基于多元成土因素的土壤有机质空间分布分析

以陕西省蓝田县2013年667份土壤有机质样本为对象,运用GIS空间分析及遥感数字图像处理收集整理土壤类型、地形、植被等成土因子,利用多元线性回归分析集成所有成土因子对土壤养分进行空间分布预测。结果表明:通过分级统计均值定权法和像元线性拉伸法将所有成土因子统一为相对度量值,并根据成土因子与有机质含量的相关性显著程度进行因子取舍,有利于集成各类成土因子构建多元线性回归模型。预测结果定性分析表明:多元线性回归预测结果与kriging法预测结果在宏观上具有一致的空间分布趋势;但多元线性回归预测结果土壤有机质空间分布特征带有各种成土因子的变化特征,从视觉效果上,克服了传统插值法中存在的斑块状分布现象,更精细的描述了本区域内有机质空间分布趋势; MPE和RMS定量精度分析显示,在集成多元成土因素对有机质进行空间分布分析时,本文方法优于常用kriging插值法,该法可作为集成多元成土因子对土壤养分空间分布预测的有效方法。本区域内土壤有机质高值区域主要集中在地势低平、坡度缓和、湿度适中的农耕区,地势较高、坡度陡的山区有机质含量低。     

高光谱遥感土壤有机质信息提取研究

土壤反射光谱特征分析是反演土壤信息参量的基础资料。本文阐述了使用航空成像光谱仪OMIS- Ⅰ数据并 结合ASD FieldSpec FR(350~2500nm)便携式光谱仪获取野外光谱数据, 对山东省烟台市招远东良乡原状农用土有 机质含量进行反演, 从而实现有机质填图。通过对土壤原反射率对数一阶微分变换并确定其与SOM的相关性, 最 终建立相应的多元线性回归方程。分析认为土壤有机质的测定选用762nm、874nm 及1667nm 波段在本次研究中效 果最佳。该模型也可作为土壤有机质估测和评价的参考。     

基于POI数据的山西省旅游景区分类及空间分布特征

运用大数据与传统地理信息系统相结合的方式,以山西旅游景区POI(Point of Interest)数据为研究对象,对其进行分类后,研究其总体空间分布格局、分布方向以及具体地市空间分布特征.结果 表明:山西旅游景区总体分布格局呈现晋中地区集聚特征,具体各类旅游景区的集聚形态与程度有所差异.其中,地文景观类旅游景区集聚于...     

基于多源遥感数据的武汉市人口空间分布格局演化

基于DMSP/OLS夜间灯光指数和SPOT-VEGETATION逐旬NDVI数据构建人居指数,模拟武汉市2000,2012年人口空间分布。采用空间自相关模型,从时空角度分析2000—2012年武汉市人口的空间分布格局及演变规律。结果表明:1利用夜间灯光强度估算方法可快速准确模拟武汉市人口空间分布。2人口空间分布格局有向武汉市中心城区集聚的趋势,具有"中间高周围低"的特征。3武汉市人口空间分布表现出较强的空间自相关性,根据局部自相关分析,"高-高"类型区主要分布在武昌、硚口、江汉、江岸等中心区,"低-高"类型区主要出现在江河流域附近;随着时间的推移人口分布的"高-高"类型区扩大,表明武汉市人口在向中心城区聚集的过程中远城区也形成了相应的人口集聚中心。     

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。     

基于遥感解译的中国农房空间分布特征分析

中国农房分布研究是乡村振兴的基础性工作之一。本文利用Mask R-CNN深度学习框架,采用亚米级遥感影像,基于中国各省农房的人文地理特征,分省训练出适用于本地的农房遥感解译模型,共识别1484个县的1.54亿栋农房,总建筑面积达298.2亿m²,创建出以单体农房为基础的多尺度中国农房数据库。本文分别以县域、镇域和聚落为单元进行农房密度分析：县域单元的农房密度呈现“东密西疏”的分布特征,与胡焕庸线揭示的人口分布格局相符;镇域单元的农房密度沿三大地形阶梯自西向东递增,分布从集中走向平均,与农业区划的农业生产力、地形地貌特征高度耦合;聚落单元的农房分布则呈现“南密北疏”特征形态,与气候条件、地形地貌、人均耕地等相关联。中国农房数据库的建设将为“可计算的”乡村研究奠定基础。     

