基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

选取宜昌市红花套镇作为研究区域,研究土壤pH、有机质、有效磷、速效钾、碱解氮与土壤属性指标变量之间的关系,选择与预测变量之间具有较高相关性的变量作为辅助变量用以提高预测精度,本文试图将地理加权回归模型应用于土壤属性空间模拟中,以此与协同克里格插值的预测结果进行对照,从而比较它们的预测精度以提出更适合土壤属性预测的模型。结果表明：协同克里格插值和地理加权回归模型对土壤属性的空间模拟都有较高的预测精度,在辅助变量较多的情况下地理加权回归模型具有比协同克里格插值更为简单的算法,并且比较预测值相对误差的范围跨度和标准差以及均方根误差等方面,地理加权回归模型在土壤属性指标预测方面具有更高的预测精度,也具有更大的优势。     

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

选取宜昌市红花套镇作为研究区域,研究土壤pH、有机质、有效磷、速效钾、碱解氮与土壤属性指标变量之间的关系,选择与预测变量之间具有较高相关性的变量作为辅助变量用以提高预测精度,本文试图将地理加权回归模型应用于土壤属性空间模拟中,以此与协同克里格插值的预测结果进行对照,从而比较它们的预测精度以提出更适合土壤属性预测的模型。结果表明:协同克里格插值和地理加权回归模型对土壤属性的空间模拟均有较高的预测精度,在辅助变量较多的情况下地理加权回归模型具有比协同克里格插值更为简单的算法,并且比较预测值相对误差的范围跨度和标准差以及均方根误差等方面,地理加权回归模型在土壤属性指标预测方面具有更高的预测精度,也具有更大的优势。     

复杂地形区土壤有机质空间变异性分析及制图

数字土壤制图作为获取土壤属性空间分布的一种新方法,目前已成为土壤科学的研究热点。探究土壤有机质在复杂地形区的空间变异特征及其空间分布制图,可为土地利用合理规划与管理、精准农业及生态环境模拟等提供有价值的数据。复杂地形区由于其地形起伏大,地貌类型多样以及采样点获取难度大等,对土壤属性制图带来一定的困难,也使得获取的属性空间分布图很难用于实际的使用。基于湟水流域2016年10—11月份采集的0—20 cm的253个土壤表层数据,采用GIS与地统计学相结合的方法,研究协同克里格(COK)、地理加权回归克里格(GWRK)以及结合土地利用类型的均值、中值修正协同克里格4种方法在湟水流域的预测精度并进行比较,旨在探索复杂地形区土壤有机质制图中地统计学方法的适用性。结果表明:(1) 4种插值方法对SOM的解释能力均较优,均可用于复杂地形区土壤有机质制图。(2)均值、中值修正协同克里格方法与地理加权回归克里格模型准确度分别为0.905,0.923,0.909,中值修正协同克里格精度最高,未考虑土地利用类型的协同克里格插值精度最低,为0.883。(3)有机质的变异系数为90.90%,存在中等空间变异性;表明其空间变异主要受土壤母质、土壤类型与土地利用管理方式、施肥等共同影响。(4) 4种方法预测图表明湟水流域的SOM高值主要分布在大通县西北部、海晏县南部等地,低值主要分布在民和县东南部等地;整体来看研究区SOM含量有利于农业发展。     

基于回归克里格和遥感的紫色土区土壤有机质含量空间预测

精确预测紫色土区土壤有机质含量的空间分布,对于指导紫色土区农业生产和培肥土壤具有重要意义。以杜家沟小流域为研究区,以遥感影像作辅助变量,采用回归克里格法,预测土壤有机质含量的空间分布,并与参照方法的预测精度进行比较。结果表明:(1)Landsat ETM+影像的波段2和波段5是土壤有机质含量多元线性回归预测的最佳辅助变量,回归残差的最优半方差函数模型为球状模型,模型的拟合精度较高;(2)土壤有机质含量呈由沟谷逐渐向坡顶递减的趋势,空间变异的细节信息表达较好;(3)回归克里格法在验证点的预测值与实测值的拟合能力更好,预测结果更倾向于无偏的,MAE、RMSE和R2均优于参照方法。因此,回归克里格法是紫色土区土壤有机质含量高精度空间预测的有效方法。     

