三江平原土壤有机碳含量及其密度的空间变异特征分析

  目的  三江平原是我国重要的粮食产地,探究三江平原土壤有机碳(SOC)含量及其密度的空间分布特征及影响因素,为该区域土壤有机碳库的维持和提升提供重要依据。  方法  在三江平原地区8 km × 8 km网格法布设采样点,共采集表层（0 ~ 20 cm）土壤样品324份,开展土壤有机碳含量及其密度空间分布特征和影响因素分析。  结果  表层土壤有机碳含量平均值为30.90 ± 25.42 g kg?1、表层有机碳密度平均值为69.05 ± 48.62 t hm?2,其空间上呈“东南低－西北高”分布特征。黑土与水稻土之间土壤有机碳含量存在极显著差异（P < 0.01),与暗棕壤之间土壤有机碳含量存在显著性差异(P < 0.05);耕地－水田土壤有机碳含量最低,为27.21 g kg?1,林草地有机碳含量最高,为44.83 g kg?1,耕地与林草地之间土壤有机碳含量存在极显著差异（P < 0.01);种植水稻的土壤有机碳含量最低,为27.31 g kg?1,种植混合林的土壤有机碳含量最高为44.83 g kg?1,种植混合林与种植玉米、水稻、豆类之间的土壤有机碳含量存在极显著差异（P < 0.01)。  结论  总体看来,土地利用类型、土壤类型和作物类型三种因素对三江平原地区土壤有机碳含量及其密度均有影响,并达到显著水平。     

基于机器学习算法的湖滨绿洲土壤电导率高光谱估算模型

  目的  为湖滨绿洲土壤高光谱估算土壤电导率值提供方法支持,实现区域土壤盐分快速估测。  方法  利用实测的土壤电导率值与土壤高光谱数据联合分析,采用竞争自适应重加权采样（CARS）、连续投影算法（SPA）、遗传算法（GA）筛选土壤电导率的特征波段,并基于全波段及特征波段构建BP神经网络（BPNN）、支持向量机（SVM）、极限学习机（ELM）三种机器学习算法模型,引入偏最小二乘模型（PLSR）进行对照,比较其模型精度。  结果  研究区土壤电导率值变化范围0.02～17.22 mS cm?1,平均值为2.61 mS cm?1,变异系数为134.87%,呈现强变异性;CARS、SPA、GA算法筛选的特征波段将建模输入量分别压缩至全波段数量的0.87%、1.68%、0.70%,减少建模输入量,提升建模速率,变量方法的选择CARS > SPA > GA;三种机器学习算法模型均优于PLSR模型,决定系数（R2）平均增加20.57%,相对分析误差（RPD）平均增加17.84%,土壤电导率高光谱估算模型以CARS-SVM最优,训练集与验证集R2分别为0.76和0.75,RMSE分别为1.79 和1.68 mS cm?1,RPD分别为2.04和2.00。土层深度20 ~ 30 cm的土壤电导率高光谱估算模型精度最高,训练集与验证集R2分别为0.83和0.84,RMSE分别1.37和1.77 mS cm?1,RPD分别为2.41和2.50。  结论  基于CARS-SVM的土壤电导率高光谱估算模型精度高,估算能力最优,可以为湖滨绿洲土壤电导率估算提供科学参考。     

