样点数量与空间分布对县域尺度土壤属性空间预测效果的影响

明确样点数量和空间分布对土壤属性空间预测的影响,有助于科学制定土壤采样策略、有效提高土壤空间预测精度。从5 403个土壤样点中随机抽取验证数据集以及包含不同样点数量的训练数据子集(每个子集包括五种样点空间分布实例),在研究区表层土壤有机质含量普通克里格(Ordinary Kriging,OK)和反距离加权(InverseDistanceWeighted,IDW)插值结果的基础上,分析和探讨样点数量与空间分布对土壤空间预测效果的影响。结果显示,当样点数量从5000降至39个时,OK和IDW插值图的局部变异信息逐渐减少,基于20和10个样点的插值图存在失真畸变。当样点数量从5 000降至1 250个时,OK插值精度相近(r变幅为0.55～0.59、RMSE变幅为3.03～3.15);从样点数量减少至625个开始,OK插值精度明显下降,同一训练子集不同样点空间分布的插值精度分异明显。IDW插值精度随样点数量与空间分布的变化与OK插值相似,不同的是从1 875个样点开始出现插值精度的明显下降和不同空间分布插值精度的明显分异。在插值图发生失真畸变之前,OK平均插值精度大于IDW。研究结果表明,样点数量及空间分布均可在不同程度上影响土壤属性空间预测结果,当样点数量足够多时,样点数量和空间分布对预测结果的影响非常有限;当样点数量减少至一定程度时,随着样点数量的减少,空间预测图的局部变异信息逐渐减少,预测精度逐渐下降,同时样点空间分布对预测结果的影响开始凸显;在空间预测结果发生失真畸变之前,与OK相比,IDW插值精度较低且更早响应样点数量和空间分布的变化。     

南京市溧水区土壤重金属污染不同插值方法的对比研究

为探讨不同插值方法对南京市溧水区土壤重金属污染模拟结果的影响,本研究分析了该区245个表层土壤样点的As、Cd、Cr、Cu、Hg、Ni、Pb和Zn 8种重金属的空间相关性,分别比较了反距离权重法(IDW)、局部多项式法(LPI)、径向基函数法(RBF)和普通克里格法(OK)的插值精度、插值结果、空间分布,以及不同插值方法对污染评价的影响。研究得出:空间插值后数据的范围、均值和变异系数一般低于采样数据,且空间插值会增大安全区而减小污染区,平滑效应是主要原因。LPI的平滑效应中最严重,OK次之,IDW和RBF不明显。溧水区As、Cd和Zn的最优插值方法为OK,Cr、Cu和Hg的最优插值方法为RBF,Ni和Pb的最优插值方法为IDW。在实际操作中,应该根据插值精度、插值结果的数据统计和空间表达去具体选择合理的插值方法。     

基于RBF神经网络的土壤有机质空间变异研究方法

通过研究土壤性质的空间变异和空间插值方法,快速准确获取土壤性质的空间分布是精确农业和环境保护的基础。该文以四川眉山一块约40 km2的区域为试验区,采集表层土壤（0～20 cm）样点80个,利用径向基函数(RBF)神经网络建立空间坐标和邻近样点与土壤有机质间的非线性映射关系（RBF2）,模拟土壤有机质的空间分布。与普通克里法（OK）和仅以坐标为网络输入的神经网络方法（RBF1）相比,RBF2的插值精度有显著的提高;相同样点密度下其相对预测误差分别较OK和RBF1减小了9.87%、1.97%（样本A）和13.09%、2.36%（样本B）;即使样点数减半的情况下RBF2的相对预测误差也分别较OK和RBF1减小了10.23%和2.33%,并且插值图差异相对较小,可以更好地反映土壤有机质空间分布的异质性。因此,利用以坐标和邻近样点为输入的神经网络方法可以相对准确、快速地获取区域土壤性质空间分布的异质性信息。     