贡嘎山东坡土壤有机质及氮素分布特征

对贡嘎山东坡自然垂直带土壤有机质和氮素的分布特征的研究表明,贡嘎山东坡表层土壤有机质和全氮含量随海拔升高有上升趋势,但在针阔混交林以上出现波动,在群落过渡带处出现显著峰值,气候和植被类型的综合作用决定了有机质和氮素的空间分布。土壤有机质和氮素在土壤剖面中的垂直分布趋势一致,凋落物层和土壤A层高于B、C层,这与动植物残体在土壤中的垂直分布格局类似。群落过渡带在腐殖质A层出现氮素累积峰。土壤碳氮比介于7~25之间,相对较低,利于土壤腐殖质化和有机氮矿化。碳氮比随海拔升高而升高,在土壤剖面中的分布随植被类型不同而有所差异。土壤中的氮素主要以有机氮的形式存在于土壤有机质中,土壤碳氮比与有机质含量显著相关。     

基于森林详查与遥感数据降尺度技术估算中国林龄的空间分布

森林的林龄结构及空间分布是评估区域尺度森林生态系统碳汇潜力的重要参数.以第五次全国森林详查获取的省级优势树种的平均林龄及分布面积为基础,以同期生长季节的NOAA/AVHRR NDVI遥感数据为辅助,在空间降尺度统计技术的支持下,得出了全国8km分辨率下的森林林龄的定量分布.结果表明:中国林龄在空间分布具有很大异质性.东...     

贡嘎山东坡土壤有机质及氮素分布特征

The distribution of soil organic matter (SOM) and nitrogen on Gongga Mountain was studied in this paper. The results showed that the content of SOM and nitrogen (N) of A horizon had an ascending trend with the increase of the elevation. The vegetation types distributed higher than the mixed broad-leaved and coniferous forest have the irregular trends. In the transitional zone vegetation such as mixed trees and treeline, the content of SOM and N is higher than other vegetation types. The distribution of SOM and N of A horizon is dependent on the synthetic effect of climate and vegetation types. The vertical distribution of SOM and N in soil profiles has the similar trends for all kinds of vegetation types, i.e., the content of A horizon is higher than that of the B and C horizons, which is the same to the distribution of dead animal and plant in soil. The soil C:N is between 7 and 25, which is relatively low comparing to the appropriate C:N of 25-30. The ratio of soil carbon to nitrogen (C:N) increases with the increase of the elevation, but its vertical distribution in soil horizons varies with different vegetation types. The N exists in SOM mainly in the form of organic nitrogen, and the soil C:N correlates significantly with SOM.     

基于主成分和机器学习的土壤有机质含量空间预测建模

协同环境变量与机器学习回归模型构建土壤有机质空间预测组合模型对养分精准管理具有重要意义,而多维变量间的信息冗余和相关性会导致模型训练时间过长、预测精度降低等问题.以陕西省咸阳市农耕区为例,选取高程、坡向、坡度、剖面曲率、平面曲率、地形起伏度、地形湿度指数、年均降水量、年均气温、归一化植被指数共10个环境变量,在主成分分...     

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。     

盐城滩涂土壤剖面有机质组成及分布特征

为了研究盐城滩涂不同植物带土壤剖面有机质含量及其分布规律,分析比较了滩涂互花米草(Spartina alterniflora)滩涂、光滩、芦苇(Phragmites australis)滩涂土壤剖面和不同粒径中有机质含量的分布特征;利用傅里叶红外光谱技术,研究了不同植物带对土壤胡敏酸结构和功能基团的影响。结果表明,互花米草滩涂土壤中有机质含量最大,其他依次为芦苇滩涂、光滩;在垂直方向,土壤有机质含量由表层向深层递减。土壤胡敏酸和富里酸含量与有机质含量变化趋势相同。剖面土壤0.2~0.02 mm粒径的土壤颗粒占所有粒径土壤颗粒的比例最高,光滩40~60 cm土层、互花米草滩涂40~60 cm土层、芦苇滩涂20~40 cm土层的0.2~0.02 mm粒径的土壤颗粒比例分别达到91.2%、85.5%和84.1%。土壤胡敏酸的红外图谱结果显示,不同生态带胡敏酸的光谱吸收峰值位置和幅度大部分一致,在500~1 500 cm-1处吸收峰的数量和幅度有显著差异,表明不同生态带土壤的胡敏酸结构存在差异。互花米草滩涂土壤有机质和胡敏酸含量显著高于芦苇滩涂,且两者都显著高于光滩,表明植物促进土壤有机质和胡敏酸的积累,不同种植物带来的积累速率不同。     

