县域尺度表层土壤质地空间变异与因素分析

【目的】以北京市平谷区为研究区域,采用传统统计和地统计学相结合的方法研究县域尺度下土壤质地空间变异的规律,探究土壤质地空间变异的机理。【方法】采用Levine’s方法进行方差奇次性检验,根据检验结果选取最小显著性差方法(least-significant difference,LSD)对土壤颗粒组成与高程、母质、土地利用和水域分布关系进行研究。空间预测采用普通克里格法,鉴于土壤质地属于成分数据,插值前对原始数据进行对称对数比转换。【结果】不同高程组、母质类型、土地利用类型及水域缓冲区组各颗粒平均含量存在一定的差异性,不同高程组和母质类型的土壤颗粒组成之间的差异性比不同土地利用类型和水域缓冲区明显。总体而言,研究区内随着海拔高度的降低,土壤颗粒呈现由粗变细的趋势;由石英含量较高的酸性岩母质发育的土壤土壤颗粒较粗;菜地土壤颗粒相对较细;随着离水域距离的增大,土壤砂粒含量呈增加趋势。地统计分析结果显示,土壤质地各颗粒表现出极强的空间自相关性,空间变异主要由结构性因素引起。各颗粒空间插值结果表明,土壤各颗粒组成空间分布总体趋势特征比较明显。【结论】传统统计分析和地统计学相结合的方法能够系统和全面地揭示土壤质地空间变异的确定性和随机性,研究区土壤质地空间格局主要受地形、母质等自然因素影响。经过对称对数比转换后,土壤质地各颗粒组成空间预测结果满足成分数据空间插值的要求。     

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。     

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。     

农产品产地土壤锌环境质量评价方法比较研究——以吉林省舒兰市为例

[目的]探讨农产品产地土壤锌在不同环境质量评价方法中的结果精度,为农产品产地认证提供依据。[方法]以吉林省舒兰市为例,通过实地采样,实验室样品分析,运用单因子污染指数法和基于GIS的空间插值方法,根据绿色食品产地环境质量标准进行农产品产地土壤锌的环境质量评价,并进行方法比较。[结果]基于GIS的土壤锌空间插值环境质量评价方法比传统方法的精度高;采用基于辅助因子的土壤锌协同克里格插值评价结果比普通克里格精度高;土壤锌和有机质的协同克里格插值评价方法比土壤锌与高程的协同克里格插值评价方法的精度高。[结论]基于GIS空间插值方法的土壤锌环境质量评价结果比传统方法更具科学性和合理性。     

农产品产地土壤锌环境质量评价方法比较——以吉林省舒兰市为例(英文)

[目的]探讨农产品产地土壤锌在不同环境质量评价方法中的结果精度,为农产品产地认证提供依据。[方法]以吉林省舒兰市为例,通过实地采样,实验室样品分析,运用单因子污染指数法和基于GIS的空间插值方法,根据绿色食品产地环境质量标准进行农产品产地土壤锌的环境质量评价,并进行方法比较。[结果]基于GIS的土壤锌空间插值环境质量评价方法比传统方法的精度要高;采用基于辅助因子的土壤锌协同克里格插值评价结果比普通克里格精度高;土壤锌和有机质的协同克里格插值评价方法比土壤锌与高程的协同克里格插值评价方法的精度高。[结论]基于GIS空间插值方法的土壤锌环境质量评价结果比传统方法更具科学性和合理性     

基于GIS的淮南市土壤Cu含量克里格插值方法比较研究

利用Arc GIS地统计学中克里格空间插值方法,对分布类型为对数正态分布、具有二阶多项式趋势的淮南市土壤重金属Cu含量的空间结构及分布特征进行了研究。基于经过对数变换的Cu含量分析数据,考虑是否进行分析数据的趋势移除,综合比较了三类克里格法(普通克里格、简单克里格和泛克里格)共6个具体插值方法的分析结果。结果表明,土壤Cu元素含量数据经过二阶趋势移除,采用简单克里格方法插值效果最优。在11种可选的半变异函数模型中,孔穴效应模型插值效果优于高斯、指数等其他模型。研究区土壤Cu含量属中等程度的空间相关,说明Cu含量空间变异受随机性因素和结构性因素共同影响。淮南市土壤Cu含量除受土壤内在因素影响外,可能来源于人类的采矿活动和对化肥、有机肥和农药的过度使用。     

