一种基于协同克里金插值法的土壤锰元素含量预测方法技术

本发明专利技术公开了一种基于协同克里金插值法的土壤锰元素含量预测方法，采用协同克里金插值法来预测其含量。由于土壤中锰元素受其它较多因素的影响，所以本发明专利技术采用主成分分析法将这些影响因素组合成一个综合因子，进而将这个综合因子作为辅助变量对主变量锰元素进行协同克里金插值。首先收集了北京市房山区20个乡镇果园地、水浇地、菜地、灌溉水田和旱地这五种耕地类型的土壤重金属元素数据；然后使用方差分析法分析了这五种耕地类型对土壤中锰元素含量的影响；最后在不同的耕地类型下，运用协同克里金插值方法预测土壤中锰元素的含量，并根据标准平均值误差、均方根误差、标准化均方根对插值结果的精度进行分析。

【技术实现步骤摘要】
一种基于协同克里金插值法的土壤锰元素含量预测方法
本专利技术属于农业信息化
，涉及一种土壤金属元素含量预测方法，具体地说，涉及一种基于协同克里金插值法的土壤锰元素含量预测方法。
技术介绍
锰元素是植物生长的必要营养元素，能促进植物的光合作用，提高品质，并且能够促进植物的新陈代谢，增强磷和钙的吸收，提高植物的呼吸强度，但若锰含量过多会导致土壤重金属污染。因此，对锰元素含量的预测研究具有重要的现实意义。然而，目前研究只考虑单一因素作为辅助变量进行协同克里金插值，本专利技术在果园地、菜地、水浇地、灌溉水田和旱地这五种耕地类型下，利用主成分分析法将土壤锌、铁和铜三种金属元素组合成一个综合因素作为辅助变量对土壤锰元素含量进行协同克里金插值预测。土壤重金属数据一般通过采样点实测得到，但人力、物力、财力限制使得获取的采样点在数量和空间分布上及其有限。因此，若要了解区域尺度上土壤重金属空间分布，就需要对点尺度上的土壤重金属测量值进行空间插值。土壤重金属含量有很多预测方法，但插值结果受制于采样点数据的稀疏程度和空间均匀性，具有不确定性、离散性高，很难得到精确的插值效果。现有研究中，往往不重视空间数据分析、插值方法的筛选和插值参数的优化，且对其空间相关性和其他因素的影响考虑较少，不适的插值方法和插值参数会造成结果的偏差，使数据具有的某种空间变化趋势难以辨别。以往的研究一般将单一因素作为辅助变量考虑，而实际情况很多变量之间相互影响，将这些变量综合考虑，再运用协同克里金插值更有意义。
技术实现思路
本专利技术提出了一种基于协同克里金插值法的土壤锰元素含量预测方法，考虑多个因素作为辅助变量进行协同克里金插值。其技术方案如下：一种基于协同克里金插值法的土壤锰元素含量预测方法，包括以下步骤：步骤1、方差分析为了探讨耕地类型对土壤重金属含量的影响，使用方差分析法研究了果园地、菜地、水浇地、灌溉水田和旱地五种耕地类型对土壤重金属的影响。五种耕地类型为自变量，是分类型变量；重金属锌、铁、铜、锰、硼、硫的含量为因变量，是数值型变量。步骤2、协同克里金插值法使用协同克里金插值法Cokriging预测了土壤重金属锰的含量；为了解决协同克里金插值时土壤锌、铁、锰这三个金属辅助变量的权重问题，使用主成分分析法PCA将这三个存在相关性的变量通过降维技术转换为一个综合因子。然后，利用综合因子作为辅助变量对主变量锰进行协同克里金插值。根据主成分分析原理，将土壤中重金属Zn、Fe、Cu作为一个综合土壤重金属变量，主成分构成公式如下：Fi＝α1iZn+a2iFe+a3iCu式中，Fi为第i主成分变量，aji(j＝1，2，3)分别表示为第i主成分对应原始变量Zn、Fe、Cu的系数，度量了相应原始变量对Fi的重要性。Zn表示Zn的含量，Fe表示Fe的含量，Cu表示Cu的含量。综合因子的构成公式如下：Y＝∑λiFi式中，Y为综合因子，Fi为第i主成分，λi为主成分的贡献率。协同克里金法插值的计算公式如下：式中，Z*(l，k)0为(l，k)0处土壤重金属Mn含量的估值，n和m为主变量和辅助变量的采样点数，Z1(l，k)1i为各点土壤重金属Mn的含量，λi为赋予各点土壤重金属Mn含量的一组权重系数，且∑λi＝1；Z2(l，k)2j为各点土壤综合重金属含量，λi为赋予各点综合土壤重金属含量的一组权重系数。