县域农田土壤铜含量的协同克里格插值及采样数量优化

 【目的】研究县域农田土壤铜含量的空间分布和采样数量,为农田土壤环境质量调查提供帮助。【方法】采用协同克里格方法,以初始的623个土壤铜含量数据及在此基础上随机抽取的560、498和432个数据为目标变量,并以初始的623个土壤有机质含量数据为辅助变量,对四川省双流县农田土壤铜含量进行插值分析,并对不同样点数量下协同克里格法在县域尺度农田土壤铜含量空间分布研究中的适用性进行评价。【结果】相同取样数量下,协同克里格法的均方根误差相对于普通克里格法可降低0.9%～7.77%,预测值和实测值之间的相关系数可提高1.76%至9.76%。利用协同克里格法,在土壤铜含量数据量缩减10%的情况下,其估值精度仍高于初始的623个土壤铜含量数据的普通克里格估值,且二者的分布图具有高度相似性。【结论】协同克里格作为一种更为精确和经济的方法,可为县域尺度农田土壤重金属含量的空间分布研究提供更多的信息和帮助。     

基于归一化光谱指数的土壤有机质含量空间分布状况研究

【目的】研究土壤主要养分含量特征信息的光谱预测值,使其更具直观性、空间性及科学性,为大尺度对农田的土壤养分空间分布状况获取、评价与科学管理提供依据。【方法】利用ArcGIS 9.3的普通克里格(Ordinary Kriging)插值方法,对小面积及大尺度试验区的土壤样本点进行有机质反演插值填图,并将实验室化学测定土壤有机质含量的实测值与其高光谱模型预测值进行Kriging插值填图比较,分析土壤有机质含量的实测值与预测值的空间分布状况差异。【结果】从小面积试验区到大尺度条田地块插值后的空间分布情况来看,土壤有机质含量的光谱预测值(基于归一化光谱指数NDI[495,485]预测)与实测值之间具有较好的相似性,预测效果较好。【结论】通过土壤有机质含量信息状况的空间分布填图来确定农田分区基本管理单元的适宜尺度,为实施大区域农田养分分区精量管理的划分,提出科学的平衡施肥方案,为适合新疆及兵团特色的精准农业管理、土壤养分快速探测、精量施肥等技术提供技术理论支持。     

基于3种空间预测方法的黄土区土壤颗粒组成空间分布研究——以宁夏海原县为例

【目的】探索适合地形复杂的黄土母质地区土壤颗粒组成的空间预测方法。【方法】以宁夏自治区海原县为研究区域,结合地形因子、土壤类型、归一化植被指数变量,采用基于对称对数比转换的经验贝叶斯克里格法(SLR-EBK)、回归克里格法(SLR-RK)、随机森林(SLR-RF)3种方法对训练集100个样点表层土壤颗粒组成的空间分布进行预测,并通过验证集24个样点比较了3种方法的预测精度。【结果】(1)最终进入土壤颗粒组成线性回归预测模型的辅助变量包括高程(Ele)和土壤类型;进入RF模型的辅助变量包括高程(Ele)、土壤类型、坡度(Slo)和风力作用指数(WEI),其中,高程(Ele)是最重要的辅助变量,其次是土壤类型,坡度(Slo)和风力作用指数(WEI)重要性相对较低。(2)3种方法预测的海原县土壤各粒级含量空间分布的趋势基本一致,表现为砂粒含量西南部低,东北部高,粉粒、黏粒则相反。与SLR-EBK相比,SLR-RK和SLR-RF能够更好地反映局部变异并减小平滑效应。(3)SLR-RF法对验证集3个粒级含量预测的平均绝对误差(MAE)和均方根误差(RMSE)均低于其他两种方法,且从平均Aitchison距离(MAD)来看,SLR-RF(0.208)SLR-RK(0.235)SLR-EBK(0.274),表明SLR-RF的预测精度最高。【结论】海原县土壤颗粒组成空间预测的最优方法为SLR-RF;黄土母质区高程、土壤类型是与土壤颗粒组成的空间变异相关性较强的辅助变量。     

