区域土壤CEC与相关控制因子的空间非平稳关系评估

土壤阳离子交换量(CEC)对土壤的保肥能力具有重要影响。了解土壤CEC的空间分布及相关控制因子的影响有助于区域土壤肥力的精准调控。以往多采用传统的最小二乘(OLS)回归模型探索相关因子对土壤CEC的影响。然而,该类模型是一种总体回归方法,不能反映局部空间区域内相关因子对土壤CEC的影响。采用一种局部空间回归技术——地理加权回归(GWR)探索表层和亚表层土壤中CEC与相关控制因子(土壤黏粒、土壤有机质和土壤pH)之间的空间非平稳关系。结果表明,各控制因子在不同的子区域和深度对土壤CEC的影响均有明显差异;同时,GWR模型有效地揭示了土壤CEC与相关土壤控制因子的空间非平稳关系。所得的空间非平稳关系图可以为更精确地调控区域土壤肥力提供依据。     

基于GWR模型的河北省土壤水分空间分异研究

为研究环境因素对土壤水分空间分异的影响,利用2013—2017年SMOS Level-3土壤水分数据,选取降水、DEM、坡度、植被、地表温度为影响土壤水分的环境因子,对河北省土壤水分进行了空间自相关分析,建立了河北省土壤含水量与影响因子之间的地理加权模型,将GWR模型与一般线性回归模型对比,分析了影响因子在空间上对土壤水分作用的异质特征。结果表明:河北省土壤含水量具有空间异质性,集聚特征明显。GWR模型的拟合效果在拟合优度和空间分布上都远远优于OLS模型。GWR模型的拟合优度R2比OLS模型提高了43%,GWR模型对土壤水分影响因子的解释能力比OLS模型提高了34.6%,GWR模型的残差平方和、AIC值均远远小于OLS模型。研究区影响因子对土壤水分的作用参数具有空间分异特征,影响因子的作用程度也不同,DEM影响最大,其次是坡度、地表温度、降水、NDVI。各因子在空间上对土壤水分既有负向又有局部正向的作用,但在大部分范围里都呈负向影响。研究成果对研究区的精准农业发展、水土保持利用和生态建设具有重要意义。     

艾比湖流域土壤有机质与土壤因子响应关系的空间非平稳性分析

为了研究新疆艾比湖流域土壤有机质(SOM)与土壤因子响应关系的空间非平稳性,文章应用地理加权回归模型(GWR)分析了2009年艾比湖流域49个样点1—120cm土壤层有机质与土壤酸碱性、电导率和重金属含量之间关系的空间变异特征。研究结果表明:在平均意义下,土壤酸碱性和电导率对SOM含量具有反向影响,而重金属含量的影响是正向的,但是在流域的不同区域以及不同深度土壤层间,各土壤因子对SOM含量的影响空间差异显著、具有非平稳性,流域的东西两端及60—120cm土壤层的非平稳性尤为显著。模型的残差分析结果证实GWR拟合效果较好。     

基于GIS和地理加权回归的砂田土壤阳离子交换量空间预测

土壤阳离子交换量(CEC)反映土壤保水保肥能力,研究CEC空间分布可为土壤改良和田间施肥提供理论依据。本文以宁夏香山地区砂田淡灰钙土为研究对象,在土壤CEC和理化性质相关分析基础上以普通克里格(OK)为对照,探索回归克里格(RK)和地理加权回归克里格(GWRK)在CEC空间插值上的应用,并对三者的插值精度及制图效果进行评价。描述统计表明研究区土壤CEC含量均值为10.145cmol/kg,CEC与有机质含量呈显著正相关,与砂粒含量呈显著负相关;地统计分析表明CEC实测值、OLS残差和GWR残差块金系数分别为8.50%、6.36%和7.02%,比值均小于25%,具有强烈空间自相关;对验证点进行插值精度分析,RK和GWRK的相对模型改进值(RI)分别为40.49%、41.50%,插值精度GWRKRKOK;从成图效果看,GWRK中辅助变量参与了局部回归,成图效果更加精细,揭示了更多空间变化细节。本研究结论可为土壤CEC空间预测研究提供可靠的方法借鉴。     

基于地理加权回归的地形平缓区土壤有机质空间建模

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran’s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,“高-高”聚集区主要分布在苏中和苏南地区,“低-低”聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

秸秆带状覆盖下培土对马铃薯产量与水分利用效率的影响

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran''s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,"高-高"聚集区主要分布在苏中和苏南地区,"低-低"聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的传统全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

