农业用地土壤重金属样本点数据精化方法——以北京市顺义区为例

样本点空间分布是样点数据检测评价和挖掘分析的关键因素。以北京市顺义区为例，研发了一种农业用地土壤重金属样本点数据精化方法：首先构建样本点均匀变异指数和均匀因子离散图来共同检测样本点数据均匀性，进一步将样本点类型划分为均匀样本点、聚集样本点和稀疏样本点并确定其数量；其次删除聚集样本点，基于研究区历史数据加密稀疏样本点；最后基于地理空间样本点均匀变异指数、特征空间偏离指数和插值误差共同评价数据精化效果。结果表明，研究区样本点的均匀变异指数为0.429，存在一个聚集样本点和一个稀疏样本点，空间偏离指数为0.327，空间属性插值误差为6.538；冗余数据精化后进行均匀性检测没有发现聚集样本点和稀疏样本点，均匀变异指数下降到0.406，特征空间偏离指数微弱下降，空间属性插值误差下降到6.357。研究表明该方法可以对提高采样数据的均匀性和代表性提供理论指导，可以服务于土壤污染防治行动计划（土十条）、土壤污染状况详查等，为更加精确研究土壤空间信息变化提供一定的基础条件。     

长时序海量土地利用时空数据统计优化方法

针对任意查询区域年度现状地类面积统计困难、长时序变更流量分析计算耗时等问题,提出基于时空变化图模型的统计优化方法。运用图的连通性原理,对查询统计区域内和边界处的要素实体进行分类,实现了时序快照统计优化算法,解决了任意查询区域时点现状统计困难的问题,提高了时序快照统计的效率。运用多商品流原理进行时空网络图约化性判定,实现了变更流量统计优化算法,减少了要素空间叠置分析次数,解决了长时序土地利用变化变更流量统计耗时问题,提高了统计的效率。最后,以2009—2012年琼海市土地利用数据为例,进一步验证优化算法的有效性和可行性。     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质（Soil Organic Matter,SOM）空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法（Two-point Machine Learning,TPML）提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格（Ordinary Kriging,OK）方法作为对比,以平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）、预测值与真实值相关系数（r）和决定系数（R2）作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1）研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布不均匀,呈东高西低的分布趋势。2）在不同样本量条件下,与其他模型相比,TPML的预测精度均最高,其MAE（0.088～0.097 g/kg）和RMSE（0.116～0.139 g/kg）均为最小,r（0.992～0.996）和R2（0.971～0.985）均为最高。3）预测值的误差标准差（理论误差）与实际误差具有相似的空间模式,说明TPML可以为预测结果提供合理的不确定性估计。综上,TPML模型可以通过同时利用空间自相关性和属性相似性来提高预测精度,该模型适用于预测具有一定空间自相关性且具有可用辅助数据的资源环境变量。     

类别辅助变量参与下的土壤无偏采样布局优化方法

为了提高采样点在地理空间和辅助变量特征空间中的代表性,该文提出特征空间偏离指数用以测度采样点在特征空间中的无偏性,采用类别型辅助变量参与下的多维特征空间构建方法,融合地理空间和特征空间均匀分布的多目标优化目标函数,并利用空间模拟退火的方法实现采样点布局优化。以北京顺义区农田土壤重金属采样为例,选取土地利用类型、土壤质地和母质为辅助变量进行样点布局优化,并与特征空间均匀和地理空间均匀采样方法比较,结果表明:用于区域变量总体估计时,地理空间均匀采样估计精度最低,在采样尺度大于0.275时以特征空间均匀采样估计精度最好,而在采样尺度小于0.275时,无偏采样能获得更好的估计结果;在特征空间代表性方面,采样尺度较大时特征空间均匀采样样点代表性最好,采样尺度小于0.302时,无偏采样与特征空间均匀采样的代表性基本一致,地理空间采样点的代表性最差;用于空间制图时,无偏采样总体上比其他2种方法具有更好的制图精度。可见,在辅助变量支持的采样优化中,当采样尺度大且样点数较少时,适合采用特征空间均匀方法,且只能用于总体估计;采样尺度较小,样点数多时,适合采用无偏采样方法。该研究为利用辅助变量设计区域采样布局提供参考。     

基于地理探测器的土壤重金属污染影响因素分析

定量分析全国范围内Cd、Pb、Zn、As、Cu和Cr 6种土壤重金属累积量与影响因素的相关程度。通过描述性统计、地累积指数法分析了污染情况和累积量分布情况,并借助地理探测器,定量地揭示了土壤重金属含量的主要影响因素。结果表明:Cd呈现出大面积的连片污染,Pb、Zn和Cu呈现斑块状污染,As和Cr呈现零星污染。各种重金属的主要影响因素为:Cd与地理区划、海拔高度、地势三大阶梯和土壤类型相关性较强;Pb与地势三大阶梯、气候带类型和土壤类型相关性较强;Zn与海拔高度、地理区划和气候带类型相关性较强;As与气候带类型和土壤类型相关性较强;Cu与海拔高度、气候带类型和土壤类型相关性较强;Cr与土壤类型、东中西经济划分和地理区划相关性较强;全国大尺度上6种土壤重金属含量主要受自然因素主导控制,主要为多因素复合作用影响。通过定量化分析各重金属的影响因素,揭示了全国大尺度上6种土壤重金属含量整体趋势和宏观规律。     

