人为与环境因子对农田土壤有机质影响的比较研究——以典型黑土区和水稻土区为例

目前关于土壤有机质(SOM)影响因子的研究多涉及单一或少量因素,缺少环境因子与农田管理相结合的详细分析。为综合分析环境和人为因素对农田SOM的影响,利用2011年采集于典型黑土样区的281个样点和水稻土样区的193个样点,结合相应农田管理调查数据,采用双样本Kolmogorov-Smirnov检验、Kendallτ相关分析、随机森林模型进行对比研究。结果表明,通过综合环境与农田管理措施数据,随机森林方法可以较好地预测农田SOM含量,对其变异的解释度达到80%以上。人为与环境因素对SOM变异的解释能力在两样区间存在差异。SOM含量水平在黑土区受环境因子影响为主,在水稻土区受人为因子主导。相对重要性分析显示黑土区水热条件、黏粒含量影响显著,水稻土区田间管理作用明显。     

消减残差自相关性的县域土壤有机质整合模型预测研究

提升土壤属性空间预测精度对实现农田精准施肥和保护生态环境具有重要意义。利用河北省滦平县采集的1 773个样点耕地表层(0～20cm)土壤有机质(SOM)及其地理环境数据,通过逐步回归分析方法筛选出最优环境变量;基于其中1 426个农田样点分别建立多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、贝叶斯正则化神经网络(Bayesian regularization neural network,BRNNBP)以及与普通克里格(OK)整合模型(MLR-OK、RF-OK和BRNNBP-OK)预测SOM空间分布,以其余347个样点数据为测试集检验分析不同模型预测精度,并对模型残差进行半方差函数和空间自相关分析以评价模型拟合效果。结果表明,研究区耕地表层土壤SOM处在8.62～35.64 g·kg^-1变化区间,变异系数为20.26%,属中等程度空间变异;SOM高值区主要分布在东北及东南海拔较高地区,低值区多分布在西南及中部河谷地区;海拔、坡度和年均温度与SOM关系密切(P<0.001);整合模型...     

不同方法预测苏南农田土壤有机质空间分布对比研究

准确把握土壤有机质(SOM)的空间分布规律对于土壤资源的高效持续利用具有重要意义。以江苏南部为研究区,以辅助因子与SOM的相关性强弱及辅助因子的可获取性为切入点,运用普通克里格(OK)、回归克里格(RK)和随机森林(RF)方法,结合地形、气候、土壤类型、土壤理化性质和施肥、碳投入等辅助数据预测了苏南地区农田SOM含量(0~20 cm)的空间分布。结果表明,三种方法预测的SOM空间分布总体趋势相似,表现为东高西低,但局部分异还存在差异;OK预测的精度最低,100次预测的均方根误差(RMSE)均值为6.97 g·kg~(-1)。RK和RF的预测精度则均高于OK方法,表现为整合与SOM相关性最强的辅助因子全氮(TN)时,RK和RF预测的RMSE分别降低至5.25 g·kg~(-1)和4.97 g·kg~(-1),而移除相关性最强的辅助因子TN后,RK和RF预测的RMSE亦较OK方法低,分别为6.21 g·kg~(-1)和6.29 g·kg~(-1);移除TN后,RK的预测精度稍高于RF,表明在其他辅助数据与SOM相关性相对较弱的条件下,RK方法有助于提高本研究区SOM预测精度;同时,尽管RK和RF的预测精度依然较OK高,但RK和RF对SOM方差的解释度则分别由51%和55%降低至了29%和28%。这表明,目前容易获取且相对廉价的辅助数据,对本研究区的SOM空间预测方面,还面临着数据质量低、预测精度不足等问题。     

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-pointMachineLearning,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...     

