土壤质地空间预测方法比较

土壤质地作为成分数据（compositional data）的一种,其空间插值需满足非负、定和、误差最小和无偏估计4个条件。采用成分克里格法（compositional Kriging）和基于对数比转换的普通克里格法对土壤质地各颗粒组成进行空间预测,均方根误差（root mean squared errors,RMSE）和标准化克里格方差（mean squared deviation ratio,MSDR）分别被用来衡量不同方法的预测精度及模型拟合效果。研究结果表明：对数比转换的普通克里格法和成分克里格法能够保证插值结果满足成分数据插值的4个条件;成分克里格法预测的各土壤颗粒组成的RMSE最小,预测精度最高,其黏粒RMSE值相对于非对称对数比转换的普通克里格法提高将近17%;成分克里格法的变异函数拟合效果总体上好于其他两种预测方法,预测结果极差更宽,更能反映土壤质地各颗粒组成与高程、母质和水域分布的关系。     

克里格插值在区域土壤有机碳空间预测中的应用

基于河北省第二次全国土壤普查数据,对比了常用土壤有机碳相关因子土地利用和土壤类型与普通克里格插值结合前后对土壤有机碳密度空间预测精度的差异,探讨了普通克里格插值在区域土壤有机碳空间预测中的应用。研究结果表明,土地利用能够独立解释土壤有机碳密度总方差的19.0%,与普通克里格插值结合以后能够将对土壤有机碳密度总方差的解释程度显著提高到30.2%。低级土壤分类土属能够独立解释土壤有机碳密度总方差的45.0%,但与普通克里格插值结合以后对土壤有机碳密度总方差的解释程度为44.8%,两者相差不大。因此区域空间上能否进一步应用普通克里格插值优化土壤有机碳的空间预测与所选用的土壤有机碳相关因子有关。     

河北省表层土壤有机碳和全氮空间变异特征性及影响因子分析

【目的】在陆地生态系统中, 土壤全氮和有机碳是重要的生态因子。本研究基于土壤调查获得大量土壤剖面的空间和属性信息,研究河北的土壤有机碳和全氮的空间分布特征,为河北的土壤养分监测和管理提供科学依据,同时也为其他类似地区土壤采样提供参考,减少采样成本。【方法】运用传统统计学和地统计学分析方法,以变异函数为工具,初步分析了河北土壤全氮和有机碳的空间变异特征,并应用普通克立格法和回归克里格法进行插值, 得出全氮和有机碳含量的分布格局。【结果】研究区土壤有机碳和全氮的平均值分别为15.25 g/kg和1.23 g/kg,变异系数分别为0.73和0.63,属于中等强度变异。经对数转换后,土壤有机碳和全氮均符合正态分布。选择球状模型作为土壤有机碳和全氮的半方差函数理论模型,土壤有机碳和全氮的块金值/基台值的比值分别为1.8%和1.2%,有机碳和全氮的块金系数均小于25%,表明有机碳和全氮具有强烈的空间相关性。有机碳和全氮空间变异的尺度范围不同,分别为50.400 km和59.200 km。研究区的有机碳总体空间分布规律是有机碳在北部较高、南部较低,呈自北向南递减趋势,土壤全氮与有机碳的空间分布趋势相似,但有机碳的空间变异特征较全氮明显,这种空间分布格局主要受环境因子、 土壤质地、 土壤类型以及土地利用类型等的影响,其中环境因子中的气温和海拔对有机碳和全氮的影响较大。通过比较普通克里格和回归克里格的预测结果,回归克里格能较好地反映东南部有机碳和全氮较低地区的局部变异外,对于西北部的山区也能更好地反映碳、 氮与地形及气候等因素的关系。【结论】河北土壤有机碳和全氮的空间变异和分布特征较为类似,受地形地貌、 气候等因素的影响。通过比较普通克里格法和回归克里格法的空间预测结果,回归克里格法可以消除环境因子的影响,从而得到更准确的空间预测结果,因此建议使用回归克里格法进行预测,以期获得一个更为准确的土壤有机碳和全氮的空间预测结果。     

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0.5km×0.5km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2km×2km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4km×4km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。     

