土壤制图中多等级代表性采样与分层随机采样的对比研究

采样设计是土壤地理研究中备受关注的重要问题。本文以区域尺度土壤属性制图为例,将多等级代表性采样与经典采样中的分层随机采样进行对比研究。以安徽宣城研究区的表层砂粒含量为目标要素,采集数量均为59个的两套样点,设计不同数量(46、58和59)的样点分组,采用两种制图方法进行制图并利用独立验证点进行评价。结果表明:1)无论是采用多元线性回归方法还是基于环境相似度的制图方法,在同等样点数量下,利用代表性样点所得土壤图精度均高于利用随机样点所得精度,并且利用少量代表性样点(46个)所得土壤图精度也高于利用多量随机样点(59个)所得精度;2)随着代表性较低样点的增加,土壤制图精度基本有一个提高的趋势,而采用随机样点所得土壤图的精度波动较大。因此,可认为多等级代表性采样方法是一种可用于区域尺度土壤调查的有效采样方法,且比分层随机采样高效、稳定。     

基于分融策略的土壤采样设计方法

采样设计方法在地理要素空间分布推测中起着关键作用。采集的样点数量尽可能少且推测精度较高通常是采样设计的目标。此外,高效合理的采样方案应保证较高的推测可信度,同时尽可能避免冗余样点。传统的采样方法大多依靠增加样点个数来提高推测精度,且对样点集内部的冗余情况考虑较少。为获取更加高效合理的样点集,在环境条件越相似、地理要素越相似的假设下,通过环境相似度分析计算,得到样点的推测可信度和样点集内部的冗余度,并提出一种基于分融策略的样点设计方法。该方法在分化阶段将推测可信度低的样点进行分化,增加样点以降低推测不确定性,在融合阶段将环境条件过于相似的样点进行融合以降低冗余,通过多次分化融合最终使得推测可信度和冗余度均达到一定的预设标准,得到最佳样点方案。将该方法应用于美国Raffelson研究区的土壤采样,结果表明,该方法在分化阶段可以有效提高样点的推测可信度,在融合阶段能够有效去除冗余样点,最终可得到用于推测的高效样点。将本方法与传统的规则采样和分层随机采样进行对比,结果反映本方法获得的样点在同等数量下推测可信度更高,冗余度更低,更高效。     

基于样点的数字土壤属性制图方法及样点设计综述

土壤剖面数据与土壤类型图按照某种原则进行连接是目前获取土壤属性空间分布信息的主要方法,这种传统的土壤属性制图方法以土壤专家的“经验”和手工描绘为基础,耗费资本高、生产周期长.数字土壤制图通过借鉴先进的空间信息处理技术和高分辨率地形数据的优势,能够快速地获取高精度、高分辨率的土壤属性空间变化信息,是一种精细、高效、经济的土壤属性制图技术.本文详细介绍了基于样点进行数字土壤属性制图的3种方法:①基于空间自相关的方法:②基于空间自相关和土壤-环境关系混合相关的方法:③基于土壤-环境关系的方法.同时,为保证样点能够全面地捕捉到研究区内土壤属性空间变异特征,以上3种方法都对样点的数量、分布或典型性提出了较为严格的要求,即样点应具有全局代表性.因此,如何设计样点成为数字土壤属性制图中的一个重要问题.依据样点设计过程中是否能够整合已有样点,本文将样点设计方案分为采样设计方案和补样设计方案两种,并对其分别进行了详细的综述.     

一种基于样点代表性等级的土壤采样设计方法

采样设计是获取土壤空间分布信息的关键环节,直接影响到土壤制图的精度。目前常用的采样设计方法大多存在着设计样本量大、采样效率不高的问题。当可投入资源难以完成一次性大量采样时,采样往往需要多次、分批进行。然而现有分批采样方法多考虑各批采样点在地理空间的互补性,可能造成样本点在属性空间的重叠,影响采样资源的高效利用。鉴于此,本研究通过对与土壤在空间分布具有协同变化的环境因子进行聚类分析,寻找可代表土壤性状空间分布的不同等级类型的代表性样点,建立一套基于代表性等级的采样设计方法。将该采样方法应用于位于黑龙江省嫩江县鹤山农场的研究区,利用所采集的不同代表性等级的样点进行数字土壤制图并进行验证,探讨采样方案与数字土壤制图精度的关系,以评价本文所提出的采样方法。结果表明,通过代表性等级最高的少量样点可获取研究区的大部分主要土壤类型(中国土壤系统分类的亚类级别),且制图精度较高;随着代表性等级较低样点的加入,土壤图精度提高;但当样点增加到一定数量时,土壤图的精度变化不大。因此,与样点数相比,样点的代表性高低对制图精度的影响更大。该方法所提出的代表性等级可以为样点采集顺序提供参考,有助于设计高效的逐步采样方案。     

