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。     

基于不同模型的区域尺度耕地表层土壤有机质空间分布预测

研究不同模型对土壤有机质空间预测的性能差异对制定更加科学合理的采样策略、提升采样效率和提高土壤空间预测精度有着重要的指导意义。本研究将6496个土壤样点按8∶2的比例分层随机分成训练集与验证集,应用普通克里格、随机森林以及随机森林－回归克里格三种有代表性的数字化土壤制图（Digital Soil Mapping,DSM）模型,对河南省许昌市耕地表层土壤有机质含量及空间分布进行预测,对三种模型性能表现进行综合评价。三种模型输出的预测结果显示:研究区耕地表层土壤有机质含量水平一般,均值为18.70 ~ 18.81 g kg?1,变异系数0.15 ~ 0.17,属中等强度变异;空间分布总体格局为西北与西南部分山地褐土区、东南部砂姜黑土区表层有机质含量高,中北部脱潮土、石灰性潮土区表层有机质含量低。验证结果表明:三种模型性能表现无明显差距,预测精度基本一致,输出结果对研究区耕地表层土壤有机质变异解释百分比在33% ~ 34%之间,在相同和相近尺度土壤有机质空间预测案例研究里属中等水平。在协变量有限且样点分布较为均匀的情况下,普通克里格模型便于快速获得研究区目标变量的空间分布;如果协变量比较丰富且易于收集利用,或是进行空间预测的同时还需要甄别不同因素对目标变量的影响大小,则建议采用随机森林模型;协变量有限,但样点密度较大时,随机森林－回归克里格模型可能是对目标变量进行空间预测的不错选择。     

青海省表层土壤属性数字制图

对于土壤景观复杂的大区域,样点往往较为稀疏,如何准确地进行土壤预测制图仍是一个需要研究的问题。本文以青海省为研究区,基于近年采集205个土系调查点数据,采用随机森林模型,分别建立了表层(0～20 cm)土壤全氮、有机碳、粉粒含量和pH四个基本土壤属性与环境协同变量(海拔、坡度、地形湿度指数、年降水量、年平均气温、归一化植被指数、地表温度和地表反射率)之间的定量关系模型,对该地区进行了土壤多要素预测制图,分析了影响土壤空间变异的控制性因素。交叉验证结果显示,全氮、有机碳、粉粒含量和pH的R~2分别是0.61、0.53、0.47和0.54,这说明随机森林模型可解释47%以上的土壤空间变异。表层土壤全氮和有机碳空间分布趋势东南高,西北低,pH呈现出相反的空间模式;粉粒含量东高西低,预测结果高值出现在柴达木盆地和南部玉树、果洛地区。环境变量的重要性分析表明,年降水量对表层土壤全氮、有机碳、pH空间分布模式具有控制性影响,夜间地表温度与表层土壤粉粒含量空间变异具有较强的协同关系。     

基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例

耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。     

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。     

基于样点个体代表性的大尺度土壤属性制图方法

大空间尺度范围的土壤属性分布信息是陆地表层过程模拟的基础信息.基于野外样点进行空间插值是获得土壤属性空间分布信息的重要手段.现有的空间插值方法通常要求所用样点对研究区土壤属性空间分布规律具有良好的全局代表性.然而,受采样经费和野外采样条件的限制,所采集的样点往往难以全面地反映研究区土壤属性的空间分布规律.基于这样的样点用现有空间插值方法得到的土壤属性分布图通常精度较低,并且由样点全局代表性差带来的推测不确定性也无法得到度量.为了合理利用这些已采集的但全局代表性不好的样点,本文提出了基于样点“个体代表性”推测土壤属性空间分布并度量推测不确定性的方法.该方法在两点环境条件越相似、土壤属性就越相似的假设下,认为每一样点可以代表与其环境条件相似的地区,并且代表程度可以由两点的环境相似度度量;通过分析环境相似度计算推测不确定性,并以环境相似度为权重计算样点可代表地区的土壤属性值.将该方法应用于推测新疆伊犁地区土壤表层有机质含量,经验证,本文方法能够有效地利用全局代表性差的样点推测样点能够代表地区的土壤属性空间分布,并且所得的推测不确定性与预测残差呈现正向关系,能够有效地指示推测结果的可靠程度.     