用高程辅助提高土壤属性的空间预测精度

 【目的】探讨土壤属性变量与高程之间在何种条件下，可利用高程变量来辅助提高土壤变量的预测精度。【方法】用两种将高程作为辅助变量的克里格插值方法（协克里格法和简单克里格加变化局部平均值法）与没有考虑高程的普通克里格插值方法进行对比分析，用均方根预测误差和预测精度的相对提高值作为标准对3种方法的预测结果进行评价。【结果】对于交换性钾和pH值，协克里格法获得最精确的预测；对于Olsen-P、土壤有机质和有效锌，简单克里格加变化局部平均值法得到最精确的预测；而有效铜、有效铁和有效锰的最精确的预测结果则由普通克里格法产生。【结论】高程数据能够用来提高土壤特征的空间预测精度，但并不是对所有的土壤属性都适合；在利用高程数据来提高土壤属性空间预测之前，应该先对高程和土壤特征变量之间的线性相关关系、结构相关关系和全局趋势等进行仔细地分析，然后再选择适宜的方法。     

基于经验贝叶斯克里金的微尺度植烟田土壤有机质空间变异性

【目的】为了在优质烟田间栽培中更好地实施精确定位施肥,需要准确掌握植烟田土壤养分的空间分布信息。【方法】本文根据地统计理论,采用经验贝叶斯克里金方法分析河南省内乡县一长期植烟田土壤有机质含量的空间变异性,并与径向基函数神经网络插值法、普通克里格插值法进行预测精度比较。【结果】研究区植烟田土壤有机质含量处在最适宜范围内,其平均值为14.81 g·kg~(-1),变异系数为13.74%,表现为中等程度变异性。植烟田土壤有机质含量存在半方差结构,其半方差函数最优拟合模型是指数模型。而且表现出较强的空间相关性。在插值和预测方面,EBK经验贝叶斯法除了明显优于普通克里金插值法以外,还优于RBF神经网络插值法。【结论】在微尺度条件下,采用以坐标和邻近样点为输入的经验贝叶斯克里金方法,来分析植烟田土壤有机质含量的空间变异性,可以达到快速便捷、精度更高的效果。     

丘陵区水稻土Cu污染空间变异的协同克里格分析

针对丘陵红壤区铜冶炼厂周围水稻土污染区(1.40 km2),在景观尺度上,采用协同克里格方法,研究了影响表层土壤Cu含量空间分布预测的辅助因子.基于空间自相关性、间距、长轴方位角以及各种预测误差,评价了辅助变量(包括秸秆全Cu含量StrawCu、籽粒全Cu含量GrainCu、土壤全Cd含量Cd、土壤pH、土壤有机质OM、高程H)对表层土壤Cu含量分布预测精度的影响.结果表明,单辅助变量的协同克里格预测值与实测值相关系数的大小顺序为Cu/Cd＞Cu/H＞Cu/StrawCu＞Cu/GrainCu＞Cu/OM、Cu/pH,而多辅助变量协同克里格预测的相关系数大小顺序为Cu/(Cd,StrawCu)＞Cu/(Cd,StrawCu,H)＞Cu/(Cd,StrawCu,GrainCu)＞Cu/(StrawCu,GrainCu)＞Cu/(Cd,H).与土壤全Cu含量的普通克里格插值精度相比,利用表层土壤全Cd含量、水稻秸秆全Cu含量、高程作为辅助变量与水稻土表层全Cu含量进行协同克里格插值可以显著提高预测精度;但水稻籽粒全Cu含量作为辅助变量对预测精度影响不显著;而土壤有机质含量和土壤pH作为辅助变量反而降低了预测精度.在对表层土壤全Cu含量分布的多辅助变量协同克里格预测中,表层土壤全Cd含量和水稻秸秆全Cu含量的影响最大,其次是高程,水稻籽粒全Cu含量不能提高对表层土壤全Cu含量分布的预测精度.     

土壤养分含量的协同克里格法插值研究

土壤养分含量的空间分布是农业领域研究的重要内容,空间插值是获取土壤养分含量空间分布的重要方法。空间插值方法很多,不同的空间插值方法结果精度各不相同。文章以石家庄城乡交错带土壤全氮、速效磷、速效钾三种养分含量为主变量,土壤有机质含量为辅助变量,选取普通克里格法和协同克里格方法,对85个采样点的土壤养分数据进行空间插值分析,获取土壤养分含量空间分布图。采用交叉验证法对其插值结果精度进行分析和评价,结果表明,采样点数量相同时协同克里格方法的结果精度明显高于普通克里格插值法;利用协同克立格法, 主变量数目在减少至70个,辅助变量不变的情况下,精度仍高于普通克里格法,且空间分布高度相似。说明在适当减少土壤样本的情况下,协同克里格法仍能保证插值精度,适合土壤养分空间插值。     

基于随机森林的农耕区土壤有机质空间分布预测

以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest, RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比, RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^-1)和均方根误差(2.062 g·kg^-1)更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。     

