[发明专利]一种基于土壤传递函数的目标土壤性质含量预测方法

权利要求书

1.一种基于土壤传递函数的目标土壤性质含量预测方法，用于实现目标区域中目标土壤性质含量的预测，其特征在于，包括如下步骤：

步骤A.基于已有土壤数据，选择目标区域中满足对应预设各土壤物理化学性质的数据值均为非空要求的各个采样点位置，并以该各采样点位置的最小外接多边形，构成一级区域，且该各采样点位置作为一级区域所对应的各采样点位置，预设各土壤物理化学性质中包含目标土壤性质，定义目标土壤性质为土壤因变量，除目标土壤性质以外的各土壤物理化学性质构成土壤自变量集合，然后进入步骤B；

步骤B.获得覆盖一级区域、与土壤因变量相关各指定环境变量的图层，分别针对一级区域所对应的各采样点位置，提取采样点位置所对应各指定环境变量的数据值，并将该各指定环境变量加入土壤自变量集合中，实现对土壤自变量集合的更新,然后进入步骤C；

步骤C.删除土壤自变量集合中引起多重共线性的各自变量、以及与土壤因变量相关性结果低于预设相关性显著差异阈值的各自变量，实现对土壤自变量集合的更新，然后进入步骤D；

步骤D.针对一级区域所对应的各采样点位置，采用逐步多元线性回归模型，基于预设迭代次数，训练采样点位置土壤因变量数据值与土壤自变量集合中各土壤自变量数据值之间的线性关系，分别获取每次迭代训练中所筛选的临时最优自变量集合，并统计不同临时最优自变量集合分别被选中的次数；待完成预设迭代次数的训练后，将被选中次数最高的临时最优自变量集合作为一级区域所对应的最优自变量集合，并进入步骤E；

步骤E.获得覆盖一级区域的预设属性土壤区域的划分图层，并针对一级区域所对应的各采样点位置，提取该各采样点位置分别所在该预设属性下的土壤划分区域，基于该各采样点位置的土壤因变量的数据值，分析获得该不同土壤划分区域之间对应土壤因变量的差异性结果，若该各差异性结果均不大于预设显著差异阈值，则进入步骤G；若该各差异性结果中存在大于预设显著差异阈值的差异性结果，则针对其中差异性结果不大于预设显著差异阈值的不同土壤划分区域进行合并，并结合未合并的各土壤划分区域，构成各个二级区域，以及基于一级区域所对应的各采样点位置，获得各个二级区域分别所对应的各采样点位置，然后进入步骤F；

步骤F.分别针对各个二级区域，采用步骤D的方法，获得各个二级区域分别所对应的最优自变量集合，并进入步骤G；

步骤G.针对一级区域所对应的各采样点位置，训练土壤因变量数据值与对应最优自变量集合中各自变量数据值之间的线性回归模型、非线性回归模型，并获得该线性回归模型的确定系数、以及非线性回归模型的确定系数，即一级区域所对应的线性回归模型确定系数R_OLS、以及非线性回归模型确定系数R_NLS；

进一步若不存在二级区域，则直接进入步骤H；若存在二级区域，则分别针对各个二级区域，训练对应各采样点位置土壤因变量数据值与对应最优自变量集合中各自变量数据值之间的线性回归模型、非线性回归模型，并获得该线性回归模型的确定系数、以及非线性回归模型的确定系数，进而获得各二级区域分别所对应的线性回归模型确定系数、以及非线性回归模型确定系数，并进一步获得所有二级区域所对应的线性回归模型确定系数的均值R_OLS_mean、以及非线性回归模型确定系数的均值R_NLS_mean；然后进入步骤H；

步骤H.若不存在二级区域，则进入步骤I；

若存在二级区域，当R_OLS均大于R_OLS_mean、R_NLS_mean，或者R_NLS均大于R_OLS_mean、R_NLS_mean，则进入步骤I；

当R_OLS_mean均大于R_OLS、R_NLS，或者R_NLS_mean均大于R_OLS、R_NLS，则进入步骤M；步骤I.基于一级区域所对应的各个采样点位置、以及所对应的最优自变量集合，根据该各采样点位置分别对应该最优自变量集合中各土壤物理化学性质的数据值，获得该最优自变量集合中各土壤物理化学性质分别基于步骤B中全部指定环境变量的预测模型；然后结合步骤B中各指定环境变量图层，获得该最优自变量集合中各土壤物理化学性质分别对应一级区域的空间分布预测图层，然后进入步骤J；

步骤J.将一级区域所对应最优自变量集合中各土壤物理化学性质的空间分布预测图层、与该最优自变量集合中各环境变量对应一级区域的图层进行合并，构成一级区域所对应最优自变量图层集合，然后进入步骤K；

步骤K.若R_OLS≥R_NLS，则针对一级区域所对应的各采样点位置，由一级区域所对应最优自变量图层集合中提取各自变量数据值，并训练其与土壤因变量数据值之间的线性回归模型，构成一级区域预测模型，并进入步骤L；

若R_NLSR_OLS，则针对一级区域所对应的各采样点位置，由一级区域所对应最优自变量图层集合中提取各自变量数据值，并训练其与土壤因变量数据值之间的非线性回归模型，构成一级区域预测模型，并进入步骤L；

步骤L.根据一级区域所对应最优自变量图层集合，应用一级区域预测模型，获得土壤因变量空间分布图，即目标区域中目标土壤性质空间分布图，实现目标区域中目标土壤性质含量的预测；

步骤M.分别针对各个二级区域，采用步骤I至步骤J的方法，获得各二级区域分别所对应最优自变量图层集合，然后进入步骤N；

步骤N.若R_OLS_mean≥R_NLS_mean，则分别针对各个二级区域，针对二级区域所对应各采样点位置，由该二级区域所对应最优自变量图层集合中提取各自变量数据值，并训练其与土壤因变量数据值之间的线性回归模型，构成该二级区域预测模型；进而获得各个二级区域预测模型，并进入步骤O；

若R_NLS_meanR_OLS_mean，则分别针对各个二级区域，针对二级区域所对应各采样点位置，由该二级区域所对应最优自变量图层集合中提取各自变量数据值，并训练其与土壤因变量数据值之间的非线性回归模型，构成该二级区域预测模型；进而获得各个二级区域预测模型，并进入步骤O；

步骤O.分别针对各个二级区域，根据二级区域所对应最优自变量图层集合，应用该二级区域预测模型，获得该二级区域中土壤因变量空间分布图；进而获得各二级区域中土壤因变量空间分布图，通过组合构成目标区域中目标土壤性质空间分布图，实现目标区域中目标土壤性质含量的预测。