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。     

基于地表温度的干旱平缓区土壤属性制图

环境变量是数字土壤制图的重要支撑。在平原等地形平缓区,地形、植被等易于观测获取的环境变量与土壤条件的协同程度通常比较低,难以用其推测土壤空间分布。如何探索开发新的环境协同变量是平缓地区土壤制图的一个重要研究问题。不同的土壤条件往往具有不同的热量过程和特征。基于这一点,本文探讨了遥感获取的地表温度能多大程度上揭示土壤条件空间差异的问题。选取西北干旱区的黑河下游额济纳旗平原为研究区,基于MODIS传感器获取的地表温度资料和野外土壤调查样点,一方面对地表温度和土壤多要素属性的相关性进行了分析,另一方面建立随机森林模型对土壤有机碳、砂粒与粉粒含量进行空间推测制图,采用留一交叉法验证制图精度,并比较了仅用地形变量或地表温度变量、地形变量加上地表温度变量三种变量组合方案的土壤制图效果。结果显示,地表温度变量与土壤有机碳和土壤质地均具有较好的相关性,地表温度可解释研究区土壤条件空间变异的33～40%,其中,有机碳为41%,粉粒含量为37%,砂粒含量为33%。这表明,地表温度变量能够较大程度上有效地揭示土壤条件的空间差异,这为进一步对地表温度数据进行提炼,研发更为有效的环境变量,提高平缓区数字土壤制图的准确性提供了基础。     

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。     

应用基于PLSR的土壤-环境模型预测土壤属性

土壤-环境模型对于正确理解土壤属性与环境因子间的关系,以及进行土壤属性预测与制图均具有重要的意义。研究区位于陕西省长武县内多年退耕还林还草沟壑区域,采集72个土壤表层样本,选择3/4的样本作为建模集,其余1/4的样本作为验证集;环境因子选择容易获取的地形因子和由遥感影像提取的植被因子和湿度因子,建立基于偏最小二乘回归(PLSR)的土壤-环境模型。结果表明:全氮、速效钾、全钾、有机质与环境因子间均有显著相关性;建立的PLSR模型可解释土壤属性的空间变异从23%(全氮)到27%(全钾);与逐步回归方法构建的模型相比,利用PLSR构建的土壤-环境模型可以更好地表征土壤属性与环境变量间的关系,拟合精度和预测精度也相对较高,说明PLSR建立的模型可以更好地应用于相似区域的土壤属性预测。     

土地开发对农田土壤养分和盐分变异特征的影响

利用地统计学方法研究了新疆库尔勒市包头湖农场土地开发后土壤空间变异特征。结果表明:土地开发后种植区的土壤有机质和盐分降低,有效磷含量增加,碱解氮含量变化不大;尤其是土地开发后撂荒地土壤有机质含量下降明显。土壤盐分与有机质、碱解氮及速效钾的含量均呈显著正相关,与有效磷呈显著负相关。因此,土地开发后需增施有机肥,补充钾肥,并尽可能不撂荒。     

贵州表层土壤有机质空间变异特征及其影响因素分析

为探究贵州表层土壤有机质的空间变异特征及其主要影响因素,使用贵州省第二次土壤普查资料中193个土壤剖面数据,结合贵州省气象资料、土地利用类型图及土壤类型图等资料,运用地统计学和多元回归分析各因素对表层土壤有机质空间变异的解释能力。结果表明：(1)贵州省表层土壤有机质含量范围为0.05%～36.68%,平均含量为5.23%±4.96%,变异系数为94.90%;(2)表层土壤有机质在空间分布上表现出东北部高,西南部较低的格局;(3)半变异函数分析表明,贵州省土壤有机质主要受自然因素影响,海拔、CEC、耕作方式和土壤质地对表层土壤有机质含量变异的综合解释能力为35.9%,海拔作为最重要的影响因素能独立解释其变异的25.6%,CEC和耕作方式分别能解释11.3%,7.4%。贵州表层土壤有机质与年均气温呈负相关关系,与海拔呈正相关关系。研究区表层土壤有机质的分布与碳酸盐岩分布面积比例存在相关关系,整体上,随着喀斯特分布面积比例增大而受自然因素影响增大。喀斯特分布面积比例为0～10%区域主要受农业耕作施肥等人类活动的影响,11%～30%区域主要受海拔影响,31%～50%区域受年均温和CEC影响,5...     