锡林河流域土壤有机碳空间变异分析

为了探索锡林河流域土壤有机碳的空间变异规律,基于半方差函数理论和普通克里格插值研究了0—10cm,20—30cm,40—50cm土壤有机碳变异特征及分布格局。结果表明,(1)0—10cm,20—30cm,40—50cm层土壤有机碳的最优拟合模型依次是高斯模型、高斯模型、指数模型。(2)随着土层深度的增加,土壤有机碳空间分布相关性增强,0—10cm层土壤有机碳存在中等空间分布相关性,20—30cm与40—50cm层土壤有机碳具有强烈的空间分布相关性,自相关距离分别为25.81km,20.26km,45.00km。(3)各向异性分析表明:各方向土壤有机碳变异程度随着土层深度增加而减弱,同层不同方向半方差变化明显,各向异性显著,不同层西南—东北45°方向以及东南—西北135°方向半方差变化最为明显,而各层45°方向变异程度却表现出相似性。(4)各层土壤有机碳分布具有一致性,流域南部边缘到东部以及东北部为土壤有机碳含量较高区域,北部、西北部以及上游的中南部是全流域土壤有机碳含量最低的区域,西部以及西南部土壤有机碳含量处于相对中等水平,流域地形与植被分布特征决定了土壤有机碳这种分布特点。     

祁连山排露沟流域土壤有机碳空间变异性研究

为研究小流域尺度下土壤有机碳的变异规律,运用地统计学方法对研究区0—10,10—20,20—40 cm土壤有机碳含量的空间变异性进行了研究。结果表明:流域内不同土层有机碳含量属于中等强度变异,具有强烈的空间自相关性;土壤有机碳含量在0,135°方向上空间变异程度明显,空间分布的各向异性显著;克里格插值结果显示流域内阴坡土壤有机碳含量明显高于阳坡,高海拔区域土壤有机碳含量高于低海拔区域;不同土层间,土壤有机碳含量均表现为青海云杉灌丛草地,表明不同植被类型对土壤有机碳含量和分布有着重要影响。土壤有机碳含量的空间变异性特征,与土壤性质、地形因子等结构性因素有关,为研究祁连山小流域土壤信息差异性的测量和描述提供科学依据。     

褐土机械组成空间变异等级次序地统计学估计

采用2 m×2 m均匀栅格取样方式和等级次序地统计学方法，研究了面积为200 m²褐土耕层土壤机械组成的空间变异性。统计特征量表明褐土耕层土壤的机械组成存在高度空间变异性，样本数据不服从正态分布和对数正态分布，无法直接应用普通克里格法研究其空间变异规律。采用重叠移动窗口统计数据可削弱局部偏差值带来的影响，经等级次序标准化转换后用半方差函数分析其等级次序空间结构，再根据普通克里格法对标准化等级次序空间进行估值。对所得的标准等级次序估计值用中位值模型进行逆转换，较清晰地阐明了褐土农田机械组成带状各向异性的空间分布规律。     

普通克里格评估土壤污染物空间分布精度控制研究

从数据的统计特征分析、异常值筛选及处理、实验半变异函数计算及拟合等方面对普通克里格计算过程中的精度控制问题进行了初步研究,并以天津市东南郊区土壤砷（As）空间分布评估为例,分析了在多步骤精度控制下普通克里格法估计土壤污染物空间分布的可靠性。结果表明,研究区土壤As表现出了明显的累积特征,且监测值为正态分布,异常值较少且为局部异常值,实验半变异函数表现出明显的各向异性。在较严格的精度控制下,普通克里格估值的最优无偏特性可以得到较好的体现,其对土壤As的空间分布的估计精度可以达到较高的水平。     

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。     

利用与回归模型相结合的克里格方法对农田土壤有机碳的估值及制图

采用与回归模型相结合的普通克里格方法（OKR）．研究了沈阳市南郊17．6hm^2农田耕层土壤有机碳（SOC）的空间分布特征。以72个上层（0～10cm）SOC数据为辅助变量，分别以36个及24个下层（10～20cm）SOC数据为目标变量，分别进行普通克里格（OK）、协同克里格（CK）及OKR插值分析。结果表明．OKR估值的精度显著高于缺省样本条件下的OK及CK。OKR交互检验的决定系数尺。相对较高，平均误差ME的绝对值及标准化平均误差MSE接近于0、平均标准误差ASE与均方根误差RMSE较小、标准化均方根误差RMSSE接近于1．其交互检验的参数与利用全部72个样点进行的OK估值最接近。基于OKR估值的SOC空间分布图与基于全部72个样点进行的OK估值的结果具有高度的相似性。说明在目标变量数据有限的条件下，借助辅助变量，采用OKR是进行SOC分布调查的一套有效的地统计学分析方法。     

