基于决策树的土壤Zn含量预测

被引：8

作者：

张秀英 ^{[1
,2
]}

孙棋 ^{[1
]}

王珂 ^{[1
]}

蒋玉根 ^{[3
]}

林芬芳 ^{[1
]}

韩凝 ^{[1
]}

机构：

[1] 浙江大学农业遥感与信息技术应用研究所

[2] 南京大学国际地球系统科学研究所

[3] 浙江省富阳市农业局土肥站

来源：

环境科学 | 2008年 / 12期

关键词：

决策树; 预测; Zn含量;

D O I：

10.13227/j.hjkx.2008.12.018

中图分类号：

X53 [土壤污染及其防治];

学科分类号：

082803 ; 120405 ;

摘要：

以浙江省富阳市为研究区域,基于184个土壤表层(020 cm)样点的Zn浓度数据(根据背景值划分为G1、G2、G3、G4和G5共5个层次),并结合土壤类型、pH值、有机质、农业用地方式、工矿企业类型、道路和农村居民点等环境因子,采用CART方法挖掘Zn在土壤中的累积规则.利用获得的规则预测剩余41个土壤样点的Zn浓度,并进行精度评价.结果表明,采用CART方法获得的结果比普通Kriging插值方法获得的结果总精度提高了21.95%,在G2和G5层次上模拟精度相差不大,但在G1、G3和G4层次上前者明显高于后者.研究还表明,工矿企业类型在区分土壤Zn含量高低(G1、G2和G3、G4、G5)层次上起主要作用,G1和G2之间,G3、G4和G5之间的土壤Zn含量与pH值、土壤类型和土地利用方式有关.

引用

页码：3508 / 3512

页数：5

共 11 条

[1] 浙江土壤地球化学基准值与环境背景值 [J].

汪庆华 ;

董岩翔 ;

郑文 ;

周国华 .

地质通报, 2007, (05) :590-597

[2] 水稻土重金属空间分布的随机模拟和不确定评价 [J].

史舟 ;

李艳 ;

程街亮 .

环境科学, 2007, (01) :209-214

[3] 北京市不同土地利用方式下土壤锌的积累及其污染风险 [J].

郑袁明 ;

宋波 ;

陈同斌 ;

郑国砥 ;

黄泽春 .

自然资源学报, 2006, (01) :64-72

[4] 运用分类树进行土壤类型自动制图的研究 [J].

周斌 ;

王繁 ;

王人潮 .

水土保持学报, 2004, (02) :140-143+147

[5] 基于分类树方法的土壤有机质空间制图研究 [J].

周斌 ;

许红卫 ;

王人潮 .

土壤学报, 2003, (06) :801-808

[6]

Heavy meals in urban roadside soils, part 1: effect of particle size fractions on heavy metals partitioning[J] . Xue-Song Wang,Yong Qin,Yong-Kang Chen.Environmental Geology . 2006 (7)

[7]

Selection of imagery data and classifiers for mapping Brazilian semideciduous Atlantic forests[J] . Luis M.T.de Carvalho,Jan G.P.W. Clevers,Andrew K. Skidmore,Steven M.de Jong.International Journal of Applied Earth Observations and Geoinformation . 2004 (3)

[8] An assessment of the effectiveness of decision tree methods for land cover classification [J].

Pal, M ;

Mather, PM .

REMOTE SENSING OF ENVIRONMENT, 2003, 86 (04) :554-565

[9]

Spatial prediction of soil properties using environmental correlation[J] . Neil J. McKenzie,Philip J. Ryan.Geoderma . 1999 (1)

[10]

Heavy-metal ecology of terrestrial plants, microorganisms and invertebrates[J] . Water, Air, and Soil Pollution . 1989 (3)

← 1 2 →