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。     

基于不确定性模型的土壤——环境关系知识获取方法的研究

土壤与环境关系知识的获取是精细数字土壤制图的关键,如何快速准确地获取该知识成为现阶段研究的重点。以湖北省黄冈市红安县华家河镇为例,利用土壤—环境推理模型(Soil-Land Inference Model,So LIM)得到土壤类型的夸大和忽略不确定性分布图,依据不确定性分布图在可信度高的位置重新采集样点,对样点进行数据挖掘,获取环境因子组合,建立其与土壤类型的对应关系。结合原始规则,生成新的土壤—环境关系知识,并将其用于土壤推理制图,获得新的土壤类型分布,利用253个野外独立样点进行精度验证。结果表明:推理土壤图显示了更加详细的空间分布信息,经野外验证点验证,总体精度为86.9%,高于原土壤图精度约13%。因此,利用不确定性模型重新获取土壤—环境关系知识的方法是可行且有效的,该方法不仅增加了土壤图的空间详细度,而且提高了土壤图的精确度。     

结合土地利用与克里格插值的区域土壤有机碳空间表征方法

如何利用有限的土壤采样点准确预测土壤属性一直是研究的热点。基于河北省全国第二次土壤普查数据,运用方差分析研究了使用土地利用和克里格插值来表征区域表层土壤有机碳空间分布的可行性。结果表明:土地利用是表层土壤有机碳密度空间分异的一个影响因子,可以直接使用土地利用来反映表层土壤有机碳密度在空间上的分布和变化。但单一的土地利用对土壤有机碳密度空间分异的反映能力还不是很高,而土地利用与普通克里格插值结合以后能显著地提高对土壤有机碳空间分异的解释水平。因此区域空间上可以将土地利用与普通克里格插值结合来表征表层土壤有机碳密度的空间分布。     

基于GARBF神经网络的耕地土壤有效磷空间变异分析

为了调整耕地管理措施、合理施用磷肥、减少磷素流失、降低水体非点源污染,该研究以高州市为例,在全市各区镇共采集了664个耕作层(0～20cm)土样,利用遗传算法优化的径向基函数(radial basis function network optimized by geneti calgorithm,GARBF)神经网络和普通克里金法(Ordinary Kriging)等方法,分析了县域耕地土壤有效磷在不同采样尺度下的空间变异特征及其空间分布格局与成因。结果表明,高州市耕地表层土壤有效磷存在半方差结构,半方差函数曲线与指数和球状模型曲线拟合较好;5种采样尺度下(训练样点数分别为100、200、300、400和500)耕地表层土壤有效磷均表现出弱的结构空间相关,在较大范围内空间自相关性较差。GARBF神经网络空间插值能力在整体上要有优于基于邻近点RBF神经网络和普通克里金法。300样本下GARBF神经网络空间插值结果表明,高州市耕地表层土壤有效磷的盈余现象比较严重,并且盈余有效磷的流失对该地区水环境会产生严重的威胁。该研究结果可以为土壤属性空间估测、合理施肥以及降低水体非点源污染提供理论依据和技术支持。     

基于环境因子和联合概率方法的土壤有机质空间预测

<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相     

土壤属性预测中Kriging参数对插值精度的影响研究

为了有效提高土壤属性预测中的Kriging插值精度,研究借助GS+5.1和ArcGIS 9.3等软件来分析河南省西平县宋集乡土壤全磷和有机质在不同参数条件下的Kriging插值精度,结果表明:决定系数R2最大的变异函数模型,插值结果误差不一定最低、平滑效应不一定最弱,需比较分析插值结果以选择合适的模型;近距离实验变异函数值r#(h)的拟合对提高Kriging插值精度具有重要意义,拟合变异函数理论模型时,除综合考虑各个r(h)#的拟合程度外,同时对近距离r(h)#应给予足够的重视;插值的最佳邻域样本量一般在内层和次内层邻域样本权重达到平稳时取得,对于样本点空间分布相同的不同土壤属性,空间相关性较弱(块金系数较大)的土壤属性,其Kriging插值的最佳邻域样本量较大。     

利用数字土壤制图技术评价森林立地质量

[目的]为了提升森林立地质量评价的精准性,探讨利用数字土壤制图技术对森林立地质量进行评价,助力精准林业的发展.[方法]以济源南山林场为研究区,以地形因子为预测因子,运用模糊C均值聚类方法(FCM算法)对立地评价所需的主要土壤属性进行预测制图,并在利用遥感影像数据获取林地其他立地环境因子分布图的基础上,应用灰色关联度法对...     

