土壤质量数字制图方法浅论

本文简要论述了土壤质量数字制图的一般过程及其与传统土壤制图的异同,并依据土壤制图原理确定数字制图的几个重要参数,同时简述了数字制图对野外土壤调查的要求以及对传统图件的处理。     

基于随机森林模型的安徽省土壤属性空间分布预测

为探讨随机森林(random forest,RF)模型对土壤属性空间预测的精度,本文以安徽省为例,收集140个土壤样本,利用GIS和RS技术,获取相关的地形因子、遥感植被指数及气候数据,利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系,并进行空间分布预测。研究结果表明:①RF建模预测中,当节点分裂次数(mtry)值为1,决策树数量(ntree)值分别为100、1 000和100时,获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测,多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的处理具有一定优势。研究表明,在大尺度研究区域内,利用RF模型进行土壤属性空间预测有一定的意义。     

数字土壤制图的推理方法对比研究

数字土壤制图是基于计算机技术利用现代空间分析方法获取详细空间属性的土壤制图技术,是当下信息时代对土壤资源类型、数量以及空间分布进行详尽认识的新方法,而推理方法决定了制图效率和结果的可靠性。不同的研究区域必须与推理方法相互匹配,为研究适合小尺度空间范围上的土壤制图方法,本研究选取母质类型、地形因子及遥感光谱指数,在原始土壤图基础上采用面积加权法布设采样点,选用决策树、支持向量机、随机森林三种推理方法获取土壤—环境知识,从而获得研究区的土壤类型空间分布图,并通过实地采样点数据验证比较三种方法的制图精度。研究结果表明:(1)总体上,每种算法得到的土壤类型空间分布结果与原始土壤图高度相似,但相较于原始土壤图,推理得出的土壤图细节信息更丰富;(2)实地采样点验证结果显示,随机森林分类模型的总体分类精度与Kappa系数均优于决策树与支持向量机分类模型,分类结果最佳;且对比三种分类算法推理得到的各土壤类型的用户精度和生产精度,随机森林算法也较决策树与支持向量机两种算法更优。本研究结果可为数字土壤制图中推理方法的选取提供参考。     

基于样点的数字土壤属性制图方法及样点设计综述

土壤剖面数据与土壤类型图按照某种原则进行连接是目前获取土壤属性空间分布信息的主要方法,这种传统的土壤属性制图方法以土壤专家的“经验”和手工描绘为基础,耗费资本高、生产周期长.数字土壤制图通过借鉴先进的空间信息处理技术和高分辨率地形数据的优势,能够快速地获取高精度、高分辨率的土壤属性空间变化信息,是一种精细、高效、经济的土壤属性制图技术.本文详细介绍了基于样点进行数字土壤属性制图的3种方法:①基于空间自相关的方法:②基于空间自相关和土壤-环境关系混合相关的方法:③基于土壤-环境关系的方法.同时,为保证样点能够全面地捕捉到研究区内土壤属性空间变异特征,以上3种方法都对样点的数量、分布或典型性提出了较为严格的要求,即样点应具有全局代表性.因此,如何设计样点成为数字土壤属性制图中的一个重要问题.依据样点设计过程中是否能够整合已有样点,本文将样点设计方案分为采样设计方案和补样设计方案两种,并对其分别进行了详细的综述.     

基于Fisher判别分析的数字土壤制图研究

利用已知类型的土壤样点及其所处位置的高程、坡度、平面曲率、剖面曲率、复合地形指数等数据,基于Fisher判别分析方法对安徽宣城样区的土壤类型进行预测和制图表达。结果表明,土纲级别的预测效果较好,正确率达到84.2%。但随着从土纲到亚类级别的降低,由于受土壤样点数量限制,土壤类型预测的准确率也逐步降低。通过与样区1986年基于发生分类的土壤图进行对比,采用的方法无论是在制图精度,还是图面信息的负载量方面都要优于传统方法,能够更加客观真实地反映土壤在自然界的空间分布。     

基于多时相遥感影像和随机森林算法的土壤制图

获取准确的土壤-环境关系是数字土壤制图的关键,目前遥感影像已作为环境因子应用于土壤-环境知识的建立过程,但单幅遥感影像所包含的光谱信息差异难以将不同土壤类型区分开来。因此本文提出了一种基于多时相遥感影像的土壤制图方法：选取红安县滠水河流域为研究区,以母质类型图、等高线数据和多时相哨兵二号遥感影像为基础,提取与土壤形成有关的环境因子,通过随机森林算法获取土壤-环境关系,预测研究区各土壤类型的空间分布并成图,利用野外实地分层采样点验证推理图的精度。结果表明：推理土壤图总体分类精度高达86%,与原始土壤图对比,各土壤类型的空间分布具有一定相似性,展现了更为详细的空间细节信息,该研究成果可为更新土壤图工作提供新方法。     

