下步骤：步骤1a.获得待预测土壤区域中各个采样点的投影坐标集Site，并获得相邻采样点之间的欧氏距离，然后针对待预测土壤区域中采样点的投影坐标进行调整更新，使得相邻采样点之间的欧氏距离不小于d，d表示待预测土壤区域指定各个土壤信息指标的空间分辨率；步骤1b.预设时间、气候、母质、地形、生物五大要素分别所对应的土壤信息指标共同作为指定各个土壤信息指标，分别获取待预测土壤区域中各个采样点分别所对应指定各个土壤信息指标，作为自变量，构成Pred＝{X1,…,Xk,…,XK}，k＝{1,…,K}，K表示指定各个土壤信息指标的种类数，向量Xk表示各个采样点分别对应第k种指定土壤信息指标所构成的向量，为n×1向量，n表示采样点的总数；步骤1c.获得待预测土壤区域中各个采样点分别所对应的土壤类型级别，并按各土壤类型级别分别所对应的采样点，构成Soil_T＝(Type1,…,Typem,…,TypeM)，Soil_T为n×M向量，m＝{1,…,M}，Typem表示第m种土壤类型级别所对应的采集点，M表示土壤类型级别的种类；步骤1d.以土壤锰含量为因变量，根据Pred、各个采样点所在位置土壤锰含量的集合S、Site、Soil_T，构建总数据集Data＝(Pred,S,Site,Soil_T)；同时，根据待预测土壤区域的面积，获得采样点所对应的采样密度Density；步骤1e.以采样点为抽取对象，由总数据集Data中，任意提取占全部采样点预设比例数量的各个采样点所对应的数据，构成验证数据集，剩余采样点构成待选训练采样点集合；步骤1f.以采样点为抽取对象，由总数据集Data中提取对应于待选训练采样点集合中采样点所对应的数据，构建至少两个训练数据集，并且，其中一个训练数据集所对应的采样点为待选训练采样点集合中的全部采样点，其余训练数据集所对应的采样点为待选训练采样点集合中的部分采样点。3.根据权利要求2所述基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，所述步骤1a中，针对待预测土壤区域中所有相邻采样点进行如下处理，实现针对待预测土壤区域中采样点投影坐标的调整更新，使得相邻采样点之间的欧氏距离不小于d：若采样点p1与p2的欧氏距离小于d，以采样点p1为圆心，d为半径范围内的采样点个数为n1，以采样点p2为圆心，d为半径范围内的采样点个数为n2，若n1<n2，则调整p1的投影坐标，使采样点p1与采样点p2之间的欧氏距离为d+g；若n1≥n2，则调整p2的投影坐标，使采样点p1与采样点p2之间的欧氏距离为d+g；其中，d表示待预测土壤区域指定各个土壤信息指标的空间分辨率，g表示预设调整距离。4.根据权利要求2所述基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，所述步骤1b中，采用Z-score标准化方法针对Pred进行标准化，使其数据符合标准正态分布。5.根据权利要求2所述基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，所述步骤1f中，以采样点为抽取对象，由总数据集Data中提取对应于待选训练采样点集合中采样点所对应的数据，构建四个训练数据集，其中，各个训练数据集中向量行数分别为m，50％×m，25％×m，12％×m，其中，m表示待选训练采样点集合所对应采集点的个数。6.根据权利要求2所述基于土壤类型归并与多元回归的土壤锰含量预测方法，其特征在于，所述步骤2包括如下步骤：步骤2a.分别针对各个训练数据集，根据如下公式，分别计算获得训练数据集所对应各土壤类型级别下土壤锰含量的变异系数CVm；则由该训练数据集所对应各土壤类型级别下土壤锰含量的变异系数CVm，构建该训练数据集基于土壤类型级别的土壤锰含量变异系数数据集，即获得各个训练数据集分别基于土壤类型级别的土壤锰含量变异系数数据集CV_Soil_T；其中，SDm与Meanm为第m种土壤类型级别下土壤锰含量的标准偏差与平均值；步骤2b.分别针对各个训练数据集，针对训练数据集所对应各土壤类型级别的土壤数据，分别采用Duncan法进行多组样本间差异显著性分析，获得该训练数据集所对应的显著性分析结果，即获得各个训练数据集分别所对应的Duncan分析结果Dun_S；步骤2c.分别针对各个训练数据集，根据训练数据集所对应的Duncan分析结果Dun_S，以及该训练数据集所对应的不同土壤类型级别，针对该训练数...

【专利技术属性】
技术研发人员：宋效东，元野，吴华勇，刘峰，杨金玲，张甘霖，李德成，赵玉国，
申请(专利权)人：中国科学院南京土壤研究所，
类型：发明
国别省市：江苏,32