农业资源与环境学报

作者：陈宇,周悟,胡月明,谢健文

单位：华南农业大学资源环境学院, 广州 510642,华南农业大学资源环境学院, 广州 510642,华南农业大学资源环境学院, 广州 510642,广东省土地信息工程技术研究中心, 广州 510642,广东省土地利用与整治重点实验室, 广州 510642,自然资源部建设用地再开发重点实验室, 广州 510642,青海大学农牧学院, 西宁 810016,青海-广东自然资源监测与评价联合重点实验室, 西宁 810016,华南农业大学资源环境学院, 广州 510642,广东省土地信息工程技术研究中心, 广州 510642,广东省土地利用与整治重点实验室, 广州 510642,自然资源部建设用地再开发重点实验室, 广州 510642,青海-广东自然资源监测与评价联合重点实验室, 西宁 810016

关键词：耕地质量评价，缺失，数据，填充，从化区，精度,

基金：国家重点研发计划课题（2020YFD1100204）；国家自然科学基金项目（U1901601）

在耕地质量数据调查与采集过程中会由于人为、环境等因素造成数据缺失，而目前数据缺失填充方法都存在适用性不足的问题，为完善耕地质量数据库从而提高耕地质量评价精度，对耕地质量评价缺失数据填充方法的研究是十分重要的。本研究以广州市从化区耕地质量数据库为样本集，根据空间相关性和空间分布将数据集划分为空间关联性数据集和非空间关联性数据集，利用多种填充方法对其进行缺失填充模拟，采用十字交叉法进行精度验证。结果表明：选取数据整体异常值比例不足1.2%，且高程、气温、有效锌等25组因素具有空间相关性。对空间关联性数据填充精度最高的是四象最近邻算法，在缺失率20%以下时精度仍高达80%，精度随缺失率增大而降低，其次为K最邻近（KNN）算法、期望最大化法、多重填充法、回归模型算法，四象最近邻算法相较于KNN算法在数据密集时精度更好。对非空间关联性数据填充精度最高的是相似聚集填充算法，在缺失率25%以下时精度超过80%，其次为期望最大化法、多重填充法、回归模型算法。综上，本研究提出的四象最近邻算法和相似聚集填充算法相比其他算法在耕地质量评价缺失数据填充中精度更高，效果更稳定，且实用性更广。

来源：2021年第6期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2021年第6期