黄土高原新造耕地施用羧甲基纤维素钾的土壤效应

  目的  基于黄土高原新造耕地土壤质量改良需求,开展以羧甲基纤维素钾（CMC-K）为土壤改良剂的田间定位试验研究,为新造耕地土壤水分保持与养分改良提供依据。  方法  设置CK（0 kg hm?2）、T1（100 kg hm?2）、T2（500 kg hm?2）、T3（1000 kg hm?2）和T4（2000 kg hm?2）5个处理,对不同处理的新造耕地土壤水分、电导率与养分进行了测定与分析。  结果  新造耕地施用CMC-K土壤含水量提高14.6%～121.7%,在谷子生长季前期（6月和7月）和后期（10月）土壤保水功效较大。在CMC-K较高施用量（1000 ~ 2000 kg hm?2）情况下,谷子生长季前期（6月）土壤电导率提高了37.3% ~ 73.4%;全部处理在谷子生长季后期（10月）的土壤电导率显著降低,降低幅度达19.2% ~ 21.8%;谷子生长季的土壤电导率呈现降低趋势。施用CMC-K能够提高土壤硝态氮9.6% ~ 46.5%、速效磷21.9% ~ 207.9%和速效钾13.2% ~ 95.9%,对土壤pH基本没有影响。施用CMC-K谷子产量提高了6.2% ~ 19.2%。  结论  施用CMC-K能够保持土壤水分,促进养分吸收利用,提高谷子产量,可以作为黄土高原新造耕地土壤改良剂使用,推荐施用量约100 kg hm?2。     

基于神经网络优化算法的云南土壤有机质含量数字制图——以景洪市为例

  目的  利用自然成土作用变量,预测并制作栅格化的土壤有机质分布图,对发展热带数字化精细农业具有重要意义。  方法  使用2006年云南省景洪市测土配方样点数据,应用BP神经网络（BPNN）、基于强分类器算法的BP神经网络模型（BPNN-Ada）、基于粒子群算法优化的BP神经网络（PSO-BPNN）、基于遗传算法优化的BP神经网络（GA-BPNN）和多元线性回归（MLR）对土壤有机质的含量预测并进行空间化制图。  结果  ① 土壤样点X、Y坐标值能够有效提高算法精度且充分表现环境因子与土壤有机质空间分布上的协同关系。② 4种神经网络算法预测结果土壤有机质空间分布基本类似,均呈现南高北低的趋势。③ 研究区域内4种神经网络模型的在建模集拟合程度从高至低依此次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN,在建模集中PSO-BPNN和GA-BPNN与BPNN拟合精度一致,BPNN-Ada的拟合精度R2最高为0.98。在验证集的预测能力由高至低依次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN。BPNN-Ada有着最高的预测精度和算法稳定性:RMSE = 4.47、MAE = 3.3、MRE = 0.05、R2 = 0.976。  结论  在景洪地区进行土壤有机质神经网络建模时加入地理坐标能够有效提高模型精度,且基于学习规则的神经网络优化算法效果要优于优化初始权重和阈值的神经网络算法及传统的BPNN算法。     

基于不同模型的区域尺度耕地表层土壤有机质空间分布预测

研究不同模型对土壤有机质空间预测的性能差异对制定更加科学合理的采样策略、提升采样效率和提高土壤空间预测精度有着重要的指导意义。本研究将6496个土壤样点按8∶2的比例分层随机分成训练集与验证集,应用普通克里格、随机森林以及随机森林－回归克里格三种有代表性的数字化土壤制图（Digital Soil Mapping,DSM）模型,对河南省许昌市耕地表层土壤有机质含量及空间分布进行预测,对三种模型性能表现进行综合评价。三种模型输出的预测结果显示:研究区耕地表层土壤有机质含量水平一般,均值为18.70 ~ 18.81 g kg?1,变异系数0.15 ~ 0.17,属中等强度变异;空间分布总体格局为西北与西南部分山地褐土区、东南部砂姜黑土区表层有机质含量高,中北部脱潮土、石灰性潮土区表层有机质含量低。验证结果表明:三种模型性能表现无明显差距,预测精度基本一致,输出结果对研究区耕地表层土壤有机质变异解释百分比在33% ~ 34%之间,在相同和相近尺度土壤有机质空间预测案例研究里属中等水平。在协变量有限且样点分布较为均匀的情况下,普通克里格模型便于快速获得研究区目标变量的空间分布;如果协变量比较丰富且易于收集利用,或是进行空间预测的同时还需要甄别不同因素对目标变量的影响大小,则建议采用随机森林模型;协变量有限,但样点密度较大时,随机森林－回归克里格模型可能是对目标变量进行空间预测的不错选择。     

