县域耕地质量监测样点布设研究——以河北省昌黎县为例

掌握区域耕地资源数量与质量是耕地资源管理工作的基础,监测样点布设是了解耕地质量的前提。为确保监测样点数量、位置科学合理,以昌黎县为例,基于国家自然质量等指数,利用空间分层抽样方法初步确定昌黎县耕地等别渐变区域应至少布设40个监测样点;基于国家自然质量等指数的半变异函数结构分析得到,昌黎县耕地质量的最大相关距离为5.48 km,在ArcGIS中以5 km×5 km布设网格得到,昌黎县预布设45个监测样点才能满足耕地质量监测的精度要求;考虑监测样点布设稳定性,基于耕地等别渐变类型与耕地国家等别的空间分布特征对监测样点预布设进行空间优化,最终确定监测点位置;对监测样点国家自然质量等指数进行Kriging插值,利用插值结果的预测误差统计量检验样点布设精度。本研究提出的样点布设方法可提高监测精度,并可保证监测样点的代表性和监测信息的完整性,从而使监测成果更为科学、准确。     

土壤养分含量的协同克里格法插值研究

土壤养分含量的空间分布是农业领域研究的重要内容,空间插值是获取土壤养分含量空间分布的重要方法。空间插值方法很多,不同的空间插值方法结果精度各不相同。文章以石家庄城乡交错带土壤全氮、速效磷、速效钾三种养分含量为主变量,土壤有机质含量为辅助变量,选取普通克里格法和协同克里格方法,对85个采样点的土壤养分数据进行空间插值分析,获取土壤养分含量空间分布图。采用交叉验证法对其插值结果精度进行分析和评价,结果表明,采样点数量相同时协同克里格方法的结果精度明显高于普通克里格插值法;利用协同克立格法, 主变量数目在减少至70个,辅助变量不变的情况下,精度仍高于普通克里格法,且空间分布高度相似。说明在适当减少土壤样本的情况下,协同克里格法仍能保证插值精度,适合土壤养分空间插值。     

丘陵区水稻土Cu污染空间变异的协同克里格分析

针对丘陵红壤区铜冶炼厂周围水稻土污染区(1.40 km2),在景观尺度上,采用协同克里格方法,研究了影响表层土壤Cu含量空间分布预测的辅助因子.基于空间自相关性、间距、长轴方位角以及各种预测误差,评价了辅助变量(包括秸秆全Cu含量StrawCu、籽粒全Cu含量GrainCu、土壤全Cd含量Cd、土壤pH、土壤有机质OM、高程H)对表层土壤Cu含量分布预测精度的影响.结果表明,单辅助变量的协同克里格预测值与实测值相关系数的大小顺序为Cu/Cd＞Cu/H＞Cu/StrawCu＞Cu/GrainCu＞Cu/OM、Cu/pH,而多辅助变量协同克里格预测的相关系数大小顺序为Cu/(Cd,StrawCu)＞Cu/(Cd,StrawCu,H)＞Cu/(Cd,StrawCu,GrainCu)＞Cu/(StrawCu,GrainCu)＞Cu/(Cd,H).与土壤全Cu含量的普通克里格插值精度相比,利用表层土壤全Cd含量、水稻秸秆全Cu含量、高程作为辅助变量与水稻土表层全Cu含量进行协同克里格插值可以显著提高预测精度;但水稻籽粒全Cu含量作为辅助变量对预测精度影响不显著;而土壤有机质含量和土壤pH作为辅助变量反而降低了预测精度.在对表层土壤全Cu含量分布的多辅助变量协同克里格预测中,表层土壤全Cd含量和水稻秸秆全Cu含量的影响最大,其次是高程,水稻籽粒全Cu含量不能提高对表层土壤全Cu含量分布的预测精度.     

山地丘陵耕地土壤养分最优插值方法研究——以江西省渝水区水北镇为例

以江西省渝水区水北镇为研究区,利用823个采样点的耕地土壤养分数据,分析区内耕地土壤养分含量与海拔、坡度的相关性,采用协同克里格插值方法,结合海拔、坡度进行插值,并把经交叉检验后的结果与逆距离权重法、普通克里格法的结果进行比较.结果表明,结合海拔、坡度进行插值后,精度有明显提高.插值精度排序为协同克里格法>普通克里格法...     