基于不同插值方法的三江平原白浆土磷素空间分布预测及其适用性分析

土壤磷素含量是反映农业生态系统土壤肥力的重要指标。准确预测磷素空间异质性是评价土壤生产力和质量的关键。本研究采用反距离加权法(IDW)、径向基函数法(RBF)、普通克里金法(OK)、全局多项式法(GPI)、局部多项式法(LPI)、地理加权回归(GWR)和地理加权回归克里金法(GWRK)等插值方法,分别预测了三江平原白浆土典型灌区八五三、七里沁以及大兴灌区土壤磷素分布,并运用交叉验证法,通过平均误差(ME)、均方根误差(RMSE)和改进效果(RI)对各种方法精度进行比较,以期确定同一土壤类型不同采样密度土壤中磷素空间异质性最佳插值方法。对比7种插值方法,在空间插值平滑性方面,LPI、GPI、GWR、GWRK表现较好,在插值速度方面, IDW、RBF、LPI、GPI、OK较快, GWR和GWRK方法运算复杂、速度较慢。IDW、RBF等6种方法与OK相比,根据RI判定, GWRK方法提高了磷素空间分布模拟精度, IDW、GPI和LPI方法降低了磷素空间分布模拟精度, RBF方法在提高磷素空间分布模拟精度上表现不一致。采样密度会影响预测结果,对于本文而言,不论采样密度如何,GWRK方法均方根误差(RMSE)均最低,为最佳插值方法,而RBF方法是在采样密度较低时一种可选方法。GWRK法在本文是最佳的插值方法,但其结果会受到辅助变量多少和各变量之间是否存在共线性的影响。     

典型干旱区土壤盐分空间异质性对比研究

研究目的在于采用不同方法研究典型干旱区土壤盐分空间分布,并对比预测精度。研究方法:通过对研究区域进行移动式磁感调查,获取大地表观电导率信息,经校正解译成土壤盐分信息,拟合最优半方差函数,分别利用克里格插值、条件模拟、径向基函数法以及栅格运算方法对土壤盐分空间分布进行预测。研究结果表明:比较四种方法预测精度,条件模拟和克里格插值具有良好的预测精度,径向基函数法和栅格运算方法误差较大。研究结论:通过对研究区域移动式磁感调查,结合条件模拟或克里格插值方法,可以快速而又比较准确的预测土壤盐分空间分布。     

表征土壤有机碳区域分布的优化空间插值模型研究——以福建省龙海市为例

如何利用有限的样本数据来获得更为准确的土壤属性空间分布信息是土壤学研究的热点问题之一。利用福建省龙海市采集的1 133个耕地土壤样品,设计了结合地貌类型、土壤类型和土地利用类型等信息的5种克里格插值模型,研究县级尺度上土壤有机碳空间预测优化插值模型及其与样点密度的关系。结果表明:设计的5种插值模型预测精度均高于普通克里格法,但不同样点密度对插值结果影响较大。按0.5 km×0.5 km及以上的格网密度进行样点布设,采用土地利用现状类型结合土壤类型信息的普通克里格法(KDLTR)插值结果误差较小;按2 km×2 km的格网密度布设调查样点时,采用土壤类型信息的普通克里格法(KTR)插值结果误差较小;当格网大于4 km×4 km时,由于样点数少,各种模型的结果相差不大,可直接采用普通克里格法(KYJZ)进行插值。     

基于线性混合模型的滨海盐碱土盐分空间变异性研究

准确的土壤盐分空间变异信息是防治土壤盐碱化和制定科学种植规划的重要依据。本文根据电磁型近地传感器EM38测定的土壤表征电导率(EC_a),研究有限最大似然法(REML)在地统计建模趋势去除中的应用,基于线性混合模型将趋势与残差分离,然后利用泛克立格开展海涂围垦区水稻田土壤盐分的空间变异性研究。结果表明,本研究区土壤盐分存在强烈的空间变异性且呈一定的空间分布趋势;REML方法拟合的二次多项式模型可较好的表征土壤盐分的空间分布趋势,在去除趋势的同时,选用指数模型对残差的半方差函数进行拟合;基于泛克立格插值的交叉检验结果可见,该方法可得到较小的预测误差,且标准离差比平均值参数接近理想值,REML方法大大提高了模型的精度;就地统计空间插值结果可看出,土壤盐分呈出从西北角向东北角、从周边向中心渐变的空间分布特征,且与土壤排水条件表现出较好的耦合性。     

