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。     

基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。     

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。     

Analysis on influence factors of soil Pb and Cd in agricultural soil of Changsha suburb based on geographically weighted regression model

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。     

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。     

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。     

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。     

贝叶斯最大熵地统计学方法及其在土壤和环境科学上的应用

贝叶斯最大熵(Bayesian Maximum Entropy,BME)地统计学方法是近年来出现的一种时空地统计学新方法。相对于传统的克里金方法,该法具有坚实的认识论框架和方法学基础。它不需要作线性估值、空间匀质和正态分布的假设,能够融入先验知识和软数据,并且不会损失其中蕴含的有用信息,提高了分析精度。本文首先介绍了BME的基本理论及其估值方法,随后简单描述了该方法的理论发展过程及其在土壤和环境科学上的应用情况,最后对该方法的应用做了总结与展望。经过国外研究者多年的开发和实践,BME方法已经被证明是一个理论上较为成熟,能够应用到实际研究中的优秀地统计学方法,在资源环境评估上有着广泛的应用前景。     

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。     

Prediction of soil salinity in the Yellow River Delta using geographically weighted regression

It is essential to determine the content and spatial distribution of soil salinity in a timely manner because soil salinization can cause land degradation on a regional scale. Geographically weighted regression (GWR) is a local regression method that can achieve the spatial extension of dependent variables based on the relationships between the dependent variables and environment variables and the spatial distances between the sample points and predicted locations. This study aimed to explore the feasibility of GWR in predicting soil salinity because the existing interpolation methods for soil salinity in the Yellow River Delta are still of low precision. Additionally, multiple linear regressions, cokriging and regression kriging were added to compare the accuracy of GWRs. The results showed that GWR predicted soil salinity with high accuracy. Furthermore, the accuracy was improved when compared to other methods. The root mean square error, correlation coefficient, regression coefficient and adjustment coefficients between the observed values and predicted values of the validation points were 0.31, 0.65, 0.57 and 0.42, respectively, which were better than that of other methods, indicating that GWR is an optimal method.     

都市郊区景观生态质量空间差异及影响因素分析

针对普通线性回归分析以空间平稳数据为假设,而忽视空间数据局部变化特征的缺陷;该文以上海市西郊的青浦区为案例区,通过构建景观生态质量评价指标体系,采用综合指标评价法和等距离空间分类法,对该区184个行政村的景观生态质量进行评价和等级划分;引入局部线性地理加权回归模型用以评估压力类因素对景观生态质量的影响;对比线性回归模型、地理加权回归模型和局部线性地理加权回归3个模型在解释青浦区行政村景观生态质量空间差异的精度。结果表明:2014年青浦区各行政村的景观生态质量指数的变化幅度为0.03~5.49,呈现西部高,东部低的特征;景观生态质量与8种压力类影响因素的关系随着空间位置的改变表现出局部变化特征,即使同一因素对景观生态质量的影响在方向和大小上均表现不同;通过对比3个模型的解释结果可以判断,地理加权回归模型和局部线性地理加权回归模型在处理空间非平稳性和空间异质性上,其预测精度优于线性回归模型,而局部线性地理加权回归模型在处理由于"边界模糊"导致的"边界效应"问题上,其模拟的精度优于地理加权回归模型;村域景观生态质量变化具有空间差异性和尺度敏感性。与景观生态质量变化呈正相关的因素依次为:人均耕地面积、居民恩格尔系数和城镇化率;与景观生态质量变化呈负相关的因素依次为:人口抚养比、第二产业占GDP比例、人口密度、聚耕比、距最近城镇中心距离。研究结果可为都市郊区景观生态系统可持续发展和土地空间整治提供科学借鉴。     