平原丘陵过渡区土壤有机质空间变异及其影响因素

研究土壤有机质(SOM)在平原丘陵过渡区域的空间变异规律及其影响因素对指导农业生产实践具有重要意义。选取平原丘陵过渡区域(江汉平原与鄂西山区)作为研究区,采集500个土壤表层(0~20 cm)样本,利用相关分析和逐步回归分析从14个影响因素中选取与土壤有机质密切相关的7个变量作为解释变量:高程、坡度、坡向、有效铁、容重、砾石度、黏粒含量。利用普通克里格(OK),回归克里格(RK)和地理加权回归克里格(GWRK)方法对研究区土壤有机质含量进行预测,并用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(r)和不精确度(IP)作为验证指标来检验模型的预测精度。结果表明,GWRK插值结果最优,局部空间回归模型可以更好地表明过渡区域SOM的空间变异规律。且GWR模型的系数空间分布图可以反映环境变量在不同地理位置对SOM的空间非平稳性的影响程度,为探讨SOM在不同地形条件下的主导影响因子提供了依据,同时也为精确模拟过渡地带土壤有机质空间制图提供了重要的参考方法。     

基于土壤变异解释力的几种土壤制图方法的对比研究——以南阳市1m土体土壤有机碳密度制图为例

为克服方法的复杂性和数据的详细性解释土壤制图效果的不足,基于土壤变异解释力对多种方法进行对比研究。收集南阳1∶5万土壤类型图、30 m分辨率数字高程模型和TM影像,计算出高程、坡度、坡向、归一化植被指数(NDVI)、穗帽变换的湿度(TCW)参数等,以439个土壤剖面为训练数据,分别按土壤类型连接法(SCLM)、加权最小二乘法(WLS)回归、地理权重(GWR)回归、随机森林(RF)、普通克里格(OK)、回归克里格(RK)进行1m土体土壤有机碳密度(SOCD)制图,其余49个土壤剖面作为验证集。结果表明:(1)对SOCD变异的解释力是影响制图效果的本质因素。土壤类型、土壤表层有机质(OM)是主要预测变量,SCLM、WLS和GWR均只能利用其中一种主要变量,土壤图的详细化和回归模型的复杂化均不能明显改善SOCD制图效果。基于土属和OM变量,RF对SOCD变异的解释力最强,预测效果最优;地统计学空间变异函数对SOCD变异的解释力大于回归模型,小于RF,而与土壤类型相当,其相对制图效果亦如此。(2)预测变量建模和空间相关是两类不同的土壤变异解释机制,RK未必能使它们产生最佳组合:只有WLS回归、GWR回归和缺乏土壤类型信息的RF(OM+TCW)适合RK算法,在原始模型中它们对训练数据的拟合效果依次升高,但其RK结果的优劣排序则相反;所有RK的结果均未达到土属和OM参与下RF制图的精度。     

应用土壤-景观定量模型预测土壤属性空间分布及制图

以土壤-景观定量模型为基础的土壤制图方法在世界范围内得到了广泛研究。本文在皖南宣城的丘陵地带内选择研究区,从该区的数字高程模型(DEM)中获取景观信息:地形因子,定量地分析了土壤属性与地形因子之间的相关关系,并建立基于该关系的线性土壤-景观定量模型,最后应用该模型来预测土壤属性在空间上的分布并制图。结果表明:土体厚度和表层有机质含量与地形因子之间有着显著相关性;建立的线性回归模型分别能解释土体厚度、表层有机质含量空间变异的32.2%和35.3%;依据该模型预测的土体厚度和表层有机质含量具有较高的准确度,并能制图表达土壤属性在空间上的自然连续性。     

农田土壤铅、镉含量影响因素地理加权回归模型分析

为了定量分析土壤重金属含量的影响因素,以长沙城郊农田土壤Pb、Cd为例,采用传统回归模型(ordinary least squares,OLS)和地理加权回归模型(geographically weighted regression,GWR)分析比较了土壤Pb、Cd含量与影响因素间的相关关系。结果表明:长沙城郊农田土壤Pb、Cd含量存在空间自相关性,Pb、Cd的GWR模型拟合度较OLS模型高,残差不存在空间自相关,GWR模型能更好地解释土壤Pb、Cd与影响因素变量的空间异质性。土壤Pb与Cd含量呈极显著正相关;土壤pH值、有机质、氮磷含量是影响土壤Pb、Cd含量的重要因素;离河流、城镇、工矿建设用地的距离对于城郊农田土壤Pb、Cd含量也有一定影响,土壤Pb、Cd的"高-高"集聚区(土壤Pb或Cd含量高的区域被Pb或Cd含量高的其他区域所包围,区域土壤Pb或Cd含量水平较高,且空间差异程度较小)和离河流、城镇、工矿建设用地较近的农田是Pb、Cd污染风险防控的重点区域。该研究可为定量分析区域土壤重金属含量的空间结构与影响因素提供参考,为长沙城郊农田土壤重金属污染的防控提供参考。     