半方差函数公式如下：式中，Z1(l，k)为土壤中重金属Mn的含量值，Z2(l，k)为土壤中重金属综合金属含量值，且Z1(l，k)、Z2(l，k)在同一位置上，l+hl为与l距离为h的空间位置，k+hk为与k距离为h的空间位置。步骤3、估值验证及精度评价为了检验锰含量预测值的准确性，采用随机抽样的方式用80％的样本点作为训练集，20％的样本点数据作为测试集，用交叉验证方法对模型的精度进行检验，即锰含量的实测值与预测值之间的误差。采用(1)标准平均值误差MS表示评价结果的无偏性，其值越接近于0越好；(2)均方根误差RMSE是估值方法精确性的一种度量，值越小越好；(3)标准化均方根误差RMSSE其值应该越接近于1越好，小于1，说明对预测值高于真实值，大于1，则说明对预测值低于真实值；式中，Z(Xi)为实测值，Z(Xoi)为预测值，n为检验采样点的数值。σ(Xi)为在Xi处的方差平方根。步骤4、软件平台分析R3.3.1：基本统计分析，正态性检验，果园地土壤重金属锰含量的最优正态分布经Box-Cox数据变换的拟合参数λ＝0.36；旱地土壤重金属锰含量的最优正态分布经Box-Cox数据变换的拟合参数λ＝0.23；灌溉水田地土壤重金属锰含量数据经log转换为最优正态分布；水浇地土壤重金属锰含量的最优正态分布经Box-Cox数据变换的拟合参数λ＝0.3；菜地土壤重金属锰含量数据经log转换为最优正态分布；方差分析、相关性分析和主成分分析。ArcGIS10.2.2：地统计学分析，构建变异函数、Cokriging插值。进一步，采用2个半方差函数的模型来求解模型，即2个计算模型方程分布为：(1)球形计算模型式中，c为偏基台值，表示半方差函数在h大于变程时的值；a为变程，表示区域化变量在空间上相关性的范围；h表示为模型计算滞后系数。(2)指数计算模型式中，c为偏基台值，表示半方差函数在h大于变程时的值；a为变程，表示区域化变量在空间上相关性的范围；h表示为模型计算滞后系数。根据无偏最优估计和∑λi＝1得：式中，Cij＝C(0)-γ(h)，(i，j＝1，2......n)，C(0)为基台值，表示半方差函数在h大于变程时的值，是块金值c0和提高的和，提高表示在取得有用数据标准上时，可观测得到的变异幅度大小；块金值c0表示在很短距离内有较大的空间变异性，不论h多小，两个随机变量之间不相关为0时的值。从而得到一组权重系数λi值，估算出Z*(l，k)0。本专利技术的有益效果为：本专利技术通对过模型精度的结果验证分析，得出本方法对土壤锰元素含量预测的准确度更高。因而，基于协同克里金法土壤金属锰含量的预测具有重要的实际意义。附图说明图1基于协同克里金插值法的土壤锰元素含量预测方法的流程图；图2研究区样本分布图；图3基于Cokriging法的各耕地类型土壤锰预测分布图，其中：a)果园地；b)菜地；c)水浇地；d)灌溉水田；e)旱地。具体实施方式下面结合附图和具体实施方式对本专利技术的技术方案作进一步详细地说明。如图1所示。1.数据与方法1.1数据1.1.1研究区概况北京市房山区位于东经115°25′—116°10′与北纬39°30′—39°50′之间，属于暖温带半湿润季风大陆性气候区，境内地貌较为复杂，山区与平原之间相对高差悬殊，气候也有明显的差异。由于经常受到强烈的人为活动和自然生态过程的影响，区域内土壤有较强的变异空间。全区主要有五种地物类型，分别是菜地、果园地、旱地、水浇地和灌溉水田(图2)。1.1.2数据来源本研究收集了北京市房山区1497个样本点，其中果园地390个样本点，水浇地755个样本点，菜地53个样本点，灌溉水田21个样本点，旱地278个样本点，样本点数据包括样本点的经纬度，土壤锌、铁、铜、锰、硼和硫的含量。1.2方法1.2.1方差分析为了探讨耕地类型对土壤重金属含量的影响，本专利技术使用方差分析法研本文档来自技高网...

