專利名稱：監(jiān)測土壤重金屬含量的新方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種監(jiān)測土壤環(huán)境質(zhì)量的新方法。
背景技術(shù)：
隨著經(jīng)濟(jì)社會發(fā)展、城市化進(jìn)程的加快，含重金屬、農(nóng)藥化肥的過量施用，使土壤 質(zhì)量發(fā)生了迅速的變化，亟需一種快速、準(zhǔn)確的方法來監(jiān)測土壤肥力、健康狀況以及土壤環(huán) 境質(zhì)量的變化。目前用于預(yù)測土壤質(zhì)量變化的插值方法有經(jīng)典的Fisher判別法、反距離加 權(quán)插值、泰森多邊形和克里格法(Kriging)等，但這些方法主觀性強(qiáng)、假設(shè)條件多、插值精 度較低。其中，被廣泛用于土壤質(zhì)量空間描述的克里格法有三個(gè)重要的前提條件，在許多 情況下因?yàn)椴粷M足而造成插值精度不高或者不能應(yīng)用，而且克里格插值具有一定的平滑效 應(yīng)，特別是某些元素空間數(shù)據(jù)變化劇烈的區(qū)域，克里格法對數(shù)據(jù)進(jìn)行平滑處理后，就會使異 常區(qū)的重要信息丟失。近年來，人工神經(jīng)網(wǎng)絡(luò)技術(shù)為解決這一問題提供了新的途徑，徑向基 函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)模型之一，已被用于土壤性質(zhì)的空間插值。但RBF網(wǎng) 絡(luò)也存在不少問題尚待解決，最突出的問題是網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定、寬度與中心的確定、隱 層到輸出層權(quán)值計(jì)算等，嚴(yán)重影響神經(jīng)網(wǎng)絡(luò)應(yīng)用到空間插值的精度。
目前常用的監(jiān)測土壤重金屬含量的方法主要步驟包括 ①根據(jù)研究區(qū)域尺度大小，利用土壤圖、土地利用現(xiàn)狀圖、地形圖進(jìn)行土壤采樣點(diǎn) 布置； ②根據(jù)樣點(diǎn)布置情況，實(shí)地野外采集多個(gè)土壤樣品，帶回實(shí)驗(yàn)室進(jìn)行分析測試前 的土樣制備； ③在實(shí)驗(yàn)室分別測定每個(gè)土壤樣品的各重金屬元素(汞，鎘，砷，鉻，鉛，銅等)含 量值； ④由于采樣點(diǎn)是各自獨(dú)立的，要得到整個(gè)研究區(qū)的土壤屬性信息，必須借助于空 間插值方法。根據(jù)地統(tǒng)計(jì)學(xué)原理，以GIS為平臺，對所有土壤樣品的各重金屬元素含量值進(jìn) 行空間插值，把各個(gè)單獨(dú)土壤樣品的重金屬元素含量情況(點(diǎn)值)轉(zhuǎn)化為整個(gè)區(qū)域的重金 屬元素含量情況(面值)，從而得知區(qū)域土壤環(huán)境質(zhì)量狀況。 從上述過程可以看出，"面值"是通過對各個(gè)"點(diǎn)值"進(jìn)行空間插值得到的，那么要 使得"面值"更加準(zhǔn)確，"點(diǎn)值"的代表性就相當(dāng)重要。而要提高"點(diǎn)值"的代表性，傳統(tǒng)意義 上只有通過盡量增加土壤樣點(diǎn)的個(gè)數(shù)來實(shí)現(xiàn)。而土壤樣點(diǎn)個(gè)數(shù)的增加，直接導(dǎo)致采樣、分析 測試耗費(fèi)的時(shí)間和經(jīng)濟(jì)成本的提高，因此要摸清土壤環(huán)境質(zhì)量是一件比較復(fù)雜的事情。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的上述缺點(diǎn)，本發(fā)明提供了一種監(jiān)測土壤重金屬含量的新方 法，有效地降低了土壤屬性空間數(shù)據(jù)獲取成本，提高了空間插值精度。 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種監(jiān)測土壤重金屬含量的新方 法，包括如下步驟