罗江县农田土壤全氮协同克里格插值和采样数量优化研究

[目的]研究县域土壤全氮含量的空间分布和采样数量,为紫色土丘陵区采样提供参考。[方法]利用协同克里格法,以初始的1 777个土壤全氮含量数据为随机抽取的数据,分别随机抽取1 599、1 421和1 243个数据为目标变量,并以初始的1 777个土壤有机质数据为辅助变量,对四川省罗江县土壤全氮含量进行插值分析,从而利用协同克里格法对县域尺度下农田土壤全氮含量在不同样点数量下空间分布中的适用性进行评价。[结果]在相同取样数量下,全氮协同克里格法的均方根误差相对于普通克里格法降低0.019 6%～0.072 5%,预测值和实测值之间的相关系数提高0.69%～0.90%。利用协同克里格法,土壤全氮含量数据在缩减30%情况下,其估值精度高于1 777个样点下的普通克里格估值,且二者的分布图都具有较高的拟合度。[结论]协同克里格法是一种经济、精准的方法,可为县域土壤养分含量的空间分布提供基础信息。     

县域农田土壤铜含量的协同克里格插值及采样数量优化

 【目的】研究县域农田土壤铜含量的空间分布和采样数量,为农田土壤环境质量调查提供帮助。【方法】采用协同克里格方法,以初始的623个土壤铜含量数据及在此基础上随机抽取的560、498和432个数据为目标变量,并以初始的623个土壤有机质含量数据为辅助变量,对四川省双流县农田土壤铜含量进行插值分析,并对不同样点数量下协同克里格法在县域尺度农田土壤铜含量空间分布研究中的适用性进行评价。【结果】相同取样数量下,协同克里格法的均方根误差相对于普通克里格法可降低0.9%～7.77%,预测值和实测值之间的相关系数可提高1.76%至9.76%。利用协同克里格法,在土壤铜含量数据量缩减10%的情况下,其估值精度仍高于初始的623个土壤铜含量数据的普通克里格估值,且二者的分布图具有高度相似性。【结论】协同克里格作为一种更为精确和经济的方法,可为县域尺度农田土壤重金属含量的空间分布研究提供更多的信息和帮助。     

基于主成分分析的协同克里格插值模型对土壤铜含量的空间分布预测

以湖北省宜都市红花套镇的柑橘产区为例,选取土壤重金属全铜含量为研究对象,利用Pearson相关系数方法选择与土壤铜含量具有较高相关性的土壤因子(全K、全Cr、CEC、全Al、全N(P0.05))作为辅助变量,利用主成分分析(PCA)对辅助变量进行降维求总得分处理后,与协同克里格插值相结合构建土壤铜含量空间模型(COKPCA),同时构建土壤铜含量的普通克里格插值模型(OK)和以全K作为辅助变量构建协同克里格插值模型(COKK),对不同的空间模型进行模拟精度的对比和分析之后提出最优空间模型方法,进一步分析土壤铜含量在研究区域的空间分布特征。结果表明:普通克里格插值(OK)、协同克里格插值(COKK)和与主成分相结合的协同克里格插值(COKPCA)3种模型的RMSE分别为7.044、6.907和6.309,R2分别为0.716、0.743和0.852,赤池信息量准则(AIC)分别为101.591、96.908和87.203。综合比较,COKPCA具有最优的模拟插值结果,其次为COKK,而OK则相对较差。     

基于变异函数和等别类型的耕地质量监测样点布设研究

本文阐述了耕地质量监测样点布设的原则,并在分析空间抽样理论方法的基础上,提出了基于变异函数和等别类型的耕地质量监测样点布设方法,即在用变异函数分析区域耕地质量空间分异特征的基础上,分控制区按耕地等别类型进行固定监测样点布设、在新增耕地和质量突变耕地上进行动态监测样点布设。这种方法综合体现分层抽样和系统抽样理论思想,定性与定量相结合,是一种适合于县域耕地质量监测样点布设的科学实用的方法。     

