基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例

准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要。以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局。结果表明,研究区土壤有机质在4.20~47.60 g kg^-1之间,平均为17.97 g kg^-1;变异系数为36.89%,属中等程度变异。土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱。不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异。除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子。融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著。同时,该方法对极值有较好的预测能力。研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法。     

基于环境相关法的土壤属性空间分布特征研究——以黄土丘陵沟壑区小流域为例

在横山县朱家沟小流域采集111个样点,分析土壤属性与地形因子相互关系,进行空间预测分析。结果表明:土壤密度与复合地形指数CTI显著正相关,土壤有机质与复合地形指数CTI、汇流动力指数SPI、沉积物运移指数STI显著负相关,全磷只与坡度β显著负相关。多元线性逐步回归模型对于土壤密度和有机质拟合较好,而对于全磷,预测结果较差;回归-克里格预测有效地减小了残差,消除了平滑效应,预测极差更宽,对于局部的变异及地形、土地利用的关系体现更为细化,提高了预测精度。     

黄土丘陵沟壑区县域土壤有机质空间分布特征及预测

分析、预测土壤属性空间变异及其动态是区域土地质量评价和可持续土地利用的一个重要组成部分。在陕西省横山县采集了254个耕层(0~20cm)土样,利用数字地形与遥感影像分析技术,提取了相关地形与遥感指数,分析不同土地利用类型、不同地形条件下土壤有机质空间变异及分布特征,并利用相关因子进行回归预测分析。结果表明,县域土壤有机质平均含量很低,变异性较大。不同土地利用类型土壤有机质差异显著,其中以水稻田有机质含量最高,而林地和灌木林地相对较低。不同土地利用类型土壤有机质含量次序为:水稻田>川地>梯田>坝地>荒草地>坡耕地>林地>灌木林地。不同坡度分析表明,“0~3°”这一坡度等级有机质含量显著高于其它坡度等级;不同坡向有机质含量差异不显著,但不同坡向有机质含量存在一个明显的趋势,阴坡有机质含量整体上要比阳坡高。相关分析表明土壤有机质与高程h呈现负相关关系,与坡向的余弦值COSα正相关,与复合地形指数CTI正相关;土壤有机质和修正后的土壤调节植被指数(MSAVI)以及湿度指数(WI)正相关。利用相关环境变量及遥感指数进行多元线性逐步回归分析,预测结果不甚理想,存在一个平滑效应,对于残差解释相对较低,须进一步研究以更好的解释残差。     

广西土壤有机质空间变异特征及其影响因素研究

基于广西第二次土壤普查的270个土壤剖面资料,结合1∶50万数字化土壤类型图、土地利用类型图和气象监测数据等资料,利用地统计学和逐步回归分析等方法对广西表层土壤有机质空间变异特征及其影响因素进行了探究。结果表明：广西表层土壤有机质平均含量为3.11±2.19%,变异系数为70.72%,空间分布呈北高南低的趋势。广西表层土壤有机质空间分布受到自然和人为因素的共同影响,土壤类型、成土母质、海拔、土地利用、气候和坡度6个环境因子对全区土壤有机质含量变异的综合解释能力为47.9%。其中,土壤类型是最重要的影响因素,能独立解释其变异的36.0%,海拔和成土母质分别能独立解释28.5%和15.8%。气温对广西土壤有机质空间分布的影响比降水量更加显著,从而造成了广西土壤有机质整体呈南低北高的趋势。同时,土壤有机质对气温的敏感性在一定程度上受到降雨量的制约。此外,研究区农业耕作管理等因素对土壤有机质的影响也不容忽视。     

苏中平原南部土壤有机质空间变异特征研究

在江苏省中部平原南部选取一个30 km×45 km方形区域为研究区,按照套合采样方法,采集178个耕作层土样,分析土壤有机质含量和机械组成,运用地统计学和GIS技术研究苏中平原区表层土壤有机质含量空间变异特征,利用相关分析和方差分析探讨区域内土壤有机质含量空间变异的影响因素。统计结果表明,研究区土壤有机质含量为28.51±7.80 g/kg,变异系数为27.31%,属中等变异强度;地统计分析表明,研究区土壤有机质含量存在强烈的空间自相关性,结构变异占主导作用,各向异性显著,在39°和219°方向上变异程度最剧烈,土壤有机质含量自东北向西南呈递减趋势。研究区土壤有机质含量空间变异主要受土壤质地、成土母质、地形等因素影响,其中土壤质地是空间变异的主要影响因素。     