消减残差自相关性的县域土壤有机质整合模型预测研究

提升土壤属性空间预测精度对实现农田精准施肥和保护生态环境具有重要意义。利用河北省滦平县采集的1 773个样点耕地表层(0～20cm)土壤有机质(SOM)及其地理环境数据,通过逐步回归分析方法筛选出最优环境变量;基于其中1 426个农田样点分别建立多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、贝叶斯正则化神经网络(Bayesian regularization neural network,BRNNBP)以及与普通克里格(OK)整合模型(MLR-OK、RF-OK和BRNNBP-OK)预测SOM空间分布,以其余347个样点数据为测试集检验分析不同模型预测精度,并对模型残差进行半方差函数和空间自相关分析以评价模型拟合效果。结果表明,研究区耕地表层土壤SOM处在8.62～35.64 g·kg^-1变化区间,变异系数为20.26%,属中等程度空间变异;SOM高值区主要分布在东北及东南海拔较高地区,低值区多分布在西南及中部河谷地区;海拔、坡度和年均温度与SOM关系密切(P<0.001);整合模型...     

辽宁省黄土状母质发育土壤有机质含量高光谱预测模型的构建

  目的  建立辽宁省黄土状母质发育土壤有机质含量的高光谱预测模型,以便快速获取土壤样品的有机质含量。  方法  对省域内黄土状母质发育土壤进行了样品采集,获取样品有机质含量和高光谱数据;选择原始光谱及其一阶微分、二阶微分、倒数对数、倒数对数一阶微分、倒数对数二阶微分6种光谱变换数据作为自变量,与土壤有机质含量进行相关分析,选取特征波段,分别建立多元逐步线性回归（SMLR）、偏最小二乘回归（PLSR）和主成分回归（PCR）3种土壤有机质高光谱线性预测模型,并进行了支持向量机（SVM）方法的非线性模型拟合。  结果  土壤有机质含量与其光谱反射率呈负相关关系,对光谱进行不同的数学变换,可以提高土壤有机质含量与光谱反射率的相关性,其中一阶微分和二阶微分的提升效果最佳;相同光谱数据在不同模型中建模精度存在显著差异,以原始光谱反射率一阶微分为自变量的PLSR模型精度最高,建模集和验证集的决定系数（R2）分别为0.958和0.976;3种线性方法建立的最佳预测模型的检验精度为:PLSR > SMLR > PCR。  结论  PLSR模型是辽宁省黄土状母质发育土壤有机质含量的最佳高光谱预测模型,且基于特征波段的建模效果优于全波段;SVM非线性模型的预测精度较低。     

基于可见近红外和中红外近地面光谱数据融合的土壤有机碳含量反演

  目的  以传统的实验室分析方法进行大规模土壤有机碳（SOC）含量调查耗时、费力、成本高昂,以土壤可见近红外（VNIR）、中红外（MIR）光谱或两光谱数据融合手段能够快速预测SOC含量,但预测精度不一、特别是光谱数据融合技术应用于土柱样本的效果尚待考察。  方法  从全球土壤光谱库筛选出同时具有VNIR光谱、MIR光谱和SOC含量的677个土柱共计3755个土样。光谱数据经Savitzky–Golay平滑和一阶微分预处理后,用Kennard–Stone算法进行建模和验证的集合划分,使用偏最小二乘回归与随机森林方法分别建立以VNIR、MIR以及两者融合的VNMIR光谱为自变量的SOC含量预测模型,并对模型精度进行评估。  结果  MIR光谱模型的SOC预测精度优于VNIR光谱模型,VNMIR光谱模型预测精度低于MIR光谱模型但优于VNIR光谱模型。  结论  使用光谱数据融合技术预测SOC含量并非一定比使用单一光谱数据的精度高,就本例而言使用MIR光谱数据构建预测模型的方法是快速、准确预测大尺度时空范围SOC含量的最 佳手段。     