县域耕地质量等级变化监测区划定及监测点布控技术研究

耕地质量等级变化监测工作是提升耕地数量质量并重管理的重要手段,如何合理、全面地布置监测网络系统及布控监测点,是耕地质量等级变化监测技术的关键。该研究基于ArcGIS平台,运用空间分析方法,划定监测控制区及布设监测样点,其结果符合耕地等级变化监测的需求。     

基于空间质量差异的县域耕地质量等别监测样点布局研究——以江西省南昌县为例

以江西省南昌市南昌县为研究区,采用国土资源部最新出台的耕地质量监测方案,参照江西省农用地体系,利用Arc GIS空间叠加法划分监测指标限制区,最终在南昌县划分了5个耕地质量等别变化类型,分别为逐步干旱型、逐步渍涝型、水土流失型、肥力提升型、沙化型。考虑到南昌县耕地面积和监测类型分布范围,在渐变类型区内共布设34个理论监测样点,并对样点进行优化调整。研究结果表明,运用Voronoi图对监测样点的南北空间变异特征进行验证,在变化类型的基础上布控监测样点,保证了监测样点基本覆盖南昌县变化类型区内的国家自然等别、国家利用等别和国家经济等别,该方法具有代表性、科学性、创新性,能有效地反映耕地质量空间变异的细部特征,并建立县域尺度耕地质量监测体系,为今后省级和国家级层面的耕地质量监测管理工作提供参考。     

Spatial Interpolation and Sample Size Optimization for Soil Copper （Cu） Investigation in Cropland Soil at County Scale Using Cokriging

Knowledge on spatial distribution and sampling size optimization of soil copper （Cu） could lay solid foundations for environmetal quality survey of agricultural soils at county scale. In this investigation, cokriging method was used to conduct the interpolation of Cu concentraiton in cropland soil in Shuangliu County, Sichuan Province, China. Based on the original 623 physicochmically measured soil samples, 560, 498, and 432 sub-samples were randomly selected as target variable and soil organic matter （SOM） of the whole original samples as auxiliary variable. Interpolation results using Cokriging under different sampling numbers were evaluated for their applicability in estimating the spatial distribution of soil Cu at county sacle. The results showed that the root mean square error （RMSE） produced by Cokriging decreased from 0.9 to 7.77%, correlation coefficient between the predicted values and the measured increased from 1.76 to 9.76% in comparison with the ordinary Kriging under the corresponding sample sizes. The prediction accuracy using Cokriging was still higher than original 623 data using ordinary Kriging even as sample size reduced 10%, and their interpolation maps were highly in agreement. Therefore, Cokriging was proven to be a more accurate and economic method which could provide more information and benefit for the studies on spatial distribution of soil pollutants at county scale.     

基于监测单元划分方法的耕地质量监测效率研究——以内蒙古自治区开鲁县为例

从耕地质量监测角度出发,探索监测效率最优的耕地质量监测单元划分方法,并尝试构建耕地质量监测效率评价体系,为耕地质量监测工作提供理论支撑。以内蒙古自治区开鲁县为例,采用因素组合法、主导因素法、图斑法以及网格法4种方法划分耕地质量监测单元,并从耕地质量监测效果、精度以及成本3个方面构建评价体系,对4种方法的监测效率进行比较分析。结果表明,因素组合法划分的耕地质量监测单元的总分值最高,为89.23分,网格法因考虑的耕地质量属性因素较少且划分的单元数目较多,监测效率评价综合得分较低。采用的监测单元划分方法中,因素组合法更适合在县域尺度应用。     