耕地土壤速效钾含量的空间预测方法研究

利用插值方法进行土壤属性的空间预测是土壤学科的研究热点之一,以土壤发生学相关信息作为辅助变量的克里格空间插值方法则少有研究。该文以成土母质多样的湖南省石门县为例,基于GS+、ArcGIS和Matlab,结合成土母质信息的克里格(PMK)插值方法,对研究区土壤速效钾空间分布进行了预测。结果表明,PMK法较好地解决了因成土母质间速效钾含量差异给预测带来的误差,预测精度较反距离权重(IDW)、普通克里格(OK)法分别提高了21.68%、16.43%;PMK法制作的空间预测图中速效钾分布突变而非渐变,较IDW、OK预测结果接近研究区实际情况,进而证明在成土母质较为复杂的地区,PMK法适合对土壤速效钾含量的预测。     

利用不同方法估测土壤有机质及其对采样数的敏感性分析

用随机方法从262个采样点中抽取200个点作为已知有机质含量的数据集,将所有采样点的碱解氮作为辅助数据预测有机质的空间分布。利用有机质信息的普通克立格法的方差解释量和预测精度最低,而回归克立格法因在预测过程中加入了回归残差而使方差解释量最大、预测精度最高。为了分析采样数对不同方法预测精度的影响,从上述已知有机质含量的200个点中分别随机抽取40、80、120、160个点构成4个数据集,分别利用它们的有机质信息和不同方法预测了有机质的空间分布,结果表明:对于每个数据集,4种方法的预测精度顺序均为RGK>COK>RG>OK,线性回归法的预测精度随采样点的增加基本不变,而其它三种方法的预测精度却逐渐提高。     

区域尺度土壤养分空间变异及其影响因素研究

江苏北部5市土壤表层(0~20cm)全氮含量连云港东北部、淮安南部和盐城西部显著高于其它地区;全磷含量呈现由北到南、自西向东升高的趋势;速效磷含量高值区位于北部的灌云县和南部的金湖县;速效钾含量东部沿海高于其它地区。土壤类型和成土母质对土壤养分产生显著影响:对于土类而言,沼泽土和水稻土养分较高;各成土母质中,湖相沉积物发育的土壤养分含量最高。在研究区1:5万尺度范围内,土壤类型对全氮和全磷的变异起主导作用,而速效磷受成土母质的影响较大,土壤类型和成土母质对速效钾的影响较小,土壤类型和成土母质对全量养分的影响要大于速效养分。     

中国砂质新成土的系统分类

以土壤的诊断层和诊断特性为依据,以土壤发生学作指导,阐述了我国砂质新成土的系统分类。砂质新成土是新成土纲中具有砂质沉积物岩性的土壤,相当于我国过去土壤分类中的"风砂土",是指风成砂性母质上发育的土壤,其形成过程可以划分为:流沙上的成土阶段、半固定沙上的成土阶段和固定沙上的成土阶段;具有细土累积、结皮形成和有机质聚集三个成土特点。砂质新成土的控制层段的深度标准规定为1~2m。砂质新成土亚纲可以划分为:寒冻砂质新成土、潮湿砂质新成土、干旱砂质新成土、干润砂质新成土和湿润砂质新成土等5个土类,在土类之下,又可主要根据是否偏离中心概念、是否具有附加过程的特征和是否具有母质残留的特征,进一步划分为永冻寒冻砂质新成土等22个亚类,并列有检索系统。最后,以砂质新成土的土类为单元,论述了其土壤分布、特征及其改造利用方向。     

基于随机森林模型的西藏人口分布格局及影响因素

在乡镇尺度下厘清人口分布格局及其影响因素与区域差异,对在生态脆弱区制定可持续发展政策具有重大指导意义。基于2010年西藏自治区的乡镇尺度人口普查数据,提取人口密度和空间因子,利用空间统计方法分析了人口分布的疏密特征和集聚特征,对比运用多元线性回归方法和随机森林回归方法探索该地区人口分布的影响因素及其区域差异。结果表明：① 西藏乡镇人口密度在空间上表现出极强的非均衡性,其总体趋势是东南高西北低,高密度区与大江大河及主要交通干线具有较强的空间耦合性;② 大致以波绒乡（聂拉木县）—岗尼乡（安多县）为西藏的人口分界线,人口集聚的“核心—边缘”特征明显;③ 多元线性回归方法中,人造地表指数对人口分布的影响程度最大,随后依次为夜间灯光指数和路网密度;④ 利用随机森林方法进行的人口密度预测比多元线性回归方法精度高,可以用来对影响因子的重要性进行排序;排序在前六位的影响因子由高到低依次为夜间灯光指数、人造地表指数、路网密度、工业总产值、GDP和多年平均气温,它们与人口密度均呈正相关关系;地形地貌要素中以海拔和坡度的贡献率最大且与人口密度均呈负相关关系;⑤ 西藏人口分布格局的影响因素及其相互作用呈现出明显的区域差异特征,河谷是西藏地区人口的集聚区,主要分布在拉萨河谷、年楚河谷以及三江河谷;⑥ 通过随机森林回归分析,可以利用概念模型来表达人口分布影响因素,将主导因素概括为土地利用结构、道路通达度及城镇化水平。     

