一种土壤采样方法、系统、存储介质和电子设备技术方案

本发明专利技术涉及土壤采样技术领域，尤其涉及一种土壤采样方法、系统、存储介质和电子设备，方法包括：构建待采样区域的土壤所对应的特征空间目标函数和地理空间目标函数；基于特征空间目标函数和地理空间目标函数，利用多目标优化算法确定采样点分布，首先，通过构建特征空间目标函数和地理空间目标函数，兼顾采样点在特征空间和地理空间的分布，然后，采用多目标优化算法确定最终的采样点分布，实现了一种科学的土壤采样方法，有助于对土壤的有机质进行精确分析，为提高土壤肥力、提高土壤质量及作物产量提供数据支持。产量提供数据支持。产量提供数据支持。

【技术实现步骤摘要】
一种土壤采样方法、系统、存储介质和电子设备


[0001]本专利技术涉及土壤采样
，尤其涉及一种土壤采样方法、系统、存储介质和电子设备。

技术介绍

[0002]土壤空间采样设计是土壤有机质含量空间分布定量表达首先要面临的问题。土壤有机质含量数据点面拓展的空间预测方法也是影响预测性制图精度的重要因子之一，因此，建立科学的土壤采样布点及空间预测方法对于降低土壤采样成本、提高预测制图精度等具有重要的意义。而土壤有机质是保持土壤肥力、提高土壤质量及作物产量的关键因子。揭示土壤有机质含量的空间变异特征及空间分布规律对于土壤资源的高效科学管理和可持续利用具有重要的理论和现实意义。