黄土高原不同地貌区农田土壤有机质预测方法研究

  【目的】  开展黄土高原不同地貌区农田土壤有机质 (SOM) 预测方法研究,探讨不同预测方法在不同区域的适用性及不确定性,以便更准确地估算农田SOM空间分布特征,对土壤资源高效利用和农田精细化管理具有重要意义。  【方法】  在黄土高原3种典型地貌区进行试验,包括丘陵沟壑区 (庄浪县)、高塬区 (宁县) 和平原区 (武功县),分别布设样点3788、4048和3860个,分析农田土壤0—20 cm SOM含量。运用地统计学理论,分析各典型区SOM空间分布特征。提取原始样本75%为建模点,其余25%为验证点,利用普通克里格 (OK)、随机森林 (RF) 和随机森林+普通克里格 (RF + OK) 等方法,结合土壤类型、地形、气候、植被、人类活动等多源影响因子,对SOM分布进行空间预测,并对预测结果进行误差分析和空间结构检验,明确各方法的不确定性。  【结果】  丘陵沟壑区、高塬区、平原区SOM平均含量分别为14.29、13.15、14.48 g/kg,均属于较低水平;变异系数分别为18.96%、19.54%、26.71%,呈中等变异;块金效应分别为8.60%、17.41%和10.01%,受随机性和结构性因子共同作用,且受后者影响更大;丘陵沟壑区和平原区SOM含量的Moran’s I分别为0.26和0.14,Z[I]分别为26.56和13.51,存在显著空间自相关性,而高塬区SOM含量Moran’s I为0.02,Z[I]为1.55,不存在空间自相关性。丘陵沟壑区、高塬区、平原区SOM含量空间分布分别受温度、海拔、降水影响最大。在平原区,RF + OK法较RF法和OK法,MSE、RMSE、MAE等误差均最小,实测值与预测值的相关系数 (r) 最高,预测值的空间结构与实测值更接近。高塬区SOM空间分布无规律,OK法在该区域不适用,RF法和RF+OK法的各项误差无明显差异,但RF法的r更高,且预测值的空间结构更符合宁县实际特征。在平原区,OK法预测结果的不确定性较大,RF和RF + OK方法各项误差和r均无明显差异,但RF方法预测值的空间结构与实测值更接近,且较其它两个地区,其SOM变异性及建模点和验证点的各项误差均最大。  【结论】  在不同地貌区,环境要素、空间结构不同,同一预测方法的预测精度存在差异,平原区较丘陵沟壑区和高塬区,其空间预测结果的不确定性更大。在同一地貌区,3种预测方法的预测结果存在差异,丘陵沟壑区使用RF + OK法预测SOM空间分布效果较好,而高塬区和平原区则用RF法较好。当区域SOM存在显著空间相关性,且半方差函数的拟合度较高、残差较小时,采用RF + OK方法可显著提高模型预测精度。     

桐柏山北麓土壤pH值空间分布特征及其影响因素

  目的  探明研究区土壤pH值空间变异特征,为当地区域农业酸碱调控提供基础依据。  方法  通过对土壤样品（0 ~ 20 cm、150 ~ 200 cm）分析,利用方差以及回归分析量化了不同因素对pH值的空间差异的影响程度。  结果  研究区表层土壤以酸性为主,pH均值5.66;深层土壤以中性为主,pH均值7.07。半方差分析表明,球状模型为研究区土壤pH值的最佳拟合模型,同时结构性因素为影响区域内pH值分布的主导因素。空间分布上,pH低值区主要位于研究区东北部,与传统农业分布区高度重合,高值区位于南侧山区,总体上呈现南高北低的格局。回归分析显示,成土母质是研究区表层土壤pH值空间变异的主控因素,可以单独解释24.8%的空间变异;土地利用类型和土壤类型分别有9.2%和8.8%的独立解释土壤 pH 值空间变化的能力。地貌类型的解释能力较低（5.6%）。  结论  土壤母质等结构因素对研究区表层土壤pH值的空间分布影响最大,与半方差分析结果相近;人为因素同样影响着区域内pH值的空间分布情况,长期不合理的施肥可能是主要原因。     

利用数字土壤制图技术评价森林立地质量

[目的]为了提升森林立地质量评价的精准性,探讨利用数字土壤制图技术对森林立地质量进行评价,助力精准林业的发展.[方法]以济源南山林场为研究区,以地形因子为预测因子,运用模糊C均值聚类方法(FCM算法)对立地评价所需的主要土壤属性进行预测制图,并在利用遥感影像数据获取林地其他立地环境因子分布图的基础上,应用灰色关联度法对...     

