
-
生物通官微
陪你抓住生命科技
跳动的脉搏
插值方法在数字土壤制图中的表现:数据特征的影响
《Precision Agriculture》:Performance of interpolation methods in digital soil mapping: the influence of data characteristics
【字体: 大 中 小 】 时间:2025年12月29日 来源:Precision Agriculture 6.6
编辑推荐:
数据属性影响插值方法选择与性能,薄板样条在小样本中最优,机器学习在大数据中表现好,提出决策框架提升土壤图精度
在数字土壤制图中,插值方法的选择缺乏系统性的方法,这降低了地图的准确性。本研究旨在评估数据特征(如样本大小和空间结构)是否会影响插值方法的选择和性能。
研究了六种插值方法在代表巴西农业三种典型采样密度场景的数据集上的表现。使用Moran指数和从地统计半变异函数得出的空间依赖指数来表征空间结构。进行了插值运算,并使用测试数据集和Lin一致性相关系数来评估插值结果的准确性。随后,开发了两种决策框架(多元和单变量)来指导方法的选择。然后对单变量框架进行了验证,以评估其稳健性。
对于小型数据集(n < 50),确定性方法(尤其是薄板样条插值法TPS)根据Lin一致性相关系数(LCCC)始终表现出最佳性能。相比之下,随着样本大小的增加和空间结构的增强,地统计方法和机器学习方法的性能有所提高。在大型数据集(n ≥ 100)中,大多数方法的性能变得相当,主要选择标准转向了操作简便性等因素。这些发现被综合成决策框架,以指导最佳插值器的选择。
插值性能严重依赖于基础数据属性(样本大小和空间结构)。不存在适用于所有数据集的通用插值方法。确定性方法,特别是TPS,在不同场景下表现出卓越的灵活性。本研究开发了一个数据驱动的决策框架,将这些关键数据属性转化为明确、可操作的推荐意见,从而为用户提供了一个可用的工具,以显著提高土壤地图的可靠性。