基于复杂环境区域的土壤有机质空间预测研究
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1. 绪论 | 第10-17页 |
| 1.1. 研究背景和意义 | 第10-11页 |
| 1.2. 国内外研究现状 | 第11-14页 |
| 1.2.1. 土壤——景观量化模型研究现状 | 第11-13页 |
| 1.2.2. 机器学习模型研究现状 | 第13-14页 |
| 1.3. 研究内容与技术路线 | 第14-17页 |
| 1.3.1. 研究目的 | 第14页 |
| 1.3.2. 研究内容 | 第14-15页 |
| 1.3.3. 技术路线 | 第15-17页 |
| 2. 理论基础与研究方法 | 第17-23页 |
| 2.1. 经典统计学分析 | 第17页 |
| 2.2. 主成分分析 | 第17-18页 |
| 2.3. 统计回归方法 | 第18-21页 |
| 2.3.1. 多元线性回归 | 第18页 |
| 2.3.2. 偏最小二乘回归 | 第18-19页 |
| 2.3.3. 人工神经网络 | 第19-21页 |
| 2.3.4. 支持向量机 | 第21页 |
| 2.4. 克里格方法 | 第21-22页 |
| 2.5. 模型评价方法 | 第22-23页 |
| 3. 研究区概况与数据准备 | 第23-26页 |
| 3.1. 研究区概况 | 第23-24页 |
| 3.2. 数据预处理 | 第24-26页 |
| 3.2.1. 土壤样品采集与处理 | 第24页 |
| 3.2.2. 环境变量提取 | 第24-26页 |
| 4. 土壤有机质空间与环境变量特征研究 | 第26-35页 |
| 4.1. 土壤有机质统计特征分析 | 第26-27页 |
| 4.2. 环境变量特征分析 | 第27-30页 |
| 4.2.1. 环境变量描述性统计 | 第27-28页 |
| 4.2.2. 环境变量空间分布特征 | 第28-30页 |
| 4.3. 环境变量降维 | 第30-35页 |
| 4.3.1. 环境变量的特征选择 | 第30-31页 |
| 4.3.2. 环境变量的特征提取 | 第31-35页 |
| 5. 土壤有机质回归模型构建 | 第35-44页 |
| 5.1. 土壤有机质基础回归模型 | 第35-37页 |
| 5.1.1. 多元线性回归分析 | 第35-36页 |
| 5.1.2. 主成分回归分析 | 第36-37页 |
| 5.2. 土壤有机质机器学习回归模型 | 第37-42页 |
| 5.2.1. 偏最小二乘法分析 | 第37-39页 |
| 5.2.2. 人工神经网络分析 | 第39-41页 |
| 5.2.3. 支持向量机法分析 | 第41-42页 |
| 5.3. 模型评价 | 第42-44页 |
| 6. 克里格模型与土壤有机质分布预测 | 第44-49页 |
| 6.1. 克里格模型构建 | 第44-45页 |
| 6.2. 预测精度评价 | 第45-46页 |
| 6.3. 土壤有机质空间分布研究 | 第46-49页 |
| 7. 结论与展望 | 第49-52页 |
| 7.1. 研究结论 | 第49-50页 |
| 7.2. 研究展望 | 第50-52页 |
| 参考文献 | 第52-59页 |
| 致谢 | 第59页 |
