基于辅助变量的县域土壤有机质预测

Prediction of soil organic matter content in county based on auxiliary variables

为了快速准确地获取土壤有机质的空间分布情况,以北京市密云区为研究区,利用330个采样点进行建模、83个采样点进行验证,选择偏最小二乘回归(PLS)、RBF神经网络(RBFNN)、随机森林(RF)模型作为预测方法,与不同组合的辅助变量相结合,模拟密云区耕地表层土壤有机质空间分布,并比较不同预测方法、不同辅助变量组合的预测精度。研究结果表明,密云区耕地表层土壤有机质含量在5.42~40.44 g/kg之间,变异系数为30.03%,属于中等程度变异;从不同预测方法来看,随机森林建模预测精度比偏最小二乘以及RBF预测精度要高,而从不同的辅助变量组合来看,有效土层厚度和高程作为辅助变量组合的预测精度最高。研究显示选择合适的辅助变量和预测方法,可以提高县域尺度下土壤有机质空间分布的快速获取。