一种知识约束下的多目标土壤空间抽样优化模型

作     者：刘殿锋 刘艳芳 LIU Dianfeng;LIU Yanfang

作者机构：武汉大学资源与环境科学学院湖北武汉430079 武汉大学地理信息系统教育部重点实验室湖北武汉430079 

出 版 物：《武汉大学学报（信息科学版）》 (Geomatics and Information Science of Wuhan University)

年 卷 期：2014年第39卷第11期

页      面：1282-1286页

核心收录：

学科分类：081603[工学-地图制图学与地理信息工程] 081802[工学-地球探测与信息技术] 07[理学] 08[工学] 070503[理学-地图学与地理信息系统] 0818[工学-地质资源与地质工程] 0705[理学-地理学] 0816[工学-测绘科学与技术] 

基　　金：国家863计划资助项目(2011AA120304) 中国博士后科学基金资助项目(2012M511253) 中央高校基本科研业务费专项资金青年教师资助项目(121044)~~ 

主　　题：空间抽样 土壤 粒子群 目标规划 多目标优化 

摘      要：土壤空间抽样优化需要综合考虑抽样精度、成本、代表性以及样点数量与空间布局等多目标,属于典型的NP-Hard空间优化决策问题。先验知识的应用以及多目标的博弈能够有效地提高抽样精度和效率。通过研究土壤空间抽样先验知识及其空间分层技术,以及土壤空间抽样方案与粒子群算法映射关系,建立了基于知识约束下多目标粒子群算法的土壤空间抽样优化模型。模型以最小克里金方差和最大熵为抽样目标,以分层最小样本量、空间阻隔和可达性为约束条件,结合目标规划法进行多目标帕累托优化方案求解,并以陕西省横山县为实验区验证了模型的有效性。实验结果表明,该模型相比传统方法具有较高的收敛效率和抽样精度,先验知识与目标规划法的应用显著提升了抽样方案代表性,能够为土壤空间抽样以及土壤质量监测网络构建提供新的技术支撑。