基于贝叶斯最大熵的多因子空间属性预测新方法

为了在空间数据预测时充分利用样点和环境数据,提出了在贝叶斯最大熵方法框架下将经典地统计方法与环境相关法结果融合、利用多源数进行空间预测的新方法;并以湖北省京山县土壤有机质含量为例,验证该方法的可行性.以由数字高程模型(digital elevation model,DEM)生成的各种相关地形因子作为环境数据,并分为密集建模集Ⅰ(330个样点)和稀疏建模集Ⅱ(100个样点),分别用普通克里金法和本文所提方法进行土壤有机质空间预测,用预留的50个样点进行精度分析.结果表明:本文所提方法的预测精度较普通克里金法的高,其Ⅰ和Ⅱ2组建模集精度分别提高了10.95%和22.72%,特别在样点较稀疏时,在相关环境因子的辅助下,精度提高幅度更大.说明将经典地统计方法与环境相关法结果相融合的多因子空间属性预测方法使预测结果既能体现样点的空间自相关,又能体现被预测属性与其他属性间的相关性.