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。     

基于分形理论和地质统计学的表层土壤颗粒大小分布变化特征

【目的】探究多角度、多尺度全面揭示土壤颗粒大小分布特征的方法体系,探索更加简单而又可综合定量分析评价土壤质量及其演变过程的手段。【方法】以计算的土壤颗粒体积分形维数（Dv）作为分析对象,建立集分形理论、传统统计学、分离土壤颗粒Dv的双对数图和地质统计学等理论和方法为一体的表层土壤颗粒大小分布变化特征分析方法体系,并基于此从点和区域2个尺度系统全面地研究表层土壤颗粒大小分布变化特征。【结果】粒径＜10 μm的土壤颗粒累积体积百分含量与Dv呈显著正相关,相关系数为0.46,而＞50 μm以内的土壤颗粒累积体积百分含量与Dv呈显著负相关,相关系数为0.63,土壤颗粒Dv值越小,土壤颗粒越粗;最大和最小Dv的双对数拟合图主要变化靠近拟合的直线,R2值均在0.9以上,拟合结果理想,分离的Dv能够包含整个土壤颗粒大小分布变化的程度。不同土壤有机质含量组之间土壤颗粒Dv存在一定差异性,土壤颗粒Dv能够客观地表征农田土壤质量的变化;随着高程增加,Dv表现相对比较复杂;褐土土壤颗粒Dv均值最大,潮土均值最小;粮田、园地和草地之间的土壤颗粒Dv差异性不明显。基于土壤颗粒Dv与环境因素关系分析的回归克里格法预测结果较为准确,区域和样点土壤颗粒Dv空间分布格局一致,较客观地反映了区域表层土壤颗粒大小分布变化特征。【结论】建立的方法体系能够从多角度、多尺度全面地反映土壤颗粒大小分布特征,分析结果符合实际,土壤颗粒Dv可以作为定量化分析评价和表征土壤质量及其演变过程的手段。     

基于数据挖掘技术的高光谱土壤质地分类研究

【目的】 寻找红壤地区不同土壤质地类型的Vis-NIR光谱反射规律,通过光谱对土壤质地类别进行快速、准确的预测。【方法】 以江西省奉新县北部为研究区,245个土壤样本为研究对象,在国际制土壤质地4组和12级两种分类标准下,首先分析不同土壤质地类型的光谱反射率,然后采用9种数学变换方法和5种机器学习算法相互组合的数据挖掘模型,进行土壤质地的分类研究,最后对建模准确度最高的混淆矩阵和预测结果三角坐标分布图进行分析。【结果】 （1）不同土壤质地之间的光谱反射率存在较多的交叉重叠现象,土壤质地与光谱反射率之间的规律较为复杂;（2）分数阶导数变换是整数阶导数的扩展,有助于土壤质地的分类,但原始光谱数据具有更加丰富的特征信息,更适合进行土壤质地分类建模;（3）在对非均衡数据集建模时,集成学习方法和神经网络方法都是不错的选择;（4）较难通过模型去区分土壤质地分界线附近的类别,其中在4组分类标准下最容易被预测错误成黏壤土组,在12级分类标准下最容易被预测错误成黏壤土和壤质黏土这两种土壤质地类型;（5）在4组分类标准中,进行归一化处理和MLP模型组合取得了0.68的最高预测准确度,其中黏壤土组的预测准确度能达到0.84;再细分到12级分类后,分类效果最佳的组合来自于原始数据和MLP模型,其中壤质黏土分类准确度达到了0.89。【结论】 本研究结果可为南方红壤地区通过高光谱数据进行土壤质地分类提供参考依据。     

