基于神经网络模型的中国表层土壤有机质空间分布模拟方法

基于全国第二次土壤普查得到的6 241个典型土壤剖面数据,采用主成分分析方法和径向基函数神经网络模型建立不同植被类型—土纲单元内土壤有机质与气候、地形和植被等环境因子间的非线性关系,模拟全国表层土壤有机质的空间分析格局。结果表明,该模型具有较准确的预测能力,性能指数达到1.94。与普通克里格法、反比距离法和多元回归模型相比,神经网络模型对621个验证点模拟结果与实测值的相关系数为0.799,分别提高了0.265、0.181和0.120,平均绝对误差分别降低了4.25、4.43和2.34 g/kg,平均相对误差分别降低了30.16%、32.66%和5.93%,均方根误差则分别降低了8.61、8.24和6.24 g/kg;从模拟结果图来看,神经网络模型能够提供更多的细节信息。该方法为大尺度土壤性质空间分布模拟提供了有益的参考。     

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。     

1981-2011年川南山区地温和气温的变化特征

利用气象站点1981—2011年逐日0 cm土壤温度和气温数据，运用基本统计、线性回归、累积距平和信噪比分析了川南山区6个分区地温和气温的空间分布、变化趋势以及突变特征，分析并对比了地温和气温的关系。结果表明：川南山区年均地、气温变化范围分别在15.6~20.5 ℃和12.2~17.2 ℃之间，呈现出北低南高、高山低河谷高的空间分布格局。31 a来6个分区的年均地、气温均有显著上升趋势，但季节变化差异明显，冬季地、气温的增温率高于夏季。从不同区域来看，高山地带(Ⅵ区)的年、季增温趋势最为显著，是其他区域的2~6倍，且地、气温在1990年左右发生突变；河谷地带(Ⅱ区)的年、季温度变化最小且未发生突变。各区地温和气温呈极显著正相关(P<0.01)，具有较高的一致性，但也存在非对称增温现象。山地(Ⅲ、Ⅴ、Ⅵ区)的年均、季均地温和河谷(Ⅰ区)的春季地温增温比气温更加强烈，故地气温差出现显著上升趋势，甚至发生突变。     

中国表层土壤全氮的空间模拟分析

基于第二次全国土壤普查5336个典型土壤剖面数据,分析表土全氮(A层)与环境因素的相关关系,利用多元回归模型和HASM模型结合的方法模拟中国国家尺度上表层土壤全氮的空间分布格局。结果表明:对350个检验点模拟结果的平均绝对误差和平均相对误差为0.67g·kg^-1和61.06%,与普通克里格法相比分别降低了0.05g·kg^-1和17.53%;对样点分布较少的西北地区的模拟结果也更符合实际情况。多元回归模型和HASM模型结合的方法考虑了环境因素的影响,可作为目前模拟大尺度土壤性质空间分布相对有效的方法。