不同载畜率下短花针茅草原土壤水分空间异质性的分析

以短花针茅(Stipa breviflora)草原为研究对象,采用经典统计学和地统计学的方法对不同载畜率样地(不放牧、轻度放牧、中度放牧和重度放牧)的土壤水分进行描述性统计、半变异函数及空间插值分析,旨在研究载畜率对荒漠草原土壤水分空间异质性的影响。结果表明,01)各处理的土壤含水量均随载畜率的增大而逐渐升高,各处理的变异系数(CV)在7.29%~9.79%,均呈弱变异性。2)半变异函数分析显示各处理的土壤水分含量均呈指数模型,不放牧的结构比为74.4%,属于中等程度变异。轻度、中度、重度放牧处理的结构比分别为94.4%、91.2%和96.0%,具有强烈的空间自相关性;3)利用克里格插值法对各样地的未知采样点进行插值分析,发现重度放牧处理土壤水分的空间变异程度最大,不放牧处理土壤水分的空间变异程度最低。所以,载畜率对土壤水分的空间分布有明显的影响。     

Site-Specific Nitrogen Management in Rice Using Remote Sensing and Geostatistics

Proper doses of nitrogenous fertilizer are most important for rice production system because a large part of the nitrogen may be lost if it is not applied judiciously. A study was conducted covering five blocks of Balasore and two blocks of Bhadrak districts. Soil samples were collected randomly, and field visit was conducted during peak vegetative stage of rice. Two approaches have been used in this study for estimating the site-specific nitrogen (N) requirement in the study area. In one approach, geostatisical analysis and kriging was used to develop the soil test–based N recommendation map by which a minimum of 72 kg N ha^?1 and maximum of 94 kg N ha^?1 were recommended. In a second approach, remote sensing was used and N recommendation map was developed using the moderate-resolution imaging spectroradiometer (MODIS) leaf area index (LAI) and normalized difference vegetation index (NDVI) satellite data, and a minimum requirement of 60 kg N ha^?1 and maximum of 120 kg N ha^?1 was estimated through this approach.     

典型浓度路径(RCP)情景下长江中下游地区气温变化预估

为探明典型浓度路径下(高端路径RCP8.5和稳定路径RCP4.5)长江中下游地区未来30a平均气温的时空变化趋势和分布特征,运用联合国政府间气候变化委员会(IPCC)AR5提出的模拟能力较强的BCC-CSM1-1(Beijing Climate Center Climate System Model version1-1)气候系统模式,基于典型浓度情景RCP(Representative Concentration Pathway)输出的2021-2050年0.5×0.5格点主要气象要素的逐日模式模拟数据资料,应用双线性内插法降尺度到长江中下游及邻近区域62个基本气象站点。以1961-1990为基准年,根据同期等长模拟数据和观测数据的非线性函数关系建立订正模型,并利用方差订正法对2021-2050年模拟数据进行误差订正。结果表明:RCP情景输出数据的模拟效果良好,方差订正可降低模拟值与观测值的相对误差和方差,更加真实反应未来气候变化趋势。RCP8.5和RCP4.5两种排放情景下,长江中下游地区2021-2050年年平均气温均呈显著上升趋势,增温幅度总体表现为自南向北逐渐减少。就季节而言,四季均呈现升温趋势,夏季增温幅度最高,变化倾向率大,春冬两季RCP8.5情景下增温幅度大于RCP4.5下,夏秋季则相反;RCP8.5情景下,研究区域年平均气温呈现自中部向东西递减,春夏季增温幅度高于秋季,冬季增温幅度最小,且变化倾向率低,大部分地区未通过0.05水平的显著性检验。RCP4.5情景下,研究区年平均气温自北向南逐渐降低,变化倾向率则表现为北部大于南部,夏季变化速率较大,增温幅度达1.2℃·10a~(-1)(P0.01),冬季较小且未通过显著性检验。     

四川省土壤温度状况空间分布特征

土壤温度状况(STR)在现代土壤系统分类中是确定土壤分类单元的重要诊断特性。利用四川省160个气象站点的多年年均和月均地面气候资料与数字高程模型数据,分析不同气象因子与地形因素对土壤温度(土温)的影响,然后以显著影响的因子为辅助变量,采用回归克里格法预测四川省STR的空间分布,依据中国土壤系统分类高级与基层分类划分标准中有关STR的定量诊断指标,对四川省STR及其空间分布特征进行分析。结果表明,气温、经度、纬度与海拔对土温有显著影响,在高级分类划分标准下,四川省STR以热性、温性、寒性为主,部分区域为永冻、冷性、高热;在基层分类划分标准下,四川省STR以热性、温性、冷性为主,部分地区为高寒性、近寒性、亚寒性、高热性。四川省STR分析为四川土壤系统分类与土壤资源的合理利用提供了科学依据。     

