[发明专利]基于Bootstrap抽样的土壤有机碳预测不确定性估测方法

摘要

本发明提出了一种基于Bootstrap抽样的土壤有机碳预测不确定性估测方法，其步骤为：土壤样品的采集及预处理，获取土壤样品的有机碳含量数据及土壤高光谱数据并进行预处理；采用偏最小二乘回归方法建立土壤样品的有机碳含量数据与土壤高光谱数据的土壤有机碳预测模型；对原始实测样本数据进行有放回随机抽样，每抽样一次获得一个子样本，通过构造实测值和预测值矩阵计算得到每个子样本参数的估计值；采用Bootstrap重抽样技术有放回的从原始样本中抽取一定数量的样本；根据Bootstrap抽样方法抽出样本的参数评估土壤有机碳预测模型的不确定性；模型精度评价。本发明降低了由于取样代表性、预测模型空间变异性导致预测模型准确性低的问题。

主权项

1.一种基于Bootstrap抽样的土壤有机碳预测不确定性估测方法，其特征在于，其步骤如下：/n步骤一：土壤样品的采集及预处理：土壤平整之后，采用5点混合取样方法获取表层土壤样品，并自然风干、研磨过筛；/n步骤二：获取步骤一中土壤样品的有机碳含量数据：采用总有机碳分析仪测量出步骤一中的土壤样品的有机碳含量，以文件形式存放在电脑中；/n步骤三：获取步骤一中土壤样品的土壤高光谱数据并进行预处理；/n步骤四：预测模型构建：采用偏最小二乘回归方法建立步骤二得到的土壤样品的有机碳含量数据与步骤三中预处理之后的土壤高光谱数据的土壤有机碳预测模型，将得到的土壤有机碳的实测值和预测值构建成为一个矩阵向量，计算得到矩阵向量参数；/n步骤五：Bootstrap抽样方法思路：假设样本X＝(X₁，X₂，……，X_n)来源于分布F的总体，R(X，F)是已知的关于样本X和分布F的函数，现在已知一个样本的实测值x＝(x₁,x₂,……x_n)，通过样本的实测值x具体分析函数R(X，F)的不确定性分布性质；首先对原始实测样本数据进行有放回随机抽样，每抽样一次获得一个子样本，实测样本的大小为n，那么每个原始样本数据能够被抽到的概率都是1/n；Bootstrap样本确定后，通过构造实测值和预测值矩阵计算得到每个子样本参数的估计值这些子样本的估计值构成一个行向量/n步骤六：Bootstrap抽样：采用Bootstrap重抽样技术有放回的从原始样本中抽取一定数量的样本，重复上述抽样过程，记录抽样的次数q；/n步骤七：根据Bootstrap抽样方法抽出样本的参数第q次的估计值行向量计算得到样本参数的均值和方差评估土壤有机碳预测模型的不确定性；/n步骤八：模型精度评价：采用决定系数R²、均方根误差RMSE、标准预测误差的比值RPD对步骤四建立的土壤有机碳预测模型进行评价，确定土壤有机碳预测模型的鲁棒性。/n