| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 前言 | 第10-18页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 土壤空间异质性 | 第11-12页 |
| 1.2.2 土壤GIS研究现状 | 第12-13页 |
| 1.2.3 土壤养分预测方法 | 第13-14页 |
| 1.2.4 我国土壤中量元素和微量元素研究现状 | 第14-15页 |
| 1.3 研究内容及技术路线 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16-18页 |
| 2 材料与方法 | 第18-27页 |
| 2.1 研究区概况 | 第18-21页 |
| 2.1.1 地理概况 | 第18-19页 |
| 2.1.2 研究区域的气候情况 | 第19页 |
| 2.1.3 研究区地形地貌 | 第19页 |
| 2.1.4 研究区域的土壤类型 | 第19-20页 |
| 2.1.5 研究区工业与农业发展 | 第20-21页 |
| 2.2 森林土壤样品采集 | 第21-22页 |
| 2.2.1 土壤样品的采集与处理 | 第21页 |
| 2.2.2 土壤样品室内预处理 | 第21页 |
| 2.2.3 样品的分析方法 | 第21-22页 |
| 2.3 数据处理及分析方法 | 第22-24页 |
| 2.3.1 采样数据预处理 | 第22-23页 |
| 2.3.2 不同插值法精度分析 | 第23页 |
| 2.3.3 最优模型选取方法 | 第23-24页 |
| 2.4 基于Arcgis与地统计学的空间插值模型 | 第24-25页 |
| 2.4.1 地统计学的基本原理 | 第24页 |
| 2.4.2 前提假设 | 第24-25页 |
| 2.4.3 泛克里格插值法 | 第25页 |
| 2.4.4 反距离加权插值法 | 第25页 |
| 2.4.5 三次样条函数插值法 | 第25页 |
| 2.5 基于SPSS的多元线性回归模型 | 第25-26页 |
| 2.6 基于BP人工神经网络模型 | 第26-27页 |
| 3 结果与分析 | 第27-47页 |
| 3.1 常规统计学分析 | 第27-31页 |
| 3.1.1 采样点土壤中量及微量元素含量描述性统计分析 | 第27-31页 |
| 3.2 三种插值法比较 | 第31-33页 |
| 3.2.1 空间插值模型最优插值法选取 | 第31-32页 |
| 3.2.2 泛克里格插值法与反距离加权插值法相关性显著度检验 | 第32-33页 |
| 3.3 最优模型的选取 | 第33-38页 |
| 3.3.1 多元线性回归模型 | 第33-34页 |
| 3.3.2 泛克里格插值法与BP人工神经网络模型的空间分布 | 第34-37页 |
| 3.3.3 泛克里格插值法与BP人工神经网络模型的精度 | 第37-38页 |
| 3.4 BP人工神经网络模型土壤中量及微量元素空间预测分布分析 | 第38-47页 |
| 3.4.1 森林土壤交换钙的空间预测分布 | 第38-40页 |
| 3.4.2 森林土壤交换镁空间预测分布 | 第40-41页 |
| 3.4.3 森林土壤全硫空间预测分布 | 第41-42页 |
| 3.4.4 森林土壤总镉空间预测分布 | 第42-43页 |
| 3.4.5 森林土壤总铅空间预测分布 | 第43-44页 |
| 3.4.6 森林土壤总锌空间预测分布 | 第44-46页 |
| 3.4.7 小结 | 第46-47页 |
| 4 结论 | 第47-49页 |
| 4.1 采样点森林土壤中量及微量元素的含量 | 第47页 |
| 4.2 泛克里格插值法 | 第47-48页 |
| 4.3 BP人工神经网络模型 | 第48页 |
| 4.4 云城区云安区森林土壤中量及微量元素的空间分布规律 | 第48-49页 |
| 5 讨论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-59页 |
