传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回...传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。展开更多
提出一种实用性较强的地理信息语义表达及相似性度量模型,实现从地理信息语义建模到相似性度量的完整技术链条。在对地理信息语义表达的内容与尺度分析的基础上,提出地理信息语义描述的基本结构,并将其进一步细化为具有不同大小的语义...提出一种实用性较强的地理信息语义表达及相似性度量模型,实现从地理信息语义建模到相似性度量的完整技术链条。在对地理信息语义表达的内容与尺度分析的基础上,提出地理信息语义描述的基本结构,并将其进一步细化为具有不同大小的语义粒度项,以构建出地理信息语义的细节层次(level of detail,LOD)表达模型,最后依据地理信息概念间相关语义粒度项的匹配关系实现地理信息语义相似程度的定量化计算,在实例分析中则以土地利用类型为例进行相似度计算的实验,通过实验结果与实际经验判断比较验证出该模型具有较强的实用性。展开更多
文摘传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。
文摘提出一种实用性较强的地理信息语义表达及相似性度量模型,实现从地理信息语义建模到相似性度量的完整技术链条。在对地理信息语义表达的内容与尺度分析的基础上,提出地理信息语义描述的基本结构,并将其进一步细化为具有不同大小的语义粒度项,以构建出地理信息语义的细节层次(level of detail,LOD)表达模型,最后依据地理信息概念间相关语义粒度项的匹配关系实现地理信息语义相似程度的定量化计算,在实例分析中则以土地利用类型为例进行相似度计算的实验,通过实验结果与实际经验判断比较验证出该模型具有较强的实用性。
