[发明专利]一种表层土壤氮素分布的预测方法

权利要求书

1.一种表层土壤氮素分布的预测方法，包括以下步骤：

(1)数据获取：所述数据包括实测土样数据、遥感数据和地面辅助变量；所述地面辅助变量包括自然因素和人为因素：所述地面辅助变量的获取：在进行获取实测土样数据时记录研究区的地理坐标和海拔高度，记录样点所在的环境信息；所述自然因素包括成土母质、土壤质地、土壤结构和土壤类型；所述人为因素包括土地利用方式、有机质含量与施肥量；所述地面辅助变量按照以下方式进行处理后带入预设的模型：所述有机质含量与施肥量作为定量化数据，直接参与建模部分；

式I；

所述的式I中，x_Z为输入层的第z个输入样本，y_Z为输出层的第z个输出值，w_ij为连接输入层节点i与隐含层节点j的权值，v_kj为连接输出层节点k与隐含层节点j的权值，为Morlet小波函数，其中a和b分别为第j隐含层节点的伸缩和平移系数，n、h和m分别为为输入层、隐含层和输出层节点个数，σ为Sigmoid函数；

所述成土母质、土壤质地、土壤结构、土壤类型以及土地利用方式作为非定量因子，看作虚拟变量处理，根据各指标表层土壤氮素含量均指由高到低排序并赋值，将非定量数据转化为定量数据；

(2)将所述步骤(1)获取的数据代入预设的模型中，运算得到表层土壤氮素的空间分布，所述模型为小波神经网络耦合模型，所述小波神经网络耦合模型由小波分析结合神经网络模型建立得到：以梯度下降BP学习算法为小波神经网络耦合模型算法基础，以BP网络模型的三层基本结构为小波神经网络耦合模型的结构基础；所述的三层基本结构包括输入层、输出层和隐含层；所述的输入层为地面辅助变量和遥感影像8个波段遥感数据值，所述输入层的数值均进行归一化或标准化处理；所述的输出层为样点土壤氮素含量值；所述的隐含层为Morlet小波函数，所述隐含层的阈值为小波基函数的平移参数；所述的输入层与所述隐含层之间的权值为小波基函数的尺度参数。

2.根据权利要求1所述表层土壤氮素分布的预测方法，其特征在于，所述实测土样数据的获取方法包括以下步骤：

以研究区地形图、土地利用现状图和土壤类型分布图为辅助信息，以代表性和均匀性为采样原则，结合地形信息和土壤类型信息进行土壤样点布设，在每个样点处采用多点混合方法采集得到土壤样品；

对所述土壤样品进行检测，得到土壤有机质和碱解氮含量以及土壤全氮含量。

3.根据权利要求1所述表层土壤氮素分布的预测方法，其特征在于，所述遥感数据获得包括以下步骤：

(a)获取野外采样时间前后1～2月时期内遥感影像；

(b)对步骤(a)中所得到的遥感影像依次进行区域裁剪、几何校正处理、滤波处理消除遥感影像上的噪声和提取各波段像元灰度值，得到遥感数据。

4.根据权利要求3所述表层土壤氮素分布的预测方法，其特征在于，所述遥感影像上的噪声来自微地形、地物阴影、地表纹理差异和成像过程中的一种或多种情况。