期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于人工智能算法优化采样点密度与分布——以雅鲁藏布江流域中游(林芝段)土壤质量评价为例
1
作者 王浩 黎鹏 +3 位作者 赵保国 韩馨慧 刘晨一 薛萐 《水土保持研究》 北大核心 2025年第6期200-207,共8页
[目的]在充分考虑土壤质量指标空间异质性的前提下,探索如何减少采样点数量,以改进传统土壤质量评价方法,避免因忽视采样点数量与空间分布而影响评估结果准确性,从而实现对土壤质量的科学评估,为农业生产、生态恢复及环境保护提供可靠... [目的]在充分考虑土壤质量指标空间异质性的前提下,探索如何减少采样点数量,以改进传统土壤质量评价方法,避免因忽视采样点数量与空间分布而影响评估结果准确性,从而实现对土壤质量的科学评估,为农业生产、生态恢复及环境保护提供可靠依据。[方法]依托雅鲁藏布江流域中游(林芝段)土壤资源调查数据库,运用模拟退火算法与人工神经网络模型,对土壤采样点的数量与布局开展优化工作。借助主成分分析确定最小数据集,并依据土壤质量综合指数法开展土壤质量评价。[结果](1)采样点数量从666个减少至312个优化率达53.15%,可显著提高采样效率并降低采样成本。(2)优化前后土壤质量分级表现:Ⅰ级为0.00%和0.32%,Ⅱ级为15.32%和27.56%,Ⅲ级为60.21%和53.53%,Ⅳ级为24.47%和18.59%。优化前后采样点土壤质量分级表现出良好的变异性,且空间相关性增强,实现了在降低成本的同时提高采样方案对空间预测的准确性。[结论]模拟退火算法和人工神经网络相结合显著降低了采样点密度,且增强了样点的空间相关性。实现了在成本可控的前提下,极大地提升土壤属性空间预测的准确性,为更大范围土壤资源的调查与监测工作提供了科学、高效的技术路径,对提高土壤质量评价的效率与准确性起到了显著的推动作用。 展开更多
关键词 表土调查 采样点密度优化 土壤质量评价 人工神经网络 模拟退火算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部