基于机器学习方法的宁夏南部土壤质地空间分布研究

【目的】基于历史数据,利用机器学习方法分析宁夏南部土壤质地空间变异规律及其与环境因素之间的关系。【方法】基于宁夏回族自治区南部428 个20世纪80年代第二次土壤普查土壤剖面点数据,采用分类回归树（CART）和随机森林（RF）两种机器学习方法,结合地形因子、土壤类型、归一化植被指数,探究与宁夏南部地区土壤质地分布相关性较强的环境因素,并用两种机器学习预测该区土壤质地类型的空间分布,用剖面点验证集数据以及宁夏回族自治区海原县实测样点数据验证模型精度。【结果】（1）RF和CART对剖面点验证集土壤质地类型的预测正确率分别为 62.36%、55.29%,接收者操作特性（receiver operating characteristic,ROC）曲线下面积（area under roc curve,AUC）分别为0.7515、0.6933,对海原县122个实测样点的预测正确率分别为54.10%、48.36%,AUC分别为0.6599、0.5981,RF的预测精度高于CART。（2）该区土壤类型（ST）是与土壤质地空间分布相关性最强的环境因素,其次是高程（Ele）,高程越高,土壤质地越黏重。风力作用指数（WEI）和坡度（Slo）对土壤质地的影响较小。（3）研究区土壤质地类型以轻壤土为主,空间分布格局基本呈现为南部土壤质地黏重,北部土壤质地较轻。【结论】RF更适合预测宁夏南部地区土壤质地的空间分布,且充分利用历史数据,结合新的野外采样,可以达到预测制图的精度要求;土壤类型（ST）和高程（Ele）是与土壤质地空间分布相关性较强的环境因素。     

不同改良措施对沙质土壤颗粒组成及分形特征的影响

【目的】研究不同改良措施下沙质土壤质地变化,为沙化土壤改良提供科学依据。【方法】以新疆南疆典型沙化土壤为研究对象,设置5种不同改良措施(种植燕麦(A₁)、种植油菜+燕麦(A₂)、种植燕麦+油菜秸秆翻耕+生物菌肥(A₃)、种植燕麦+农家肥(A₄)、种植燕麦+农家肥+生物菌肥(A₅)),采用田间试验,分析不同改良措施对沙化土壤颗粒组成分形的影响。【结果】不同改良措施下土壤分形维数D值介于2.35～2.49,与对照相比,随着土层的加深,土壤的细颗粒物质的分形维数值呈增加趋势;土壤颗粒分形维数D值与黏粒呈极显著正相关,与细粉粒呈显著正相关,与砂粒呈显著负相关。【结论】农家肥或绿肥与生物菌肥配合施用,可有效改善沙化土壤的理化性状。     

基于GIS和GS+的耕地土壤阳离子交换量的序贯高斯模拟

【目的】研究山东省禹城市盐渍土改良区耕地土壤阳离子交换量(CEC)的空间变异特征,可以为盐渍土改良及其土壤肥力管理提供理论依据。【方法】在GIS技术支持下,利用地统计学中的Ordinary Kriging(OK法)插值和序贯高斯模拟方法(SGSV模拟和SGSA模拟)探讨了禹城市耕地土壤CEC的空间变异特征,并将SGSV、SGSA、OK法与实测数据从统计参数、空间结构特征、空间分布趋势等方面进行了对比分析。【结果】(1)SGSV具有与实测数据相同的空间自相关结构,对预测点的模拟值具有不确定性;(2)OK、SGSA改变了土壤CEC数据的空间结构,具有“平滑”效应,SGSA在消除平滑影响方面优于OK插值;(3)研究区域土壤CEC含量高的地区主要分布在研究区域中偏北部和东部,土壤CEC含量低的区域主要分布在北部、西北和南部。【结论】SGSA模拟获取了研究区域土壤CEC空间分布,该结果对研究区域土壤盐碱障碍消减、土壤培肥具有重要的意义。     

北疆典型土壤纵向弥散系数试验

【目的】 研究不同土壤质地对土壤纵向弥散系数和弥散度的影响。【方法】 根据土壤物理学及水动力弥散理论,以新疆北疆较为常见的典型砂壤土、粉壤土、壤土为例,NaCI为示踪剂,采用室内一维土柱垂直入渗试验测定纵向弥散系数。【结果】 不同土壤质地,渗流速度越小弥散系数越小,渗流流速越大,达到土壤溶质浓度峰值的时间越短,且峰值浓度越大。砂壤土渗流速为0.020 cm/min,纵向弥散度为2.88 cm;粉壤土渗流速度为0.018 1 cm/min,纵向弥散度为3.85 cm;壤土渗流速度为0.011 cm/min最小,纵向弥散度为2.44 cm。【结论】 弥散系数和弥散度取决于土壤质地类型与渗流流速。