黄土高原坡度因子的多重分形谱特征

[目的] 有效科学量化地形因子,兼顾地物局部与整体的自相似性,总结黄土高原不同地貌区坡度地形因子的多重分形特点,为后续黄土高原地形因子相关研究提供参考。[方法] 选取黄土高原不同地区数字高程模型（DEM）数据,采用盒维数计算多重分形谱方法,检验各研究区坡度数据的多重分形特征,对坡度因子进行多重分形运算,计算坡度分形体的多重分形谱和多重分形特征参数。[结果] 最小坡度奇异指数变化范围在黄土塬区为（1.82～2.90）,山地区为（1.92～2.43）,变化幅度较大;黄土丘陵区和河谷平原区最小坡度奇异指数范围分别是（1.94～2.07）和（1.85～2.19）,变化范围较小,地形较为均一。最大坡度奇异指数所对应的多重分形谱值最大值为1.63,在河谷平原区,最小值为1.57,在黄土塬区坡度最小地貌单元在河谷平原区所占比例最大,在黄土塬区所占比例最小。[结论] 不同研究区的多重分形谱差异可以真实反映出地形复杂程度。与传统量化方法统计的结果对比,多重分形特征参数能够客观反映黄土高原不同地形区域的多重分形特征。     

北京市平谷区农用地土壤有机质空间变异特征

采用传统统计、地统计及地理信息系统(GIS)相结合的方法,初步研究了北京市平谷区农田土壤有机质(SOM)含量的空间分布规律及其影响因素.传统统计分析结果表明,研究区土壤样本呈对数正态分布,平均值为15.36 g·kg-1,变异系数为0.32,属中等变异程度.方差分析表明,高程和土地利用类型均对研究区SOM含量的分布有显著影响.地统计分析表明,研究区SOM含量空间变异具有一阶趋势和各向异性特征;由空间自相关部分和随机部分引起的空间变异性程度大体相当,具有中等的空间相关性.结合普通Kriging插值方法,获得了研究区SOM含量的空间分布图,比较分析表明研究区农用地SOM含量的空间分布是自然和人为利用因素共同作用的结果.     

黄土高原王东沟小流域土壤表层氮的空间分布

以黄土高原王东沟小流域为研究对象,分析了小流域地貌单元和土地利用方式对氮空间分布的影响。结果表明:研究区表层(0—20 cm)土壤全氮、硝态氮和铵态氮含量的均值分别为0.99,9.80,2.61 mg/kg。土地利用类型和地貌单元对土壤全氮和硝态氮的空间分布有显著的影响,并且两个因素存在着显著的交互作用,而对铵态氮含量空间分布影响不显著。不同土地利用类型土壤全氮分布规律为:林地果园荒草地农田废弃果园;硝态氮分布规律为:果园农田林地废弃果园荒草地;铵态氮分布规律为:林地荒草地果园农田废弃果园。不同地貌单元土壤全氮分布规律为:塬面沟道塬坡;硝态氮分布规律为:塬面塬坡沟道;铵态氮分布规律为:沟道塬面塬坡。上述研究结果对指导黄土高原沟壑区土地资源利用、施肥和植被恢复管理有重要参考价值。     

基于地貌因子的高标准农田建设潜力研究

建设高标准农田是科学、高效、可持续利用土地资源的重要方式,建设潜力研究是高标准农田建设的前期基础工作。本文立足重庆市垫江县4个地貌类型区(浅丘低丘区、低中丘区、坪状高丘区、低山及山麓深丘区),借助实地调研、图件和统计数据,从地块尺度构建高标准农田建设潜力评价指标体系,利用熵权法分别计算指标在各地貌类型区的权重,借助综合指数法测算各评价单元建设的潜力得分。结果表明:1)垫江县约80%的基本农田具备建设成高标准农田的潜力,其中:基本具备区占28.57%,稍加整治区占24.13%,全面整治区占26.92%。2)4种地貌类型区建设高标准农田的潜力大小排序为浅丘低丘区低中丘区≈坪状高丘区低山及山麓深丘区。3)不同地貌类型区高标准农田建设的限制因子差异较大:浅丘低丘区限制因子是土壤有机质含量、农田防护面积,低中丘区的限制因子是有效土层厚度、土壤有机质含量、灌排条件,坪状高丘区的限制因子是土壤有机质含量、排灌条件、距交通干线距离,低山及山麓深丘区的限制因子是有效土层厚度、土壤有机质含量、pH、排灌条件、农田机耕能力和田块到居民点距离。未来建设高标准农田时,要因地制宜,布设工程应紧密结合不同地貌类型区限制因子和当地农业产业发展方向,聚焦主导产业消除或降低限制因子的作用,进行差别化高标准农田建设。     