西南典型岩溶区土壤硒空间分布预测

土壤硒精准预测和制图是富硒土壤资源开发利用和环境规划管理的基础。该文以西南典型岩溶区桂林永福百寿河流域为例,在分析影响土壤硒化学行为因子的基础上,通过野外样品采集和室内化学分析以及Arc GIS空间分析,获取了研究区相关地理环境因子和土壤属性因子数据。利用逐步回归方法选择土壤硒空间分布预测的辅助变量,使用协同克里格模型对非连续分布的辅助变量进行插值。在此基础上利用地理加权回归模型对土壤硒空间分布进行预测,同时以普通克里格插值结果作为参照。研究结果表明:使用地理环境因子和影响土壤硒化学行为的土壤属性因子可以提高土壤硒预测精度;协同克里格插值解决了辅助变量数据连续分布的问题;土壤硒的空间分布与地形和影响土壤硒化学行为的因子有关。     

基于随机森林模型的安徽省土壤属性空间分布预测

为探讨随机森林(random forest,RF)模型对土壤属性空间预测的精度,本文以安徽省为例,收集140个土壤样本,利用GIS和RS技术,获取相关的地形因子、遥感植被指数及气候数据,利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系,并进行空间分布预测。研究结果表明:①RF建模预测中,当节点分裂次数(mtry)值为1,决策树数量(ntree)值分别为100、1 000和100时,获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测,多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的处理具有一定优势。研究表明,在大尺度研究区域内,利用RF模型进行土壤属性空间预测有一定的意义。     

黑土区小流域土壤速效磷空间分布模拟方法

为探索东北黑土小流域土壤AP空间分布模拟的最佳方法,综合考虑区域尺度、景观格局和采样方法等信息,选取两个典型黑土小流域(光荣和海沟河流域)作为研究对象,结合半变异分析、回归分析、主成分分析等方法,比较了不同空间插值方法(反距离权重法、径向基函数法、普通克里格、协同克里格、多元线性回归模型、地理加权回归模型、回归克里格和地理加权回归克里格)对AP空间模拟精度的影响。结果表明:(1)引入主成分分析后能够提高回归克里格和地理加权回归克里格方法的模拟精度(4.5%和2.4%);(2)地理加权回归克里格方法可以作为最优空间插值方法模拟黑土区小流域AP的空间分布格局。地理加权回归克里格方法相较于传统插值方法能在一定程度上提高黑土小流域土壤AP空间模拟精度,为小流域尺度黑土养分管理提供技术支撑。     

中国土壤温度的空间预测研究

土壤温度栅格数据是很多区域性宏观研究的重要基础,对离散的土壤温度数据进行空间预测分析获取空间上连续的土壤温度数据具有重要意义。本文用我国698个气象站点的年均土壤温度和年均气温数据以及数字高程模型数据,分析不同气象和地形因素对年均土壤温度的影响;根据全国各地可获取数据源的不同,分别用3组不同的影响因素为辅助变量:(1)年均气温;(2)经度、纬度和海拔;(3)年均气温、经度、纬度和海拔,采用回归克里格法预测我国年均土壤温度空间分布。结果表明年均气温、经度、纬度和海拔对年均土壤温度空间变异均有显著影响。土壤温度空间预测结果的准确性检验显示用经度、纬度和海拔预测土壤温度的精度最高,基于年均气温、经度、纬度和海拔预测的稍差,只用年均气温预测的最差。辅助变量数据的精度及其与年均土壤温度的相关性对预测效果的影响较大。     

平原丘陵过渡区土壤有机质空间变异及其影响因素

研究土壤有机质(SOM)在平原丘陵过渡区域的空间变异规律及其影响因素对指导农业生产实践具有重要意义。选取平原丘陵过渡区域(江汉平原与鄂西山区)作为研究区,采集500个土壤表层(0~20 cm)样本,利用相关分析和逐步回归分析从14个影响因素中选取与土壤有机质密切相关的7个变量作为解释变量:高程、坡度、坡向、有效铁、容重、砾石度、黏粒含量。利用普通克里格(OK),回归克里格(RK)和地理加权回归克里格(GWRK)方法对研究区土壤有机质含量进行预测,并用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(r)和不精确度(IP)作为验证指标来检验模型的预测精度。结果表明,GWRK插值结果最优,局部空间回归模型可以更好地表明过渡区域SOM的空间变异规律。且GWR模型的系数空间分布图可以反映环境变量在不同地理位置对SOM的空间非平稳性的影响程度,为探讨SOM在不同地形条件下的主导影响因子提供了依据,同时也为精确模拟过渡地带土壤有机质空间制图提供了重要的参考方法。     