基于3种空间预测方法的黄土区土壤颗粒组成空间分布研究—以宁夏海原县为例

【目的】探索适合地形复杂的黄土母质地区土壤颗粒组成的空间预测方法。【方法】以宁夏自治区海原县为研究区域,结合地形因子、土壤类型、归一化植被指数变量,采用基于对称对数比转换的经验贝叶斯克里格法（SLR-EBK）、回归克里格法（SLR-RK）、随机森林（SLR-RF）3种方法对训练集100个样点表层土壤颗粒组成的空间分布进行预测,并通过验证集24个样点比较了3种方法的预测精度。【结果】（1）最终进入土壤颗粒组成线性回归预测模型的辅助变量包括高程（Ele）和土壤类型;进入RF模型的辅助变量包括高程（Ele）、土壤类型、坡度（Slo）和风力作用指数（WEI）,其中,高程（Ele）是最重要的辅助变量,其次是土壤类型,坡度（Slo）和风力作用指数（WEI）重要性相对较低。（2）3种方法预测的海原县土壤各粒级含量空间分布的趋势基本一致,表现为砂粒含量西南部低,东北部高,粉粒、黏粒则相反。与SLR-EBK相比,SLR-RK和SLR-RF能够更好地反映局部变异并减小平滑效应。（3）SLR-RF法对验证集3个粒级含量预测的平均绝对误差（MAE）和均方根误差（RMSE）均低于其他两种方法,且从平均Aitchison距离（MAD）来看,SLR-RF（0.208）相似文献   

县域耕地土壤速效钾空间预测方法的比较

【目的】筛选出测土配方施肥项目中最适宜的土壤速效钾空间预测方法,为准确预测土壤养分的空间分布提供依据。【方法】以陕西汉中汉台区耕地土壤速效钾含量为研究对象,分别采用反距离加权插值法、径向基函数插值法和普通克里格插值法3种方法,在选取3种方法最优模型参数的基础上,对试验区域内2 022个土壤速效钾样点进行空间插值,并对结果进行验证及评价。【结果】通过对3种空间插值方法进行交叉验证,径向基函数插值法均方根误差为267.349,小于其他2种插值方法;其相关系数为0.687,大于其他2种插值方法。利用分区符合度法和插值结果图进一步验证,结果表明,相对于反距离加权插值法和普通克里格插值法,径向基函数插值法更能反映试验区域土壤速效钾的分布格局。【结论】径向基函数插值法较反距离加权插值法和普通克里格插值法更适宜于试验区耕地土壤速效钾的空间预测;在测土配方施肥项目实施过程中,利用分区符合度验证法对土壤养分空间预测方法进行选择是切实可行的。     

黄土高原小流域土壤养分空间特征及其与地形因子的相关性

【目的】分析黄土高原地区小流域内土壤养分含量的空间特征及其与地形因子的相关性,为养分精确管理和土地资源高效利用提供参考依据。【方法】以位于黄土高原的陕西彬县红岩河小流域为例,于2011年结合GPS共采集了121个田间土样,对其土壤养分(有机质、碱解氮、速效磷、有效钾)含量进行测定,并应用地统计学方法对土壤养分含量半方差函数模型及其参数进行了确定,用普通克里格插值(Kriging)绘制了研究区土壤养分空间分布图,统计分析高程、坡度、坡向、坡形等地形因子与土壤养分含量的相关性,并进行了插值结果检验。【结果】陕西彬县红岩河小流域土壤碱解氮的空间变异性很弱,有机质、速效磷和有效钾具有强烈的空间变异性。各养分含量空间分布均呈斑块状,条带性分布趋势不明显。总体上土壤有机质和速效养分含量与高程和坡度呈负相关,与坡向呈正相关,与坡形相关不显著。【结论】随机性变异(人为因素)对碱解氮的空间变异起主导作用,且变程较小,有机质、速效磷和有效钾的空间变异主要由结构性变异(自然因素)引起,且变程较大。高程、坡度及坡向明显影响土壤养分的含量和分布。     