甘肃省黄土高原典型小流域侵蚀沟道特征

[目的]对甘肃省黄土高原典型小流域侵蚀沟道的分级分类进行简要研究,为进一步推动该区水土保持和生态治理工作提供理论基础。[方法]在甘肃省第一次全国水利普查结果的基础上,运用GIS技术,采用地貌几何定量数学模型分级方法,定量化分级沟道,并从地质、地貌、大小以及形状对侵蚀沟道进行分类,由此来推断黄土高原区侵蚀沟道的特征。[结果]甘肃黄土高原典型小流域侵蚀沟道主要以Ⅰ级沟道为主,其中丘陵沟壑区主要以半开析、中度割裂、半主沟型为主;高塬沟壑区主要以半开析、中度割裂、支沟型为主。[结论]丘陵沟壑区第五副区沟壑狭窄陡峭,沟道破碎化程度高,水土流失量高,治理难度大,沟道难以利用。     

基于DEM的黄土高原沟谷节点分形特征研究

以ASTER GDEM为主要数据源,在黄河中游多沙粗沙区提取22个小流域的沟谷节点(channel junctions,CJs),采用计盒、关联维2种方法对比研究CJs分形特征,并讨论其分形的内涵与影响因素;基于CJs分形特征的聚类分析,探讨样区的侵蚀程度差异。结果表明:(1)黄土高原CJs分形特征明显,不同分形方法度量的几何维数变化相同,盒维数大的样区关联维数也大;(2)CJs分形特征与黄土地貌的发育相关,不同地貌类型呈现出不同的分形维数;但2种分形方法度量出的分维值差异均能与地貌类型保持对应,分形维数排序为:黄土梁峁状丘陵沟壑黄土破碎塬黄土梁状丘陵沟壑黄土塬黄土山地黄土峁梁状丘陵沟壑黄土风蚀沙丘;(3)依据CJs盒维数、关联维数对样区进行聚类分析,结果表明22个样区划分为4种类型,大致对应剧烈侵蚀区、强烈侵蚀区、中度侵蚀区、轻度侵蚀区。研究表明分形方法能较好的刻画黄土高原不同地貌沟谷节点特征,并能在一定程度上反映沟谷侵蚀状况。     

基于三种空间预测模型的海南岛土壤有机质空间分布研究

为探索适合热带地形复杂区土壤有机质(SOM)含量的空间预测方法,以海南岛为研究区域,结合地形因子、归一化植被指数、土壤类型、土地利用类型变量,选用普通克里格法(OK)、回归克里格法(RK)、随机森林模型(RF)三种方法对训练集128个样点SOM含量的空间分布规律进行预测,并通过验证集32个验证点比较了三种方法的预测精度。结果表明:(1)0~5 cm土层三种方法的平均预测误差(ME)均接近于0,从均方根预测误差(RMSE)来看,RF(0.8867)RK(0.910 4)OK(0.9641),从决定系数(R~2)来看,RF(0.214 1)RK(0.171 5)OK(0.070 8)。综合以上三个参数,该土层最优拟合模型为RF。同理得出0~20、20~40、40~60 cm土层的最优拟合模型分别为RF、RF、OK。RK和RF能够更好地描述SOM含量局部变异信息;(2)四个土层SOM含量的均值分别为19.67、15.89、10.30、8.07 g kg~(-1),呈现出西南、东北高,西部、东南沿海地区低的空间分布趋势。     

