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。     

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。     

短距离样点对土壤呼吸空间变异预测精度的影响

不同采样设计会对土壤呼吸空间变异特征的预测精度产生重要影响。本研究选取黄淮海平原北部潮土区1 km×1 km夏玉米样地,在7×7单元规则格网(样点间距167 m)、完全随机(样点平均间距433 m)以及3×3单元规则格网+完全随机(样点平均间距405m)3种布点方式的基础上,保持样本总量(49)不变,以占总样点2%～14%的短距离样点(样点间距4m)随机替换原方案相应样点个数的方法优化布点方式,应用普通克里金法插值,以均方根误差(RMSE)和确定系数(R2)作为验证指标,检验基于3种布点方式设置的短距离样点对土壤呼吸空间变异预测精度的影响。结果表明:研究区土壤呼吸平均速率为2.65μmol·m?2·s?1,空间分布均呈西高东低,表现出中等程度变异。采样设计对土壤呼吸空间分布的预测精度影响显著,基于3种布点方式设置短距离样点可提高预测精度7%～13%。无短距离样点替换时,规则格网+完全随机的布点方式最优,比完全随机布点和规则格网布点的空间插值预测精度分别提高10%和22%;设置短距离样点替换后,在最优布点方式(规则格网+完全随机)中,对土壤呼吸空间变异的预测精度可再提高4%～7%,其中短距离样点个数占样本总量10%对土壤呼吸空间变异预测精度的提高最为明显。研究发现,基于相同的样本数量设置短距离样点可增加区域范围内样点密度,提高土壤呼吸空间变异预测精度及试验结果的可靠性。因此,在黄淮海平原北部潮土区100 hm2尺度的夏玉米样地中,规则格网+完全随机+10%短距离样点的布点方式是预测土壤呼吸空间变异最适宜的采样布点方式。     

采样尺度对土壤养分空间变异分析的影响

以高密度土壤养分采样数据为数据源,通过随机抽取生成不同采样尺度的样点数据,分析采样尺度对土壤养分空间变异特征分析的影响。研究结果表明:区域土壤养分预测均值随采样尺度减小呈下降趋势,而变异系数增加;养分空间分布的全局趋势随采样尺度增大而增强,但不影响半方差模型;当采样尺度较大,样点间自相关较弱时,相对较少的样点也能满足区域统计参数估测分析需要,但不能用于空间变异特征和插值分析;当样点数大于最佳采样数时,养分统计参数、空间变异特征和插值分析随着采样尺度减小而精度提高,当采样尺度达到0.2左右时,能够满足中等空间变异的土壤养分空间插值分析需要;样点空间布局对相关距和空间插值分析精度的影响比采样尺度本身更为显著。     

基于多变量与RF算法的耕地土壤有机碳空间预测研究——以福建亚热带复杂地貌区为例

耕地土壤有机碳(Soil Organic Carbon,SOC)含量不仅是土壤质量的重要表征,还是农业温室气体的重要源库,而基于环境变量建立的随机森林算法(Random Forest,RF)是当前提高土壤有机碳空间预测精度的方法,但不同组合环境变量对RF模型预测精度的影响仍需深入研究。本文以福建闽东南复杂地貌区为例,以两种环境变量组合(遥感变量+气候因子和遥感变量+气候因子+土壤属性)为输入数据集,利用RF算法对耕地表层SOC含量进行模拟预测和精度对比,并与普通克里格(OrdinaryKriging,OK)插值模型进行比较。结果表明,基于全部环境变量构建的RF模型表现最佳,其模型拟合度和预测精度相较于未加入土壤属性的模型有显著提高(r提高7.95%,为0.95,RMSE下降45.13%),且对SOC空间分异信息的捕获更精确,OK模型总体预测精度最弱。利用最优模型反演得到的研究区耕地SOC含量为14.70±2.95 g·kg~(–1),东部沿海低于西部内陆。变量贡献率分析显示,除了与土壤碳紧密相关的水解性氮(N),遥感变量中数字高程模型(Digital Elevation Modecs,DEM)也是影响闽东南地区SOC预测精度的重要变量,因此,遥感变量、气候因子和土壤属性共同驱动的随机森林模型可作为闽东南复杂地貌区耕地有机碳含量空间预测的有效方法。     

