排序方式: 共有26条查询结果,搜索用时 16 毫秒
11.
12.
13.
基于RUSLE模型的安徽省土壤侵蚀及其养分流失评估 总被引:10,自引:0,他引:10
基于修正的通用土壤流失方程(RUSLE)和GIS空间分析技术,定量分析了安徽省土壤侵蚀及其养分流失的空间分布特征,探讨了土壤侵蚀强度与海拔、坡度等地形因子的关系。结果表明:2010年安徽省土壤侵蚀总量为3 454×104 t a-1,土壤侵蚀模数平均值为256.9 t km-2 a-1。全省以微度土壤侵蚀为主,侵蚀强度由北向南逐渐加剧。淮北与沿淮平原、江淮丘陵岗地以微度土壤侵蚀为主,皖南丘陵山区和皖西大别山区以强度侵蚀为主。海拔200~500 m和坡度15°~25°的区域土壤侵蚀量最大。不同土壤侵蚀强度在各高程、坡度带的面积分布比例规律相似,随着海拔和坡度的增加,土壤侵蚀强度逐渐加剧。微度侵蚀的面积比例逐渐减小,其他侵蚀强度的面积比例逐渐增加。全省因土壤侵蚀引起的土壤有机碳(SOC)、全氮(TN)、全磷(TP)和全钾(TK)等养分流失总量为106.6×104 t a-1,其中SOC、TN、TP和TK的平均流失量分别为3.57、0.37、0.10和3.90 t km-2 a-1。土壤养分流失量总体上由北向南逐渐增多,淮北与沿淮平原四种养分平均流失量和流失总量最小,皖南丘陵山区平均流失量和流失总量最大。 相似文献
14.
淮北平原农田土壤养分空间变异特征——以安徽省蒙城县为例 总被引:5,自引:0,他引:5
以安徽省淮北平原的蒙城县为例,利用测土配方施肥获取796个农田表层样点数据(0~20 cm),运用地统计学方法研究了土壤有机质(SOM)、全氮(TN)、速效磷(AP)和速效钾(AK)含量的空间变异特征及其影响因素。结果表明,蒙城县SOM含量为17.14±2.70 g kg~(-1),TN含量为0.85±0.14 g kg~(-1),AP含量为16.63±9.66 mg kg~(-1),AK含量为129.63±35.24 mg kg~(-1),属中等水平。变异系数介于15.75%~58.09%,属中等变异强度。地统计分析表明,蒙城县土壤养分的变异函数符合指数模型,具有中等强度的空间自相关性。SOM和TN的空间自相关性稍强,AP和AK的空间自相关性稍弱。土壤养分在空间上呈块状分布,SOM、TN和AK的空间分布总体上北高南低、在东南—西北方向上变异较强,在西南—东北方向上变异较弱。AP含量总体上由北到南,先降低再升高。 相似文献
15.
基于高光谱特征指数的土壤有机质含量建模 总被引:4,自引:0,他引:4
以江苏中部的水稻土和潮土为研究对象,采集178个表层土壤(0~20 cm)样品,并测定了土壤有机质含量(Soil Organic Matter,SOM)。运用ASD FieldSpec 3光谱仪测量了土壤的高光谱曲线,首先对原始光谱进行倒数对数和去包络线变换,分析了不同SOM含量梯度和土壤类型的高光谱特征。其次,基于原始光谱、倒数对数变换和去包络线变换等三种光谱数据,分别计算弓曲差、差值指数、比值指数和归一化指数等光谱特征指数,并分析其与SOM含量的相关性。最后,筛选光谱特征指数建立SOM的回归预测模型,并比较模型精度。结果表明:(1)SOM含量与原始光谱呈极显著负相关,与倒数对数光谱呈极显著正相关,且在400~900 nm波段相关性最强,相关系数绝对值在0.6以上。去除包络线处理后,土壤光谱曲线特征差异明显,在420 nm、480 nm、660 nm和900 nm附近出现了明显吸收谷。(2)原始光谱、倒数对数变换和去包络线变换光谱在600 nm处的弓曲差与SOM含量极显著相关(P<0.01),相关系数分别为–0.66,0.61和–0.33。(3)利用3种光谱数据的差值指数、比值指数和归一化指数分别结合弓曲差,建立的SOM预测模型效果较好,建模的R2和RMSE分别介于0.56~0.64和4.98~5.50 g·kg–1,验证的R2和RMSE介于0.67~0.73和3.21~3.51 g·kg-1。为快速有效测定苏中平原SOM含量提供技术支持。 相似文献
16.
基于地理加权回归的地形平缓区土壤有机质空间建模 总被引:4,自引:1,他引:3
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。 相似文献
17.
基于随机森林模型的安徽省土壤属性空间分布预测 总被引:10,自引:3,他引:7
为探讨随机森林(random forest,RF)模型对土壤属性空间预测的精度,本文以安徽省为例,收集140个土壤样本,利用GIS和RS技术,获取相关的地形因子、遥感植被指数及气候数据,利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系,并进行空间分布预测。研究结果表明:①RF建模预测中,当节点分裂次数(mtry)值为1,决策树数量(ntree)值分别为100、1 000和100时,获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测,多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的处理具有一定优势。研究表明,在大尺度研究区域内,利用RF模型进行土壤属性空间预测有一定的意义。 相似文献
18.
19.
基于GIS的江淮丘陵地区典型县域土壤质量评价 总被引:1,自引:1,他引:0
以安徽省江淮丘陵地区的定远县为例,自1401个土壤样本点获取土壤有机质、全氮、速效磷、速效钾、土壤侵蚀程度、耕层厚度共六项指标,利用GIS空间插值方法,使用隶属度函数,构建土壤质量综合评价模型,对该县土壤质量进行评价。研究结果表明:(1)研究区平均土壤质量指数为0.56,采用等间距法将土壤质量划分为5级,其中三等地占总面积的59.54%,二等地占31.4%,一等地和四等地分别为1.53%、7.52%,研究区内没有五等地;(2)土壤质量在空间分布上呈现出东南方向至西北方向下降的趋势,平原地区的土壤养分含量高于丘陵岗地、质量相对较好;(3)不同土地利用类型土壤中水田土壤质量略高于旱地、草地和林地。土壤质量的评价结果对于研究区改善土壤质量、合理配置农业土地资源有一定参考价值。 相似文献
20.
江淮丘陵地区土壤养分空间变异特征——以安徽省定远县为例 总被引:6,自引:1,他引:6
以安徽省江淮丘陵地区的定远县为例,利用测土配方施肥获取的1 401个农田表层样点数据,运用地统计学方法和GIS技术研究了土壤有机质(SOM)、全氮(TN)、速效磷(AP)和速效钾(AK)含量的空间变异特征及其影响因素。结果表明,定远县SOM含量为17.74 g/kg,TN含量为1.04 g/kg,AP含量为13.45 mg/kg,AK含量为115.00 mg/kg,属中等水平。变异系数介于28.85%~73.38%,属中等变异强度。地统计分析表明,定远县土壤养分的变异函数符合指数模型,具有中等强度的空间自相关性,SOM和TN的空间自相关性稍强。土壤养分在空间上呈块状分布,SOM、TN和AK的空间分布总体上东南高、西北低;AP总体上西高东低。土壤养分空间变异主要受地形和土壤类型影响。 相似文献