基于GIS的关中—陕南地区降雨量空间插值分析

[目的]比较4种空间插值方法的插值效果,分析研究区域降水空间分布特征。[方法]以陕西省关中—陕南地区为例,采用该地区72个气象观测站点59年的降水量资料,结合GIS空间插值技术,以国际科学数据共享服务网站30 m×30 m网格DEM为基础,选取IDW、普通克里金插值法、协同克里金插值法和径向基函数插值法对关中—陕南地区72个观测站多年平均降水量进行空间插值,并分区域随机选取其中10个站点的降水量数据对4种插值方法的插值效果进行检验,以此确定最佳插值方案,分析研究区域的降水空间分布特征。[结果]顾及地形因素的协同克里金插值效果最佳,并能真实地反应研究区域的降水空间分布特征,普通克里金法次之,反距离加权法和径向基函数法较差。对插值结果的进一步分析显示,该研究区域降水呈现明显的纬度地带性分布特征,且降水受地形、地貌等因素影响较大。[结论]顾及地形因素的协同克里金插值法效果最优,适用于该区域。     

县域耕地质量等别监测分区布点研究

为准确掌握耕地质量等别空间分布特征，提高县域耕地质量监测效率，完善其监测体系，本研究以广州市从化区为例，基于耕地质量监测成果以及土壤、环境因子等数据，通过空间统计学、空间叠加等方法对县域耕地质量等别监测分区布点进行研究。结果表明，考虑土壤、地貌、土地利用水平、土地经济效益以及耕地质量渐变类型等因素，从化区共划分为26个耕地质量监测区。依据空间分层抽样原理，结合研究区内国家标准样地、沟渠、道路、村庄、基本农田等因素在空间上对监测样点进行调整，最终确定了111个监测样点。经统计检验表明，监测样点在总体耕地分等单元中具有较高的代表性。以此建立的县域耕地质量监测体系可为自然资源部门的耕地质量监测监管提供技术支持。     

区域性夏季平均气温空间插值方法比较

使用ArcGIS软件,采用反距离权重法、普通克里格法和泛克里格法3种空间插值方法,以东北三省78个气象站点1999、2004年夏季平均气温数据为例进行了空间插值,并采用交叉检验的方法对插值结果进行了比较。结果表明,3种方法所得插值结果均能大致反映气温分布状况,但从精度分析上看,泛克里格法精度优于反距离权重法和普通克里格法。     

Spatial Interpolation of Soil Nutrients Based on BP Neural Network

以广东省增城市为研究对象,采集了全市内200个土壤样点,利用 BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根。结果表明, BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应。 BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法。     

Analysis of Spatial Distribution Characteristics of Heavy Metals in Cultivated Land of Nehe City

This study aimed at gaining the cultivated land quality and the situation of soil pollution, taking Nehe City in Heilongjiang Province as an example, used ordinary Kriging interpolation of geostatistics, investigated the content and spatial distribution of eight kinds of heavy metal elements (namely Cd, Cr, Pb, Cu, Zn, Ni, Hg and As) in farming land soil, then analyzed the distinction and potential source of these heavy metal elements. The result showed that (1) all these elements had a certain amount of accumulation compared with those in the background of Heilongjiang Province, among which the accumulated levels of Cu and As were the highest. (2) Through statistic analyses, it showed that the spatial autocorrelation degrees of these four elements (namely Cd, Cr, Cu and Zn) were higher. (3) The pollution of Cd and Cu was relatively severe. (4) The spatial distribution features of these eight kinds of heavy metal elements were different, and the soil parent material and the human activity played double roles in the content distribution of heavy metal elements in farming land soil.     

基于提等潜力和主导因素的耕地质量监测类型区划分及布点方法

以江西省南昌县为例,依托江西省耕地质量监测试点项目,依据耕地自然等指数提升潜力大小和对等级提升最大贡献值因子的组合类型来划分耕地质量监测类型区,并依据监测重点及监测类型区面积比例布设监测样点。实证分析表明,南昌县耕地质量等级监测共有14个组合类型,归并14个组合类型得到5个监测类型区:1个常规监测区和4个重点监测区。其中重点监测类型区包括易渍涝区、易干旱区、耕层瘠薄区和肥力缺乏区。依据监测重点和面积大小在各监测类型区内共布设监测样点70个。统计学检验结果证明,同其他常规布点方法对比,在相同监测样点情况下,依据耕地质量等级提升潜力及限制因子组合类型划分耕地质量监测类型区所布置的监测样点,监测的针对性更强,准确性更高。