3
第一步，土樣采集，并將采集到的土樣在實(shí)驗(yàn)室內(nèi)風(fēng)干、磨細(xì)、過目篩，對土樣進(jìn)行 分析測定，獲得單個(gè)土樣的重金屬含量值； 第二步，樣本分類將分析測定出的已知土樣樣本分為訓(xùn)練樣本和檢驗(yàn)樣本；
第三步，在MATLAB軟件的支持下，利用其提供的數(shù)值處理功能和人工神經(jīng)網(wǎng)絡(luò)工 具箱，通過編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的插值功能，獲得土樣所在區(qū)域的重金屬含量分布圖，具體步 驟如下 1)樣本數(shù)據(jù)輸入列出訓(xùn)練樣本輸入值、訓(xùn)練樣本的目標(biāo)輸出值和檢驗(yàn)樣本值； 2)數(shù)據(jù)預(yù)處理訓(xùn)練樣本、檢驗(yàn)樣本的數(shù)據(jù)歸一化處理； 3)插值坐標(biāo)點(diǎn)的生成生成網(wǎng)格坐標(biāo)矩陣，并轉(zhuǎn)成二維坐標(biāo)矩陣； 4)網(wǎng)絡(luò)創(chuàng)建利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱提供的函數(shù)命令，創(chuàng)建一個(gè)人工神經(jīng)網(wǎng)
絡(luò)； 5)網(wǎng)絡(luò)訓(xùn)練調(diào)用模型函數(shù)，對訓(xùn)練樣本進(jìn)行擬合訓(xùn)練；
6)網(wǎng)絡(luò)仿真檢驗(yàn)調(diào)用模型函數(shù)，對檢驗(yàn)樣本進(jìn)行仿真檢驗(yàn)。 7)網(wǎng)絡(luò)插值調(diào)用模型函數(shù)，對所有樣本進(jìn)行空間插值，得到整個(gè)區(qū)域的重金屬 含量分布。
在土樣采集時(shí)，先以GPS準(zhǔn)確確定采樣點(diǎn)的空間位置，然后以采樣點(diǎn)為圓心，在半 徑為5m的范圍內(nèi)采集多個(gè)土樣進(jìn)行混合，取樣深度為10cm。
所述目篩為18目篩。 與現(xiàn)有技術(shù)相比，本發(fā)明的積極效果是通過建立采樣點(diǎn)土壤重金屬元素含量和 一些影響因素指標(biāo)的關(guān)系模型，來挖掘看似孤立的多個(gè)采樣點(diǎn)與整個(gè)區(qū)域的內(nèi)在必然聯(lián) 系，從而實(shí)現(xiàn)用較少的采樣點(diǎn)進(jìn)行空間插值，獲得采樣區(qū)域土壤重金屬元素含量的目的，從 而節(jié)省采樣樣點(diǎn)、采樣時(shí)間和采樣經(jīng)費(fèi)。
具體實(shí)施例方式
本說明書中公開的所有特征，或公開的所有方法或過程中的步驟，除了互相排斥 的特征和/或步驟以外，均可以以任何方式組合。 本說明書(包括任何附加權(quán)利要求、摘要和附圖
)中公開的任一特征，除非特別敘 述，均可被其他等效或具有類似目的的替代特征加以替換。即，除非特別敘述，每個(gè)特征只 是一系列等效或類似特征中的一個(gè)例子而已。
—種監(jiān)測土壤環(huán)境質(zhì)量的新方法，包括如下步驟 1、樣本分類將已知樣本(一定數(shù)量已知重金屬含量值和影響因素值的土壤樣 點(diǎn))分為學(xué)習(xí)訓(xùn)練樣本和檢驗(yàn)樣本2個(gè)部分。 先在l : 10000的地形圖上的研究區(qū)域范圍內(nèi)采用網(wǎng)格法大約以700m的間隔布 點(diǎn)，再實(shí)地采樣，實(shí)際采樣點(diǎn)根據(jù)試驗(yàn)區(qū)情況作一定調(diào)整，共采集樣點(diǎn)80個(gè)。采樣時(shí)，先以 GPS準(zhǔn)確確定采樣點(diǎn)的空間位置，然后以采樣點(diǎn)為圓心，在半徑為5m的范圍內(nèi)采集多個(gè)土 樣進(jìn)行混合，取樣深度為10cm。采集到的土樣在實(shí)驗(yàn)室內(nèi)風(fēng)干、磨細(xì)、過18目篩。