基于土壤-地形关系的合理样点对土壤有机质空间预测的影响

针对土壤精细化管理体系中合理样点数及空间预测优化问题,本文将基于土壤-地形关系,探讨了不同采样方式下以局部样点数量为代表提供最优数据的可能性。以地统计学、土壤-地形关系、地理加权回归克里格(GWRK)模型为基础,经系统格网、地形单元分区和地形起伏度最佳统计单元等三种采样方式分析合理样点集的空间分布对土壤有机质空间预测精度的影响。结果表明:(1)确定地形起伏度最佳统计单元大小为10×10像元,且平原区样点分布最为密集,合理样点数为1656;(2)高程、坡向、地形位置指数、相对位置指数、地形起伏度是影响土壤有机质空间变异的主要因素,能够解释研究区内有机质含量空间变异的69.2%;(3)GWRK模型精度均比普通克里金插值(OK)精度高,且山脊、背坡、陡坡、坡脚等坡位内合理样点数分别为39、481、9、28。在样点数最多时(n=2806),GWRK精度提高幅度及样点数量对预测结果影响有限。当样点数量减少时,有机质预测值空间分布的局部变异性随样点数减少而减少。因此,不同采样方式下合理样点集明显影响有机质预测精度,但预测结果分布趋势相似,仍可完整表征土壤有机质空间分布的空间格局。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

Do model choice and sample ratios separately or simultaneously influence soil organic matter prediction?

This study was performed to examine the separate and simultaneous influence of predictive models’ choice alongside sample ratios selection in soil organic matter (SOM). The research was carried out in northern Morocco, characterized by relatively cold weather and diverse geological conditions. The dataset herein used accounted for 1591 soil samples, which were randomly split into the following ratios: 10% (～150 sample ratio), 20% (～250 sample ratio), 35% (～450 sample ratio), 50% (～600 sample ratio) and 95% (～1200 sample ratio). Models herein involved were ordinary kriging (OK), regression kriging (RK), multiple linear regression (MLR), random forest (RF), quantile regression forest (QRF), Gaussian process regression (GPR) and an ensemble model. The findings in the study showed that the accuracy of SOM prediction is sensitive to both predictive models and sample ratios. OK combined with 95% sample ratio performed equally to RF in conjunction with all the sample ratios, as the latter did not show much sensitivity to sample ratios. ANOVA results revealed that RF with a ～10% sample ratio could also be optimum for predicting SOM in the study area. In conclusion, the findings herein reported could be instrumental for producing cost-effective detailed and accurate spatial estimation of SOM in other sites. Furthermore, they could serve as a baseline study for future research in the region or elsewhere. Therefore, we recommend conducting series of simulation of all possible combinations between various predictive models and sample ratios as a preliminary step in soil organic matter prediction.     

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。     

海伦市耕层土壤有机质含量空间预测方法研究

有机质含量是表征土壤肥力质量的重要属性,其空间分布模式对于施肥等耕作管理措施的推荐具有重要的指导意义。本文以我国黑土区黑龙江省海伦市为研究区域,在土壤采样点数量较有限的情况下,分别采用普通克里格、反距离权重、遥感反演和基于土壤学专业知识四种方法对耕层土壤有机质含量进行了空间预测。结果表明:四种方法表征的海伦耕地土壤有机质含量空间分布特征具有相似性,即由东北向西南方向递减。空间预测精度从高到低依次为反距离权重、普通克里格、基于土壤学专业知识和遥感反演法;而在有机质的局部变异细节表达方面,从高到低为遥感反演、基于土壤学专业知识、反距离权重和普通克里格法。四种方法中仅遥感反演法预测结果的极差范围较宽,普通克里格法则存在明显的平滑效应,而综合比较结果则表明,最合适的方法是基于土壤学专业知识的方法。     