新疆昌吉州耕地土壤有机质空间变异动态研究

土壤有机质在提高土壤肥力和作物生产力方面发挥重要作用,研究其空间变异性可为精准施肥以及可持续的土地利用和管理提供科学依据。本文以新疆昌吉州为研究区,基于多重分形方法,使用第二次土壤普查(1980年前后)、2010年和2018年共3期土壤有机质数据,计算多重分形参数来探究土壤有机质空间变异的动态。结果表明:(1)第二次土壤普查—2018年期间,昌吉州土壤有机质含量呈增加趋势。(2)第二次土壤普查—2018年期间,昌吉州土壤有机质的空间分布总体上具有非均匀的多重分形特征,土壤有机质值域范围逐渐变窄,空间分布变异性降低,趋于均一化。其中阜康市、吉木萨尔县和木垒哈萨克自治县的有机质变异程度在2010—2018年略有上升。(3) 2018年,昌吉州土壤有机质在空间上自西向东值域分布范围逐渐变宽,变异程度增加,内部差异变大,趋向于非均匀化。(4)三个时期昌吉州土壤有机质数值中均是低值数据分布概率较大,其变异程度高于高值数据,仅阜康市和木垒哈萨克自治县在2018年由高值数据占主导地位。长时间的耕作经营使得土壤有机质含量有所提高,空间分布逐渐趋向均一化,但仍存在部分区域有机质较高,部分区域较低的情况。...     

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。     

红树林空间分布信息遥感提取方法

在区域尺度下,探索提取不同林分结构和滩涂裸露状况下红树林空间分布遥感信息的适用方法。选择ALOS PRISM/AVNIR-2为数据源,以广西北部湾两个红树林典型分布区作为实验区,第一个实验区是红树林茂密、滩涂裸露的区域,第二个实验区是红树林稀疏、低矮和滩涂不完全裸露的区域,分别采用了植被指数、监督分类、非监督分类和面向对象分类方法,进行实验。研究结果表明,在第一个实验区,用RVI、NDVI、SAVI、DVI、监督分类、非监督分类和面向对象方法进行遥感分类的总体精度分别为95.3%、94.3%、92.3%、93.3%、96.0%、97.0%和94.0%,说明这几种方法都可以较精确地提取红树林信息,其中非监督分类的结果相对较好;在第二个实验区,植被指数不能精确提取红树林信息,监督分类、非监督分类和面向对象分类的总体精度分别为92.7%、85.7%和89.3%,以监督分类的结果最好。因此,监测区域尺度的红树林,必须根据具体海湾或地段红树林的林分结构特点、成像时刻的潮位高度、红树林在遥感图像上的表征,选用适合的方法,才能确保红树林信息提取精度。在采用多源遥感数据进行红树林动态监测中,综合运用植被指数、监督分类、非监督分类、面向对象分类和图像解译方法,可以准确提取红树林信息。此外,对于斑块破碎、林木低矮且相当部分稀疏的广西北部湾乃至南中国海红树林遥感信息提取,适用的遥感图像空间分辨率应小于5m,以小于3m更适宜。     

黑土区土壤有机质和全氮含量遥感反演研究

以东北典型黑土区耕地为研究区,以Sentinel-2A（全球环境与安全监测计划的第二颗卫星,于2015年6月23日发射）影像作为数据源,构建光谱指数,分别采用多元逐步线性回归（Multiple Stepwise Linear Regression, MSLR）和随机森林（Random Forest, RF）算法建立土壤有机质（SOM）和土壤全氮（STN）预测模型,并采用十折交叉验证方法评估模型的性能。研究对比分析了不同气候、土壤类型和地形下土壤有机质和全氮的空间分布差异。研究表明：① 海伦示范区的SOM和STN含量最高,其年均温最低,高程最高,年降水量多,SOM含量升高,其年均温最低,年降水量多,STN含量升高;② 与基于多元逐步线性回归算法建立的SOM和STN预测模型相比,随机森林算法建立的SOM和STN预测模型,有着更高的精度和稳定性;③ 运用RF算法建立的SOM反演模型的R²为0.96,均方根误差为5.49 g/kg,STN反演模型的R²为0.95,均方根误差为0.27 g/kg; ④ 不同示范区统一建立SOM和STN预测模型,有助于提高预测精度,实现跨区域建模与制图。     