土壤重金属Cd污染指数的适宜插值方法和合理采样数量研究

对局部存在重金属污染地区采用适宜的插值方法和布设合理的采样点对重金属污染状况监测具有重要的意义。运用单因子指数法得到土壤重金属Cd污染指数,并在镇域内布设2033个采样点的基础上,通过随机抽样法抽取1830、1423、1017、610、203五个采样点样本子集。首先,运用普通克里金法(OK)、径向基函数法(RBF)和反距离权重法(IDW)对该地区土壤重金属Cd污染指数进行插值预测,并通过交叉验证法进行精度检验。然后,在反距离权重法的基础上,对五个采样子集进行插值精度分析,得到大致合理采样数量。结果表明:(1)利用全集2033个采样点对3种插值方法进行交叉验证分析可知,RMSE表现为IDW(3.018)RBF(2.942)OK(2.837),ME表现为OK(-0.0736)IDW(0.0214)RBF(0.0096),MAE表现为IDW(0.5668)RBF(0.5575)OK(0.5227),3种插值方法在整体预测精度上差异不明显。而对于污染区域的识别,IDW在轻度污染区、中度污染区和重度污染区预测上表现出较大的优势,能较好的反应污染区域的空间变异特征。因此,认为IDW为较适宜的空间插值方法。(2)对不同采样数量的样本进行交叉验证分析可知,RMSE、ME和MAE在1017个采样点到610个采样点误差变化幅度分别为29.84%、71.31%和36.99%,误差增加幅度较前三个子样本间明显增大。在空间特征识别方面,2033、1830、1423和1017个采样点反映的污染区的空间分布特征非常相似,610和203个采样点预测的污染区域面积明显扩大,对各级污染区域的空间特征细节表现能力较差。因此,对于该镇域内的土壤重金属Cd污染指数的研究,1017个左右采样点是比较合理的采样数量。     

采样点空间集聚度对揭示区域土壤全氮变异性的影响

基于余江县中部地区土壤密集采样点,通过重采样获得4个集聚度样点分布等级,每个等级取5个重复,其分布VMR均值(样方分析中的样点数变差–均值比)分别为0.13、0.83、1.49和2.16,利用普通克里金(OK)和结合土地利用信息的克里金(KLU)方法对土壤全氮(STN)含量进行空间预测,并通过验证样点比较了4种集聚度采样点的STN空间预测精度,以揭示土壤采样点集聚度对STN空间预测精度的影响。研究结果表明:通过两预测方法得到的验证点实测值与预测值散点图的相关系数(r)均随采样点集聚度的增加而降低,其中OK方法的r值由0.400降低至0.142,KLU方法的r值由0.718降低至0.542;两方法的预测平均绝对误差(MAE)和均方根误差(RMSE)随着集聚度的增加均呈现增加趋势,OK和KLU方法的MAE分别又由0.49和0.33增加至0.61和0.44,RMSE则分别由0.56和0.39增加到0.65和0.47。表明在土壤采样点数量相同的前提下,采样点的空间集聚度越低,即样点分布越均匀,克里金方法的预测精度越高,这说明对STN进行空间预测时,基于规则网格的采样点更有利于克里金方法的空间估算;同时,采样点空间集聚度对不同克里金方法预测精度的影响也存在差异,对KLU方法的影响大于OK方法。     

