人工神经网络及其与地统计的混合模型在小面积丘陵区土壤有机碳预测制图上的应用研究

摘要：

当前,随着大数据和人工智能的快速发展,深度学习也逐渐被引人数字土壤制图(DSM)研究中.作为深度学习的重要基础之一,人工神经网络(ANN)在DSM中的应用已比较广泛.然而,ANN在40 km2以下的小区域上应用较少,且与其它常用模型的比较研究还不多.因此,在不同的情况下,还没有充分的依据来选用复杂的ANN及其与地统计的混合模型,还是简单的多元线性回归(MLR)、随机森林(RF)、普通克里格(OK)、回归克里格(RK)等方法进行土壤制图.为此,本文以广西高峰林场内一地形变异明显的小区域(面积约3.03 km2)为研究区,以13个地形因子和1个植被因子作为辅助变量,用ANN中常用的径向基神经网络(RBFNN)及其与OK相结合的模型(RBFNN-OK),对土壤有机碳(SOC)含量的空间分布进行预测,并与MLR、RF、OK、RK方法所得结果相比较.结果表明,与其他方法相比,RBFNN-OK和RBFNN在独立随机样本的验证集上预测准确性明显偏低;RBFNN-OK及RBFNN模型预测值的均方根误差值(RMSE)分别为6.57 g kg-1和6.26 g kg-1,比MLR、RF、OK、RK高26.54％～31.17％.这可能是因为在小区域上,基于小样本的RBFNN模型泛化能力降低,以至于对训练集以外的样点预测准确性较差.因此,可以认为以RBFNN为典型的ANN及其与地统计的混合模型在小样本、小区域的DSM中适用性可能较差.

关键词：神经网络、数字土壤制图、克里格、土壤有机碳

所属期刊栏目：51

分类号：K903(地理学)

资助基金：国家自然科学基金项目;土壤与农业可持续发展国家重点实验室基金项目;中央高校基本科研业务费专项资金项目

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1313-1322