基于差分的土壤墒情自动监测数据误差修正方法

土壤墒情自动监测设备能够快速、高效、连续地观测土壤墒情数据,但由于受安装调试水平、设备自身状态、以及田间环境变化的影响,在长期连续监测中输出数据的准确性和稳定性会逐渐降低,不利于墒情监测业务的开展。本文以北京市昌平区土壤墒情的人工和自动同步观测数据为基础,通过分析土壤墒情自动监测数据的误差特点,构建了一元一次、一元二次和一元三次差分方程对自动监测数据进行误差修正,并对修正后的误差特征进行分析。结果表明:经过差分修正后,20 cm深度的绝对误差均值减小了34%和24%,40 cm深度的绝对误差均值减小了67%和54%,自动监测数据误差显著下降;3种差分方程中线性差分方程表现最优;修正后的误差统计特性符合简单随机误差,可以通过求算数平均数的方法进一步降低误差。通过差分方法来修正自动监测数据简单易行,能有效的提高自动监测数据精度,充分能够发挥人工和自动监测的优势,提高监测体系整体性能。     

基于时空感知能力的农业信息搜索技术研究

【目的】为具备时空感知能力的农业专业信息搜索引擎的研制提供关键技术与原型系统,并最终实现更高的查全率、查询效率和用户体验。【方法】以"农搜"为研究对象,通过对搜索引擎系统结构、关键技术和数据结构的研究与分析,并借鉴现有的中分分词和搜索技术、地名搜索技术和地名词典等关键技术,向"农搜"加入独立于农业主题搜索的位置索引和位置查询的方法以实现对位置(区域)的检索。【结果】应用此项技术形成了具备时空感知能力的农业信息搜索原型系统,经测试该原型系统能使位置搜索的查准率达到80%以上。【结论】基于时空感知能力的农业信息搜索技术的应用和推广必将能够提高农业信息系统的使用效率,进而取得较好的用户使用效果。     

中国粮食生产的区域格局变化研究——基于1998-2010年的数据实证分析

采用重心迁移模型、基尼系数等模型,从区域、省域和县域不同尺度定量分析1998年以来中国粮食生产的时空演进特征。结果表明(1)1998~2010年间,粮食总产量增加了0.34亿t,粮食总产量较低的区域处于控制地位且主要分布在胡焕庸线以西地区;粮食总产量较高的区域集中在东北平原、黄淮海平原、成都平原、江汉平原等;粮食总产量的两极分化趋势加剧并向主产县域集中,人均粮食占有量区域差异增大,人均粮食占有量接近的单元在空间上积聚。(2)1998~2009年间,省域和县域的粮食生产向北方集中,人口却向南方积聚,粮食区域供需矛盾加剧。(3)基于1998年县域粮食总产量、1998年人均粮食占有量和1998~2009年间人均粮食净变化量将研究区划为6类,输入需求强、人均粮食占有量递减型的县域个数最多。明确不同区域粮食增产的努力方向,创新国家公共资源投入与区域粮食生产级别相挂钩的配置政策,是保障国家粮食安全的重要途径。     

基于APCS-MLR受体模型的农田土壤重金属源解析

定性、定量分析湘潭县农田土壤重金属的污染来源及源贡献率。以湘潭县农田土壤为研究对象,结合地统计学分析,利用数理统计方法[相关性分析、因子分析和绝对因子分析/多元线性回归(APCS-MLR)受体模型],解析了研究区域内镉(Cd)、汞(Hg)、砷(As)、铅(Pb)、铬(Cr)、铜(Cu)、锌(Zn)和镍(Ni)8种重金属元素的来源及源贡献率。结果表明:研究区域内8种重金属元素中仅有Cd含量平均值超出了农用地土壤污染风险筛选值(0.3 mg·kg~(-1),pH≤5.5),且Cd的空间变异性较强,其次是Hg,两者均受人为活动影响较大。综合数理统计分析和地统计学分析,将土壤中8种重金属元素的主要来源归结为3个:工业源主要分布于湘潭县工矿企业密集的东北部,其对Cd、Pb、Zn、Hg具有较大贡献率,分别为65.36%、49.21%、43.43%和22.12%;农业源对As、Hg、Pb具有较大贡献率,分别为59.20%、24.97%和17.82%;自然源对Ni、Cu、Cr具有较大贡献率,分别为86.73%、87.87%和89.67%。研究区域内土壤重金属含量主要受工业活动和自然成土母质影响较大,应重点加强Cd的来源控制,并加强管理和修复治理进度,降低其风险水平。受体模型和地统计学的结合使用能有效地定性、定量解析农田土壤重金属的来源与源贡献率。     

基于时空不确定性分析的北京市农田土壤重金属镉含量等级划分

为了从时空角度探讨耕地土壤环境质量的类别划分并为差别化利用和管理土地提供可参考信息,针对多年期采样数据,采用基于时空指示克里金的方法对北京市2013年农田土壤重金属镉含量进行等级划分。其中通过自适应方法确定了等级划分最适宜的概率阈值,并基于等级错划指数估计了等级划分的不确定性。结果表明:相较于基于时空普通克里金的方法,基于时空指示克里金方法划分的等级具有更高的准确率。2013年北京市镉含量等级为超过背景值的农田区域主要分布在昌平大部分地区、平谷中部地区、大兴南部地区、房山南部等靠近城镇中心的地带,等级为低于背景值的农田区域则主要分布在延庆西部地区、怀柔北部等远离城镇中心的地带。镉含量等级的错划指数分布反映了北京市农田土壤重金属镉含量等级划分的不确定性程度。等级划分的不确定性在一定程度上受点位分布及概率阈值的影响。基于时空指示克里金的等级划分方法可为开展耕地土壤环境质量类别划分工作提供辅助支撑。