海涂围垦区土壤盐分空间变异性随机模拟与不确定性评价

以苏北海涂围垦区典型地块为例, 把随机模拟技术引入土壤盐分空间变异性研究中, 利用普通克里格法和序贯高斯模拟方法对土壤盐分的空间分布进行估值和模拟, 将随机模拟值与克里格插值及实测值进行对比分析, 并采用序贯指示模拟对土壤盐分空间分布的不确定性进行评价。结果表明: 由普通克里格法得到的土壤盐分空间分布整体比较连续, 具有明显的平滑效应, 减小了数据间的空间差异性, 改变了数据的空间结构; 序贯高斯模拟结果整体分布相对离散, 突出了原始数据分布的波动性。对非盐化土、轻度盐化土、中度盐化土和重度盐化土的空间不确定性进行的序贯指示模拟结果显示, 围垦后研究区耕层土壤盐渍化的发生概率已显著降低。轻度盐化土的高概率区是改良利用的主要区域, 宜采用农业生物改良措施, 对中度盐化土高概率区应通过完善田间灌排设施以加强改良治理, 客土法是重度盐化土高概率区较为高效的改良治理途径。     

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。     

Comparison of spatial interpolation techniques for mapping soil pH and salinity in agricultural coastal areas,northern Iran

This study attempted to characterize the spatial distributions of soil pH and electrical conductivity (EC_e) of coastal fields in the Miyandoroud region, northern Iran, for three soil layer depths by assessing spatial variability and comparing different interpolation techniques such as inverse distance weighting (IDW), ordinary kriging (OK), and conditional simulations (CS). Three soil composite samples were collected from 0–50, 50–100, and 100–150 cm depths at 105 sampling sites. At all three soil depths, pH and EC_e were best fitted by exponential and spherical models, respectively. Nugget effects were higher for soil EC_e data sets compared with soil pH at all three soil depths showing soil EC_e had a spatial variability in small distances. The prediction accuracy of the interpolation methods indicated that the minimum error for all data sets was achieved with the OK method, except for pH at 50–100 cm depth, and the CS technique revealed the largest error. The effect of different numbers of simulations (100, 500 and 1000) in the CS interpolation method resulted not in a realistic mapping for the soil EC_e and pH. Considering the high importance of irrigated agriculture in the Caspian Sea coastal areas, more subsoil salinity build-up and groundwater salinity monitoring plans are needed as a prerequisite for sustainable agricultural production systems of the future.     

基于贝叶斯最大熵的黄河三角洲土壤含盐量空间分布预测

黄河三角洲土壤盐渍化问题是制约当地农业生产和生态稳定的关键因素。为了准确掌握盐渍土的空间分布,提高土壤含盐量的空间预测精度,本研究根据2022年5月黄河三角洲的193个采样点两个深度土壤含盐量分析数据,结合高程和Landsat9遥感影像等数据,采用地理加权回归（Geographically Weighted Regression, GWR）模型构造区间型软数据,进而建立贝叶斯最大熵（Bayesian Maximum Entropy, BME）模型对研究区土壤含盐量的分布进行了预测,并同传统的地统计模型普通克里金（Ordinary Kriging, OK）及GWR模型的预测结果进行了比较。结果表明：BME模型对土壤含盐量的预测精度要高于另外两种模型。与OK相比, BME的预测误差在土壤表层和底层分别降低25%和21%,R2分别提高了0.5432和0.3527,BME作为本研究最佳土壤含盐量空间预测模型,展现了多源数据整合及非线性估计的优势。黄河三角洲表层土壤盐渍化率（88%）高于底层（68%）,大体呈现由西南到东北方向上土壤含盐量递增的趋势,沿海地区大于内陆地区,黄河三角洲北部是整个区域盐渍化最为严重的地区。     

