不同输入方式下 RBF 神经网络对土壤性质空间 插值的误差分.PDF

第 45 卷 第 2 期 土 　壤 　学 　报 Vol 45 ,No2 2008 年 3 月 ACTA PEDOLOGICA SINICA 　Mar. ,2008 不同输入方式下 RBF 神经网络对土壤性质空间 插值的误差分析 1 ,2 ,3 1 2 1 1 2 ,3 　　 李启权 　王昌全 　岳天祥 　李 　冰 　杨 　娟 　史文娇 ( 1 四川农业大学资源环境学院 , 四川雅安 　625014) (2 中国科学院地理科学与资源研究所 ,北京 　100101) (3 中国科学院研究生院 ,北京 　100039) ERROR ANALYSIS OF SOIL PROPERTY SPATIAL INTERPOLATION WITH RBF ARTIFICIAL NEURAL NETWORK WITH DIFFERENT INPUT METHODS Li Qiquan1 ,2 ,3 　Wang Changquan1 　Yue Tianxiang2 　Li Bing1 　Yang Juan1 　Shi Wenjiao2 , 3 ( 1 College of Resources and Environment , Sichuan Agricultural University , Yaan , Sichuan 　625014 , China) (2 Institute of Geographic Sciences and Natural Resources Research , CAS , Beijing 　100101 , China) (3 Graduate School of the Chinese Academy of Sciences , Beijing 　100039 , China) 关键词 　　RBF 神经网络 ;空间插值 ;土壤性质 ;输入方式 中图分类号 　　S153 ,TP183 　　　　文献标识码 　　A 　　土壤是一个时空连续体 ,受 自然和人为因素的 状况 。人工神经网络技术是一种处理非线性系统能 影响 ,具有高度的空间异质性[1 ] 。这种空间异质性 力较强的方法 ,近年来被应用于土壤性质的空间变 体现在土壤的物理 、生化信息随空间位置的不同而 异研究[16～18 ] , 并取得了较理想的结果 。但这些研 呈现较大的差异 ,并且不同土壤性质具有不同程度 究在模型应用时仅在空间坐标与土壤属性值之间建 的空间变异 。准确掌握土壤物理 、生化信息的空间 立对应的映射关系 ,这就使得神经网络容易受到局 变异规律 ,不仅是精准农业中土壤养分管理的基础 , 部区域异常的影响而降低其预测能力 ,从而影响对 对于环境保护和治理也具有十分重要的意义 。因 土壤性质空间分布状况的准确描述 。从多源信息融 此 ,土壤性质的空间插值技术研究得到了广泛的关 合思想[14 ]角度出发 ,利用人工神经网络方法的非线 [2～4 ]