气候与社会经济因素对土壤有机质影响的空间异质性分析--以黑龙江省中部地区为例

为探讨土壤性质对外部因素的响应机制及空间规律,本文以黑龙江省中部为例,利用地统计学理论、GIS空间分析与地理加权回归模型(geographically weighted regression,GWR),从空间分异角度分析了气候和社会经济因素对土壤有机质的影响程度。结果表明,有机质含量分布在研究区域西部呈现出东高西低的特征,在研究区域东部则表现为中部高南北低;气候变量(均在0.01水平上显著)中,降水和年均温对有机质含量以负影响为主;年日照时数对除嫩江平原西南部和松江平原南部外的多数区域有机质含量产生正影响。社会经济因素(均在0.01水平上显著)中机械化耕作水平对嫩江平原北部、西部和克拜丘陵部分区域有机质含量产生正影响;灌溉面积对有机质含量的正影响范围较广;施肥量对嫩江平原南部、松江平原西北部和三江低平原东北部等有机质含量主要产生负影响,其他区域则主要为正效应;地膜用量对有机质含量的正影响范围较广;农药用量对研究区域西部以正影响为主,对东部以负影响为主。因此,反映自然条件差异的气候因素与反映农业投入的社会经济因素对土壤有机质的影响均具有空间异质性,采用允许局部估计的GWR模型是适合的。     

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。     

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。     

基于GWR模型的江西省山洪灾害区域异同性研究

[目的]探索山洪灾害空间分布的规律,为江西省山洪灾害防治和各流域的监测和管理提供重要决策支持。[方法]根据山洪灾害的形成机理,从触发因子、孕灾环境、承灾体3个方面选取9个解释变量,将山洪灾害调查数据的5项内容作为反应变量,并作为评价山洪灾害度的指标,利用地理加权回归方法(GWR)构建模型,然后利用GIS技术探讨江西省3个不同区域山洪灾害空间分布的异同性。[结果]同一区域不同山洪灾害度指标的模型之间具有异同性,不同区域同一山洪灾害度指标的模型之间也具有异同性,不同灾害度指标的空间分布也表现出明显的异同性。[结论]在构建各项灾害度指标模型时,不仅要考虑到地域上的差异,也要考虑到不同灾害度指标之间的差异,GWR模型能有效地解释局部空间变化情况和重要解释变量的分异性。     

环渤海沿海区域耕地格局及影响因子分析

为分析环渤海省市沿海区域耕地格局与影响因子的关系,以耕地在5 km×5 km网格单元所占比例为因变量,选用地形、距离、气候及人口等10个影响因子为自变量,分别建立普通最小二乘法线性回归模型、空间滞后模型、空间误差模型、地理加权回归模型。结果表明:耕地格局及各影响因子均呈现较强的空间正相关,并随距离增大而减少;针对该研究,空间滞后模型、空间误差模型和地理加权回归模型模拟效果均优于普通最小二乘法线性回归模型,空间误差模型优于空间滞后模型;从全局上来讲,高程、坡度、到最近公路距离与耕地格局呈负相关影响,距最近海岸线、铁路、居民点距离、多年平均气温和多年平均降水与耕地格局呈正相关。从局部上来讲,除了多年平均降水对各网格单元内耕地面积均呈正向影响外,其余影响因子随网格单元变化正负向影响均存在。多年平均气温和多年平均降水是主要的、最敏感的正向影响因子,高程、坡度和距最近水系距离为主要的、最敏感的负向影响因子。     

Evaluation of a local regression kriging approach for mapping apparent electrical conductivity of soil (ECa) at high resolution

Apparent electrical conductivity of soil (ECa) is a property frequently used as a diagnostic tool in precision agriculture, and is measured using vehicle‐mounted proximal sensors. Crop‐yield data, which is measured by harvester‐mounted sensors, is usually collected at a higher spatial density compared to ECa. ECa and crop‐yield maps frequently exhibit similar spatial patterns because ECa is primarily controlled by the soil clay content and the interrelated soil moisture content, which are often significant contributors to crop‐yield potential. By quantifying the spatial relationship between soil ECa and crop yield, it is possible to estimate the value of ECa at the spatial resolution of the crop‐yield data. This is achieved through the use of a local regression kriging approach which uses the higher‐resolution crop‐yield data as a covariate to predict ECa at a higher spatial resolution than would be prudent with the original ECa data alone. The accuracy of the local regression kriging (LRK) method is evaluated against local kriging (LK) and local regression (LR) to predict ECa. The results indicate that the performance of LRK is dependent on the performance of the inherent local regression. Over a range of ECa transect survey densities, LRK provides greater accuracy than LK and LR, except at very low density. Maps of the regression coefficients demonstrated that the relationship between ECa and crop yield varies from year to year, and across a field. The application of LRK to commercial scale ECa survey data, using crop yield as a covariate, should improve the accuracy of the resultant maps. This has implications for employing the maps in crop‐management decisions and building more robust calibrations between field‐gathered soil ECa and primary soil properties such as clay content.