[发明专利]一种基于特征集成学习的土壤厚度类型预测方法

权利要求书

1.一种基于特征集成学习的土壤厚度类型预测方法，其特征在于：按如下步骤A至步骤F，获得目标区域所对应的土壤厚度集成预测模型、及相应精度，以及获得目标区域所对应的土壤深度区间集成预测模型、及相应精度；然后按步骤i至步骤iii，获得目标区域所对应的土壤厚度区间空间分布；

步骤A.基于目标区域中对应不同土地类型的预设各样点位置，由各样点位置的土壤厚度数值，分别构成各样点位置的土壤厚度数据特征向量，进而由各样点位置的土壤厚度数据特征向量，构成连续型土壤厚度数据集ConDep；

同时基于预设由小至大或由大至小依次排序各土壤厚度阈值、所划分的各个土壤深度区间，获得各样点位置土壤厚度数值所对应的土壤深度区间，构成各样点位置的土壤深度区间特征向量，进而由各样点位置的土壤深度区间特征向量，构成离散型土壤深度区间数据集DisDep；然后进入步骤B；

步骤B.获得覆盖目标区域的预设各环境变量的数据，并采用重采样方法，获得目标区域在各样点位置分布所对应分辨率Res网格划分下、各网格分别对应各环境变量的数据，然后进入步骤C；

步骤C.基于目标区域中各网格分别对应各环境变量的数据，即获得各样点位置分别对应各环境变量的数据，依据各环境变量与土壤厚度数值之间的相关性，确定各环境变量中与土壤厚度数值相关的各个最优环境变量，组成目标环境变量组，然后进入步骤D；

步骤D.基于目标区域中各网格分别对应各环境变量的数据，将各样点位置分别对应目标环境变量组中各最优环境变量的数据，分别添加至对应样点位置的土壤厚度数据特征向量中进行更新，进而更新连续型土壤厚度数据集ConDep；

同时，将各样点位置分别对应目标环境变量组中各最优环境变量的数据，分别添加至对应样点位置的土壤深度区间特征向量中进行更新，进而更新离散型土壤深度区间数据集DisDep，然后进入步骤E；

步骤E.分别针对预设各类型待训练模型，基于连续型土壤厚度数据集ConDep，以样点位置对应目标环境变量组中各最优环境变量的数据为输入，样点位置所对应土壤厚度数值为输出，针对待训练模型进行训练，获得连续型土壤厚度预测模型PreTch_i(dep)，并获得该土壤厚度预测模型的决定系数R2_i；其中，1≤i≤I，I表示各类型待训练模型的数量，PreTch_i(dep)表示第i个连续型土壤厚度预测模型，R2_i表示第i个土壤厚度预测模型的决定系数；

同时，分别针对预设各类型待训练模型，基于离散型土壤深度区间数据集DisDep，以样点位置对应目标环境变量组中各最优环境变量的数据为输入，样点位置所对应土壤深度区间为输出，针对待训练模型进行训练，获得土壤深度区间预测模型ClaTch_i(dep)，并获得该土壤深度区间预测模型的精度Accu_i；ClaTch_i(dep)表示第i个土壤深度区间预测模型，Accu_i表示第i个土壤深度区间预测模型的精度；

然后进入步骤F；

步骤F.基于各连续型土壤厚度预测模型PreTch_i(dep)，以及相应的决定系数R2_i，构建连续型土壤厚度集成预测模型如下：

其中，f_con(dep)表示土壤厚度数值，并根据连续型土壤厚度数据集ConDep，获得土壤厚度集成预测模型的精度Con_R2；

同时，基于各土壤深度区间预测模型ClaTch_i(dep)，以及相应的精度Accu_i，构建土壤深度区间集成预测模型如下：

其中，f_dis(dep)表示土壤深度区间，并根据离散型土壤深度区间数据集DisDep，获得土壤深度区间集成预测模型的精度DisAccu；

步骤i.获得目标区域对应目标环境变量组中各最优环境变量的数据分布，然后进入步骤ii；

步骤ii.根据目标区域对应目标环境变量组中各最优环境变量的数据分布，应用土壤深度区间集成预测模型，获得覆盖目标区域的土壤厚度区间第一空间分布Map_Dis1；

同时根据目标区域对应目标环境变量组中各最优环境变量的数据分布，应用连续型土壤厚度集成预测模型，获得覆盖目标区域的土壤厚度数值空间分布；并结合步骤A中基于各土壤厚度阈值所划分的各个土壤深度区间，获得覆盖目标区域的土壤厚度数值空间分布所对应的土壤厚度区间第二空间分布Map_Dis2；然后进入步骤iii；

步骤iii.按如下公式：

获得覆盖目标区域的土壤厚度区间空间分布f_cd(dep)。