模糊坡位信息在精细土壤属性空间推测中的应用

坡位的空间渐变特征影响着小流域及坡面尺度上的土壤、水文、地貌等现象和过程,因此对精细尺度下的地理建模(如土壤空间信息推理)有重要作用。虽然目前已有多种模糊坡位信息定量提取方法,但所得到的模糊坡位信息还缺乏实际应用。本文以精细尺度下的土壤属性空间分布推测为例,对此展开探索。应用模型假设:(1)在小流域内,地形因素主导着土壤属性空间分布的变化;(2)典型坡位上对应分布着典型的土壤属性值,土壤属性与坡位之间存在协同变化关系。据此建立以模糊坡位信息对各类典型坡位上土壤样点属性值的加权平均模型,推测土壤属性的空间分布。模型应用于黑龙江省嫩江流域一个地形平缓的小区(面积约60 km²),通过一个以坡位典型位置作为原型的模糊坡位定量方法提取5类坡位(山脊、坡肩、背坡、坡脚、沟谷)的空间渐变信息,对土壤表层有机质含量的空间分布进行推测。推测结果通过研究区70个土壤采样点进行评价,以推测结果与评价样点集之间的相关系数、平均绝对误差、均方根误差作为定量评价指标,与使用常用地形属性的多元线性回归模型推测结果进行对比。评价结果表明,仅使用极少建模点的加权平均模型的推测结果优于多元线性回归模型的推测结果。     

基于GIS的土壤全氮空间分布估算——以江西省兴国县为例

运用GIS的空间分析技术和DEM,在区域范围内,可以表征基于母岩和地形因子的土壤-景观模型。本次研究根据兴国县151个样点数据,分析TN和地形因子的相关关系,建立回归模型,进行估算。结果表明:表层土壤中TN含量平均值为1.06g/kg,千枚岩发育的土壤中TN的平均含量最高,为1.35g/kg ;砂页岩发育的土壤中TN的平均含量最低,为0.88g/kg 。空间分布上:TN含量在0.5g/kg~1.0g/kg的面积最大,为1580km²,TN含量在2.0g/kg以上的面积最小,为127km²。地形变量中坡向对TN含量影响最大,TN含量和母岩、海拔、坡向存在着正相关关系,坡度和TN含量的相关关系不明显。利用回归分析模型和DEM(30m×30m),估算TN的空间分布,R²为0.637。     

黑土坡耕地土壤有机质空间变异及其与土壤侵蚀的关系——以黑龙江省鹤山农场为例

选取黑龙江省鹤山农场面积为0.91 km²的典型黑土区的坡耕地作为研究样地。按横纵100 m间隔共采集101个样点,运用地理信息系统和地统计学相结合的方法研究分析0~15 cm土层有机质空间变异及其与土壤侵蚀的关系。结果表明：位于典型黑土区样地的有机质含量集中在3%~5%范围内,均值为4.13%,高于黑龙江省的有机质平均水平。有机质含量空间变异明显,且主要受土壤侵蚀的影响：高侵蚀区对应低有机质区,中度侵蚀区对应中等有机质区,沉积区对应高有机质区。顺坡种植平均坡度2.2°时,每侵蚀1 000 t/km²土壤,有机质含量降低0.8%。土壤有机质空间变异可采用球状模型表达,自相关明显,进一步表明土壤侵蚀导致的再分布。对比分析确定200 m采样间距能够能准确表达该区表层有机质含量的空间特征,为精准施肥提供了采样依据。     

喀斯特地区春季土壤水分空间插值方法对比

以杨眉河小流域为研究区,通过土壤水分采样,选取辅助变量,采用普通克里金、协同克里金、回归克里金3种地统计学方法对土壤水分数据进行空间插值。结果表明：1）回归克里金对研究区土壤水分估算误差最小,其次为协克里金,普通克里金的误差最大;2）普通克里金生成的土壤水分表面最为平滑,而回归克里金最大程度反映了研究区实际的土壤水分空间变化;3）对于协同克里金,以湿度指数（WI）样点数据作为辅助变量的估算误差小于将WI栅格数据作为辅助变量的估算误差。总之,在可获得有效辅助变量的条件下,回归克里金对研究区土壤水分估算的效果优于协同克里金与普通克里金。     