基于时空变异的旱地土壤有机碳高效采样策略研究

土壤有机碳(SOC)空间分布具有时序差异性,明确样点数量对不同时期SOC预测精度影响是制定高效采样策略的基础。选取3.93×10~4 km~2江苏北部旱地作为案例区,运用普通克里金插值方法,分析样点数量对不同时期SOC空间预测精度的影响。结果表明:不同数量样点数据集下1980年苏北旱地SOC预测值与实测值的相关系数r和均方根误差RMSE变幅分别在0.15～0.56和2.09～2.63 g·kg~(–1)之间,当样点数量大于75%时,预测精度较高且能达到相对稳定水平,最佳采样数目在563个左右;而2008年r和RMSE变幅分别在0.24～0.63和2.11～2.62 g·kg~(–1)之间,预测精度对于样点数量的变化更为敏感,70%的样点数量即可达到相对稳定水平,最佳采样数目在526个左右,这表明不同时期SOC空间预测精度对于样点数量变化的响应不同,土壤属性的空间自相关性越大,预测精度对于采样数量的敏感性越强,空间信息达到饱和状态所需样点数量也相对较少;此外,本研究也发现在SOC高、低值等关键区域设置足够的样点数量是提高土壤空间预测效果的重要手段之一。     

基于时空克里格的土壤重金属时空建模与预测

土壤重金属或其他生态环境属性在时间和空间上均存在连续性和变异性,而目前的研究忽略了它们在时间维的变异。为了在预测时使用多时期采样数据,该文提出使用时空克里格方法对土壤重金属进行时空建模及预测,着重介绍了经验半方差值的计算、理论变异模型的形式及参数拟合、时空克里格估值算法、估值方差和精度随邻近点数量的变化及时空克里格制图。以武汉市青山区土壤重金属为例介绍了时空克里格建模及预测的流程。结果表明,时空克里格方法能够很好地描述土壤重金属在空间、时间和时空上3个部分的变异特征,能够利用其他时期的数据对预测时间点的属性进行插值,而多时期的属性空间分布图能够很好地反映土壤重金属的分布变化规律。该研究可为资源环境生态时空建模及预测研究提供参考。     

模糊c-均值算法在区域土壤预测制图中的应用

基于模糊c-均值算法和地统计学空间插值,在面积约为1km2的研究区内进行区域土壤预测制图。研究结果表明:根据研究区123个剖面和土钻样点,通过分析它们在形态学上的特征和定量属性,建立了9类诊断特征土层。通过FCM算法模型,获得4类最佳分类数,模糊指数为1.7。类别数目与研究区受地形、母质和土地利用方式影响的主要成土过程决定的土纲下土壤类型数目一致。将经过对称对数比转换的隶属度成分数据进行单一模糊类别隶属度土壤预测制图,4种类别土壤在空间上具有明显的渐变过渡特征,制图结果较理想。在单一类别隶属度土壤图的基础上生成最大隶属度土壤图,与常规土壤调查土壤图具有共同参比的基础。     

场地土壤污染信息三维空间插值研究进展及展望

高分辨率、高精度的土壤污染物三维（3D）空间分布信息对于场地污染风险评估、场地修复及精准管控具有重要意义。本文首先介绍了场地污染物空间分布的特点及主要影响因素,系统总结了场地常用的3D空间插值方法及其主要进展,并基于空间变异性表达、辅助信息整合和不确定性评估三个方面分析了现有场地污染3D插值方法存在的问题,最后,针对钻孔布设方案设计、辅助信息获取、空间插值模型开发和插值技术流程的规范化提出了研究建议和展望。     

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。     

利用数字高程模型改进高山灰岩坑土壤pH值预测

Among spatial interpolation techniques,geostatistics is generally preferred because it takes into account the spatial correlation between neighbouring observations in order to predict attribute values at unsampled locations.A doline of approximately 15 000 m 2 at 1 900 m above sea level (North Italy) was selected as the study area to estimate a digital elevation model (DEM) using geostatistics,to provide a realistic distribution of the errors and to demonstrate whether using widely available secondary data provided more accurate estimates of soil pH than those obtained by univariate kriging.Elevation was measured at 467 randomly distributed points that were converted into a regular DEM using ordinary kriging.Further,110 pits were located using spatial simulated annealing (SSA) method.The interpolation techniques were multi-linear regression analysis (MLR),ordinary kriging (OK),regression kriging (RK),kriging with external drift (KED) and multi-collocated ordinary cokriging (CKmc).A cross-validation test was used to assess the prediction performances of the different algorithms and then evaluate which methods performed best.RK and KED yielded better results than the more complex CKmc and OK.The choice of the most appropriate interpolation method accounting for redundant auxiliary information was strongly conditioned by site specific situations.