砒砂岩区小流域土壤有机质空间分布特征及其影响因素

为了探究砒砂岩区小流域土壤有机质空间分布特征,该文以砒砂岩区典型流域鲍家沟小流域为研究对象。采用网格法布设取样点,2018年7月取样,按照0～20、20～40、40～60 cm划分取样层次。采用重铬酸钾外加热法测定土壤有机质,采用激光粒度测定仪测定土壤粒度,采用样方拍照法计算植被覆盖度。运用地统计学和约束性排序相结合的方法,研究环境因子影响下砒砂岩区土壤有机质的空间变异特征。结果表明:砒砂岩区小流域土壤有机质质量分数在0.98～15.45 g/kg之间,不同地形土壤有机质含量呈沟底坡面山脊的规律;研究区土壤有机质的空间分布规律可以用半方差函数的指数模型进行良好的模拟,块金效应在55.1%～57.5%范围内,属中等程度变异。小流域土壤有机质呈中间高边缘低的规律;冗余分析的结果显示,第1轴的特征值为0.58,解释量为58%,第1轴对响应变量的累积解释量为96.1%,前两轴对响应变量的累计解释量达到了99.3%。各环境因子与第1排序轴的相关系数大小顺序为植被覆盖度土壤侵蚀程度土壤颗粒平均粒径坡位高程坡度,第1排序轴可以定义为植被-土壤侵蚀因子,坡度因子与第2排序轴的相关系数高于其他环境因子,第2排序轴可以定义为坡度因子。植被覆盖度是影响砒砂岩区小流域土壤有机质空间变异的主导因素,土壤侵蚀程度是决定土壤有机质垂向变异的关键因素。砒砂岩区的土层浅薄且贫瘠的地带,不宜开展大面积的整地和造林工作,而土层深厚且水肥条件良好的区域可以营造合理密度的灌木林、乔木林以及经济林。     

西南典型岩溶区土壤硒空间分布预测

土壤硒精准预测和制图是富硒土壤资源开发利用和环境规划管理的基础。该文以西南典型岩溶区桂林永福百寿河流域为例,在分析影响土壤硒化学行为因子的基础上,通过野外样品采集和室内化学分析以及Arc GIS空间分析,获取了研究区相关地理环境因子和土壤属性因子数据。利用逐步回归方法选择土壤硒空间分布预测的辅助变量,使用协同克里格模型对非连续分布的辅助变量进行插值。在此基础上利用地理加权回归模型对土壤硒空间分布进行预测,同时以普通克里格插值结果作为参照。研究结果表明:使用地理环境因子和影响土壤硒化学行为的土壤属性因子可以提高土壤硒预测精度;协同克里格插值解决了辅助变量数据连续分布的问题;土壤硒的空间分布与地形和影响土壤硒化学行为的因子有关。     

基于MCD19-A2数据和GWR模型的2011－2020年中国大气PM2.5质量浓度反演

为探究MODIS高时空分辨率气溶胶产品数据在长时间序列下对于反演中国陆地PM_2.5质量浓度的适用性和准确性。该研究基于MCD19-A2数据研究2011-2020年中国陆地气溶胶光学厚度(aerosol optical depth,AOD)的时空分布特征，以降水、风速等8个气象要素为辅助变量建立反演PM_2.5的地理加权回归模型(geographically weighted regression,GWR)并分析中国陆地PM_2.5的空间分布。结果表明：1)2011-2020年中国陆地气溶胶时空分布基本符合“西低东高、逐年下降”的规律且10 a间AOD值存在较大季节差异，春季(0.294)>夏季(0.262)>冬季(0.223)>秋季(0.194)。2)利用方差膨胀系数(variance expansion coefficient,VIF)对变量进行多重共线性检验，建立并分析2011-2020年GWR模型，发现建模集决定系数均大于0.760，验证集决定系数均大于0.740，且均方根误差均小于7.070μg/m...     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