技术实现思路

[0003]本专利技术所要解决的技术问题是针对现有技术的不足，提供了一种土壤采样方法、系统、存储介质和电子设备。
[0004]本专利技术的一种土壤采样方法的技术方案如下：
[0005]构建待采样区域的土壤所对应的特征空间目标函数和地理空间目标函数；
[0006]基于特征空间目标函数和地理空间目标函数，利用多目标优化算法确定采样点分布。
[0007]本专利技术的一种土壤采样方法的有益效果如下：
[0008]首先，通过构建特征空间目标函数和地理空间目标函数，兼顾采样点在特征空间和地理空间的分布，然后，采用多目标优化算法确定最终的采样点分布，实现了一种科学的土壤采样方法，有助于对土壤的有机质进行精确分析，为提高土壤肥力、提高土壤质量及作物产量提供数据支持。
[0009]本专利技术的一种土壤采样系统的技术方案如下：
[0010]包括构建模块和确定模块；
[0011]所述构建模块用于：构建待采样区域的土壤所对应的特征空间目标函数和地理空间目标函数；
[0012]所述确定模块用于：基于特征空间目标函数和地理空间目标函数，利用多目标优化算法确定采样点分布。
[0013]本专利技术的一种土壤采样系统的有益效果如下：
[0014]首先，通过构建特征空间目标函数和地理空间目标函数，兼顾采样点在特征空间和地理空间的分布，然后，采用多目标优化算法确定最终的采样点分布，实现了一种科学的土壤采样方法，有助于对土壤的有机质进行精确分析，为提高土壤肥力、提高土壤质量及作物产量提供数据支持。
[0015]本专利技术的一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，
使所述计算机执行上述任一项所述的一种土壤采样方法。
[0016]本专利技术的一种电子设备，包括处理器和上述的存储介质，所述处理器执行所述存储介质中的指令。
附图说明
[0017]图1为本专利技术实施例的一种土壤采样方法的流程示意图；
[0018]图2两个变量的拉丁超立方体；
[0019]图3为格网采样目标的示意图；
[0020]图4为估计精度——样本量变化曲线的示意图；
[0021]图5为模拟空间多路退火方法的流程示意图；
[0022]图6为NDVI数据的示意图；
[0023]图7为坡度数据的示意图；
[0024]图8为DEM数据的示意图；
[0025]图9为地形湿度指数数据的示意图；
[0026]图10为土地利用数据的示意图；
[0027]图11为土壤类型数据的示意图；
[0028]图12年均温数据的示意图；
[0029]图13为年均降水量数据的示意图；
[0030]图14为误差曲线示意图；
[0031]图15为30个采样点分布情况示意图；
[0032]图16为200个采样点分布情况示意图；
[0033]图17为400个采样点分布情况示意图；
[0034]图18为插值预测的结果以及土壤有机质含量的示意图；
[0035]图19为30个采样点有机质插值结果的示意图；
[0036]图20为200个采样点有机质插值结果的示意图；
[0037]图21为300个采样点有机质插值结果的示意图；
[0038]图22为10个采样点的分布示意图；
[0039]图23为20个采样点的分布示意图；
[0040]图24为30个采样点的分布示意图；
[0041]图25为40个采样点的分布示意图；
[0042]图26为50个采样点的分布示意图；
[0043]图27为60个采样点的分布示意图；
[0044]图28为70个采样点的分布示意图；
[0045]图29为80个采样点的分布示意图；
[0046]图30为90个采样点的分布示意图；
[0047]图31为100个采样点的分布示意图；
[0048]图32为200个采样点的分布示意图；
[0049]图33为300个采样点的分布示意图；
[0050]图34为400个采样点的分布示意图；
[0051]图35为500个采样点的分布示意图；
[0052]图36为本专利技术实施例的一种土壤采样系统的结构示意图；
具体实施方式
[0053]如图1所示，本专利技术实施例的一种土壤采样方法，包括如下步骤：
[0054]S1、构建待采样区域的土壤所对应的特征空间目标函数和地理空间目标函数；
[0055]S2、基于特征空间目标函数和地理空间目标函数，利用多目标优化算法确定采样点分布。
[0056]S1中，构建所述特征空间目标函数的过程包括：
[0057]S10、采用条件拉丁超立方体方法对所述待采样区域的土壤进行多维特征空间分层，得到多维特征空间分层结果，并根据所述多维特征空间分层结果构建所述特征空间目标函数。
[0058]拉丁超立方体采样方法能够根据各个变量的累积概率函数对变量的特征空间依据概率均匀覆盖。拉丁超立方体采样方法分为如下三步：
[0059]1)对于K个变量X1，X2,
…
X
k
，依据概率累积函数将每个变量分成多个等概率的区间，在每个等概率的区间内随机选取一个累积概率值；
[0060]2)根据累积概率函数的反函数计算该值对应的变量值；
[0061]3)将每个变量得到的多个值随机或按照一定的规则配对，形成均匀覆盖特征空间的采样。具体地：
[0062]如图2所示为两个变量的拉丁超立方体采样：
[0063]首先，对X1和X2的概率累积函数进行均匀的分层；
[0064]然后，使用X1和X2的分层累积概率形成的均匀网格内进行采样，使得每一维的每一个概率累积区间里有一个样本，根据概率累积函数的反函数分别求出X1和X2概率空间中的样本所对应的特征值，如图2a和图2d所示，然后由特征值组对形成辅助变量特征空间中的样本，如图2b和图2c所示。
[0065]但是由于在地表基质调查中，对象的各种观测值是不变的，是联合条件概率分布中的一次实现，所以拉丁超立方体中的确定的辅助变量特征值向量并不一定在目标区域的多维辅助变量特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种土壤采样方法，其特征在于，包括：构建待采样区域的土壤所对应的特征空间目标函数和地理空间目标函数；基于所述特征空间目标函数和所述地理空间目标函数，利用多目标优化算法确定采样点分布。2.根据权利要求1所述的一种土壤采样方法，其特征在于，构建所述特征空间目标函数的过程包括：采用条件拉丁超立方体方法对所述待采样区域的土壤进行多维特征空间分层，得到多维特征空间分层结果，并根据所述多维特征空间分层结果构建所述特征空间目标函数。3.根据权利要求2所述的一种土壤采样方法，其特征在于，构建所述地理空间目标函数的过程包括：将所述待采样区域对应的几何模型进行网格划分，并确保每个网格中落入至少一个采样点，根据采样点在网格中的分布，构建地理空间目标函数。4.根据权利要求3所述的一种土壤采样方法，其特征在于，所述利用多目标优化算法确定采样点分布，包括：利用多目标优化算法确定的每个采样点在多维特征空间分层结果中的分层位置，以及确定每个采样点在网格划分的几何模型中的空间位置，根据每个采样点的分层位置和空间位置确定所述采样点分布。5.根据权利要求1至4任一项所述的一种土壤采样方法，其特征在于，所述多目标优化算法为模拟空间...

【专利技术属性】
技术研发人员：杨柯，高秉博，郝国杰，邢卫国，孙岐发，杨华本，段明新，冯嘉，赵喜东，姜楠，于俊博，
申请(专利权)人：中国地质调查局哈尔滨自然资源综合调查中心，
类型：发明
国别省市：