不同样点数量对土壤有机质空间变异表达的影响

以南京市六合区为研究区,通过完全随机和限制最小采样间距抽样分别设置5个样点系列,基于每个样点系列100次重复抽样的变异结构推断及空间预测误差结果,探讨了不同样点数量对土壤有机质(SOM)空间变异表达的影响。结果表明,两种抽样方式降低样点数量后推断的SOM含量的块金效应(C0/C0+C)均随样点数量减少而降低且限制最小采样间距抽样推断的C0/C0+C要低于完全随机抽样方法,说明适当的减少样点数量以便降低与SOM变异尺度不匹配的样点对变异结构推断的影响有助于提高SOM空间变异结构表达的可靠性。普通Kriging预测的SOM误差对比则表明,尽管两种抽样方式下空间预测的均方根误差(RMSE)随样点数量变化而波动,但均低于全部样点的预测误差;通过限制最小采样间距减少样点至250个时,SOM空间预测的RMSE最低,较全部样点预测误差降低了6%,因此,为了实现样点密度与SOM变异尺度相匹配,合理设置土壤采样点的间距及样点数量较单纯的增加采样点数量更为重要。     

基于土壤－地形关系的合理样点对土壤有机质空间预测的影响

针对土壤精细化管理体系中合理样点数及空间预测优化问题,本文将基于土壤－地形关系,探讨了不同采样方式下以局部样点数量为代表提供最优数据的可能性。以地统计学、土壤－地形关系、地理加权回归克里格（GWRK）模型为基础,经系统格网、地形单元分区和地形起伏度最佳统计单元等三种采样方式分析合理样点集的空间分布对土壤有机质空间预测精度的影响。结果表明:（1）确定地形起伏度最佳统计单元大小为10 × 10像元,且平原区样点分布最为密集,合理样点数为1656;（2）高程、坡向、地形位置指数、相对位置指数、地形起伏度是影响土壤有机质空间变异的主要因素,能够解释研究区内有机质含量空间变异的69.2%;（3）GWRK模型精度均比普通克里金插值（OK）精度高,且山脊、背坡、陡坡、坡脚等坡位内合理样点数分别为39、481、9、28。在样点数最多时（n = 2806）,GWRK精度提高幅度及样点数量对预测结果影响有限。当样点数量减少时,有机质预测值空间分布的局部变异性随样点数减少而减少。因此,不同采样方式下合理样点集明显影响有机质预测精度,但预测结果分布趋势相似,仍可完整表征土壤有机质空间分布的空间格局。     

采样数量与空间插值方法对华北平原典型区土壤质量评价空间预测精度的影响

空间插值方法的差异以及采样数量不同对土壤质量评价空间分布的预测精度会产生影响。本文通过随机抽样的方法,以山东省禹城市的土壤质量指数为例,从359个土壤采样点中抽取了340,170,90,50,30五个样本子集,通过普通克里格、简单克里格、反距离加权法和样条函数法4种插值方法,分别对其空间变异和布局进行了解析和预测。结果表明：不同插值方法对预测精度影响不显著,而采样点数量则显著影响了土壤质量指数空间分布预测的精度。本文提出在华北平原县域尺度上,以土壤质量评价作为调查目的的土壤采样中,90个样点是比较适宜的采样数量。同时,将我们的结果与Cochran最佳采样数量计算公式获取的最佳采样量比较后发现,Cochran方法获取的最佳采样数量明显偏低,若不考虑实际的空间变异情况,仅仅使用Cochran公式可能会导致土壤质量空间预测不准确。     