赤水河流域生态水文过程对土地利用/覆被变化的响应

[目的]分析赤水河流域近十年土地利用变化特征,探索生态文明建设背景下水资源空间分配与水文循环过程,以期为流域提供合理的土地利用规划依据及促进流域的可持续发展.[方法]以赤水河流域为研究对象,在1967～2020年的气候背景下,基于SWAT(Soil and Water Assessment Tool)模拟了流域2008...     

基于GARBF神经网络的耕地土壤有效磷空间变异分析

为了调整耕地管理措施、合理施用磷肥、减少磷素流失、降低水体非点源污染,该研究以高州市为例,在全市各区镇共采集了664个耕作层(0～20cm)土样,利用遗传算法优化的径向基函数(radial basis function network optimized by geneti calgorithm,GARBF)神经网络和普通克里金法(Ordinary Kriging)等方法,分析了县域耕地土壤有效磷在不同采样尺度下的空间变异特征及其空间分布格局与成因。结果表明,高州市耕地表层土壤有效磷存在半方差结构,半方差函数曲线与指数和球状模型曲线拟合较好;5种采样尺度下(训练样点数分别为100、200、300、400和500)耕地表层土壤有效磷均表现出弱的结构空间相关,在较大范围内空间自相关性较差。GARBF神经网络空间插值能力在整体上要有优于基于邻近点RBF神经网络和普通克里金法。300样本下GARBF神经网络空间插值结果表明,高州市耕地表层土壤有效磷的盈余现象比较严重,并且盈余有效磷的流失对该地区水环境会产生严重的威胁。该研究结果可以为土壤属性空间估测、合理施肥以及降低水体非点源污染提供理论依据和技术支持。     

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。     

Land-use effects on organic matter and physical properties of soil in a southern Mediterranean highland of Turkey

Forest and grassland soils in highlands of southern Mediterranean Turkey are being seriously degraded and destructed due to extensive agricultural activities. This study investigated the effects of changes in land-use type on some soil properties in a Mediterranean plateau. Three adjacent land-use types included the cultivated lands, which have been converted from pastures for 12 years, fragmented forests, and unaltered pastures lands. Disturbed and undisturbed soil samples were collected from four sites at each of the three different land-use types from depths of 0–10 cm and 10–20 cm in Typic Haploxeroll soils with an elevation of about 1400 m. When the pasture was converted into cultivation, soil organic matter (SOM) pool of cultivated lands for a depth of 0–20 cm were significantly reduced by, on average 49% relative to SOM content of the pasture lands. There was no significant difference in SOM between the depths in each land-use type, and SOM values of the forest and pasture lands were almost similar. There was also a significant change in soil bulk density (BD) among cultivation (1.33 Mg m⁻³), pasture (1.19 Mg m⁻³), and forest (1.25 Mg m⁻³) soils at depth of 0–20 cm. Only for the pasture, BD of the depth of 0–10 cm was significantly different from that of 10–20 cm. Depending upon the increases in BD and disruption of pores by cultivation, total porosity decreased accordingly. Cultivation of the unaltered pasture obviously increased the soil erodibility measured by USLE-K factor for each soil depth, and USLE-K factor was approximately two times greater in the cultivated land than in the pasture indicating the vulnerability of the cultivated land to water erosion. The mean weight diameter (MWD) and water-stable aggregation (WSA) were greater in the pasture and forest soils compared to the cultivated soils, and didn’t change with the depth for each land-use type. Aggregates of >4.0 mm size were dominant in the pasture and forest soils, whereas the cultivated soils comprised aggregates of the size ≤0.5 mm. I found that samples collected from cultivated land gave the lowest saturated hydraulic conductivity values regardless of soil depths, whereas the highest values were measured on samples from forest soils. In conclusion, the results showed that the cultivation of the pastures degraded the soil physical properties, leaving soils more susceptible to the erosion. This suggests that land disturbances should be strictly avoided in the pastures with the limited soil depth in the southern Mediterranean highlands.