為檢驗(yàn)插值方法對土壤性質(zhì)的插值精度，先對采樣點(diǎn)樣本進(jìn)行劃分。將80個(gè)采樣 點(diǎn)分為72個(gè)訓(xùn)練樣本和8個(gè)檢驗(yàn)樣本，其中檢驗(yàn)樣點(diǎn)的確定是使樣點(diǎn)能大致均勻分布于研 究區(qū)內(nèi)的前提下，隨機(jī)選擇組成。然后以原始樣點(diǎn)布局為基礎(chǔ)按照樣點(diǎn)間距擴(kuò)大一倍的，
4即按照1. 4-1. 5km的樣點(diǎn)間隔進(jìn)行抽取，得到38個(gè)訓(xùn)練樣點(diǎn)，檢驗(yàn)樣點(diǎn)保持不變，仍然是8 個(gè)。 在劃分時(shí)，訓(xùn)練樣本個(gè)數(shù)不宜太少，太少則不能準(zhǔn)確得出數(shù)據(jù)間的規(guī)律。檢驗(yàn)樣本 如果太少，不能保證檢驗(yàn)結(jié)果準(zhǔn)確可靠。劃分方式均為隨機(jī)選取。其中訓(xùn)練樣本用于RBF 網(wǎng)絡(luò)訓(xùn)練，反映插值方法對已知樣點(diǎn)的逼近能力；檢驗(yàn)樣本不參與網(wǎng)絡(luò)訓(xùn)練，可用于檢驗(yàn)插 值方法的插值能力，即對未知區(qū)域土壤性質(zhì)的描述能力。 2、在MATLAB軟件的支持下，利用其提供的數(shù)值處理功能和人工神經(jīng)網(wǎng)絡(luò)工具箱， 通過編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的插值功能。其具體步驟如下 1)樣本數(shù)據(jù)輸入可采用人工輸入的辦法，也可做成文本，從文本讀入；此處先建 立三個(gè)矩陣，再從excel中將數(shù)據(jù)復(fù)制進(jìn)相應(yīng)的矩陣 輸入訓(xùn)練樣本矩陣，二維矩陣，本例中為72個(gè)訓(xùn)練樣點(diǎn)的x， y坐標(biāo)值
輸入目標(biāo)輸出，本例中為72個(gè)訓(xùn)練樣點(diǎn)的土壤有機(jī)質(zhì)含量值
輸入檢驗(yàn)樣本，即8個(gè)檢驗(yàn)樣點(diǎn)的坐標(biāo)值 2)數(shù)據(jù)預(yù)處理最大值、最小值查詢及歸一化，將所有數(shù)值進(jìn)行歸一化處理 3)插值點(diǎn)的生成在研究區(qū)生成一個(gè)矩形區(qū)域，區(qū)域內(nèi)每一點(diǎn)為一個(gè)柵格，即需
要進(jìn)行插值的點(diǎn)，記錄每個(gè)柵格的坐標(biāo)信息；將格網(wǎng)坐標(biāo)轉(zhuǎn)為二維矩陣，用作網(wǎng)絡(luò)輸入；建
立對研究區(qū)每個(gè)柵格進(jìn)行插值的輸入矩陣，將輸入矩陣中的數(shù)據(jù)歸一化 4)網(wǎng)絡(luò)創(chuàng)建利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱提供的函數(shù)命令，創(chuàng)建一個(gè)人工神經(jīng)網(wǎng)