不同方法预测苏南农田土壤有机质空间分布对比研究

准确把握土壤有机质(SOM)的空间分布规律对于土壤资源的高效持续利用具有重要意义。以江苏南部为研究区,以辅助因子与SOM的相关性强弱及辅助因子的可获取性为切入点,运用普通克里格(OK)、回归克里格(RK)和随机森林(RF)方法,结合地形、气候、土壤类型、土壤理化性质和施肥、碳投入等辅助数据预测了苏南地区农田SOM含量(0~20 cm)的空间分布。结果表明,三种方法预测的SOM空间分布总体趋势相似,表现为东高西低,但局部分异还存在差异;OK预测的精度最低,100次预测的均方根误差(RMSE)均值为6.97 g·kg~(-1)。RK和RF的预测精度则均高于OK方法,表现为整合与SOM相关性最强的辅助因子全氮(TN)时,RK和RF预测的RMSE分别降低至5.25 g·kg~(-1)和4.97 g·kg~(-1),而移除相关性最强的辅助因子TN后,RK和RF预测的RMSE亦较OK方法低,分别为6.21 g·kg~(-1)和6.29 g·kg~(-1);移除TN后,RK的预测精度稍高于RF,表明在其他辅助数据与SOM相关性相对较弱的条件下,RK方法有助于提高本研究区SOM预测精度;同时,尽管RK和RF的预测精度依然较OK高,但RK和RF对SOM方差的解释度则分别由51%和55%降低至了29%和28%。这表明,目前容易获取且相对廉价的辅助数据,对本研究区的SOM空间预测方面,还面临着数据质量低、预测精度不足等问题。     

基于模拟退火算法的土壤样点布局和土壤景观模型优化

本研究利用多重线性回归方程,以地形因子为预测变量,构建关于土壤有机质的土壤景观模型,并以西南山地丘陵区的一块面积为2 km2的汇水盆地为研究区,对该区域的土壤有机质空间分布进行预测。在此基础之上,探讨最少可用多少个点来预测土壤有机质的空间分布,并使之预测精度不低于原始集合的精度;同时,找出最优土壤样点布局,确定不同地形部位的取样单元,使之预测精度最高。研究结果表明:在预测误差最小化的情况下,最少可用7个优化的样点就可以代替原始200个采样点,且优化的样点数为124时,模型预测土壤有机质空间分布的精度最高。优化后的土壤景观模型的拟合度比原始模型提高了3.28%,MAE降低了5.3%,RMSE降低了3.94%。     

红壤区土壤有机碳时间变异及合理采样点数量研究

相对于土壤有机碳(soil organic carbon,SOC)空间变异性及合理采样点数量的研究,其时间变异性及揭示特定时段SOC变化所需采样点数量的研究较少。选择红壤丘陵区的江西省余江县为研究区,分析了1982—2007年SOC含量的时间变异特征,并估算了揭示该时段SOC变化所需土壤采样点数量。结果表明,1982—2007年SOC含量均值由14.18增至16.27 g kg-1,增幅为14.74%,其变异系数则由0.22上升为0.44。各土地利用方式中,水田和林地SOC含量分别增加了2.93和3.12g kg-1,而旱地则降低了2.55 g kg-1;同时各利用方式的SOC含量变异系数均出现较大幅度的提高。基于两时段的全部样点,在95%和90%置信区间上,计算得到揭示该时段全县SOC时间变异所需的采样点数量分别为186和147。基于各土地利用方式的SOC变化,计算得到水田、旱地和林地所需采样点数量分别为68、44和144(95%置信区间)及54、34和112(90%置信区间);揭示旱地SOC变化所需采样点数量应为水田的60%以上,而林地所需样点则为水田的2倍以上。该研究结果可为红壤区SOC时间变异性及其调查采样提供参考。     

