[发明专利]一种顾及SOCD空间异质性的克里格插值模型构建方法

摘要

本发明公开了一种顾及SOCD空间异质性的克里格插值模型构建方法，结合土地利用信息降低空间异质性和空间异常值对普通克里格法的影响，且根据不同的趋势项函数，所述克里格插值模型包括虚拟变量回归克里格法、均值中心化克里格法和中位数中心化克里格法。并利用模型实现更高精度的SOCD预测和制图，最后根据模型评价指标值选择最佳预测方法及其预测结果。本发明的模型可靠性、预测合理性、预测精度和决定系数R²均显著提高；同时，模型实现了更高精度的SOCD空间制图，对实现精确农业和提高农业生产效率有重要意义。

主权项

1.一种顾及SOCD空间异质性的克里格插值模型构建方法，其特征在于：结合土地利用信息降低空间异质性和空间异常值对普通克里格法的影响，且根据不同的趋势项函数，所述克里格插值模型包括虚拟变量回归克里格法、均值中心化克里格法和中位数中心化克里格法；所述虚拟变量回归克里格法、均值中心化克里格法和中位数中心化克里格法三种方法均通过将SOCD的实测值拆分为趋势项和残差项，利用辅助变量消除趋势项后，得到代表随机性的残差项，利用普通克里格法得到全区域的残差预测值，则位于x₀处的SOCD的预测值等于自身趋势项函数值加上残差插值结果；所述不同的趋势项函数是指，虚拟变量回归克里格法的趋势项是连续函数，均值中心化克里格法和中位数中心化克里格法的趋势项是分段函数；所述中位数中心化克里格法，是将不同类别的SOCD值减去该类别的中位数，用得到的残差进行普通克里格插值，则任一位置的SOCD值等于残差克里格插值与该位置所属类别中位数之和；所述虚拟变量回归克里格的趋势项由SOCD值和土地利用类型利用普通最小二乘(OLS)拟合得到，且土地利用类型需要转换为虚拟变量；将土地利用类型转换为虚拟变量时，以水浇地地类为参照组，设其值为0；则水田地类值为1；所述均值中心化克里格法和中位数中心化克里格法的趋势项是仅与土地利用类型的类别有关分段函数，其值分别等于各类别的均值或中位数。