青海省土壤有机碳估算及其不确定性分析

土壤有机碳对区域碳平衡起着关键性的作用,量化其空间格局及动态变化是准确评估生态系统碳汇潜力的基础。然而,不同土壤有机碳估算方法和不同样本得出的结果存在非常大的差异和不确定性,尤其是地形复杂、对气候变化敏感的青藏高原地区。为定量评估不同方法估算的土壤有机碳密度空间分布格局在青藏高原地区的差异,论文以青海省为研究区,收集整理了青海省806个土壤有机碳密度采样点数据,基于气候、植被、地形和土壤等多种解释变量,采用逐步回归、反距离权重插值、普通克里格插值和随机森林模型4种不同的方法,对青海省表层(0~30 cm)土壤有机碳密度空间分布及其影响因素进行了探究。结果表明,归一化植被指数、光合有效辐射、总氮、年均温、海拔、年降水量和净初级生产力是土壤有机碳密度估算的重要变量;尽管4种方法所估算的青海省土壤有机碳密度的均值较为接近,处于5.14~5.62 kg C·m^-2之间,但其变化范围存在较大差异,分别为0.17~23.25、0.34~46.61、0.56~35.08和0.62~24.85 kg C·m^-2;4种方法模拟结果的均方根误差分别为3.93、3.37、3.48和3.19 kg C·m^-2,平均标准差分别为0.12、0.51、0.61和0.27 kg C·m^-2,其中随机森林模型的结果较为稳定且精度较高,也更能准确反映青海省土壤有机碳的空间分布格局。比较发现,现有的土壤有机碳产品(SoilGrids250m 2.0和HWSD v1.2)在反映青海省土壤有机碳的分布方面还存在较大差异,相对而言,SoilGrids250m 2.0产品的土壤有机碳和随机森林模拟结果比较接近。     

小区域癌症数据典型空间插值方法比较研究

癌症已成为危害全球居民健康的重大民生问题,选取合适的空间插值方法分析小区域癌症数据的空间特征可对区域性癌症防控工作的有效开展提供依据。本研究以湖南省苏仙区2012和2016年以村为单位的肺癌死亡率数据为研究对象,以平均误差和均方根误差为评价指标,对反距离加权（IDW）、普通克里金（OK）、趋势面分析（TSA）、多元线性回归（MLR）与协同克里金（CK）五种典型空间插值方法进行精度效果对比及参数优选,并结合不同插值方法的优缺点,确定癌症数据的最优插值方法。结果表明：插值精度方面,CK法的均方根误差最小、插值精度最高,OK、IDW（幂值=1）和MLR次之,TSA（阶数=5）最低;插值效果方面,五种插值方法的实测值和预测值均显著相关,除CK外,其它四种方法均对死亡率低估程度较大,CK和OK插值结果的空间分布效果更好。同时考虑空间因素和影响因子的CK方法是小区域苏仙区2012年、2016年肺癌死亡率最优插值方法,应用该方法可对区域性癌症防控工作的有效开展提供最优的技术支撑。本论文的研究思路也可为小区域癌症数据空间插值方法及参数优选提供参考。     

Spatial Variability Analysis of Soil Nutrients Based on GIS and Geostatistics: A Case Study of Yisa Township,Yunnan, China

Hani rice terraces system is one of the Globally Important Agricultural Heritage Systems (GIAHS) pilot sites selected by FAO. Soil nutrients are an important symbol of soil fertility, and play an important role in the sustainable utilization of land. Based on geo-statistics and GIS, the spatial variation of pH, organic matter, total nitrogen, alkaline hydrolyzable nitrogen, available phosphorus and available potassium in the soil in Yisa (a town in Honghe County, Yunnan Province) was studied. The results show that the spatial variability of pH, organic matter, total nitrogen, alkaline hydrolyzable nitrogen and available potassium exhibited medium spatial variability, and the coefficients of variation are 12.54%, 40.14%, 40.00%, 34.89%, and 40.00% respectively. Available phosphorus exhibited strong spatial variability, and the coefficient of variation is 102.13%. The spatial variation of pH, organic matter, total nitrogen, alkaline hydrolyzable nitrogen and available potassium fit the index mode, however, the spatial variation of available phosphorus fits the spherical model. Total nitrogen, available phosphorus and available potassium were greatly affected by soil structural factors, while pH, organic matter and alkaline hydrolyzable nitrogen were affected by both structural and random factors. The spatial distribution of soil nutrients in Yisa was intuitively characterized by Kriging interpolation. It is very important to understand the spatial distribution of soil nutrients, which will provide the guidance for adjusting agricultural management measures such as fertilization.