土壤盐分和含水量的空间变异性及其CoKriging估值——以黄河三角洲地区典型地块为例

以黄河三角洲地区典型地块为研究区，运用经典统计学和地统计学相结合的方法研究了不同深度土层盐分和含水量的空间变异特征。结果表明：研究区土壤盐分和含水量普遍较高，土壤表层积盐作用明显；各层土壤盐分均属于中等变异强度，土壤含水量除表层为中等变异强度外，其余各层为弱变异强度；受结构性因素和随机性因素的共同作用，各土层盐分和含水量均具有中等的空间相关性。对Kriging插值结果分析表明，研究区各土层盐分和含水量在一定的范围内均存在着空间上的相关性和变异性，表层土壤盐分和含水量的空间分布主要受微地形和气候条件的影响，地下水性质是主导深层土壤盐分及含水量空间分布的主要因素。分别采用表层土壤盐分及相应土层含水量对深层土壤盐分进行CoKriging估值，均能提高估值精度，采用表层土壤盐分对深层土壤盐分进行CoKriging估值的精度要明显高于采用土壤含水量，其估计方差减少百分数最大达到167．36％。     

基于GIS与分区Kriging的采煤沉陷区土壤有机碳含量空间预测

中国煤炭产量占世界煤炭总产量的46.9%,年塌陷的耕地面积约为200 km~2,对农田土壤有机碳库扰动十分剧烈。由于农田的土壤有机碳库是减少陆地生态系统碳排放的最大潜在因素,中国以及世界上的其他煤炭开采大国必须更好地对煤炭开采区的土壤有机碳库进行科学管理,这也是煤炭低碳开采的重要途径。而预测精度好的煤炭开采沉陷区土壤有机碳含量空间预测方法是科学管理煤炭开采沉陷区土壤有机碳库的前提。该文以徐州九里煤炭开采沉陷区作为研究区,通过普通Kriging插值法和以结合沉陷积水情况为辅助变量的分区Kriging插值法这2种方法来对研究区的土壤有机碳含量进行了空间预测,并通过比较验证样点的预测值与实测值来对比2种方法的预测精度,确定每种方法的可行性。研究发现,结合区域内部积水情况来进行的分区Kriging插值法求得到的预测值与实测值的相关系数为0.7564,远高于直接进行Kriging插值得到的预测值与实测值的相关系数0.5086,并且两者的均方根误差分别为0.35和0.55,说明前者的预测精度更高。因此结合沉陷积水情况的分区Kriging插值模式是更适宜煤炭开采沉陷区土壤有机碳含量的空间预测模型。     

机器学习用于耕地土壤有机碳空间预测对比研究——以亚热带复杂地貌区为例

耕地土壤有机碳(SOC)是土壤质量的重要指标,也是生态系统健康的重要表征。当前机器学习(Machine Learning, ML)用于SOC数字制图日益热门,但不同算法在高空间分辨率SOC数字制图中的对比研究尚有欠缺。本研究以福建省东北部复杂地形地貌区为例,采用10m空间分辨率Sentinel-2影像数据,选取地形、气候、遥感植被变量为驱动因子,重点分析当前常用的机器学习算法——支持向量机(SupportVector Machine,SVM)、随机森林(RandomForest,RF)在SOC预测中的差异,并与传统普通克里格模型(Ordinary Kriging, OK)进行比较。结果表明:基于地形、遥感植被因子和气候因子构建的RF模型表现最佳(RMSE=2.004,r=0.897),其精度优于OK模型(RMSE=4.571, r=0.623),而SVM模型预测精度相对最低(RMSE=5.190, r=0.431);3种模型预测SOC空间分布趋势总体相似,表现为西高东低、北高南低,其中RF模型呈现的空间分异信息更加精细;最优模型反演得到耕地土壤有机碳平均含量为15.33 g·kg-1; RF模型和SVM模型变量重要性程度表明:高程和降水是影响复杂地貌区SOC空间分布的重要变量,而遥感植被因子重要性程度低于高程。     

苏北海涂围垦区土壤水分空间变异性及其协同克立格估值

以苏北滨海滩涂围垦区为研究区域,应用地统计学方法研究了剖面不同深度土壤含水量的空间变异特征,以0～20 cm表土层含水量作为协同变量,分析了不同深度土壤含水量的交互半方差特征,探讨了土壤含水量的普通克立格和协同克立格估值方法.结果表明:各层土壤含水量都表现为弱变异强度;受结构性因素和随机性因素的共同作用,各土层含水量均呈中等空间自相关性;协同区域化变量间均表现为正相关,且协同区域化变量的空间结构性要优于单一变量;协同克立格对土壤水分局部变异的描述较普通克立格更为详细;与普通克立格法相比,协同克立格法估值产生的均方误差减小10.1%～21.3%,平均标准误差减小11.3%～17.7%,预测值和实测值间的相关系数提高15.9%～26.4%.该研究为滨海滩涂地区土壤水分分区管理和水盐优化调控提供了一定的理论参考.     