广义线性地统计模型在典型亚热带丘陵区数字土壤制图中的应用

数字土壤制图(DSM)在当前的应用越来越广泛,其方法主要包括环境相关模型、空间自相关模型,以及这些模型的混合模型。理论上,混合模型相对单一模型具有明显的优势。广义线性地统计模型(GLGM)也是一种混合模型,相对于最常用的混合模型——回归克里格(RK),又具有能加入随机效应来解决土壤变异的非平稳性等优势。然而,GLGM因计算繁琐等缺点,在国内外应用较少。本文以广西南宁高峰林场内一小面积(3.03km2)丘陵为研究区,以14个地形因子为预测变量,使用GLMM及其与普通克里格(OK)相结合的模型(GLGM),对土壤有机碳(SOC)、pH、黏粒和阳离子交换量(CEC)的空间分布进行预测,并与常用的多元线性回归(MLR)、地理加权回归(GWR)、回归森林(RF)、普通克里格(OK)、RK和广义可加模型(GAM)进行比较。结果表明：GLMM在预测黏粒上准确度较高;GLMM和GLGM在预测CEC上准确度中等;GLMM和GLGM在预测SOC和pH上准确度较低。综合线性回归模型的调整决定系数、块金效应和全局莫兰指数,本文认为,当土壤属性与环境变量具有较低的线性回归调整决定系数(即小于5%)、土壤属性具有较弱的空间自相关性(即块金效应大于71%)和较强的局部空间变异(即全局莫兰指数小于0.09)时,GLMM和GLGM具有较高的适用性,例如本文中的黏粒。反之,GLMM和GLGM的适用性不好,例如本文中的SOC和pH。鉴于土壤空间变异的高度异质性和多尺度性,本文认为GLMM和GLGM具有较好的应用前景。但是,在未来的研究中还需要进一步研究如何提高GLMM和GLGM的模拟效率。     

河北省表层土壤有机碳和全氮空间变异特征性及影响因子分析

【目的】在陆地生态系统中, 土壤全氮和有机碳是重要的生态因子。本研究基于土壤调查获得大量土壤剖面的空间和属性信息,研究河北的土壤有机碳和全氮的空间分布特征,为河北的土壤养分监测和管理提供科学依据,同时也为其他类似地区土壤采样提供参考,减少采样成本。【方法】运用传统统计学和地统计学分析方法,以变异函数为工具,初步分析了河北土壤全氮和有机碳的空间变异特征,并应用普通克立格法和回归克里格法进行插值, 得出全氮和有机碳含量的分布格局。【结果】研究区土壤有机碳和全氮的平均值分别为15.25 g/kg和1.23 g/kg,变异系数分别为0.73和0.63,属于中等强度变异。经对数转换后,土壤有机碳和全氮均符合正态分布。选择球状模型作为土壤有机碳和全氮的半方差函数理论模型,土壤有机碳和全氮的块金值/基台值的比值分别为1.8%和1.2%,有机碳和全氮的块金系数均小于25%,表明有机碳和全氮具有强烈的空间相关性。有机碳和全氮空间变异的尺度范围不同,分别为50.400 km和59.200 km。研究区的有机碳总体空间分布规律是有机碳在北部较高、南部较低,呈自北向南递减趋势,土壤全氮与有机碳的空间分布趋势相似,但有机碳的空间变异特征较全氮明显,这种空间分布格局主要受环境因子、 土壤质地、 土壤类型以及土地利用类型等的影响,其中环境因子中的气温和海拔对有机碳和全氮的影响较大。通过比较普通克里格和回归克里格的预测结果,回归克里格能较好地反映东南部有机碳和全氮较低地区的局部变异外,对于西北部的山区也能更好地反映碳、 氮与地形及气候等因素的关系。【结论】河北土壤有机碳和全氮的空间变异和分布特征较为类似,受地形地貌、 气候等因素的影响。通过比较普通克里格法和回归克里格法的空间预测结果,回归克里格法可以消除环境因子的影响,从而得到更准确的空间预测结果,因此建议使用回归克里格法进行预测,以期获得一个更为准确的土壤有机碳和全氮的空间预测结果。     

秸秆带状覆盖下培土对马铃薯产量与水分利用效率的影响

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran''s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,"高-高"聚集区主要分布在苏中和苏南地区,"低-低"聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的传统全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

