[发明专利]一种基于云模型的森林土壤肥力人工智能综合评价方法

说明书

本发明公开一种基于云模型的森林土壤肥力人工智能综合评价方法，在虚拟云理论的基础上，采用云模型结合主成分分析法，利用土壤肥力基础指标构建森林土壤肥力综合云模型，并根据云模型建立的评价集对森林土壤肥力进行智能综合评价，为揭示森林经营过程中土壤肥力情况，准确掌握森林土壤养分变化状况，科学施肥和防治林业污染提供有力支撑。

技术领域

本发明属于林业技术领域，具体涉及一种基于云模型的森林土壤肥力人工智能综合评价方法。

背景技术

森林是陆地生态系统的重要组成部分，在调节全球气候方面具有积极作用，营造森林不仅有改善自然生态环境等多重功能，还能提升农民的经济收入，有利于社会稳定。然而，随着森林栽植面积的不断扩大，许多地区出现了森林土壤质量退化等问题。如何引导、促进森林可持续经营已经称为中国政府和学者们关注的焦点。经营性森林复种指数高，为满足树木生长过程中所需养分，提高木材产量，农民通常采用增施肥料来提高林地养分。林地施肥主观性强、随意性较大，很容易对林地土壤造成破坏。因此，有必要对森林土壤肥力进行客观综合评价，准确掌握林地土壤肥力状况，为森林的可持续经营提供参考。

森林土壤肥力是保证林地土壤质量的关键，科学、客观的评价方法是土壤肥力评价的前提。目前，森林土壤肥力综合评价的传统方法主要有主成分分析法(PCA)、聚类分析法(CA)、灰色关联度模型(GRA)、模糊综合评价法(FCE)、物元模型(ME)等。这些传统的方法用于评价森林土壤肥力方面，虽然实现了森林土壤肥力定量指标和定性语言之间的转换，但是在森林土壤肥力评价中的指标选取、评价过程以及评价等级划分等方面没有统一标准，主观性很强，存在很多的不确定性，即模糊性和随机性，传统的方法难以兼顾其模糊性和随机性，因此，传统方法的评价结果往往不够客观公正。

云模型是一种可以将定性语言值描述与科学定量计算结合起来的不确定性转换模型，能够体现语言概念的随机性和模糊性，是实现定性定量转换的有效工具。云模型计算简便、应用方便，已在风险评估、时间序列预测分析、综合评价等研究领域取得良好成绩，但在土壤肥力相关研究方面尚未得到尝试。

发明内容

发明目的：针对现有技术存在的不足，本发明的目的是提供一种基于云模型的森林土壤肥力人工智能综合评价方法。

技术方案：为了实现上述发明目的，本发明采用的技术方案如下：

一种基于云模型的森林土壤肥力人工智能综合评价方法，在虚拟云理论的基础上，采用云模型结合主成分分析法，利用土壤肥力基础指标构建森林土壤肥力土壤肥力综合云模型，并根据云模型建立的评价集对森林土壤肥力进行智能综合评价。

作为优选，基于云模型的森林土壤肥力人工智能综合评价方法主要包括以下步骤：

1)森林土壤养分指标变量提取；

2)建立森林土壤肥力评价指标体系，得到每个指标的云特征值和云图；

3)确定森林土壤养分单项指标的权重；

4)建立森林土壤肥力综合云模型：根据单项指标的特征是和权重值，计算得到土壤肥力综合云模型及其数字特征值，同时得到森林土壤肥力综合云图。

5)确定森林土壤肥力评价集；

6)进行森林土壤肥力综合评价。

作为优选，步骤2)中，选取土壤养分指标作为评价指标，设评价因子集为A＝{a₁,a₂,a₃,a₄,…}，按照土壤养分分级标准划分评价等级；按照逆向云发生器算法，分别输入各指标的采样点实测数据，得到每个指标的云特征值，再利用正向云发生器算法得到每个指标的云图。