黑土区小流域土壤速效磷空间分布模拟方法

为探索东北黑土小流域土壤AP空间分布模拟的最佳方法,综合考虑区域尺度、景观格局和采样方法等信息,选取两个典型黑土小流域(光荣和海沟河流域)作为研究对象,结合半变异分析、回归分析、主成分分析等方法,比较了不同空间插值方法(反距离权重法、径向基函数法、普通克里格、协同克里格、多元线性回归模型、地理加权回归模型、回归克里格和地理加权回归克里格)对AP空间模拟精度的影响。结果表明:(1)引入主成分分析后能够提高回归克里格和地理加权回归克里格方法的模拟精度(4.5%和2.4%);(2)地理加权回归克里格方法可以作为最优空间插值方法模拟黑土区小流域AP的空间分布格局。地理加权回归克里格方法相较于传统插值方法能在一定程度上提高黑土小流域土壤AP空间模拟精度,为小流域尺度黑土养分管理提供技术支撑。     

Spatial modeling of soil salinity using multiple linear regression,ordinary kriging and artificial neural network methods

Salinity as an important property of soil plays a major role in reducing the fertility in the world. Accurate information about the spatial change of soil salinity is essential for sustainable soil management and utilization in agriculture lands. For this purpose, 150 soil samples were collected from Dashte-e-Tabriz Iran and tested and soil salinity was estimated by land surface parameters including elevation, aspect, length of slope, wetness index, slope and normalized difference vegetation index as basic parameters. In order to model and predict the salinity, ordinary kriging (OK), artificial neural networks (ANN) and multiple linear regressions (MLR) were used. Accuracy of models was evaluated by the coefficient of determination (R²), root mean square error (RMSE) and mean absolute error (MAE). Based on Pearson correlation, elevation, normalized difference vegetation and wetness indices were selected for soil salinity spatial modeling from six land surface parameters. The results showed that the ANN had the lowest RMSE and highest R2. The values of R2, RMSE and MAE were 0.36, 25.89 and 17.06 for regression and 0.56, 17.70 and 13.05 for OK and 0.69, 16.06 and 11.60 for ANN, respectively, which indicated more accuracy of ANN in comparison with MLR and OK.     

地学环境变量支持的土壤全钾含量自适应曲面建模——以青海湖流域典型地区为例

土壤属性空间分布受地学环境要素影响,空间分异特征十分明显,单一的全局插值模型在应用中常受到一定条件的限制。对复杂地貌类型区土壤属性插值所面临的空间不连续、全局插值模型精度有限以及适应性差的缺点,提出了一种融合地学环境信息的土壤属性自适应曲面建模方法（Adaptive surface modeling for soil properties,ASM-SP）。利用2013年采集的110个样点数据,以土壤全钾含量为例,利用ASM-SP、普通克里格法（Ordinary Kriging,OK）、回归克里格法（Regression Kriging,RK）、地理加权回归克里格法（Geographically Weighted Regression Kriging,GWRK）和协同克里格（Ordinary Co-Kriging,OCK）5种插值方法,分别模拟了青海湖流域典型地区土壤全钾含量的空间分布。采用平均误差（Mean Error,ME）、平均相对误差（Mean Relative Error,MRE）、均方根误差（Root Mean Square Error,RMSE）、准确度（Accuracy,AC）、相关系数、回归系数和决定系数7类指标系统评价不同插值方法的预测效果。结果表明:（1）利用常规插值（OK）得到的插值曲面较为平滑,具有弱“牛眼”效应,在刻画土壤全钾含量的空间变异性方面存在明显不足,精度有待提高。（2）在融合地学环境信息的插值方法中,RK,OCK,GWRK和ASM-SP模拟精度较OK有不同程度提高,其中ASM-SP在刻画土壤全钾含量的空间变异和局部细节信息方面表现突出,精度较其他插值方法有较大程度提高,其准确度较OK,RK,GWRK和OCK分别提高9.27%,6.29%,2.66%和7.74%。ASM-SP尤其适合复杂地貌类型区,因其考虑了地学环境变量与土壤属性的非线性关系,并融合了多个模型的适应性优势,其在刻画土壤属性空间分异的复杂性方面也更加符合实际情况,为土壤属性的空间模拟提供了新思路。     

Prediction of soil salinity in the Yellow River Delta using geographically weighted regression