罗江县农田土壤全氮协同克里格插值和采样数量优化研究

[目的]研究县域土壤全氮含量的空间分布和采样数量,为紫色土丘陵区采样提供参考。[方法]利用协同克里格法,以初始的1 777个土壤全氮含量数据为随机抽取的数据,分别随机抽取1 599、1 421和1 243个数据为目标变量,并以初始的1 777个土壤有机质数据为辅助变量,对四川省罗江县土壤全氮含量进行插值分析,从而利用协同克里格法对县域尺度下农田土壤全氮含量在不同样点数量下空间分布中的适用性进行评价。[结果]在相同取样数量下,全氮协同克里格法的均方根误差相对于普通克里格法降低0.019 6%～0.072 5%,预测值和实测值之间的相关系数提高0.69%～0.90%。利用协同克里格法,土壤全氮含量数据在缩减30%情况下,其估值精度高于1 777个样点下的普通克里格估值,且二者的分布图都具有较高的拟合度。[结论]协同克里格法是一种经济、精准的方法,可为县域土壤养分含量的空间分布提供基础信息。     

基于星载高光谱数据的南京新济洲湿地土壤有机质估测研究

在高光谱数据预处理、土壤有机质高光谱敏感波段提取基础上,建立多元线性回归、最邻近法、装袋算法、多元感知器、随机森林5种遥感估测模型。用10折交叉验证方法,借助相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标,对遥感估测模型结果进行精度评价,选择精度最高的模型进行湿地土壤有机质遥感估测和空间分析。结果表明:土壤有机质高光谱敏感波段主要集中在925、1 144、1 477、1 780 nm 4个波段;在预测土壤有机质的5种模型中,多元线性回归模型预测精度最高,随机森林次之;土壤有机质空间分布呈现由洲滩中间向四周逐渐增加的带状分布格局;新济洲沼泽地土壤有机质含量最高,为2.22%;靠近沼泽的林地次之;植被覆盖度较低的农地和裸地的土壤有机质最低,为0.43%;这种土壤有机质空间分布格局与研究区土壤类型的带状分布存在密切联系。     

不同土地利用方式下有机质含量的高光谱反演

【目的】在三峡库区王家沟小流域,研究不同土地利用方式对SOM含量反演精度的影响。【方法】利用来自园地、旱地、水田3种土地利用类型土壤样本的有机质含量及高光谱数据,构建了不同土地利用方式下的土壤有机质含量反演模型。【结果】不同土地利用方式下的土壤有机质反演模型精度并不相同:水田土壤有机质含量反演模型精度最高(总相关系数为0.838,标定集和验证集的相关系数分别为0.865和0.776);旱地有机质含量反演精度居中,总相关系数为0.781;园地土壤标定集和验证集中土壤有机质预测值和实测值之间也具有显著的相关性,但其精度最低(总相关系数为0.700)。混合来自园地和旱地两种土地利用方式的土壤样本建立的紫色土土壤有机质含量反演模型精度(总相关系数为0.528)低于单一土地利用方式的土壤有机质含量反演精度。【结论】与土壤类型相比,有机质含量的反演精度对土地利用方式更为敏感。考虑土地利用方式的影响,有助于提高土壤有机质含量反演精度。     

渝西北土壤有机质空间变异及影响因素分析

【目的】深入认识重庆西北部丘陵区土壤有机质空间变异特征及影响因素,为农业生产、土地利用等提供科学依据。【方法】采用地统计学和GIS相结合的方法,进行有机质空间变异和基于土地利用类型修正的空间插值研究。【结果】研究区土壤有机质平均含量为16.26 g/kg,属中等偏下水平;变异系数为33.8%,存在中等程度的空间变异性;土壤有机质空间分布呈现中间高,两端低的趋势,合川区整体偏低。【结论】土壤有机质具有中等空间自相关性,空间变异性受结构因素(地形坡度、土壤类型)和随机因素(土地利用类型、耕作措施等)影响,土地利用类型是主控因素。     

基于高光谱的喀斯特地区典型农田土壤有机质含量反演

【目的】利用高光谱数据定量反演喀斯特地区土壤有机质含量,为喀斯特地区快速、大范围、实时地监测土壤有机质含量提供更多的技术手段。【方法】利用机载高光谱成像系统和便携式地物光谱仪分别获取土壤光谱数据,基于原始光谱反射率和不同光谱变换数据,分析其与土壤有机质含量的相关性,以偏最小二乘法建立模型预测土壤有机质含量。【结果】2种数据源都可以用于土壤有机质含量预测,其中,基于ASD光谱一阶微分变换建立的模型预测精度较高,验证集决定系数(Rv~2)为0.910,相对分析误差(RPD)为2.68;基于GS光谱二阶微分变换建立的模型预测效果较好,验证集Rv~2为0.772,RPD为1.49。【结论】ASD光谱与GS光谱建模预测精度相差较大,ASD光谱客观条件影响较小、光谱波段更宽、光谱分辨率更高,具有更好的预测能力;低空无人机获取的GS光谱也具有一定的预测能力。     

