[发明专利]一种土壤重金属空间分布预测方法及系统在审
申请号: | 201710124266.0 | 申请日: | 2017-03-03 |
公开(公告)号: | CN106996969A | 公开(公告)日: | 2017-08-01 |
发明(设计)人: | 罗娜;韩平;王纪华;王卉;贾文珅;王世芳 | 申请(专利权)人: | 北京农业质量标准与检测技术研究中心 |
主分类号: | G01N33/24 | 分类号: | G01N33/24;G06N99/00 |
代理公司: | 北京路浩知识产权代理有限公司11002 | 代理人: | 汤财宝 |
地址: | 100097 北京市海淀区曙光*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 土壤 重金属 空间 分布 预测 方法 系统 | ||
1.一种土壤重金属空间分布预测方法,其特征在于,所述方法包括:
测量采样点处土样的土壤重金属含量数值;
获取所述采样点的辅助特征数据,构建训练数据集,所述训练数据集包括:所述采样点对应的所述土壤重金属含量数值以及所述采样点的辅助特征数据;
将所述辅助特征和所述土壤重金属含量作为变量构建GBRT模型,并用所述训练数据集训练所述GBRT模型得到训练好的GBRT模型;
获取待测点的辅助特征数据,构建待测数据集,所述待测数据集包括所述待测点的所述辅助特征数据;
将所述待测数据集输入所述训练好的GBRT模型,输出所述待测点对应的土壤重金属含量数值。
2.根据权利要求1所述方法,其特征在于,在所述测量采样点处土样的土壤重金属含量数值之前还包括:
利用ArcGIS软件在待测区域内选取所述采样点,并获取所述采样点处土样。
3.根据权利要求1所述方法,其特征在于,所述辅助特征包括经度、纬度、高程、土壤类型、与公路的距离、与铁路的距离、与矿区的距离以及土壤侵蚀程度中的一个或多个。
4.根据权利要求3所述方法,其特征在于,所述辅助特征数据利用ArcGIS软件获取。
5.根据权利要求1所述方法,其特征在于,所述用所述训练数据集训练所述GBRT模型得到训练好的GBRT模型具体为:
用所述训练数据集通过交叉验证法对所述GBRT模型进行训练得到所述训练好的GBRT模型。
6.根据权利要求1所述方法,其特征在于,在所述将所述待测数据集输入所述训练好的GBRT模型,输出所述待测点对应的土壤重金属含量数值之后还包括:
利用ArcGIS软件将所述待测点对应的土壤重金属含量数值绘制成土壤重金属空间分布图。
7.一种土壤重金属空间分布预测系统,其特征在于,所述系统包括:
测量模块,用于测量采样点处土样的土壤重金属含量数值;
第一获取模块,用于获取所述采样点的辅助特征数据,构建训练数据集,所述训练数据集包括:所述采样点对应的所述土壤重金属含量数值以及所述采样点的辅助特征数据;
训练模块,用于将所述辅助特征和所述土壤重金属含量作为变量构建GBRT模型,并用所述训练数据集训练所述GBRT模型得到训练好的GBRT模型;
第二获取模块,用于获取待测点的辅助特征数据,构建待测数据集,所述待测数据集包括所述待测点的所述辅助特征数据;
预测模块,用于将所述待测数据集输入所述训练好的GBRT模型,输出所述待测点对应的土壤重金属含量数值。
8.根据权利要求7所述的系统,其特征在于,所述系统还包括采样模块,用于利用ArcGIS软件在待测区域内选取所述采样点,并获取所述采样点处土样。
9.根据权利要求7所述的系统,其特征在于,所述训练模块具体用于用所述训练数据集通过交叉验证法对所述GBRT模型进行训练得到所述训练好的GBRT模型。
10.根据权利要求7所述的系统,其特征在于,所述系统还包括绘图模块,用于利用ArcGIS软件将所述待测点对应的土壤重金属含量数值绘制成土壤重金属空间分布图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京农业质量标准与检测技术研究中心,未经北京农业质量标准与检测技术研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710124266.0/1.html,转载请声明来源钻瓜专利网。