基于环境变量的中国土壤有机碳空间分布特征

研究中国土壤有机碳(Soil Organic Carbon,SOC)的空间分布特征对SOC储量估算以及农业生产管理具有重要意义。以全国第二次土壤普查2473个土壤典型剖面的表层(A层)SOC含量为研究对象,探寻地形、气候和植被等环境因素对SOC空间异质性分布的影响;以普通克里格法为对照,利用地理加权回归、地理加权回归克里格、多元线性回归和回归克里格模型建立SOC空间预测模型;并分别绘制了中国SOC的空间分布预测图。结果表明:(1)SOC含量与年均降水量、年均温、归一化植被指数、高程以及地形粗糙指数呈极显著相关关系;(2)平均绝对估计误差、均方根误差、平均相对误差和皮尔逊相关系数等模型验证指标表明地理加权回归的预测精度优于其他模型,可以更好地绘制SOC在大尺度上的空间分布特征;(3)较高SOC含量主要分布在研究区东北部、西南部以及东南部,而西北部SOC含量普遍偏低。本文以期从大尺度上探讨土壤属性与环境变量之间的相关关系,为全国土壤属性的空间制图提供一定的解决方案和思路。     

基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。     

地理加权回归及其在土壤和环境科学上的应用前景

地理加权回归(GWR)是近些年来出现的一种新的空间局部回归技术。它是将数据的空间位置嵌入线性回归模型中,以此来探测空间关系的非平稳性。在运用于空间数据分析方面,相对于传统的普通最小二乘回归法,具有明显的优势。本文首先介绍了GWR的理论起源并描述了该方法的基本原理、存在的不足以及后来的扩展;然后为了更准确地了解GWR的应用状况和研究进展,进行了一个文献调查;接着回顾了GWR在土壤和环境科学上的初步应用情况;最后对该方法在土壤和环境科学上的应用前景作了展望。目的是为我国土壤和环境科学领域的同行了解和应用GWR提供参考。经过国内外研究者多年的研究和实践,GWR方法已被证明是一个理论上较为成熟,能够应用到实际研究中的优秀空间统计学方法。因此,GWR在土壤和环境科学上将会有着广泛的应用前景。     

气候与社会经济因素对土壤有机质影响的空间异质性分析--以黑龙江省中部地区为例

为探讨土壤性质对外部因素的响应机制及空间规律,本文以黑龙江省中部为例,利用地统计学理论、GIS空间分析与地理加权回归模型(geographically weighted regression,GWR),从空间分异角度分析了气候和社会经济因素对土壤有机质的影响程度。结果表明,有机质含量分布在研究区域西部呈现出东高西低的特征,在研究区域东部则表现为中部高南北低;气候变量(均在0.01水平上显著)中,降水和年均温对有机质含量以负影响为主;年日照时数对除嫩江平原西南部和松江平原南部外的多数区域有机质含量产生正影响。社会经济因素(均在0.01水平上显著)中机械化耕作水平对嫩江平原北部、西部和克拜丘陵部分区域有机质含量产生正影响;灌溉面积对有机质含量的正影响范围较广;施肥量对嫩江平原南部、松江平原西北部和三江低平原东北部等有机质含量主要产生负影响,其他区域则主要为正效应;地膜用量对有机质含量的正影响范围较广;农药用量对研究区域西部以正影响为主,对东部以负影响为主。因此,反映自然条件差异的气候因素与反映农业投入的社会经济因素对土壤有机质的影响均具有空间异质性,采用允许局部估计的GWR模型是适合的。     

林木生长关系的GWR模型

基于地理加权回归模型,给出了误差方差不相等时广义地理加权回归的估计与方差,以及对地理加权回归模型均方误差范围的推导,并以此建立林木生长模型,用此模型与一般线性回归模型对林业数据进行对比分析。     

黄河上游地区土壤保持服务时空变化及归因

黄河上游地区,横跨干旱、半干旱、半湿润、湿润/半湿润气候区,其土壤保持服务是黄河流域防止水土流失和推动高质量发展的重要保障。基于修正通用土壤流失方程（RUSLE）、地理加权回归（GWR）模型、趋势线法和本文定义的因子影响度等指标方法,使用遥感、降水等数据,识别了黄河上游地区2001—2015年间土壤保持服务变化分区,分析了其时空变化特征,探寻了主导影响因子并量化了影响度。结果表明：（1）土壤保持服务下降区主要位于研究区东北部的半干旱、干旱气候区,集中分布在积石峡至河口村的黄河沿岸,上升区主要位于研究区西部、南部的半干旱、半湿润、湿润/半湿润气候区,集中分布在山地和高原。（2）降水是影响下降区土壤保持服务的主导因子,植被覆盖和降水分别是明显和略微上升区的主导因子。（3）面对未来降水的不确定性,提高植被覆盖度是提升土壤保持服务的根本策略,并进一步提出了基于主导因子影响强度的水土保持措施建议。研究成果可为应对未来气候变化,制定分区分类策略措施提升土壤保持服务提供科学依据。     

