基于思维进化算法径向基函数神经网络的土壤有机质空间异质性研究

江叶枫，郭 熙

(江西农业大学 江西省鄱阳湖流域农业资源与生态重点实验室，江西 南昌 330045)

受生物[1]、气候[2]、母质[3]和地形[4]等因素影响，土壤性质具有高度的空间异质性。即使在相邻位置，土壤性质也会受复杂的环境因素影响而产生较大差异[5-6]。对土壤性质空间异质性的充分了解不仅是有效管理土壤、科学规划土地利用和精准农业施肥的基础[7]，而且可为农业生产、生态环境保护和土壤质量的修复与改善提供重要依据。目前，基于实地采样获取的土壤性质空间分布信息远不能满足土壤性质空间变异研究和环境保护的需要。因此，快速准确地获取区域土壤性质空间变异特征的研究方法——空间插值技术日益受到越来越多国内外学者的关注和重视。

目前，应用于土壤性质的空间插值方法主要有反距离加权法[8-9]、Fisher判别法[10]、趋势面分析法[11]、样条函数法[12]和克里格法[13-14]等，但这些方法前提条件多、主观性强、插值精度低，在实际应用和理论上还有诸多缺陷[5，7]。其中，应用最普遍的普通克里格法(ordinary Kriging)有3个重要前提[15]，在实际应用中有许多情况因不满足前提条件而无法进行克里格插值。普通克里格法对土壤性质空间分布突变的区域难以表述，突变区域信息丢失严重[16]。同时，克里格插值的平滑效应也会在一定程度上使得局部土壤性质再表达存在不确定性[17-18]。为解决这一问题，学者们将人工神经网络引入土壤性质空间分布预测中[19-20]。径向基函数神经网络……