基于遥感影像的于田绿洲空间热环境分布特征

以新疆于田绿洲为例,以Landsat TM/ETM+为基础数据源,利用空间分析方法、3S技术方法等定量分析于田绿洲平均温度的分布特征,得出地表温度受下垫面类型的影响比较明显,地表土地类型的分布基本决定地温的总体分布;通过对温度相异图的研究,发现温度的分布同时也受到不同土地利用类型空间分布的影响;对克里雅河下游河段进行温度变化的趋势分析,得出在南北方向上,没有温度变化趋势,而在东西方向上,温度变化比较明显。同时也说明克里雅河对其河道两边的影响范围十分有限。     

基于GLASS数据估算中国陆表净辐射及其空间分布分析

地表辐射收支是能量循环的重要参数,影响着地球水热平衡,是全球气候变化研究的重要方面。多数研究利用MODIS数据估算地表辐射收支,模型输入参数复杂。综合利用GLASS数据、MODIS数据和地面实测数据,采用Bisht等提出的净辐射估算方法,制订一种简单的地表辐射收支估算方案,分别计算2010年1-12月中旬卫星过境时刻中国陆表净辐射的最大值。通过改进的正弦模型将估算结果转换为日最大地表净辐射,并利用地面实测日最大净辐射值对估算结果进行了验证。研究表明：综合利用GLASS数据、MODIS数据和地面实测数据建立的地表辐射收支模型能够很好地模拟中国陆表净辐射的分布,与地面实测日最大净辐射值具有较好的一致性,平均误差为27.21 W?m^-2,克服了利用其他遥感数据估算地表辐射收支输入参数复杂,数据量大的缺点,适用于大尺度地表陆表辐射收支研究。     

土壤理化性质空间分布及其相关关系分析

使用地理加权相关（GW correlation）与多因素方差分析对张家口地区土壤理化参数空间分异及其相关关系进行分析。结果显示：土壤理化参数具有不同的空间自相关性,各参数之间地理加权相关系数存在正负或大小差异。林地土壤养分含量与饱和导水率显著大于其他土地利用类型（P<0.05）;土壤理化参数之间相关性主要表现为坝上高原>坝下区域、栗钙土>其他土壤类型（P<0.05）。这表明,土地利用是影响张家口地区土壤理化参数空间分异的主要因素,地貌和土壤类型是影响土壤理化参数相关关系空间分异的主要因素,结果可以为认识区域土壤地域分异规律及制定生态脆弱区水土涵养措施提供数据参考。     

腾格里沙漠土壤类型空间分布特征

土壤类型空间分布是利用、改良和保护土壤资源的科学依据。腾格里沙漠是中国第四大沙漠,然而对其土壤类型空间分布特征还没有系统的研究。本研究基于中国土壤、内蒙古土壤、甘肃土壤和宁夏土壤等普查成果,以及中国科学院沙坡头沙漠研究试验站综合科学考察的历史资料,在2017—2019年对腾格里沙漠土壤类型及分布进行了大规模考察验证。同时利用遥感(RS)与地理信息系统(GIS)技术,对腾格里沙漠土壤类型进行判读,完成腾格里沙漠土壤类型及分布图制作。腾格里沙漠土壤分类系统共有13个土类,30个亚类,分别归属于7个土纲和10个亚纲。在土壤分布特征方面,腾格里沙漠以非地带性风沙土为主,约占腾格里沙漠面积的83.65%。地带性土壤类型有棕钙土、灰钙土、灰漠土和灰棕漠土,总面积为4 803.20 km2,占腾格里沙漠面积9.42%。其他非地带性土壤有草甸土、沼泽土、盐土、漠境盐土、灌淤土、灌漠土、潮土和石质土,总面积为3 534.83 km2,占腾格里沙漠面积的6.93%。土壤分布存在多种地带与非地带性土壤类型中微域组合。