通过增加填充缺失值的土壤样本来增加耕地土壤散装密度的空间插值

科学领域:

• 土壤科学 土壤科学
• 地理空间分析的研究.
• 数据科学数据科学数据科学

背景情况:

• 准确地对土壤特性进行空间插值需要大量的数据集,但历史数据往往不完整.
• 缺少的土壤散密度 (BD) 值用于提高空间插值精度的有效性仍然不确定.

研究的目的:

• 评估不同模型在填补缺少的土壤BD数据时的准确性.
• 评估使用填写的 BD 数据对空间插值方法准确性的影响.
• 改善数据稀缺地区的土壤属性测绘.

主要方法:

• 进行比较的脚转移函数 (PTF),多重线性回归 (MLR),随机森林 (RF) 和辐射基函数神经网络 (RBFNN),用于赋值缺失的 BD 值.
• 利用来自中国四川盆地的2883个土壤BD样本来训练和验证模型.
• 应用普通 kriging (OK) 和逆距离权重 (IDW) 进行空间插值,使用原始和填写的 BD 数据.

主要成果:

• RBFNN在填写缺少的BD值方面表现出最高的准确性,显著改善R2并减少错误 (MAE,MRE,RMSE).
• 整合RBFNN填充的BD数据减少了OK和IDW方法的空间插值不确定性.
• 该方法有效地提高了土壤BD绘图的准确性.

结论:

• RBFNN模型是一种可靠的方法,用于赋予缺少的土壤BD数据,优于传统方法.
• 使用归算数据可以大大提高空间插值的准确性,减少土壤属性测绘中的不确定性.
• 这种方法在具有不完整历史土壤数据的地区为土壤绘制提供了有价值的解决方案.