[发明专利]一种土壤质地颗粒含量预测方法

权利要求书

1.一种土壤质地颗粒含量预测方法，其特征在于，包括如下步骤：

步骤001.由目标土壤区域中所有预设样点位置构成全局样点集合Po，并获得全局样点集合Po中各个样点位置所对应的观测土壤质地颗粒含量，以及指定的环境变量数据，然后初始化k＝1，表示第k次循环，并进入步骤002；

步骤002.根据土壤采样密度、土壤类型和地形起伏，在目标土壤区域中选取局部区域，并由局部区域中的各个样点位置，构成局部区域样点集合Poi，再根据全局样点集合Po与局部区域样点集合Poi之差，获得非局部区域样点集合Por，然后进入步骤003；

步骤003.获得目标土壤区域中土壤种类数ks，以及全局样点集合Po中样点位置的数量np，同时，在目标土壤区域中，分别获得各个土壤种类所对应土壤区域中样点位置的数量npi，然后进入步骤004；

步骤004.分别针对目标土壤区域中的各个土壤种类，判断土壤种类所对应土壤区域中样点位置的数量npi是否小于是则在目标土壤区域中，该土壤种类所对应土壤区域中的各个样点位置中，随机选择A·npi个样点位置；否则在目标土壤区域中，该土壤种类所对应土壤区域中的各个样点位置中，随机选择个样点位置；由此，在目标土壤区域中，获得分别对应各个土壤种类、经上述选择的各个样点位置，并构成独立验证样点集合Po_v_k，然后进入步骤005；其中，A为预设小于0.5的比例参数；

步骤005.分别针对全局样点集合Po中的各个样点位置、局部区域样点集合Poi中的各个样点位置、独立验证样点集合Po_v_k中的各个样点位置，根据样点位置所对应的观测土壤质地颗粒含量，获得分别对应各集合的散点图，然后进入步骤006；

步骤006.将分别对应全局样点集合Po、局部区域样点集合Poi、独立验证样点集合Po_v_k的三幅散点图进行重叠，并判断三幅散点图两两重合的阴影面积占三幅散点图中最小阴影面积的比例是否超过预设重叠比例阈值，是则进入步骤007；否则返回步骤002；

步骤007.根据局部区域样点集合Poi中各个样点位置所对应的观测土壤质地颗粒含量，以及指定的环境变量数据，训练获得环境变量数据与观测土壤质地颗粒含量之间的定量关系，并进入步骤008；

步骤008.采用步骤007所获定量关系，针对局部区域中的非样点位置区域进行预测，进而获得局部区域所对应的预测土壤质地颗粒含量，然后进入步骤009；

步骤009.基于局部区域所对应的预测土壤质地颗粒含量，根据目标土壤区域中局部区域的指定属性，针对局部区域进行预设等级划分，获得局部区域所对应的分级矢量图，并将该分级矢量图与局部区域所对应的土壤类型图进行叠加，获得叠加后的叠加矢量图，接着在该叠加矢量图各个图斑上的样点位置中，分别随机选择预设比例的样点位置，构成局部区域再选样点集合Pe_k，然后进入步骤010；

步骤010.获得非局部区域样点集合Por中，除独立验证样点集合Po_v_k中样点位置外的其余样点位置，构成非局部区域再选预测样点集合Por_p_k；同时，获得全局样点集合Po中，除独立验证样点集合Po_v_k中样点位置外的其余样点位置，构成非独立验证验证样点集合Po_p_k；然后进入步骤011；

步骤011.在局部区域再选样点集合Pe_k中，按预设比例划分为局部区域再选第一预测样点集合Pe_p_k和局部区域再选第二验证样点集合Pe_v_k，然后进入步骤012；

步骤012.基于局部区域再选样点集合Pe_k、局部区域再选第一预测样点集合Pe_p_k和局部区域再选第二验证样点集合Pe_v_k、独立验证样点集合Po_v_k、非独立验证预测样点集合Po_p_k和非局部区域再选预测样点集合Por_p_k，建立三种预测/验证样点集合P1_k、P2_k、P3_k如下，然后进入步骤013；

预测/验证样点集合P1_k：预测样点集合{Pe_k,Por_p_k}，验证样点集合{Po_v_k}；

预测/验证样点集合P2_k：预测样点集合{Po_p_k}，验证样点集合{Po_v_k}；

预测/验证样点集合P3_k：预测样点集合{Pe_p_k,Por_p_k}，验证样点集合{Po_v_k,Pe_v_k}；

步骤013.分别针对P1_k、P2_k、P3_k中的预测样点集合，根据预测样点集合中各个样点位置所对应的观测土壤质地颗粒含量，以及指定的环境变量数据，训练获得环境变量数据与观测土壤质地颗粒含量之间的定量关系，即获得分别对应P1_k、P2_k、P3_k的定量关系，然后进入步骤014；

步骤014.分别采用P1_k、P2_k、P3_k的定量关系，分别针对P1_k、P2_k、P3_k中的验证样点集合，根据验证样点集合中各个样点位置所对应的环境变量数据，针对验证样点集合中各个样点位置进行预测，获得验证样点集合中各个样点位置所对应的预测土壤质地颗粒含量，即分别获得P1_k、P2_k、P3_k中验证样点集合中各个样点位置所对应的预测土壤质地颗粒含量，然后进入步骤015；

步骤015.针对P1_k、P2_k、P3_k中验证样点集合中各个样点位置所对应的预测土壤质地颗粒含量，通过如下公式，按P1_k、P2_k、P3_k分别进行精度检测，获得P1_k、P2_k、P3_k分别所对应的精度结果R1_k、R2_k、R3_k，然后进入步骤016；

R=Σn=1N(xn*-x*-)(xn-x-)Σn=1N(xn*-x*-)Σn=1N(xn-x-)2]]>

其中，R分别指代了R1_k、R2_k、R3_k，n＝{1,…,N}，N表示对应验证样点集合中样本点位置的数量，x_n表示样本点位置所对应的观测土壤质地颗粒含量，表示对应验证样点集合中所有样本点位置所对应观测土壤质地颗粒含量的平均值，表示样本点位置所对应的预测土壤质地颗粒含量，表示对应验证样点集合中所有样本点位置所对应预测土壤质地颗粒含量的平均值；

步骤016.判断k是否等于预设循环次数K，是则获得{R1₁、…、R1_k、…、R1_K}、{R2₁、…、R2_k、…、R2_K}、{R3₁、…、R3_k、…、R3_K}三个集合，并进入步骤017；否则用k的值加1的结果针对k进行赋值，并返回步骤003；

步骤017.分别获得{R1₁、…、R1_k、…、R1_K}、{R2₁、…、R2_k、…、R2_K}、{R3₁、…、R3_k、…、R3_K}三个集合的平均值然后进入步骤018；

步骤018.判断之间的大小关系，若或则基于步骤002至步骤011中的{Por,Pe_k}集合，通过其各个样本点位置的环境变量数据、观测土壤质地颗粒含量，获得定量关系，再采用该定量关系针对目标土壤区域进行土壤质地颗粒含量预测；若之间满足其它大小关系，则基于全局样点集合Po，通过其各个样本点位置的环境变量数据、观测土壤质地颗粒含量，获得定量关系，再采用该定量关系针对目标土壤区域进行土壤质地颗粒含量预测。