基于不同地表曲面模型预测土壤有机碳含量

Local terrain attributes,which are derived directly from the digital elevation model,have been widely applied in digital soil mapping.This study aimed to evaluate the mapping accuracy of soil organic carbon (SOC) concentration in 2 zones of the Heihe River in China,by combining prediction methods with local terrain attributes derived from different polynomial models.The prediction accuracy was used as a benchmark for those who may be more concerned with how accurately the variability of soil properties is modeled in practice,rather than how morphometric variables and their geomorphologic interpretations are understood and calculated.In this study,2 neighborhood types (square and circular) and 6 representative algorithms (Evans-Young,Horn,Zevenbergen-Thorne,Shary,Shi,and Florinsky algorithms) were applied.In general,35 combinations of first-and second-order derivatives were produced as candidate predictors for soil mapping using two mapping methods (i.e.,kriging with an external drift and geographically weighted regression).The results showed that appropriate local terrain attribute algorithms could better capture the spatial variation of SOC concentration in a region where soil properties are strongly influenced by the topography.Among the different combinations of first-and second-order derivatives used,there was a best combination with a more accurate estimate.For different prediction methods,the relative improvement in the two zones varied between 0.30％ and 9.68％.The SOC maps resulting from the higher-order algorithms (Zevenbergen-Thorne and Florinsky) yielded less interpolation errors.Therefore,it was concluded that the performance of predictive methods,which incorporated auxiliary variables,could be improved by attempting different terrain analysis algorithms.     

老哈河流域降水的空间插值方法比较

降水的空间插值将有限的雨量站点观测数据插值为规则分布的空间数据集,对于解决水文关键问题具有重要的实际应用价值。但在众多的降水插值方法中,没有一种普适的最优方法。以中国西辽河上游老哈河流域为例,利用研究区1994-2005年52个气象站点的逐日降水资料,利用反距离加权、普通克里格、考虑高程的协同克里格对流域降水进行了空间插值,进而分析了流域降水的空间变异规律。结果表明:老哈河流域考虑高程的协同克里格插值取得了较好的精度;老哈河流域降水存在较大的空间变异性,有由南往北的递减趋势,降水量主要集中在流域的西南部。     

张家口地区水热因子的空间插值及其变化趋势分析

在DEM和已有降水模拟数据的基础上,充分利用GIS空间插值技术和气象统计数据,完成了对张家口地区多年年均温和降水量的空间模拟。研究表明,张家口地区年均气温受地形影响很大,中西部和东南部山区属低温区,洋河河川区年均气温7℃以上,属于高温区,其余丘陵、低山区年均气温一般在4～6℃;区内气温年较差偏大,进一步表明张家口地区大陆性气候特征显著;1992～2001年的年均温模拟结果高值区较1949～2001年明显增加,是全球气候变暖的又一例证。张家口地区年均降水量有从东南向西北减少的趋势,降水分布不均匀;局部地区由于受地形变化的影响,年降水量的空间分布有一定的起伏变化,形成几个高值区,崇礼县降水相对较高,而康保、张北等坝上地区降水相对较少。实践证明,GIS空间插值技术是将统计数据栅格化的理想手段和工具,该研究对张家口地区的农业生产有一定的实际指导意义。     

复杂地形下风场插值与林火蔓延模拟应用研究

山区地形复杂多变,风场随地形而变化,作为影响林火蔓延的主要因素,风场数据的准确程度将直接影响山地林火蔓延预测的结果。选择同时考虑地形起伏变化和距离作为主要因子的风场插值方法,设计并开发实现风场插值功能,并与基于空间距离的传统反距离权重(IDW)插值方法进行了比较研究。通过实验验证表明,所实现的基于地形起伏的风场插值方法对山区风场的模拟更接近实际;利用该方法的插值结果输入林火蔓延模拟,模拟的火场形状与实际范围具有更高的相似度。     

几种地下水位空间插值方法在干旱内陆区的应用比较

以西北干旱内陆区石羊河流域中游武威盆地为例,分析比较地统计学方法常用的8种空间插值方法在地下水位插值中的应用效果。结果表明:反距离加权法(IDW)插值误差较大,容易出现牛眼现象;多项式插值(GPI和LPI)要求资料的全局或局部趋势性很强,导致在对离群值插值时,误差偏大;径向基函数插值(Rspline和Tspline)对数据的要求较高,需要数据变化范围小,否则其插值结果差异很大;普通克里格插值(OK)效果较好,尤其对离群值的处理表现出较明显的优势。其中OK、泛克里格插值(UK)插值较简单克里格插值(SK)插值误差较小,且插值结果较光滑,符合实际地下水位变化趋势。     

内蒙古地区草地表层土壤容重空间格局分析

本文以内蒙古地区草地表层土壤容重调查测定数据为基础,结合遥感和气候多重数据,进行草地土壤容重与海拔、年均气温、年均降雨、≥10℃积温、湿润度和NDVI等6个生态要素之间的回归分析。根据回归拟合方程,借助ArcGIS平台进行单因素插值,并通过插值预测结果与实测数据的拟合程度进行各因素对土壤容重影响的权重分析,加权叠加并综合插值出内蒙古草地土壤容重1 km×1 km栅格的空间分布图。结果表明：内蒙古地区草地土壤容重平均值为1.45 g·cm^-3,其中温性荒漠类草地的土壤容重最大,为1.58 g·cm^-3,温性草甸草原类土壤容重最小,为1.27 g·cm^-3;空间格局上,草地表层土壤容重自东向西方向呈现由低到高逐渐递增的趋势。综合插值得到的内蒙古草地表层土壤容重空间格局图,通过预测值与实测值之间的复相关性检验,其复相关系数R²=0.6739,均方根误差（RMSE）为0.1424 g·cm^-3,总体偏差为9.77%,平均预测精度达90.23%。综合空间插值结果较好地反映了内蒙古地区土壤容重空间分布情况,与土壤类型和草地类型的分布基本吻合。