基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究

遥感数据已经在数字土壤制图中得到广泛应用,并且可以一定程度上提高土壤属性预测的精度。本文以榆阳区的黄土丘陵和风沙滩地两种地貌区为例,利用不同分辨率的专题制图仪(thematic mapper,TM)、先进宽视场传感器(advanced wide field sensor,AWIFS)和中等分辨率成像仪(Moderate resolution imaging spectroradiometer,MODIS)的遥感影像数据(分辨率分别为30 m、56 m和250 m)和基于高级热量散射和反射辐射仪全球数字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM)的地形衍生数据,结合其他影响土壤有机质分布的辅助因子,用随机森林算法(random forest,RF)对表层土壤有机质进行模拟预测,并通过实测数据的百分比抽样对预测结果进行了验证。结果表明,在榆阳区的黄土丘陵区,基于TM数据的土壤有机质预测结果较好;在风沙滩地区,基于AWIFS数据的土壤有机质预测结果较好。基于RF的土壤有机质预测在榆阳区的黄土丘陵区结果较好,三个分辨率下的平均绝对误差在1.27~1.57 g kg-1之间,在风沙滩地区预测精度较低,平均绝对误差在1.46~2.08 g kg-1之间。高程、地理位置和植被是影响黄土丘陵区土壤有机质预测的主要因素,在风沙滩地区,植被、高程和离水源地的距离是影响有机质预测的主要因素。可见,在地貌相对简单的地区进行土壤有机质含量的预测时可以使用较低分辨率的数据代替较高分辨率的数据,同时,RF算法在复杂地貌区的土壤有机质预测更有效。     

基于信息熵的耕地土壤养分与环境影响因子空间相关性研究

[目的] 探究耕地土壤养分含量空间格局及与环境因子的空间相关性,为区域耕地土壤施肥管控及农业生态环境保护等相关工作提供理论依据。[方法] 以湖北省枣阳市耕地为研究对象,选取土壤有机质、全氮、速效钾、缓效钾和有效磷5种土壤养分指标,并收集整理成土母质、土壤类型、土壤pH值、高程（DEM）、地表起伏度、坡度、植被覆盖度指数（NDVI）、平均气温、平均降水量和土地利用方式10种环境影响因子,利用普通克里金插值和信息熵原理,分析每种土壤养分的空间分布特征以及每种土壤养分空间分异特征与环境因子的相关性。[结果] 枣阳市土壤缓效钾空间异质性不明显,全域含量水平较高;其他4种养分均表现出不同程度的空间异质性。信息熵结果表明,5种土壤养分含量空间格局与成土母质、土壤类型和气候因子相关性均较强但相关程度存在差异;地形因子与全氮和有机质含量空间相关性较强,土壤pH值与土壤速效钾、缓效钾和有效磷相关性较强。[结论] 枣阳市土壤养分格局受自然因素影响较强,但相关性指数K值都较低,说明受到人为施肥与农作物消耗以及灌溉排水导致的土壤水化学反应及养分流失的影响。     

Mapping black carbon content in topsoils of central France

Black Carbon (BC) is an important carbon pool due to its relative stability in soil. Thus, it is essential to determine the amount of BC in soil to have a better understanding of the global carbon cycle. The spatial distribution of BC was determined in the central region of France in relation to the main controlling factors. BC was measured for topsoil at 158 sites in the French soil monitoring network on a regular 16 × 16‐km grid. A linear mixed model (LMM) which included fixed effects (linear relationships between BC content and covariates) and spatially correlated random effects was used for mapping BC to aid explanation. Covariates were selected from a set of factors linked to the BC cycle using the Akaike Information Criterion (AIC). The results show high variability in BC content with a minimum of 0.9%, a maximum of 32% and an average of 5.3% for total organic carbon. The fine‐earth fraction and clay content gave the best statistical explanation for the spatial distribution of BC. Data on these covariates were not available in total for the whole study area, and therefore we reselected covariates using the fine‐earth amount and density of fires from burning crop residues.     

