[发明专利]一种土壤重金属空间分布预测方法及系统

说明书

技术领域

本发明实施例涉及环境监测技术领域，更具体地，涉及一种土壤重金属空间分布预测方法及系统。

背景技术

土壤是人类赖以生存的自然资源之一，随着农业集约化生产的发展以及城市化进程的加快，土壤环境污染问题日益突出。重金属通过污水灌溉、大气沉降等途径进入土壤。土壤重金属具有不易降解和迁移的性质，不仅通过食物链进入人体，危害人类健康，过量的土壤重金属还会进一步污染地下水环境、海洋甚至整个生态系统。因而如何更精确地掌握土壤的重金属空间分布对于土壤重金属污染防治与风险评估具有重要意义。

由于人力、财力成本的限制，土壤重金属含量监测网点的数量始终有限。但是，基于已布设的有限的监测网点，可获得一定数量的空间样本，这些样本反映了土壤重金属空间分布的部分特征，根据这些已知样本，采用适当的空间算法，可以预测未知地理空间土壤重金属的分布特征。也即只依靠采集有限的离散样本来预测土壤重金属在某一区域内的空间分布，并可通过地理信息系统(Geographic Information System，GIS)技术绘制出土壤重金属空间分布图。传统的预测方法采用的算法一般包括：地统计插值法、神经网络以及支持向量机等。

但是，地统计插值以空间自相关性为基础，由于该方法对辅助数据的利用不足，且与数据关联性较大，导致同一插值方法在不同区域的插值效果差别较大，不利于推广应用；神经网络、支持向量机在空间插值中的应用经常存在过拟合问题，导致泛化能力受限。

发明内容

本发明实施例提供了一种克服上述问题或者至少部分地解决上述问题的土壤重金属空间分布预测方法及系统。

一方面本发明实施例提供了一种土壤重金属空间分布预测方法，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。

其中，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。

其中，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。

其中，所述辅助特征数据利用ArcGIS软件获取。

其中，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。

其中，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。

另一方面本发明实施例提供了一种土壤重金属空间分布预测系统，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。

其中，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。

其中，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。