絡(luò) (a)訓(xùn)練樣本網(wǎng)絡(luò)輸入生成，以按鄰近點(diǎn)距離由小到大依次確定第3、4、5、6、7個(gè) 神經(jīng)節(jié)元的輸入，鄰近點(diǎn)個(gè)數(shù)可調(diào)節(jié)。這部分用于對訓(xùn)練樣點(diǎn)的鄰近樣點(diǎn)進(jìn)行搜索，建立訓(xùn) 練樣本輸入矩陣。運(yùn)行結(jié)果產(chǎn)生一個(gè)7X72矩陣，其中前兩行為72個(gè)樣點(diǎn)的坐標(biāo)歸一化 值，后五行為與該樣點(diǎn)最近的5樣點(diǎn)歸一化后的值，5個(gè)點(diǎn)的排列順序依距離而定，最近的 放在第三行，次近的放在第四行，依此類推，最遠(yuǎn)的放在第七行。 (b)檢驗(yàn)點(diǎn)網(wǎng)絡(luò)輸入生成，以按鄰近點(diǎn)距離由小到大依次確定第3、4、5、6、7個(gè)神 經(jīng)節(jié)元的輸入。用于確定與檢驗(yàn)樣點(diǎn)最近的幾個(gè)鄰近點(diǎn)。運(yùn)行結(jié)果產(chǎn)生一個(gè)7X8矩陣。 其中前兩行為8個(gè)樣點(diǎn)的坐標(biāo)歸一化值，后五行為與該樣點(diǎn)最近的5樣點(diǎn)歸一化后的值， 5個(gè)點(diǎn)的排列順序依距離而定，最近的放在第三行，次近的放在第四行，依此類推，最遠(yuǎn)的放 在第七行。 (c)是對前面產(chǎn)生的插值區(qū)域中的每個(gè)柵格點(diǎn)尋找與之最近的5個(gè)采樣點(diǎn)，按距 離遠(yuǎn)近分別放入第3至7行。 (d)插值點(diǎn)網(wǎng)絡(luò)輸入生成，以按鄰近點(diǎn)距離由小到大依次確定第3、4、5、6、7個(gè)神 經(jīng)節(jié)元的輸入。這部分用于對研究區(qū)每一個(gè)柵格點(diǎn)查找最鄰近的幾個(gè)樣點(diǎn)，運(yùn)行結(jié)果產(chǎn)生 一個(gè)7 X 5341矩陣，作為對研究區(qū)進(jìn)行模擬時(shí)的輸入矩陣。 5)網(wǎng)絡(luò)訓(xùn)練，建立自變量與因變量間的非線性關(guān)系，并利用訓(xùn)練好的網(wǎng)絡(luò)模擬訓(xùn) 練樣點(diǎn)的擬合值與檢驗(yàn)樣點(diǎn)的擬合值；通過對訓(xùn)練樣本的擬合值和對檢驗(yàn)樣點(diǎn)的預(yù)測精 度，不斷調(diào)整模型參數(shù)，建立了一個(gè)基于空間位置和鄰近點(diǎn)為網(wǎng)絡(luò)輸入的土壤屬性空間分 布插值模型。
(a)網(wǎng)絡(luò)模擬，其中參數(shù)要根據(jù)檢驗(yàn)點(diǎn)的結(jié)果進(jìn)行調(diào)節(jié)利用訓(xùn)練樣本輸入矩陣和目標(biāo)輸出矩陣訓(xùn)練網(wǎng)絡(luò)，建立自變量與因變量間的非線性關(guān)系。 (b)對訓(xùn)練樣點(diǎn)插值，用于確認(rèn)模型對訓(xùn)練樣本的擬合程度模擬訓(xùn)練樣點(diǎn)的擬 合值(歸一化后的值) (c)反歸一化，將插值結(jié)果計(jì)算為某種土壤屬性值的實(shí)際范圍
(d)計(jì)算檢驗(yàn)樣點(diǎn)的模擬值 前述步驟需要根據(jù)檢驗(yàn)樣點(diǎn)的模擬值反覆調(diào)整網(wǎng)絡(luò)參數(shù)，以達(dá)到最優(yōu)的插值結(jié) 果。 6)根據(jù)建立的模型，利用前面生成的研究區(qū)柵格坐標(biāo)和與每個(gè)坐標(biāo)最近的幾個(gè)樣 點(diǎn)值建立的模型輸入矩陣，對整個(gè)研究區(qū)進(jìn)行插值。
(a)將一維網(wǎng)絡(luò)預(yù)測輸出轉(zhuǎn)為網(wǎng)絡(luò)坐標(biāo)點(diǎn)矩陣相對應(yīng)的矩陣，得到以100米為分
辨率的研究區(qū)每個(gè)柵格上土壤有機(jī)質(zhì)的含量值。 [OO51] (b)轉(zhuǎn)換為TXT文件 (c)將文本文件在arcgis中轉(zhuǎn)為grid顯示，得到該區(qū)域的重金屬含量分布圖。
本發(fā)明并不局限于前述的具體實(shí)施方式
。本發(fā)明擴(kuò)展到任何在本說明書中披露的 新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。