南方典型丘陵区耕地土壤全氮、有机碳和碳氮比空间变异特征及其影响因素

  【目的】  了解土壤全氮、有机碳和碳氮比空间变异及其影响因素是进行土壤碳氮调控的前提和基础。  【方法】  以江西省丰城市为案例区，通过实地采样获取2018年139个表层土壤数据，运用地统计学、普通克里格插值等方法对南方丘陵区县域尺度下耕地土壤全氮、有机碳和碳氮比的空间变异特征及其影响因素进行系统的分析。  【结果】  研究区土壤全氮 (TN) 含量介于0.74～3.80 g/kg、土壤有机碳 (SOC) 含量介于8.14～36.67 g/kg、土壤碳氮比 (C/N) 介于6.31 ～15.15，均值分别为2.24 g/kg、22.52 g/kg和10.15，变异系数分别为25.45%、26.24%、14.38%，均呈中等程度的空间变异。半方差分析结果显示，TN、SOC、C/N的块金效应分别为44.44%、56.97%、19.57%，这表明TN、SOC和C/N的空间分布受结构性因素和随机性因素共同影响。普通克里格插值结果显示，在空间分布上，研究区土壤TN和SOC具有相似性，总体表现出由中部向南北递减的趋势；土壤C/N空间分布与TN和SOC有所不同，总体呈现出西高东低的趋势。逐步回归分析结果显示，成土母质、土壤类型、土壤pH、氮肥施用量和土壤质地对土壤全氮，成土母质、土壤类型、土壤pH对土壤有机碳，土壤类型对土壤碳氮比影响极显著 (P<0.01)。  【结论】  成土母质对土壤TN和SOC的独立解释能力最高，分别为28.1%和23.2%；土壤类型对研究区土壤C/N的独立解释能力达到了13.2%。因此，成土母质是引起研究区土壤全氮、有机碳空间变异的主要因素，土壤类型则是引起研究区土壤碳氮比空间变异的主要因素。     

基于特征变量与支持向量机回归克里格(SVRK)法的湿地土壤有机质空间变异特征分析

选取适宜变量与有效方法有助于揭示河口湿地土壤有机质的空间异质性,对维护湿地生态平衡和全球碳循环的具有重要作用。以福州市闽江河口湿地为研究区,采用逐步回归分析与主成分分析法筛选显著的特征变量,运用支持向量机回归克里格法(SVROK)分析湿地土壤有机质的空间异质性,并与神经网络克里格法(BPNNOK)、回归克里格法(RK)进行比较。结果表明：归一化植被指数(NDVI)、比值植被指数(RVI)、土壤水分指数(PDI)、汇流累积量(FA)及沉积物移动指数(STI)与土壤有机质含量关系密切,其逐步回归模型的判定系数R_²为0.446,显著性概率值P<0.0001,可转换为3个独立的主成分作为模型的自变量。研究区土壤有机质的空间变异主要受结构性因素影响,呈现出“北低南高”的空间格局,采用SVROK模型的预测精度更高,可较好的体现河口湿地土壤有机质的空间异质特征。该研究可为同类区域的土壤有机质空间特征研究提供方法支撑。     

基于三种空间预测方法的安庆市耕地土壤速效钾空间分布预测

以安徽省安庆市为研究区,选取环境变量因子(空间位置变量因子、地形变量因子、土壤变量因子、气候变量因子)作为变量因素,通过构建随机森林(Random Forest,RF)模型对研究区耕地土壤速效钾含量进行预测,并与普通克里金(Ordinary Kriging,OK)和反距离权重(Inverse Distance Weighting,IDW)这两种传统空间预测方法作对比。结果表明:研究区内速效钾空间分布的3种方法的预测精度高低顺序为RF>OK>IDW,其中RF模型的平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)分别为30.93 mg·kg^-1、41.31 mg·kg^-1和0.58,相较于OK和IDW分别高出了3.36%、5.95%,6.71%、11.86%和18.37%、23.40%;3种空间分布预测方法整体趋势一致,呈东南高西北低分布。综合而言,RF模型能较好地预测安庆市耕地土壤速效钾含量,且纬度、年平均温度、成土母质、高程、经度、年平均降水量是影响RF模型精度的主要因素。     

Soil Particulate Organic Matter (POM) Prediction in a Mountainous Watershed using Artificial Neural Networks

Soil organic matter is a very important component of soil that supports the sustainability and quality in all ecosystems, especially in arid and semi-arid regions. A comparison study was carried out to verify when the artificial neural network (ANN) and multiple linear regression (MLR) models are appropriate for the prediction of soil organic matter (SOM) and particulate organic matter (POM). Discussions of advantages and disadvantages are given for both methods. Three different sets of easily available properties (soil properties alone, topographic and vegetation index, a combination of soil and topographic data) were used as inputs and the one affecting the model the most was determined. The smallest prediction errors were obtained by the ANN method; however, the prediction accuracies of the constructed MLR models using different data sets were closed to the ANN models in many cases.     

