-
题名基于自组织特征映射神经网络技术的多维土壤数据分析
被引量：1
- 1
-
-
作者
王淑芬
王卫
-
机构
石河子大学理学院
石河子大学化学化工学院
-
出处
《中国农业科技导报》
CAS
CSCD
北大核心
2018年第4期61-71,共11页
-
基金
国家自然科学基金项目(21267020
21467026)资助
-
文摘
自组织特征映射神经网络技术(self-organizing map,SOM)因其强大的非线性拟合能力和可视化特点在土壤多维数据分析中具有独特的优势。将SOM技术应用于表层土壤多维数据分析,进而开展人工神经网络技术(artificial neural network,ANN)在环境领域的应用研究。以乌苏-奎屯-独山子-沙湾地区为研究区域,共采集199个表层土壤样本,分析得到22个土壤属性。利用SOM技术开展了土壤聚类分析、采样点优化、土壤属性相关性等研究。结果表明:研究区域土壤属性变异系数较高,土壤受人类活动影响明显,除pH外,其余21个土壤属性数据分布服从正态分布或对数正态分布。依据土壤内在的相关性及土壤属性的相似性,将土壤样本分为42组,综合考虑分组情况和采样点的空间分布特点,将土壤属性显著相似且空间相邻的24个采样点进行优化处理。土壤属性之间呈现一定的相关性,如OM与pH呈负相关性,而与ωH_2O呈正相关性;OM与As、Cr、Mn、Cu、Zn、Pb、Ni、Al、Co、Fe、Mo、Ti呈正相关性,但与K、Na、Sb呈负相关性;Cr、Mn、Cu、Zn、Co、Fe之间呈正相关性;Cd和Ni呈正相关性;Al和Ti具有较高的正相关性;而V、Hg、Pb、Sb相互间无显著相关性。
-
关键词
自组织特征映射
多维土壤数据分析
采样点优化
相关性分析
-
Keywords
self-organizing characteristic mapping
multi-dimentional soil data analysis
sampling points optimization
correlation analysis
-
分类号
S151.9
[农业科学—土壤学]
-