基于多源辅助变量和随机森林模型的表层土壤全氮分布预测

土壤全氮与土壤质量和肥力密切相关,准确掌握土壤全氮的空间分布特征对精准农业管理措施的实施具有重要意义。以寻乌县为研究区域,利用随机森林(RF)和随机森林残差克里格(RFRK)方法,结合地形因子、地理坐标、遥感因子、气候因子、距离因子和土壤理化因子等多源辅助变量,对寻乌县表层土壤全氮的空间分布进行预测和制图,并在迭代100次模型后对比了两种模型的预测精度。结果表明,在选择的4种模型精度指标中,RF模型的决定系数均值(R~2=0.629 1)和一致性相关系数均值(CCC=0.7613)均高于RFRK模型(R~2=0.5719,CCC=0.6881),而RF模型的平均相对误差均值(MAE=0.157 0 g·kg^-1)和均方根误差均值(RMSE=0.210 8 g·kg^-1)均小于RFRK模型(MAE=0.168 2 g·kg^-1,RMSE=0.226 7 g·kg^-1)。将残差作为误差项加入RF模型并未提高其预测精度,因此,RF模型可以作为土壤属性预测的一种有效方法,为农业管理措施的实施提供技术支撑。     

应用土壤-景观定量模型预测土壤属性空间分布及制图

以土壤-景观定量模型为基础的土壤制图方法在世界范围内得到了广泛研究。本文在皖南宣城的丘陵地带内选择研究区,从该区的数字高程模型(DEM)中获取景观信息:地形因子,定量地分析了土壤属性与地形因子之间的相关关系,并建立基于该关系的线性土壤-景观定量模型,最后应用该模型来预测土壤属性在空间上的分布并制图。结果表明:土体厚度和表层有机质含量与地形因子之间有着显著相关性;建立的线性回归模型分别能解释土体厚度、表层有机质含量空间变异的32.2%和35.3%;依据该模型预测的土体厚度和表层有机质含量具有较高的准确度,并能制图表达土壤属性在空间上的自然连续性。     

数字土壤制图技术研究进展与展望

土壤调查与制图是获取土壤信息的基本手段,在土壤科学发展中发挥了至关重要的作用,采用新方法开展数字土壤制图是土壤学科新兴的研究方向。本文全面回顾总结了近年来国内外数字土壤制图工作开展情况、方法的发展和应用,分析了当前在数字土壤制图研究中存在的主要问题,并且对数字土壤制图研究的发展趋势进行了展望,提出了今后一段时间我国开展这方面工作的建议,可以为数字土壤制图研究工作提供参考。     

基于土壤变异解释力的几种土壤制图方法的对比研究——以南阳市1m土体土壤有机碳密度制图为例

为克服方法的复杂性和数据的详细性解释土壤制图效果的不足,基于土壤变异解释力对多种方法进行对比研究。收集南阳1∶5万土壤类型图、30 m分辨率数字高程模型和TM影像,计算出高程、坡度、坡向、归一化植被指数(NDVI)、穗帽变换的湿度(TCW)参数等,以439个土壤剖面为训练数据,分别按土壤类型连接法(SCLM)、加权最小二乘法(WLS)回归、地理权重(GWR)回归、随机森林(RF)、普通克里格(OK)、回归克里格(RK)进行1m土体土壤有机碳密度(SOCD)制图,其余49个土壤剖面作为验证集。结果表明:(1)对SOCD变异的解释力是影响制图效果的本质因素。土壤类型、土壤表层有机质(OM)是主要预测变量,SCLM、WLS和GWR均只能利用其中一种主要变量,土壤图的详细化和回归模型的复杂化均不能明显改善SOCD制图效果。基于土属和OM变量,RF对SOCD变异的解释力最强,预测效果最优;地统计学空间变异函数对SOCD变异的解释力大于回归模型,小于RF,而与土壤类型相当,其相对制图效果亦如此。(2)预测变量建模和空间相关是两类不同的土壤变异解释机制,RK未必能使它们产生最佳组合:只有WLS回归、GWR回归和缺乏土壤类型信息的RF(OM+TCW)适合RK算法,在原始模型中它们对训练数据的拟合效果依次升高,但其RK结果的优劣排序则相反;所有RK的结果均未达到土属和OM参与下RF制图的精度。     