汉中盆地耕地土壤有机质的空间特征

【目的】研究汉中盆地耕地土壤有机质的空间自相关性、空间变异特征以及空间分布规律。【方法】根据地貌特征,以位于汉中盆地中部的平坝区作为研究区,于2010-2011年共采集土样3 568个,测定土样有机质含量,对获得的有机质含量原始数据进行处理后,综合运用传统统计、地统计和地理信息系统技术,研究汉中盆地耕地土壤有机质空间特征。【结果】研究区耕地土壤有机质含量为7.20~38.00g/kg,平均值为21.53g/kg,变异系数为24.48%,属中等强度变异;研究区耕地土壤有机质为空间聚集式分布,呈显著的正空间自相关,空间自相关尺度为4.70km;耕地土壤有机质含量的块金系数为0.55,表现为中等强度空间相关性;研究区61.13%的耕地土壤有机质含量较高(≥20~<30g/kg),整体分布格局为西高东低、南高北低,其中自东北向西南方向土壤有机质含量呈增加趋势。【结论】研究区大部分耕地土壤有机质含量较高,能够满足农作物生长的需要。     

基于耕地图斑数据的土壤有机质估测方法研究——以大兴区南部耕地为例

基于测土配方采样点调查数据和土地利用现状数据,构建常规耕地质量评价中的土壤有机质含量的面状数据;基于此,采用面克里格法和序贯高斯条件模拟法估测北京大兴区南部耕地土壤有机质含量,并采用验证图斑的点数据和面数据形式进行精度评价,进而探寻基于面数据的土壤有机质含量最优估测方法。结果表明,面克里格法和序贯高斯条件模拟法对研究区耕地土壤有机质空间分布的估测效果具有一致性,但序贯高斯条件模拟法的平滑作用较弱,且单次随机模拟的局部特征变化更突出;点验证和面验证的相关系数与一致性系数表明,面克里格法和序贯高斯条件模拟法可以用来估测耕地土壤有机质含量;在多次随机模拟和变异函数拟合准确性的综合作用下,序贯高斯条件模拟估测精度更高。     

基于GIS的贵州省稻田土壤养分及pH时空演变特征

【目的】为贵州水稻田土地的合理利用和科学施肥管理提供参考。【方法】以2005-2015年贵州省9个地(州、市)水稻种植区采集的177 944个代表性耕层土壤养分测定数据为基础,运用Arc GIS地统计方法和Kriging理论模型对贵州水稻土壤养分的时空演变特征进行分析。【结果】在时间序列上,贵州省稻田土壤的有机质、全氮、速效钾含量及p H与第二次(1991年)土壤普查数据相比均呈下降趋势,有效磷呈上升趋势。在空间分布上,贵州省稻田土壤有效磷、速效钾含量及p H的差异较大,土壤有机质和全氮含量的差异较小;东南大部分地区的稻田土壤偏酸性,全氮、有机质含量较高,速效钾含量较低;黔东北的思南、石阡一带稻田土壤的有机质、全氮、有效磷含量偏低。在不同稻田土壤类型中,潴育型稻田土壤的各种养分含量均较高,潜育型稻田土壤的有机质、全氮含量较高,但有效磷和速效钾含量最低。【结论】贵州省稻田土壤的养分含量及p H与1991年普查数据相比呈下降趋势,不同区域稻田土壤的养分含量存在一定差异,不同类型稻田土壤中以潴育型稻田土壤的各种养分含量均较高。     

基于遥感数据和随机森林算法的土壤重金属空间分布模拟——以铬为例

为评估土壤重金属的富集状态及空间分异态势，选取山东省章丘市为研究区，系统采集425处土壤样品，测定土壤中铬(Cr)元素含量，采用描述性统计特征评估重金属在土壤中的富集状态；获取与土壤采样同期的Landsat-8 OLI遥感数据，将土壤重金属的环境要素作为自变量，测定的土壤Cr元素含量为因变量，构建基于随机森林算法的土壤重金属空间模拟模型，完成土壤中的重金属含量预测和空间分布模拟。结果表明，土壤重金属Cr含量均值高出土壤元素背景值37.22%,但低于农用地土壤污染风险筛选值，表明土壤中Cr的富集在可管控范围内；随机森林算法支持的空间模拟模型具有较好的精度和稳定度，精度系数R²和RMSE值分别为0.87和7.19,优于普通克里格法(R²=0.66,RMSE=13.15)对土壤重金属的空间分布模拟。