基于增强回归树的鄱阳湖平原区耕地土壤钾素空间变异影响因素研究

  【目的】  研究区域土壤钾素空间变异特征及其影响因素，为土壤钾素涵养及合理利用提供依据。  【方法】  本研究以鄱阳湖平原区2016年测土配方施肥项目采集的6316个耕层 (0—20 cm) 土壤样本数据为基础，运用普通克里格法、相关性分析和增强回归树(BRT)等方法，分析了区域土壤全钾与速效钾的空间分布特征以及区位、环境、土壤和人为4个方面的因素对二者空间变异影响的边际效应。  【结果】  鄱阳湖平原区耕地土壤全钾含量在1.70～23.40 g/kg，平均值为11.82 g/kg，变异系数为40.02%；速效钾含量在21.00～237.00 mg/kg，平均值为91.76 mg/kg，变异系数为45.27%，二者均呈中等程度变异。全钾与速效钾空间分布的块金效应分别为27.19%和50.00%，变程分别为74.10 和41.10 km，二者均主要受随机因素的影响，但速效钾受随机因素的影响更为明显。普通克里格插值结果显示，全钾与速效钾在空间分布上存在明显差异。增强回归树结果表明包含土壤地理环境信息的区位因素可作为解释土壤全钾与速效钾空间变异的有力因素，年降雨量是土壤全钾空间变异最为明显的影响因素，土壤有机质和交换性阳离子含量的综合作用是土壤速效钾空间变异的主要影响因素，钾肥施用会明显干扰耕地表层土壤钾素的平衡状况。  【结论】  鄱阳湖平原区土壤钾素呈中等程度变异，但全钾空间分布的聚集性强于速效钾，速效钾受外界因素特别是人类活动的干扰更加明显。     

退耕还林坡地土壤CO_2排放的空间变化:地形的控制作用

【目的】退耕还林还草引起地表植被盖度变化不仅能有效控制坡耕地的土壤侵蚀,而且会显著增加土壤有机碳储量。但目前关于退耕坡地人工恢复植被后土壤CO2排放的空间变化及其控制机理却较少研究,增大了定量估算退耕还林工程土壤碳循环效应的不确定性。本文以黄土丘陵典型退耕还林坡地为对象,研究了土壤CO2排放的空间变化及其控制机理,为进一步认识黄土高原有机碳库周转和估算陆地生态系统碳收支提供科学依据。【方法】为了确定人工林山坡土壤CO2排放空间变异及其影响因素,将人工林全山坡划分为峁顶、峁坡、坡上部、坡中部和坡下部5个坡位,并按照从峁顶到坡下部沿顺坡断面每间隔10 m确定一个研究小区,利用点测法测定不同植被类型盖度,利用原状根钻采集土壤剖面样品用于测定根系密度、土壤有机碳(SOC)含量和137Cs面积含量,并利用LI-8100碳通量自动测量仪原位测定土壤CO2排放速率的季节变化,同时测定土壤水分和表层土壤5cm深度的温度,利用相关回归分析法确定影响土壤CO2排放空间变化的主要因素。【结果】试验期间,不同坡位土壤CO2排放速率均表现为夏季秋季春季。与春季相比,人工林全山坡土壤CO2排放速率的平均值在夏、秋季分别增加了48%和9%。研究期内人工林坡地土壤CO2排放速率在春、夏、秋三个季节具有相同的空间分异特征,其平均值的大小为峁顶(参考点)[2.51±0.07μmol/(m2·s)]峁坡[2.19±0.17μmol/(m2·s)]坡下部[1.88±0.12μmol/(m2·s)]坡中部[1.71±0.09μmol/(m2·s)]坡上部[1.62±0.12μmol/(m2·s)]。与峁顶参考点相比,坡上部和坡中部的137Cs面积含量分别减少了46%和29%;峁坡和坡下部的137Cs面积含量分别增加了88%和52%,这说明研究区人工林山坡的坡上部发生了严重土壤侵蚀,坡中部发生了轻度土壤侵蚀,而峁坡和坡下部则发生了土壤堆积,尤以峁坡的土壤堆积最为显著。人工林坡地土壤CO2排放的空间变化与地形坡度、137Cs面积含量(土壤侵蚀指标)均呈显著相关关系(P0.01),与土壤水分、土壤温度和SOC储量只在夏季有显著相关(P0.01),在其它季节无显著相关性;人工林坡地土壤CO2排放的空间变化与植被根系密度无明显相关性。【结论】地形坡度变化驱动的土壤侵蚀和堆积过程是控制黄土丘陵区人工林坡地土壤CO2排放空间分异的主要因子,应在定量评价退耕还林工程的土壤固碳效应时予以考虑。