基于BME和NNE法的農(nóng)田土壤水分和養(yǎng)分空間插值.pdf

1、精準(zhǔn)農(nóng)業(yè)強(qiáng)調(diào)通過對農(nóng)田資源的分布式調(diào)控，盡可能均衡、合理地利用其生產(chǎn)潛力，獲取盡可能高的經(jīng)濟(jì)產(chǎn)量或顯著的社會效益。掌握農(nóng)田土壤水分和養(yǎng)分的空間分布規(guī)律是分布式調(diào)控的前提條件，而基于有限的采樣數(shù)據(jù)進(jìn)行空間插值則是掌握農(nóng)田土壤水分和養(yǎng)分變異規(guī)律的有效途徑，對于實現(xiàn)農(nóng)田的精確灌溉和變量施肥具有重要意義。
　　本文以江蘇省揚(yáng)州市北部某農(nóng)田上161個采樣點的含水量、全氮量、有機(jī)質(zhì)、堿解氮、速效鉀、速效磷含量為例，針對研究區(qū)土壤變量的空間變異

2、特征，結(jié)合所采用的空間插值方法的特點，開展了如下研究:①利用研究區(qū)不同田塊之間土壤特性差異顯著、同一田塊無顯著差異的特點，用同一田塊內(nèi)土壤變量的分布特征表達(dá)待估點估值的不確定性（即構(gòu)造軟數(shù)據(jù)）,并將此軟數(shù)據(jù)和實測硬數(shù)據(jù)結(jié)合，利用現(xiàn)代地質(zhì)統(tǒng)計學(xué)方法——貝葉斯最大熵法(BME)模擬土壤變量的空間分布（該方法以下簡稱MVBME法）;②利用神經(jīng)網(wǎng)絡(luò)方法良好的非線性表達(dá)能力，借助集成神經(jīng)網(wǎng)絡(luò)系統(tǒng)估計待估點的不確定性（即構(gòu)造軟數(shù)據(jù)），并將其結(jié)果融入

3、BME法中，用融入該軟數(shù)據(jù)的BME法（以下簡稱NNEBME法）模擬土壤變量的空間分布。③采取多種隨機(jī)抽樣方案（建模樣本和驗證樣本），將以上空間模擬結(jié)果分別與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)法(RBF)、集成神經(jīng)網(wǎng)絡(luò)法(NNE)、普通克立格法(OK)、殘差克立格法(RK)的估值結(jié)果進(jìn)行比較。得出的主要研究結(jié)果如下:
　　1)研究區(qū)內(nèi)土壤含水量呈弱變異性，養(yǎng)分均屬中等程度變異。且研究區(qū)內(nèi)整個試驗田的變異性比單塊要大很多，不同田塊之間土壤特性差異達(dá)到

4、極顯著，同一田塊多屬無顯著性差異。
　　2)特異值處理前，含水量、全氮量、有機(jī)質(zhì)、堿解氮都近似服從正態(tài)分布，速效鉀與速效磷不服從正態(tài)分布，處理特異值后土壤水分及養(yǎng)分的空間分布均近似服從正態(tài)分布。
　　3) MVBME法對研究區(qū)內(nèi)土壤水分與養(yǎng)分進(jìn)行空間插值，并將結(jié)果與RBF法、RK法和OK法的插值結(jié)果進(jìn)行比較得出:MVBME法的平均誤差(ME)為四種插值方法中最小，估計方差(MSE)相較RBF法能降低23.77％～69.14％

5、;相比較RK法，能降低0.41％～56.17％;與OK法相比，MVBME法能使有機(jī)質(zhì)、堿解氮、速效鉀、速效磷的MSE降低6.24％～52.37％，水分與全氮量在大部分情況下能降低10.25％～38.18％。四種插值方法里,MVBME法最接近于無偏估計，且對變量空間波動程度反映最精確。
　　4)NNEBME法對研究區(qū)土壤含水量與養(yǎng)分進(jìn)行空間差值，其結(jié)果與NNE法、RK法和OK法進(jìn)行比較得出:對于不同的土壤變量，NNEBME法估值的M

6、E最接近于零，近似無偏估計;與NNE法比較,MSE縮小1.64％～45.20％，與OK法、RK法比較，除土壤水分外，NNEBME法使MSE縮小0～40.05％;并且隨著已知點（即建模數(shù)據(jù)樣本容量）個數(shù)的減少，NNEBME法的插值優(yōu)勢更為突出;MSE的組成分析表明，NNEBME法對變量均值的估計與波動程度的描述更為精確。
　　本文利用農(nóng)田土壤變量的空間變異特征和估值方法的特點，構(gòu)建了能為BME法有效利用的軟數(shù)據(jù)，不僅拓展了現(xiàn)代地質(zhì)統(tǒng)