基于GIS的三江平原表层土壤有机碳储量估算及空间分布研究

[目的]研究三江平原2010年表层(0—30cm)土壤有机碳储量空间分布规律和不同土地利用类型对有机碳空间分布的影响。[方法]采用地统计学和GIS相结合的方法。[结果](1)2010年三江平原表层土壤有机碳总储量为1161.28Tg;(2)表层土壤有机碳空间分布变异性较大,中部和西南地区较低,东北、西北、东南地区较高;(3)不同土地利用类型土壤有机碳密度和储量有所不同,旱地表层土壤有机碳储量最大,为412.10Tg,草地最小,表层土壤有机碳储量为2.31Tg;(4)不同植被类型表层土壤有机碳密度大小顺序为:沼泽湿地林地草地水田旱地,沼泽湿地表层土壤有机碳密度为147.84Mg/hm2。[结论]三江平原土壤有机碳密度空间分布存在较大的分异性,土壤有机碳密度的空间分布特征受土地利用类型分布的影响。     

秦巴山地县域土壤碱解氮空间变异与合理采样数的确定

[目的]了解秦巴山地县域土壤碱解氮的空间分布规律,确定合理的采样密度,为研究区农田养分管理提供科学依据。[方法]运用地统计学与GIS结合的方法,随机抽取不同采样密度的样点数据,进行插值分析,采用交叉验证法对插值精度进行评价。[结果](1)土壤碱解氮的变异系数为42.95%,属于中等变异;(2)块金值与基台值的比值约为1/2,具有中等强度的空间相关性,空间最大相关距离为9 171m;(3)样点数目从1 060个到742个时,变程以及块金值与基台值之比出现明显偏差,其相对误差分别为152.32%和36.1%,均方根误差(RMSE)、相关系数(R)同样出现明显偏差。[结论]汉滨区土壤碱解氮空间连续性较好,适当地减少采样密度,仍可以满足插值分析的需要,考虑到土壤碱解氮的空间变异评价的精度分析结果,县域土壤碱解氮的合理采样数应该控制在1 060个以上,即最大以345.5hm2为一个采样单元。     

大型喷灌条件下马铃薯田间土壤含水率空间变异特征及合理采样数研究

[目的]研究马铃薯田间不同深度土壤含水率的空间分布规律及其合理采样数,为大型喷灌条件下精准灌溉制度的制定提供科学依据。[方法]在约34 hm~2的农田中采用固定与随机相结合的方法布设了116个取样点,分别测定了0—20 cm和20—40 cm深度的土壤含水率,采用经典统计学与地统计学相结合的方法,研究喷灌前后马铃薯生长期内土壤含水率的空间分布特征及其合理采样数。[结果] 0—20 cm深度灌溉前和灌溉后的平均土壤含水率的变化范围7.61%～13.79%,20—40 cm深度灌溉前和灌溉后的平均土壤含水率的变化范围为8.71%～16.12%;总体上土壤含水率变异系数变化范围为16.47%～28.55%,均表现为中等程度的变异性,20—40 cm深度的土壤含水率变异程度略高于表层。连续2 a马铃薯各时期土壤含水率总体表现为中等程度的空间相关性,土壤含水率空间变异受随机因素与结构因素共同影响。田间水分总体上呈斑块状分布,灌水后期土壤含水率的分布较灌前更为分散。地统计学得出田间合理采样数为87个。[结论]在大型喷灌条件下马铃薯田间土壤含水量存在中等程度的空间变异性,并且地统计学与传统统计学两种方法均适用于确定农田平均土壤含水率的最优采样数量。     