【技术保护点】
一种基于协同克里金插值法的土壤锰元素含量预测方法，其特征在于，包括以下步骤：步骤1、方差分析为了探讨耕地类型对土壤重金属含量的影响，使用方差分析法研究了北京市房山区果园地、菜地、水浇地、灌溉水田和旱地五种耕地类型对土壤重金属的影响；五种耕地类型为自变量，是分类型变量；重金属锌、铁、铜、锰、硼、硫的含量为因变量，是数值型变量；步骤2、协同克里金插值法使用协同克里金插值法Cokriging预测了土壤重金属锰的含量；为了解决协调克里金插值时土壤重金属锌、铁、锰这三个辅助变量的权重问题，使用主成分分析法PCA将这三个存在相关性的变量通过降维技术转换为一个综合因子；然后利用综合因子作为辅助变量对主变量锰进行协同克里金插值；根据主成分分析原理，将土壤中重金属Zn、Fe、Cu作为一个综合土壤重金属变量，主成分构成公式如下：Fi＝a1iZn+a2iFe+a3iCu式中，Fi为第i主成分变量，aji(j＝1，2，3)分别表示为第i主成分对应原始变量Zn、Fe、Cu的系数，度量了相应原始变量对Fi的重要性；Zn表示Zn的含量，Fe表示Fe的含量，Cu表示Cu的含量；综合因子的构成公式如下：Y＝∑λiFi式中，Y为综合因子，Fi为第i主成分，λi为主成分的贡献率；协同克里金法插值的计算公式如下：...

【技术特征摘要】
1.一种基于协同克里金插值法的土壤锰元素含量预测方法，其特征在于，包括以下步骤：步骤1、方差分析为了探讨耕地类型对土壤重金属含量的影响，使用方差分析法研究了北京市房山区果园地、菜地、水浇地、灌溉水田和旱地五种耕地类型对土壤重金属的影响；五种耕地类型为自变量，是分类型变量；重金属锌、铁、铜、锰、硼、硫的含量为因变量，是数值型变量；步骤2、协同克里金插值法使用协同克里金插值法Cokriging预测了土壤重金属锰的含量；为了解决协调克里金插值时土壤重金属锌、铁、锰这三个辅助变量的权重问题，使用主成分分析法PCA将这三个存在相关性的变量通过降维技术转换为一个综合因子；然后利用综合因子作为辅助变量对主变量锰进行协同克里金插值；根据主成分分析原理，将土壤中重金属Zn、Fe、Cu作为一个综合土壤重金属变量，主成分构成公式如下：Fi＝a1iZn+a2iFe+a3iCu式中，Fi为第i主成分变量，aji(j＝1，2，3)分别表示为第i主成分对应原始变量Zn、Fe、Cu的系数，度量了相应原始变量对Fi的重要性；Zn表示Zn的含量，Fe表示Fe的含量，Cu表示Cu的含量；综合因子的构成公式如下：Y＝∑λiFi式中，Y为综合因子，Fi为第i主成分，λi为主成分的贡献率；协同克里金法插值的计算公式如下：式中，Z*(l，k)0为(l，k)0处土壤重金属Mn含量的估值，n和m为主变量和辅助变量的采样点数，Z1(l，k)1i为各点土壤重金属Mn的含量，λi为赋予各点土壤重金属Mn含量的一组权重系数，且∑λi＝1；Z2(l，k)2j为各点土壤综合重金属含量，λi为赋予各点综合土壤重金属含量的一组权重系数；半方差函数公式如下：式中，Z1(l，k)为土壤中重金属Mn的含量值，Z2(l，k)为土壤中重金属综合金属含量值，且Z1(l，k)、Z2(l，k)在同一位置上，l+hl为与l距离为h的空间位置，k+hk为与k距离为h的空间位置；步骤3、估值验证及精度评价为了检验锰含量预测值的准确性，采用随机抽样的方式用80％的样本点作为训练集，20％的样本点数据作为测试集，用交叉验证方法对模型的精度进行检验，即锰含量的实测值与预测值之间的误差；采用(1)标准平均值误差MS表示评价结果的无偏性，其值越接近于0越好；(2)均方根误差RMSE是估值方...

【专利技术属性】
技术研发人员：赵晋陵，梁栋，姜燕，高文武，黄林生，阮莉敏，徐超，翁士状，张东彦，洪琪，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34