基于LSTM模型的草原土壤状态预测

中国是一个资源大国，拥有丰富的草地。这些草原生态系统是保持我国生态平衡的关键防线，同时为经济发展提供稳固的基础。然而，随着畜牧业的迅速发展，草地退化问题日益突出，甚至在一些地区呈现沙漠化趋势。面对这一情况，迫切需要提供科学合理的草地管理方式。因此，对土壤状态的准确预测对于草原的可持续保护和合理开发至关重要。本文通过对历年统计数据的分析，首先通过Softmax逻辑回归模型，结合处理后的数据，得到六种土壤状态与不同放牧策略的四分类模型，建立了不同放牧策略对草原土壤状态影响的数学模型。然后使用LSTM模型并基于多年份同放牧强度和放牧小区的土壤不同状态下的数据来进行训练，预测得到2023年的同条件下的土壤在不同状态下的数据。再利用沙漠化程度指数预测模型和数据来确定不同放牧强度下监测点的沙漠化程度数值。最后使用有机量、含水量、叶面积指数等指标代替用于衡量土壤状态的指标，有土壤肥力变化、土壤湿度、植被覆盖等，综合2014~2022年的土壤数据，使用LSTM模型预测得到2024年同月的土壤状态数据。

草原生态系统作为陆地生态系统的重要组成之一，植被类型分布广泛，是我国生态安全和食品安全的关键支柱。放牧优化问题是防止草原沙漠化的关键。过度放牧由于牲畜密度过大可能导致土壤裸露面积增加，对土地内水分相对运动产生不利影响，使土壤盐碱度程度增加，最终引发土壤沙漠化。相反， 适度的放牧有助于提升土壤的状态，促进草原生态系统的可持续发展。放牧优化问题的研究也为国家、政府制定放牧政策和草原管理决策提供科学的依据[1] [2]。因此，预测不同放牧策略(放牧方式和放牧强度)对草原土壤性质的影响是非常有必要的。本文基于土壤有机碳数据、无机碳、全N 以及土壤C/N 比等值等信息，通过衡量土地状态的指标，土壤肥力变化、土壤湿度、植被覆盖等评估了土壤各性质对环境影响的响应程度。利用统计年鉴2014~2022 年的数据，建立模型预测2023 年在不同放牧策略(放牧方式和放牧强度)的情况下，使用LSTM 法进行学习并对2024 年九月的土地状态进行预测。

2. 模型建立与求解 本文用到的符号及其含义如表1 所示。

2.1. Softmax 模型 针对问题中建立不同放牧策略(放牧方式和放牧强度)对锡林郭勒草原土壤化学性质影响的数学模型， 首先需要通过逻辑回归方法来判断不同放牧策略对锡林郭勒草原土壤化学性质变化的发生概率大小，进一步通过Softmax 模型获得四种土壤化学性质与不同放牧策略的四分类模型的权重值以及相应分类模型的常数值。