黄淮海平原旱作农田土壤有机质含量的空间分异特征

基于空间自相关理论,探讨黄淮海平原旱作农田土壤有机质含量的空间分布结构,以及有机质与土壤黏粒含量和容重的空间相关关系。结果表明：黄淮海旱作农田土壤不同土层有机质含量区域均值分别为20.11±6.46(0～10 cm),14.76±5.11(10～20 cm),9.96±4.14(20～30 cm),8.03±3.45(30～40 cm)g·kg^-1,分别处在三级至五级水平;0～20 cm各土层中,高值区域主要分布在太行山山前平原、山东引黄灌区等传统农业生产地带,以及河南南部和安徽北部的砂姜黑土区。随着土层深度的增加,有机质含量的空间分布结构趋于明显,10～40 cm各土层中,河北平原和鲁西北地区呈现LL(低-低)/HL(高-低)型分布特征;河南和安徽地区主要为HH(高-高)/LH(低-高)型,但不同土层的具体分布差异较大。有机质含量与黏粒含量之间存在显著的数理相关关系,与容重之间关系并不明显;有机质/黏粒含量和有机质/容重的双变量局部空间自相关类型中,LL/HL型主要分布在河北平原和鲁西北地区,其中HL型在0～20cm各土层中集中分布在太行山山前平原和山东引黄灌区...     

追施不同量尿素下麦后复种油菜对耕层土壤有机碳及微生物量碳氮的影响

[目的]研究不同追施尿素量对麦后复种油菜生物产量和耕层土壤有机碳、土壤微生物量碳氮及碳库管理指数的影响,为麦后复种油菜尿素施用量提供依据。[方法]在古浪县进行小区试验,设置5个试验水平:追施尿素0,90,120,150,180kg/hm2。[结果]追肥可提高麦后复种油菜的生物产量;土壤有机碳、微生物量碳、微生物氮以及碳库管理指数均随追肥量的增加呈抛物线型变化的趋势;碳库指数和碳库管理指数的变化趋势同有机碳的变化趋势;有机碳、微生物量碳与碳库管理指数显著相关,有机碳与碳库管理指数极显著相关,微生物量碳与有机碳含量虽呈现正相关关系,但未达到显著相关性。[结论]综合油菜生物产量和土壤微生物量等指标,古浪县麦后复种油菜的施肥量以追施尿素120~150kg/hm2为宜。     

基于地统计与遥感反演相结合的有机质预测制图研究

土壤水分对土壤光谱反射率有显著影响,而以往有机质遥感反演制图中却很少将水分作为预测建模的变量。为了使遥感制图更加符合野外实际环境,提高有机质预测制图精度,在充分考虑土壤样点空间自相关、异相关与野外复杂环境特点的基础上,通过地统计获得研究区水分的空间分布数据,结合遥感反射率,建立多因子预测模型,得到了吉林省黑土区土壤有机质空间分布图。结果表明,有机质遥感制图中,水分因素的加入,使模型的建立更加符合野外实际情况,显著提高了有机质预测制图的精度。     

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。     

新疆主要草地土壤容重与有机碳含量关系模型构建

土壤容重是反映土壤质量和土壤生产力水平的重要参数。由于测定土壤容重的方法（环刀法）费时、费力及需要现场采样,导致土壤容重样本数量有限,影响了土壤碳氮等物质储量的估算精度和精准调控。本研究利用新疆主要草地437个野外采样点获得的土壤容重和有机碳样本,分析了容重值和有机碳值的统计特征,构建了全疆及6个分区的土壤容重值与有机碳值的关系模型。结果显示:（1）新疆主要草地土壤的容重和有机碳的变化范围、均值及变异系数分别为0.24 ~ 1.99 g cm?3和0.01% ~ 24.51%、1.24 g cm?3和1.86%、23.15%和129.96%;（2）全疆尺度土壤容重值与有机碳值的最优关系模型为SBD = 1.3861e?0.0704 SOC（R2 = 0.35,P < 0.0001）;（3）相比于全疆尺度,阿尔泰山、塔城盆地和伊犁河谷等分区的最优关系模型精度有所提高。本文结果可以为准确评估新疆草地土壤碳储量等研究提供重要参数。