基于多光谱遥感图像的青海湖流域土壤有机质估算初探

土壤有机质是土壤固相部分的重要组成成分,也是陆地表层重要的碳库,其含量的快速、准确测定关乎农牧业生产活动安排与地表过程研究中关键参数的获取效率。为了探寻适合青藏高原高寒地区土壤有机质遥感反演的响应波段及遥感模型,实现区域像元尺度上的土壤表层有机质估算,本文利用Landsat8-OLI多光谱遥感数据与实地采样数据对青海湖流域表层(0～20 cm)土壤进行了有机质含量反演研究。结果表明:Landsat8-OLI影像的第5、6和7波段是青海湖流域土壤有机质含量的特征波段,基于这3个波段构建的土壤有机质遥感反演三元回归模型(R~2=0.704,P0.001),经实测点验证(RMSE=8.66)与相关文献研究结果验证(RMSE=8.85),精度高、稳定性强、预测趋势平稳。本研究不仅为高寒地区土壤有机质含量快速测定提供了一定的技术支持,也为高寒地区的碳库计算、土壤肥力评价、土壤碳循环、农作物估产、草地退化监测等提供了参考。     

青海的沙棘资源

<正> 青海省沙棘资源种类多、分布广、面积大,资源比较丰富。根据调查资料汇总统计,全省分布有中国沙棘、肋果沙棘和西藏沙棘3个种,总面积为80多万亩。其中中国沙棘占56％,西藏沙棘占12％,肋果沙棘占30％。在35万多亩的中国沙棘林分中,天然林占86％,人工林占14％,肋果沙棘和西藏沙棘都是天然体。     

河北省表层土壤可侵蚀性K值评估与分析

利用河北土系调查成果中的土壤颗粒组成、土地利用及土壤化学性质等资料,利用EPIC模型中土壤可蚀性K值算法以及结合地统计学方法,研究了不同土壤类型、不同质地及不同土地利用类型的土壤可侵蚀性K值和土壤可侵蚀性K值的空间变异特征。结果表明:1河北土壤可侵蚀性K值平均为0.27,其变化范围为0.12~0.40,土壤可蚀性K值在0.30~0.35之间易蚀性土壤面积占总土地面积的63.71%,土壤可蚀性K值在0.25~0.3之间较易蚀性土壤面积占总土地面积的21.52%,这说明该省易蚀性土壤面积较大。2不同质地的K值之间显著性差异,粉砂黏壤质的可侵蚀性K值最大,为0.37;壤砂质的可侵蚀性K值最小,为0.13。而在不同的土地利用类型之间的K值差异性不显著,耕地的K值最大,为0.33;草地的K值最小,为0.22。3河北土壤可侵蚀性K值存在较强的变异性,其变异系数为29%。因此,在土壤侵蚀定量监测、评价水土流失时,应考虑土壤可蚀性K值的这种空间变异状况。块金值/基台值为37.3%,表明在变程内具有中等强度的空间相关性。步长为23 km,变程为440 km,变程远大于步长,表明在小流域尺度下有较好的空间相关性,进行Kriging插值能得到较准确的结果。4河北土壤可蚀性K值大体呈现南高北低的空间分布特征,南部主要是耕作栽培区,北部主要是自然植被区。该研究结果为宏观大尺度土壤资源可持续利用与制定水土保持规划提供科学依据。     

临沂烟田耕层土壤综合保育类型研究

为更好地指导临沂烟区土壤综合保育,为其他烟区提供参考与依据,在定量分析评价临沂烟区2 249份土壤样品的pH和有机质、碱解氮、有效磷和有效钾含量、面积及分布情况的基础上,借助地统计学方法和ArcGIS平台,划分出10类保育类型:提有机质–改碱、增氮–改碱、增氮–提有机质、增氮–提有机质–改酸、增氮–提有机质–改碱、增氮磷–提有机质–改碱、增钾–提有机质–改酸、增氮钾–提有机质–改酸、增氮钾–提有机质–改碱、增氮磷钾–提有机质–改碱,并根据不同类型提出了初步的相应保育措施。     

不同土地利用对表层土壤有机碳密度的影响

采用第二次土壤普查资料,研究了安徽省不同土地类型表层土壤的有机碳密度和碳库的特点。结果表明,安徽省平均有机碳密度为(31.64±16.39)tC/hm2,林地土壤表层有机碳密度高于全省表层土壤平均有机碳密度,旱作土壤表层有机碳密度则低于全省平均值。有机碳密度的大小顺序为:林地>水稻土耕层>旱地。安徽省表层土壤有机碳储量分布也表现为:林地>水稻土>旱地。表层土壤有机碳总量达0.28 Pg,其中林地占50%,水稻土占23%,而旱地只占18%。因此,人为利用特点是区域土壤碳库和碳密度的主要影响因素。分析表明:林地、水稻土和旱作土壤表层有机碳量与总氮之间的相关系数(R2)均大于0.78,农田土壤粘粒含量与土壤有机碳固定也有一定关系。     