Small scale digital soil mapping in Southeastern Kenya

Digital soil mapping techniques appear to be an interesting alternative for traditional soil survey techniques. However, most applications deal with (semi-)detailed soil surveys where soil variability is determined by a limited number of soil forming factors. The question that remains is whether digital soil mapping techniques are equally suitable for exploratory or reconnaissance soil surveys in more extensive areas with limited data availability. We applied digital soil mapping in a 13,500 km² study area in Kenya with the main aim to create a reconnaissance soil map to assess clay and soil organic carbon contents in terraced maize fields. Soil spatial variability prediction was based on environmental correlation using the concepts of the soil forming factors equation. During field work, 95 composite soil samples were collected. Auxiliary spatially exhaustive data provided insight on the spatial variation of climate, land cover, topography and parent material. The final digital soil maps were elaborated using regression kriging. The variance explained by the regression kriging models was estimated as 13% and 37% for soil organic carbon and clay respectively. These results were confirmed by cross-validation and provide a significant improvement compared to the existing soil survey.     

空间回归模型在区域数字化土壤制图中的应用——以河南封丘县为例

以河南省封丘县为研究区,以环境协变量信息和先期获得的土壤数值化分类结果为基础数据源,在土壤分类距离空间自相关性分析的基础上,构建土壤分类距离—环境协变量空间回归模型,实施土壤分类距离空间预测,并最终实现研究区25 m分辨率数字化土壤制图.输出结果表明,研究区5种主要土壤类型中,普通底锈干润雏形土分布面积最大、弱盐灌於干润雏形土次之,分布比例分别为36％和24％.结合确定性趋势距离和非确定性残差的空间变异特征,阐释了研究区土壤空间分布格局的发生学背景和随机性因素的影响.与基于随机模型的土壤预测制图相比,基于环境协变量空间回归模型的数字化土壤制图输出结果展示了相似的研究区土壤空间分布整体格局,且具有细节清晰、图斑边界自然的特点.一方面能更好地诠释土壤空间分布的连续性和渐变性特征;另一方面能较好地反映微域成土环境对土壤发生学特性空间变异特征的影响.     

沙地整治下榆林土地利用及土壤有机质时空分异特征

毛乌素沙地是典型的生态脆弱区,近年来针对其在榆林境内的沙地整治利用取得显著成效,也对土壤环境产生了深刻影响。为了探究由沙地转变的不同土地类型下土壤有机质的含量变化,明晰沙地不同整治利用方式对土壤有机质的影响。该研究选取榆林市显性沙地,利用多光谱遥感影像及相关光谱指数,结合沙地土地利用变化特征,通过XGBoost机器学习方法,反演1990-2020年土壤有机质含量;分析不同土地类型下土壤有机质含量变化,通过半变异函数揭示了其空间变异性,厘清人为因素和自然环境的影响程度。结果表明,30年间榆林5 460 km2沙地中超过半数得到整治和利用,沙地-草地是最主要的地类转变方式,建设用地面积增长最迅速,增速一度超过70%;沙区土壤有机质含量上升,但整体呈现先增加后降低的趋势,有机质均值由0.34%增长至0.79%,近十年降低至0.51%;榆林沙区土壤有机质具有较强的空间自相关性。起初,人为利用对其有积极作用,但随着沙地的利用强度增大,对土壤有机质产生负向作用,进而致使其含量下降,面临土地退化危机。建议加强退化林草修复改良,放缓开发力度,以期为沙地整治提供理论和实践借鉴意义,保护榆林沙地土壤环境安全。     

Spatial variability of selected soil properties and its impact on the grain yield of oats (Avena sativa L.) in small fields

Abstract

To investigate spatial variability in topsoil (0–20?cm) pH, available phosphorus (P), potassium (K), total nitrogen (N), and soil organic matter (SOM) of small fields (～2?ha), and to determine the impact of soil heterogeneity on the spatial variability of crop yield two fields were cropped with spring oats and one with winter wheat under humid-temperate conditions. In the two oat fields, some of the measured soil properties (P, K) and the grain yield varied considerably, and strong spatial trends were recorded for most of the soil traits. In the third field, soil properties showed only a moderate spatial variation, and no spatial trends were found. The spatial distribution of SOM and total N in the topsoil had some influence on the spatial pattern of the oat grain yield in the field of Gränichen; however, spatial relationships between soil chemical properties and grain yield were rather weak in our study.