摘要：对土壤性质空间变异的充分了解,是土壤养分管理和合理施肥的基础.90年代以来,随着发达国家精确农业技术的开展,土壤特性的空间变异和空间插值技术研究得到众多农学家和土壤科学工作者的关注和重视[1,2].由法国学者Matheron于20世纪60年代建立起来的地统计学(Geostatistics)方法,已被广泛用于土壤养分空间变异研究的定量分析;它是以区域化变量、随机函数和平稳性假设等概念为基础,以变异函数为核心,以克里格插值为手段,来分析研究自然现象的空间变异问题[3,4].但克里格插值有三个重要的前提条件:(1)区域变量可表达为与均值有关的结构成分、与空间有关的随机成分和随机噪声三部分之和;(2)所研究区域是均质的;(3)对景观的不同部分应使用不同的半方差图.在一些情况下,克里格插值法由于无法满足上述前提条件而不能可靠地应用地统计学来研究空间变异问题[5].

关键词：广义回归神经网络 土壤性质 空间变异 空间插值技术 地统计学 

单位：浙江大学农业遥感与信息技术应用研究所; 杭州; 310029; 浙江大学计算机科学与技术学院; 杭州; 310027; 浙江大学农业遥感与信息技术应用研究所; 杭州; 310029; 浙江大学计算机科学与技术学院; 杭州; 310027; Department; of; Agriculture; for; Northern; Ireland; Agricultural; and; Environmental; Science; Division; Belfast; UK