基于地理加权回归模型的长江中游地区人均耕地面积变化影响因素分析

[目的]利用GWR模型揭示长江中游地区人均耕地面积变化影响因素的空间异质性,为今后管理该区域耕地资源提供科学依据。[方法]在总结该地区人均耕地面积现状的基础上,分析人均耕地的Moran’s I指数,利用相关年份数据分析了最小二乘法(OLS)和地理加权回归方法(GWR)的差异,采用GWR模型对该区域各市人均耕地面积的影响因素进行分析。[结果](1)城镇化率对人均耕地的影响由正相关向负相关变化,影响程度增强,系数值空间差异较大;(2)人口增长率与人均耕地大部分地区呈负相关,局部地区呈正相关,影响程度减小,空间差异较大;(3)第一产业总产值比重与人均耕地大部分地区呈正相关,局部呈负相关,影响程度下降,空间差异较大;(4)粮食单产与人均耕地由负相关向正相关变化,影响程度增强。[结论]GWR比OLS更能反映影响因素的空间异质性,成功揭示了各因素对人均耕地的影响程度和区域差异。     

基于HJ卫星的棉田土壤有机质空间分布格局反演

以北疆绿洲区棉田表层土壤为研究对象,利用国产HJ-1A/1B卫星CCD多光谱数据对裸土有机质空间分布格局进行研究。通过分析多光谱数据不同波段的光谱反射率及其变换形式与实地采样得到的土壤有机质含量的相关性,探寻适合绿洲区棉田表层土壤有机质含量快速反演的敏感波段及参数,并针对不同参数分别建立一元线性、二次、三次、对数、倒数、幂函数、生长型、S型回归模型,以及多元回归模型;对生成的模型进行综合对比分析,获取北疆绿洲区棉田表层土壤有机质含量的最佳反演模型,从而实现整个研究区土壤有机质空间格局的遥感反演。结果表明:HJ卫星多光谱数据4个波段的反射率均与土壤有机质含量存在显著的相关性,第3波段的倒数与土壤有机质含量相关性最为显著;且以第3波段光谱反射率作为因变量得到的三次线性回归模型对土壤有机质含量进行反演的效果最佳;通过空间布局反演得到研究区土壤有机质空间分布整体呈现南北两端有机质含量较高,中部有机质含量较低的格局。该研究表明虽然与黑土有机质含量具有差别,但是遥感技术仍能够作为绿洲区土壤有机质含量空间布局反演的方法,为遥感技术在土壤参数监测中更好的发挥作用提供理论支持,同时也为新疆棉田生产管理和农田可持续利用提供科学依据。     

黑龙江省耕地系统安全预警及其驱动因素空间分异

为精准把握黑龙江省耕地系统安全预警及其驱动力,该文采用探索性空间数据分析、最小二乘法和地理加权回归,探究并明确县域尺度下黑龙江省耕地系统安全预警及其驱动因素空间分异特征。结果表明:1)黑龙江省各县域(市辖区)耕地系统整体安全警情较高。72个被评定县域中,有69个处于预警状态,处于轻警、中警和重警状态的分别有28、32和9个;2)耕地系统安全预警空间差异性和集聚性特征明显。西部警情最高,东部次之,南北轴带地区最低。正、负相关类型在空间分布上呈现鲜明的对比特征,正相关类型(高-高型和低-低型)县域以"组团"形式凸显,聚集性较强,负相关类型(高-低型和低-高型)县域较少且零星分散;3)地形及气候等自然因素和投入产出、水土资源配置等社会经济因素对研究区耕地系统安全预警有着显著的影响,且回归系数空间差异明显。研究可为合理制定缓解区域耕地系统安全警情方案提供科学依据。     

基于HJ-1卫星的农田土壤有机质含量监测

土壤状况是决定农田潜在生产力的主要因素,土壤性状及肥力状况信息可以为精准农田管理提供响应依据。利用遥感技术监测土壤养分含量是一种快速、准确、高效、经济的方法。以农田土壤有机质为研究对象,以HJ-1卫星数据为数据源,采用多元线性回归分析方法,构建有机质含量地面监测模型,通过直方图匹配方法求地面监测模型与HJ-1卫星监测模型之间的傅里叶转换函数,将地面监测模型应用到HJ-1卫星数据,并构建有机质含量遥感监测模型。实现了利用HJ-1卫星遥感数据对试验区土壤有机质含量进行监测。该模型监测结果与地面实际养分具有良好的线性关系,其决定系数0.93,标准差0.57%。在保持了较高精度的同时,避免了其他高光谱模型数据过于昂贵的问题,实现了有机质含量快速、经济监测,易于在农业中应用。