不同母质类型下耕地土壤速效锌与速效钼的空间变异及其影响因子

[目的]研究不同母质类型下耕地土壤速效锌与速效钼的空间变异及其影响因子。[方法]以河南驻马店市泌阳县为研究区域,测定406个耕地土壤耕层样品的土壤速效锌、速效钼含量,分析不同成土母质来源下泌阳县耕地样点速效锌、速效钼含量,利用灰色关联分析研究不同母质下土壤速效锌、速效钼与全氮、速效磷、速效钾、有机质、高程、采样点5 km范围内面积超过200 m2的采矿用地数量的灰色关联度。此外,采用地统计学方法对速效锌、速效钼含量的空间变异规律进行研究。[结果]速效锌和速效钼均属中等变异,锌的变异性大于钼,不同母质类型下速效钼和速效锌的含量存在显著差异。不管何种母质的土壤样点中,高程与锌、钼的关联度水平均较高,高程为影响锌、钼变异的重要原因。半方差函数分析表明,锌的最适模型为指数模型,钼为线性模型,都存在一定的空间自相关性。[结论]锌含量高值区在四周都有分布,中部含量较低,在锌缺乏的区域要注意施加锌肥。钼的高值区主要集中在中上部区域,速效钼含量整体水平相对较高。     

基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例

耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。     

基于Fisher判别分析算法的县域耕地地力等级预测——以河南省辉县市为例

[目的]借用机器学习算法——判别分析算法来简化耕地地力评价工作,探索区域尺度上机器学习方法在地力评价应用的新途径。[方法]基于辉县市测土配方施肥财政补贴项目耕地地力评价工作获取的基础数据,依据我国农业部标准《耕地地力调查与质量评价技术规程》(NY/T 1634—2008)和该市耕地地力评价实践经验,选取研究区表层土壤质地、土壤剖面特征、地表砾石度、速效钾、有效磷、有机质含量、灌溉保证率、排涝能力、地貌类型、坡度等10个土壤和立地条件因素作为耕地地力水平的判别变量,构建Fisher典则判别函数模型,对5 922个评价单元的耕地地力状况进行判断分析和归类分级。[结果]经对判别结果进行统计验证和回代验证,显示预测判别正确率高达91.4%。[结论]在耕地地力评价与分级标准确定的前提下,判别分析算法在区域尺度上对分析耕地地力状况、预测耕地地力等级方面具有独特优势。     

基于模糊k-均值算法模型的土壤数值化分类——以河南省境内分布的雏形土为例

本研究基于《中国土系志·河南卷》中的97个雏形土土壤样本点,根据土壤系统分类标准遴选并确定用于划分雏形土纲中不同层级分类单元的16个土壤诊断层和诊断特性,并依据这些不同指标的属性特征值和不同层级指标的权重建立属性数据集。基于此数据集运用模糊k-均值算法模型,确定6个聚类中心土壤,计算样本土壤与中心土壤之间的分类距离,并对研究区97个土壤样本实施数值化分类。研究表明,基于97个样本点与各中心土壤之间的分类距离进行土壤数值化分类,并通过检验数值化土壤分类结果与谱系式层级土壤分类单元的一致性,可以评价传统的谱系式层级土壤分类系统的合理性。