GeoAI to implement an individual tree inventory: Framework and application of heat mitigation

Individual Tree Inventory (ITI) is critical for urban planning, including urban heat mitigation. However, an ITI is usually incomplete and costly due to data collection challenges in the dynamic urban landscape. This research developed a methodical GeoAI framework to build a comprehensive ITI and quantify tree species cooling on rising urban heat.The object detection Faster R-CNN model with Inception ResNet V2 was implemented to detect individual trees canopy and seven tree species (Callery pear, Chinese elm, English elm, Mugga ironbark, Plane tree, Spotted gum and White cedar). The land surface temperature (LST) was derived from Landsat 8 surface reflectance imagery. Two models for ITI were further developed for spatial and statistical analysis. Firstly, an ‘Individual tree-based model’ stores the attributes of tree species and its vertical configuration obtained from LiDAR, along with its tree canopy area and surface temperature. Secondly, the ‘LST zone-based model’ stores tree canopy cover and building areas in each zone unit. Pearson correlation, global linear regression, and geographically weighted regression (GWR) were applied to establish the relationship between tree attributes, building areas (explanatory variables) with local temperature (dependent variable). Results showed that English elm has the highest cooling and least by Mugga ironbark in the study area. GWR results demonstrate that 94% of the LST was explained by tree height and tree canopy area. The LST zone-based model showed that 85% of the LST was explained by the percentage of tree species and buildings. Maps of the local R² and coefficients of the independent variables provide spatially explicit information on the cooling of different tree species compared to building areas. The implemented GeoAI approach provides important insights to urban planners and government to monitor urban trees with the enhanced Individual Tree Inventory and strategies mitigation plan to reduce the impact of climate change and global warming.     

环境因子对东南太平洋智利竹䇲鱼渔场时空分布异质性影响

基于2012—2018 年4—8 月我国东南太平洋智利竹?鱼 (Trachurus murphyi) 渔捞日志数据,应用地理权重回归模型 (GWR) 探究智利竹?鱼渔场资源分布与环境因子的空间异质性关系.结果表明,环境因子海面温度基于GWR 模型回归的拟合优度为0.54,校正的拟合优度为0.34,赤池信息准则 (Aka...     

应用地理加权逻辑斯蒂回归模型分析浙江区域野火的相关因子

野火是森林生态系统重要干扰因子,维持生物多样性和生态系统结构关键因子,也是对森林资源、大气环境和人类生命财产安全造成威胁主要因子。以2001—2018年浙江区域MODIS野火数据为研究基础,运用地理加权逻辑斯蒂回归方法,结合气象、植被和地形等自然因素,分析浙江野火时间变化特征及相关因子。结果表明:浙江区域野火时间变化不均匀,导致防火期提前,当年10月至次年4月野火发生占全年总火点的95.28%,其它月份仅占4.72%。防火期对野火的发生影响显著的因子主要有日最高地表气温、日平均风速、日降水量、日平均气压、日最低温度、日最小相对湿度、年平均降水量、海拔、坡度和植被覆盖度;非防火期对野火发生影响显著的因子主要有日最高地表气温、日降水量、日照时间、年平均降水量、年平均气温、海拔、坡向指数和前一年植被覆盖度。防火期和非防火期的高火险区域主要集中在温州中部和东部、温州与丽水市交汇区域、绍兴市与宁波市交汇区域,说明不同时期、不同区域可以采取不同的野火管理政策。     

平原丘陵过渡区土壤有机质空间变异及其影响因素

研究土壤有机质(SOM)在平原丘陵过渡区域的空间变异规律及其影响因素对指导农业生产实践具有重要意义。选取平原丘陵过渡区域(江汉平原与鄂西山区)作为研究区,采集500个土壤表层(0~20 cm)样本,利用相关分析和逐步回归分析从14个影响因素中选取与土壤有机质密切相关的7个变量作为解释变量:高程、坡度、坡向、有效铁、容重、砾石度、黏粒含量。利用普通克里格(OK),回归克里格(RK)和地理加权回归克里格(GWRK)方法对研究区土壤有机质含量进行预测,并用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(r)和不精确度(IP)作为验证指标来检验模型的预测精度。结果表明,GWRK插值结果最优,局部空间回归模型可以更好地表明过渡区域SOM的空间变异规律。且GWR模型的系数空间分布图可以反映环境变量在不同地理位置对SOM的空间非平稳性的影响程度,为探讨SOM在不同地形条件下的主导影响因子提供了依据,同时也为精确模拟过渡地带土壤有机质空间制图提供了重要的参考方法。