《表4 普通克里格的变异函数模型精度比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于投影寻踪的土壤养分综合评价及影响因素研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：ME：平均误差；MESD：标准平均值；RMSE：均方根预测误差；RMMSE：最小均方误差；ASE：平均值标准误差；DABS:IRMSE–ASE。

数据符合正态分布是地统计分析的前提假设，因此实验数据必须接近正态分布，才能进行地统计插值及其相关分析[28]。从上文可知，土壤养分综合指数满足正态分布的要求，能进行普通克里格插值预测。为了提高预测精度，选择最优变异函数理论模型，利用Arc GIS将实验数据分为80%训练集和20%验证集，分别为301和75个样点，运用地统计向导工具对变异函数模型进行交叉验证，结合6项精度参数综合比较3类理论模型的精度，结果如表4所示。从表4可知，在训练集交叉验证中，相比于指数函数、高斯函数，球面函数的ME（平均误差）、RMSE（均方根预测误差）更小，MESD（标准平均值）更接近于0，DABS（|RMSE-ASE|）值更小，同时在验证集交叉验证中，验证集球面函数的ME、RMSE、ASE（平均值标准误差）和DABS也更小，MESD更接近于0，表明球面函数为本研究拟合效果最优的变异函数理论模型。