| 土壤质地空间预测方法比较 |
| |
| 引用本文： | 张世文,王胜涛,刘 娜,李囡囡,黄元仿,叶回春.土壤质地空间预测方法比较[J].农业工程学报,2011,27(1):332-339. |
| |
| 作者姓名： | 张世文 王胜涛 刘 娜 李囡囡 黄元仿 叶回春 |
| |
| 作者单位： | 1. 教育部植物—土壤相互作用重点实验室，农业部土壤和水重点实验室，中国农业大学资源与环境学院，北京 100094；;2. 北京市土肥工作站，北京 100029;1. 教育部植物—土壤相互作用重点实验室，农业部土壤和水重点实验室，中国农业大学资源与环境学院，北京 100094；;3．中国农业大学烟台研究院，烟台 264670;1. 教育部植物—土壤相互作用重点实验室，农业部土壤和水重点实验室，中国农业大学资源与环境学院，北京 100094；;1. 教育部植物—土壤相互作用重点实验室，农业部土壤和水重点实验室，中国农业大学资源与环境学院，北京 100094； |
| |
| 基金项目： | 国家高技术研究发展计划(863计划)项目(2008AA10Z216)；国家科技支撑计划重项目（2008BADA4B03-11）；教育部新世纪优秀人才支持计划(NCET 6-0107)。 |
| |
| 摘 要： | 土壤质地作为成分数据（compositional data）的一种，其空间插值需满足非负、定和、误差最小和无偏估计4个条件。采用成分克里格法（compositional Kriging）和基于对数比转换的普通克里格法对土壤质地各颗粒组成进行空间预测，均方根误差（root mean squared errors，RMSE）和标准化克里格方差（mean squared deviation ratio，MSDR）分别被用来衡量不同方法的预测精度及模型拟合效果。研究结果表明：对数比转换的普通克里格法和成分克里格法能够保证插值结果满足成分数据插值的4个条件；成分克里格法预测的各土壤颗粒组成的RMSE最小，预测精度最高，其黏粒RMSE值相对于非对称对数比转换的普通克里格法提高将近17%；成分克里格法的变异函数拟合效果总体上好于其他两种预测方法，预测结果极差更宽，更能反映土壤质地各颗粒组成与高程、母质和水域分布的关系。
|
| 关 键 词： | 土壤，质地，空间变异测量，对数比转换，成分数据，成分克里格 |
| 收稿时间： | 6/5/2010 12:00:00 AM |
| 修稿时间： | 2010/10/11 0:00:00 |
Comparison of spatial prediction method for soil texture |
| |
| Zhang Shiwen,Wang Shengtao,Liu N,Li Nannan,Huang Yuanfang and Ye Huichun.Comparison of spatial prediction method for soil texture[J].Transactions of the Chinese Society of Agricultural Engineering,2011,27(1):332-339. |
| |
| Authors: | Zhang Shiwen Wang Shengtao Liu N Li Nannan Huang Yuanfang and Ye Huichun |
| |
| Institution: | Zhang Shiwen1,Wang Shengtao2,Liu Na1,Li Nannan3,Huang Yuanfang1,Ye Huichun1 (1. Key Laboratory of Plant-soil Interactions,MOE,Key Laboratory of Soil and Water,MOA,College of Resources and Environment,China Agriculture University,Beijing 100094,China,2. Beijing Soil and Fertilizer Station,Beijing 100029,3. Yantai Academe of China Agricultural University,Yantai 264670,China) |
| |
| Abstract: | Soil texture is one of compositional data in the geosciences. Spatial interpolation for soil texture must meet four conditions,which including positive definiteness,a constant sum of interpolated values at a given position,error minimization and unbiased estimation. The study adopted compositional Kriging and ordinary Kriging based on data transformed by asymmetry logratio transformation (ALR) and symmetry logratio transformation (SLR) to predict spatial distribution of each soil particle composition. The p... |
| |
| Keywords: | soil texture logratio transformation compositional data compositional Kriging |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
