基于REML的普通克里格和回归克里格在土壤属性空间预测中的比较

比较普通克里格与回归克里格预测精度的研究还存在着不同观点和结论,且现有的对比研究多使用矩量法(Mo M)计算变异函数。有限最大似然(REML)方法相比Mo M方法具有明显的优点,因而有必要使用REML方法来比较普通克里格与回归克里格的预测精度,为土壤属性空间预测提供方法优选的参考依据。本文在广西南宁高峰林场采集土壤样品,测定有机碳、pH和粘粒含量,再基于REML建立普通克里格和回归克里格模型,同时比较普通克里格、回归克里格以及多元线性回归的预测精度,并分析影响预测精度的因素。结果表明:空间相关性较弱且线性回归模型的决定系数较大时(约大于20%),回归克里格优于普通克里格;相反地,空间相关性较强或较弱且线性回归模型的决定系数较小时(约小于10%),普通克里格预测精度优于回归克里格。同时,线性回归模型的决定系数还影响普通克里格与回归克里格的精度提高的幅度。此外,回归克里格的精度一般不低于多元线性回归,且线性回归模型的决定系数越小,则回归克里格越优于多元线性回归。因此,本研究认为,线性回归模型的决定系数和土壤属性的空间相关性是影响普通克里格与回归克里格精度差异的主要因素。