[发明专利]一种基于序贯模拟的土壤含水量空间变异性三维表征方法

说明书

本发明公开了一种基于序贯模拟的土壤含水量空间变异性三维表征方法，选取示范性土壤地块，将土壤地块划分成多个栅格，在每个栅格中设置随机采样点；测量所有随机采样点的土壤含水量数据，并对随机采样点的土壤含水量数据进行正态性检验；对每个栅格进行多层过程处理，得到多层精细网格；采用序贯模拟方法对多层精细网格进行模拟，包括随机行走、局部搜索和条件估计，得到土壤含水量的三维立体面数据；运用GRID和TIN数据格式交替表达土壤含水量的三维立体面数据，形成土壤含水量的三维模型。本发明基于序贯模拟的方法获得土壤含水量的连续面，在连续面的基础上运用GRID或者TIN格式进行土壤含水量的三维表达，克服了Kriging方法的平滑效应。

技术领域

本发明涉及一种基于序贯模拟的土壤含水量空间变异性三维表征方法。

背景技术

土壤水是生态系统中植物赖以生存的基础，同时也是流域水循环中最为活跃的部分，影响着植物生育、生态环境及水资源的合理分配与高效利用。土壤水分变量深刻影响着土壤的物理性质、土壤养分的传输和运移，对作物的生长、节水灌溉等有着非常重要的作用。因此应特别重视作物生长过程中的土壤保墒，以改善作物生长的土壤环境，根据作物不同生育期间土壤墒情和作物需水量，实施精量灌溉，节约水资源，提高水资源利用效率。在实际研究过程中，通常不可能对研究区内每个取样点的土壤含水量进行一一测量。一般选择一些离散的样本点进行测量，通过数学模型获得未采样点土壤含水量的值，得到无缝的点到面扩展面，采样点可以是随机选取、分层选取或规则选取等。

对于离散点扩展到面的方法，国内外均进行了较广泛的研究。由点数据空间插值扩展生成栅格面的方法很多，常用的有全局性多项式插值、反距离权重、径向基函数，改进谢别德法、Kriging、自然邻域法、样条函数法等。每种方法根据所要建模的区域化变量及采样点状况，进行预测估值时都有一定的前提假设，但不论采用哪种方法，通常采样点数目越多，采样点分布越均匀，点到面插值的效果就越好。近些年来，以Kriging为核心的地统计学和经典统计相结合逐渐成为描述和分析区域化变量较可行并大量应用的方法，该方法在各个领域都有广泛应用，涉及的内容也较广泛，不仅用来进行样点土壤含水量、土壤基本理化性质、土壤温度、生物性质、重金属污染，而且进行作物生产力模拟和预测、作物蒸散、作物生长发育阶段、作物生长性状的模拟，在农田水利、农业产值空间化等经济社会领域也有较广泛的应用。区域化变量点到面扩展研究覆盖了不同的尺度，如农场尺度、农田尺度、小尺度、县域尺度、全球尺度。Kriging方法的假设前提是采样点间的距离和方向可反映一定的空间关联，并用它们来解释空间变异，Kriging利用一定的数学函数对特定点或给定搜索半径内所有点进行拟合来估计每个点的值。该方法的应用实现了点数据到面数据的扩展和表达，但是该方法本身易产生平滑效应，把估值过程中出现的极大值进行了平滑，造成了未采样点估值精度的降低。

在传统的应用中，建立不确定性模型进行估值重点是确定均值和方差，显然这是对随机变量不确定性的不完整描述。某一点统计上的不确定性的一个更完整的描述需估计建模变量的概率分布。实际上，估计概率分布依靠估计点附近的样品集合或其它已知信息(如农业耕作过程中的土壤类型、耕地平整状况、管理措施和农民关于提高产量的综合经验措施等经验性的集合性信息、知识和历史资料)。如何对样品的集合信息进行定量的点到面表达本身就是一个非常复杂的科学问题。以Kriging为核心的地统计学结合空间分析技术进行空间插值计算，虽然实现了区域化变量的空间扩展，但是这种空间面的估算存在平滑效应。围绕区域化变量空间估值的精度，研究者们进行了多种尝试，一些研究者运用多点地统计学进行区域化变量的空间估计和预测，多点地统计学模拟通过多个点的训练图像来取代变异函数，更有效地反映了研究目标的空间分布结构。另一些研究者提出了马链随机域理论及转移概率函数(Transiogram)理论，并以此为基础构建了马链地统计学的理论框架，提出了联合模拟试验转移概率函数图的线性插值法和数学模型模拟法。