广东省典型赤红壤区耕层土壤养分的空间变异

[目的]探讨我国典型赤红壤区——广州市增城区耕层土壤有机质、全氮、有效磷和速效钾含量的空间变异规律,为赤红壤区耕层种植的平衡施肥、水土保持和环境保护提供依据。[方法]利用地统计学方法和地理信息系统技术。[结果]研究区耕层土壤有效磷的含量较高,速效钾的变异系数最大(107.78%),有机质的变异系数最小(32.51%),变异系数由大到小依次为:速效钾有效磷全氮有机质;有机质、全氮具有强烈的各向同性空间自相关性,有效磷与速效钾有着较明显的各向异性空间自相关性;有机质、全氮有着相似的空间分布规律,含量呈东南部高西北低的趋势,有效磷含量处于中上偏高水平,空间分布从北向南呈逐步增多趋势,速效钾空间分布相对比较复杂,各个养分级别都有一定量的分布,总体由北到南逐渐增多。[结论]在一定空间范围内,耕层土壤有机质、全氮、有效磷和速效钾具有不同强度的空间相关性,且选取合适的方向性半方差函数模型能更好地拟合其空间变异情况。     

陕北典型农地表层土壤物理性质季节变化

土壤物理性质是影响土壤水文、侵蚀过程的重要因素。为此系统研究了陕北安塞4种典型农地（玉米、谷子、大豆和土豆）的土壤含水量、容重、水稳性团聚体和粘结力的季节变化特征。结果表明:4种农地表层土壤物理性质随季节变化的趋势大致相同,土壤含水量随降雨量的变化呈现出明显的峰谷。土壤容重和土壤粘结力在农作物生长阶段大体呈上升趋势,翻耕和收获后显著下降。水稳性团聚体则呈现单调递增趋势。在0.05显著性水平下的配对样本T检验显示:土壤含水量除玉米地和谷子地外（P=0.04）,其他农地土壤含水量之间无显著差异（0.29≤P≤0.99）;土壤容重除谷子地和大豆地外（P=0.03）,其他农地之间无显著差异（0.07≤P≤0.86）;土豆地与其他农地的水稳性团聚体之间有显著性差异（0.01≤P≤0.03）;各农地土壤粘结力之间无显著性差异（0.16≤P≤0.53）。土壤含水量的变化趋势与降雨的变化趋势基本一致,农事活动所引起的土壤扰动是土壤容重和粘结力变化的主要原因。研究结果对于分析农地水文、侵蚀过程的季节变化特征具有重要的意义。     

基于GIS的安徽省表层土壤颗粒分形特征研究

以第二次全国土壤普查数据为基础,运用分形模型,计算了安徽省表层(0-20 cm)土壤颗粒的分形维数;结合安徽省1:50万土壤数据库,利用GIS空间分析技术.探讨了表层土壤颗粒分形维数的空间分布特征及其与环境因子的关系,得出以下几点主要结论:(1)表层土壤颗粒分形维数变化较大,从2.290 3～2.933 2,变幅达0.642 9;从空间分布上看,沿江江南和淮河以北地区分形维数较大,而江淮丘陵地区和大别山区分形维数相对较小.分形维数2.766 4～2.844 7之间的土壤,分布面积最大,达到65 349 km2,占安徽省总面积的48.28%;(2)不同土壤类型下的土壤颗粒分形维数差别较大.分形维数最大的土壤类型为石灰岩土,达到2.859 7;最小的为粗骨土,只有2.598 1.(3)不同土地利用方式下的土壤颗粒分形维数差别明显.分形维数从大到小的顺序为:草地>耕地>园地>林地.(4)不同海拔下的土壤颗粒分形维数显著不同.随着海拔高度的增加,分形维数有逐渐减小的趋势.     

青海共和盆地生态需水研究与计算

 针对水资源合理配置研究中生态需水所处的位置与研究意义,在总结前人研究成果的基础上,以青海共和盆地为例,对生态需水进行初步计算,得出:共和盆地河道外生态需水量为0.053亿m3,主要为人工林地所用,河道内生态需水量为3.523亿m3,共和盆地生态需水量共计3.576亿m3,占共和盆地总水资源量的54.79%。因此,生态需水在区域水资源可利用量中占有较大比重,应将其作为重要部分纳入研究区水资源配置中,对水资源进行重新分配;同时,研究区的生态环境建设措施应以恢复退化草场和改造乔木纯林为乔灌结合林为主。