It is essential to determine the content and spatial distribution of soil salinity in a timely manner because soil salinization can cause land degradation on a regional scale. Geographically weighted regression (GWR) is a local regression method that can achieve the spatial extension of dependent variables based on the relationships between the dependent variables and environment variables and the spatial distances between the sample points and predicted locations. This study aimed to explore the feasibility of GWR in predicting soil salinity because the existing interpolation methods for soil salinity in the Yellow River Delta are still of low precision. Additionally, multiple linear regressions, cokriging and regression kriging were added to compare the accuracy of GWRs. The results showed that GWR predicted soil salinity with high accuracy. Furthermore, the accuracy was improved when compared to other methods. The root mean square error, correlation coefficient, regression coefficient and adjustment coefficients between the observed values and predicted values of the validation points were 0.31, 0.65, 0.57 and 0.42, respectively, which were better than that of other methods, indicating that GWR is an optimal method.     

综合BME和BNN法的农田土壤水分与养分分布空间插值

掌握农田土壤水分和养分的空间分布特征是实现农田土壤精确管理及实施精确农业的重要依据。以有限的采样信息为基础,通过多种空间分析理论的融合,形成优势互补的综合方法,对提高土壤变量空间分布模拟和绘图精度具有重要意义。该文将贝叶斯最大熵法(Bayesian maximum entropy,BME)和贝叶斯人工神经网络方法(Bayesian neural networks,BNN)结合形成一种空间插值新方法,即用BNN法表达估值的不确定性,并将其结果融入现代地质统计学BME法中,用融入BNN法结果的BME法(Bayesian maximum entropy method combined with Bayesian neural networks,BMENN)模拟土壤变量的空间分布。以江苏省扬州市区北部某田块的土壤水分、有机质、全氮、碱解氮、速效钾和速效磷6种土壤特性的采样数据为例,运用交叉验证法,将BMENN法对土壤变量的估值精度与BNN法、普通克立格法(ordinary Kriging,OK)进行了比较。结果表明:与OK法和BNN法相比,BMENN法将估计方差(mean squared error,MSE)缩小2.26%~23.54%,具有最小的估计方差和接近于0的平均绝对误差(mean error,ME);BMENN法的估计值与实测值相关系数更大(r=0.62~0.89),具有更高的相关程度;MSE的组成分析表明,BMENN法再现变量波动程度和波动大小的能力更强;从模拟的空间分布图来看,BMENN法绘制的空间分布图更连续,"牛眼"较少,更符合土壤变量的地学规律。BMENN法对于利用有限数据信息提高土壤变量空间分布模拟精度具有重要意义,并可为土壤管理、精准农业的实施以及区域环境规划等提供科学依据。     

基于大尺度低密度样点的东北土壤全氮空间插值方法比较

基于全国第二次土壤普查东北地区土壤数据,以ArcGIS和GS⁺软件为支撑,对比分析了反距离加权法(IDW)、径向基函数(RBF)、普通克里金(OK)和回归克里金(RK)4种地统计空间插值方法在7个不同样本容量下土壤全氮含量(STNC)的空间插值效果。结果表明,由普查数据得到的东北地区STNC在0.08~21.48 g/kg之间,数据变异性较大;STNC空间结构表现出中强度空间自相关性,空间自相关范围大于同区域的小尺度采样研究;样本容量<171时,STNC空间变异性发生变化,空间结构特征和精度检验水平难以确信。4种空间插值方法对STNC空间趋势表达均呈现从东北向西南方向递减规律,空间趋势预测效果为:RK >OK >RBF >IDW。RK方法通过线性回归分析添加了阳离子交换容量(CEC)、年均温(MAT)、土层厚度(d)和pH值等辅助信息,比IDW,RBF和OK方法的插值精度分别提高了19.40%,18.50%和16.15%;在不同样本容量下RK方法的插值精度较为稳定且对无样点区STNC的空间趋势预测也体现出了更多细节信息,因此对于大尺度低密度采样的土壤属性空间插值可重点考虑RK方法。