[发明专利]一种基于协同克里金插值法的土壤锰元素含量预测方法

说明书

本发明公开了一种基于协同克里金插值法的土壤锰元素含量预测方法，采用协同克里金插值法来预测其含量。由于土壤中锰元素受其它较多因素的影响，所以本发明采用主成分分析法将这些影响因素组合成一个综合因子，进而将这个综合因子作为辅助变量对主变量锰元素进行协同克里金插值。首先收集了北京市房山区20个乡镇果园地、水浇地、菜地、灌溉水田和旱地这五种耕地类型的土壤重金属元素数据；然后使用方差分析法分析了这五种耕地类型对土壤中锰元素含量的影响；最后在不同的耕地类型下，运用协同克里金插值方法预测土壤中锰元素的含量，并根据标准平均值误差、均方根误差、标准化均方根对插值结果的精度进行分析。

技术领域

本发明属于农业信息化技术领域，涉及一种土壤金属元素含量预测方法，具体地说，涉及一种基于协同克里金插值法的土壤锰元素含量预测方法。

背景技术

锰元素是植物生长的必要营养元素，能促进植物的光合作用，提高品质，并且能够促进植物的新陈代谢，增强磷和钙的吸收，提高植物的呼吸强度，但若锰含量过多会导致土壤重金属污染。因此，对锰元素含量的预测研究具有重要的现实意义。然而，目前研究只考虑单一因素作为辅助变量进行协同克里金插值，本发明在果园地、菜地、水浇地、灌溉水田和旱地这五种耕地类型下，利用主成分分析法将土壤锌、铁和铜三种金属元素组合成一个综合因素作为辅助变量对土壤锰元素含量进行协同克里金插值预测。

土壤重金属数据一般通过采样点实测得到，但人力、物力、财力限制使得获取的采样点在数量和空间分布上及其有限。因此，若要了解区域尺度上土壤重金属空间分布，就需要对点尺度上的土壤重金属测量值进行空间插值。土壤重金属含量有很多预测方法，但插值结果受制于采样点数据的稀疏程度和空间均匀性，具有不确定性、离散性高，很难得到精确的插值效果。现有研究中，往往不重视空间数据分析、插值方法的筛选和插值参数的优化，且对其空间相关性和其他因素的影响考虑较少，不适的插值方法和插值参数会造成结果的偏差，使数据具有的某种空间变化趋势难以辨别。以往的研究一般将单一因素作为辅助变量考虑，而实际情况很多变量之间相互影响，将这些变量综合考虑，再运用协同克里金插值更有意义。

发明内容

本发明提出了一种基于协同克里金插值法的土壤锰元素含量预测方法，考虑多个因素作为辅助变量进行协同克里金插值。

其技术方案如下：

一种基于协同克里金插值法的土壤锰元素含量预测方法，包括以下步骤：

步骤1、方差分析

为了探讨耕地类型对土壤重金属含量的影响，使用方差分析法研究了果园地、菜地、水浇地、灌溉水田和旱地五种耕地类型对土壤重金属的影响。五种耕地类型为自变量，是分类型变量；重金属锌、铁、铜、锰、硼、硫的含量为因变量，是数值型变量。

步骤2、协同克里金插值法

使用协同克里金插值法Cokriging预测了土壤重金属锰的含量；为了解决协同克里金插值时土壤锌、铁、锰这三个金属辅助变量的权重问题，使用主成分分析法PCA将这三个存在相关性的变量通过降维技术转换为一个综合因子。然后，利用综合因子作为辅助变量对主变量锰进行协同克里金插值。

根据主成分分析原理，将土壤中重金属Zn、Fe、Cu作为一个综合土壤重金属变量，主成分构成公式如下：

F_i＝a_1iZn+a_2iFe+a_3iCu

式中，F_i为第i主成分变量，a_ji(j＝1，2，3)分别表示为第i主成分对应原始变量Zn、Fe、Cu的系数，度量了相应原始变量对F_i的重要性。Zn表示Zn的含量，Fe表示Fe的含量，Cu表示Cu的含量。

综合因子的构成公式如下：