權(quán)利要求
一種監(jiān)測土壤重金屬含量的新方法，其特征在于包括如下步驟第一步，土樣采集，并將采集到的土樣在實(shí)驗(yàn)室內(nèi)風(fēng)干、磨細(xì)、過目篩，對土樣進(jìn)行分析測定，獲得單個(gè)土樣的重金屬含量值；第二步，樣本分類將分析測定出的已知土樣樣本分為訓(xùn)練樣本和檢驗(yàn)樣本；第三步，在MATLAB軟件的支持下，利用其提供的數(shù)值處理功能和人工神經(jīng)網(wǎng)絡(luò)工具箱，通過編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的插值功能，獲得土樣所在區(qū)域的重金屬含量分布圖，具體步驟如下1)樣本數(shù)據(jù)輸入列出訓(xùn)練樣本輸入值、訓(xùn)練樣本的目標(biāo)輸出值和檢驗(yàn)樣本值；2)數(shù)據(jù)預(yù)處理訓(xùn)練樣本、檢驗(yàn)樣本的數(shù)據(jù)歸一化處理；3)插值坐標(biāo)點(diǎn)的生成生成網(wǎng)格坐標(biāo)矩陣，并轉(zhuǎn)成二維坐標(biāo)矩陣；4)網(wǎng)絡(luò)創(chuàng)建利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱提供的函數(shù)命令，創(chuàng)建一個(gè)人工神經(jīng)網(wǎng)絡(luò)；5)網(wǎng)絡(luò)訓(xùn)練調(diào)用模型函數(shù)，對訓(xùn)練樣本進(jìn)行擬合訓(xùn)練；6)網(wǎng)絡(luò)仿真檢驗(yàn)調(diào)用模型函數(shù)，對檢驗(yàn)樣本進(jìn)行仿真檢驗(yàn)。7)網(wǎng)絡(luò)插值調(diào)用模型函數(shù)，對所有樣本進(jìn)行空間插值，得到整個(gè)區(qū)域的重金屬含量分布。
2. 根據(jù)權(quán)利要求l所述的監(jiān)測土壤重金屬含量的新方法，其特征在于在土樣采集時(shí)，先以GPS準(zhǔn)確確定采樣點(diǎn)的空間位置，然后以采樣點(diǎn)為圓心，在半徑為5m的范圍內(nèi)采集多 個(gè)土樣進(jìn)行混合，取樣深度為10cm。
3. 根據(jù)權(quán)利要求1所述的監(jiān)測土壤重金屬含量的新方法，其特征在于所述目篩為18 目篩。
全文摘要
本發(fā)明公開了一種監(jiān)測土壤重金屬含量的新方法，包括如下步驟第一步，土樣采集，并將采集到的土樣在實(shí)驗(yàn)室內(nèi)風(fēng)干、磨細(xì)、過目篩，對土樣進(jìn)行分析測定，獲得單個(gè)土樣的重金屬含量值；第二步，樣本分類將分析測定出的已知土樣樣本分為訓(xùn)練樣本和檢驗(yàn)樣本；第三步，在MATLAB軟件的支持下，利用其提供的數(shù)值處理功能和人工神經(jīng)網(wǎng)絡(luò)工具箱，通過編程實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的插值功能，獲得土樣所在區(qū)域的重金屬含量分布圖。本發(fā)明的積極效果是實(shí)現(xiàn)了用較少的采樣點(diǎn)進(jìn)行空間插值以獲得采樣區(qū)域土壤重金屬元素含量，從而節(jié)省采樣樣點(diǎn)、采樣時(shí)間和采樣經(jīng)費(fèi)，有效地降低了土壤屬性空間數(shù)據(jù)獲取成本，提高了空間插值精度。
文檔編號G06N3/08GK101696968SQ20091030826
公開日2010年4月21日 申請日期2009年10月14日 優(yōu)先權(quán)日2009年10月14日
發(fā)明者張毅, 曾敏, 李冰, 李啟權(quán), 楊娟, 王昌全, 白根川, 蔡艷, 袁大剛 申請人:四川農(nóng)業(yè)大學(xué);