Estimation of soil organic carbon stock and its spatial distribution in the Republic of Ireland

Data scarcity often prevents the estimate of regional (or national) scale soil organic carbon (SOC) stock and its spatial distribution. This study attempts to overcome the data limitations by combining two existing Irish soil databases [SoilC and national soil database (NSD)] at the national scale, to create an improved estimate of the national SOC stock. Representative regression models between the near‐surface SOC concentration and those of deeper depths, and between SOC concentration and bulk density (BD) were developed based on the SoilC database. These regression models were then applied to the NSD derived SOC concentration map, resulting in an improved SOC stock and spatial distribution map for the top 10 cm, 30 cm and 50 cm depths. Western Ireland, particularly coastal areas, was found to have higher SOC densities than eastern Ireland, corresponding to the spatial distribution of peatland. We estimated the national SOC stock at 383 ± 38 Tg for the near‐surface of 0–10 cm depth; 1016 ± 118 Tg for 0–30 cm depth; and 1474 ± 181 Tg for 0–50 cm depth.     

Land use changes induced soil organic carbon variations in agricultural soils of Fuyang County, China

Purpose

The purpose of this study is to understand spatial and temporal variations of soil organic carbon (SOC) under rapid urbanization and support soil and environmental management.

Materials and methods

SOC data in 1979 and 2006, of 228 and 1,104 soil samples respectively, were collected from surface agricultural lands in Fuyang County, East of China. Land use data were also gathered at the same time.

Results and discussion

The mean SOC was 17.3 (±4.6) g/kg for the 1979 data and 18.5(±5.8) g/kg for 2006. There was a significant difference in SOC between the 2 years according to the t test result. Geostatistical analysis indicated that SOC had a moderate spatial correlation controlled by extrinsic anthropogenic activities. The spatial distribution of SOC, derived from ordinary kriging, matched the distribution of industry and urbanization. Using a six-level SOC classification scheme (<3.5, 3.5–5.8, 5.8–11.6, 11.6–17.4, 17.4–23.2, and >23.2 g/kg) created by Zhejiang Province, approximately 15 % of soil had SOC increase from low to high levels from 1979 to 2006.

Conclusions

The main cause of SOC variation in the study area was land use change from agriculture to industrial or urbanized uses. The increasing SOC trend near most towns may be attributed to use of organic manure, urban wastes, sewage sludge, and chemical fertilizers on agricultural land.     

Spatial prediction of saline and sodic soils in rice‒shrimp farming land by using integrated artificial neural network/regression model and kriging

In the context of widespread saline and sodic soil, mapping and monitoring spatial distribution of soil salinity and sodicity are important for utilization and management in agriculture lands. In this study, two-stage assessment was proposed to predict spatial distribution of saline and sodic soils. First, artificial neural network (ANN) and multiple linear regressions (MLR) model were used to predict sodium adsorption ratio (SAR) and exchangeable sodium percentage (ESP) based on soil electrical conductivity (EC) and pH. Then, the Kriging interpolation method combined with overlay mapping technique was used to perform saline spatial predictions in the study area. The model accuracy level is evaluated based on coefficient of determination (R²) and root mean square error (RMSE). In the first stage, the values of R² and RMSE of SAR and ESP were 0.94, 0.17 and 0.94, 0.24 for ANN, and 0.35, 0.52 and 0.34, 0.76 for MLR, respectively. Similarly, in the second stage, the RMSE of ANN-Kriging were much closer to 0 and relatively lower than MLR-Kriging and Kriging. The results show that ANN-Kriging can be used to improve the accuracy of mapping and monitoring spatial distribution of saline and sodic soil in areas that develop the rice-shrimp cultivation model.     

基于最大似然法与矩法的黄土高原小流域土壤碳氮空间变异分析

以黄土高原寺底沟小流域为研究对象,根据不同土地利用方式采集46个样点的土壤样品,通过地统计方法对土壤有机碳和全氮的空间变异特征进行了分析。采用受限最大似然法(REML)和矩法(MOM)两种方法分别对变异函数进行了估计,通过交叉检验选择克里金预测效果较好的变异函数进行地统计插值。(1)与矩法(MOM)相比,在多数情况下受限最大似然法(REML)估计的变异函数进行克里金插值更加准确。(2)土层深度对土壤全氮空间变异影响较小,对土壤有机碳影响较大,表层土壤有机碳含量及变异程度明显高于下层土壤。(3)土地利用方式对土壤有机碳和全氮的空间分布有重要影响,灌木林和天然草地土壤有机碳和全氮水平最高,弃耕地其次,梯田、果园、人工草地最低,表明退耕还林对提高土壤碳氮水平有重要贡献。