东北黑土区不同垄向耕地沟蚀与地形耦合规律

东北黑土区在长期高强度开垦连作下,侵蚀沟切割耕地地表现象严重。以黑龙江省宾县的两个典型乡镇为研究区,基于GIS和RS技术,采用全局空间自相关、样方网格等方法,综合垄向、侵蚀沟、地形数据探究区域尺度下垄向分布及不同垄向耕地沟蚀与地形因子耦合规律。结果表明:（1）不同乡镇沟蚀空间集聚程度不同,主导性垄向耕地内的侵蚀程度最高;（2）垄向在耕地上的分布有很强的空间自相关性,不同的垄向空间分布是对地形条件的反馈体现,合理的垄向空间分布会起到降低沟蚀密度的作用;（3）除糖坊镇斜垄外,不同垄向耕地沟蚀密度随海拔的升高呈现先增大后减小的趋势。糖坊镇不同海拔级优势垄向规律性不强,三宝乡整体上任意海拔级斜垄耕作最优;（4）坡度与坡长交互作用显著。两乡镇表现为“小坡度”+“小坡长”或“小坡度”+“大坡长”条件横垄耕作最优,“大坡度”+“小坡长”或“大坡度”+“大坡长”条件斜垄耕作最优;（5）黑土区漫川漫岗地带斜垄耕作更具水土保持作用。     

1951-2016年四川省不同地貌单元夏季降水的多时间尺度特性分析

使用中国气象资源共享平台四川省1951-2016年的夏季（6-8月）降水资料,并采用GIS技术分析了四川省夏季年代平均和夏季多年平均降水空间分布,然后利用小波分析法,线性趋势系数法分析了四川省不同地貌单元下（高山高原地带（甘孜）、山地向盆地过渡地带（广元）、中低山丘地带（宜宾）、盆地中部丘陵低山地带（遂宁）及高原向盆地边缘过渡地带（雅安）夏季总降水的周期性和趋势性特征。结果表明:近66年四川省夏季年代平均降水空间分布不均,夏季多年平均降水量等值线走向基本上与地形高低相对,基本上处于地形越高降水越少;四川省不同地貌单元近66年夏季总降水存在3个尺度周期:主周期为20~47 a尺度,次周期为2~13 a和10~27 a尺度,四川省不同地貌单元夏季总降水在2008年开始整体进入丰水期且2016年后仍然处于丰水期状态。     

GIS技术在黄土高原退耕还林草工程中的应用

坡耕地退耕还林 (草 )是我国黄土高原地区、特别是黄土丘陵沟壑区实施水土保持和生态环境建设的基本方法之一 ,如何快速了解区域土地利用现状是实施这一工程的关键所在 ,传统的统计法和图上量算法均无法满足科学高效的要求。结合黄土丘陵沟壑区地形特点 ,研究并探讨了应用 GIS技术实现该地区土地利用状况快速清查的工作过程及关键技术 ,以期为在全区实现土地资源调查、规划、管理的科学化、自动化、标准化提供可供借鉴的方法和依据     

长期施用尿素降低赤红壤旱地耕层pH的特征与预测

【目的】阐明长期不同施肥处理的赤红壤旱地耕层土壤pH变化特征,并以模型预测土壤pH的未来变化,为区域土壤高产稳产和可持续利用提供理论依据。【方法】在闽东南赤红壤旱地花生–甘薯轮作制连续进行16年化肥定位试验和14年化肥配施有机肥定位试验,测定各施肥处理的历年耕层土壤pH。以实测土壤pH为依据构建灰色预测模型,并进行模型可靠性验证。【结果】连续16年实测结果表明,不施肥CK处理和不施氮肥(尿素)处理(RF-N)的耕层土壤pH在16年间从基础土壤的5.90分别提高到6.24±0.18和6.21±0.17,分别年均递增0.021和0.019个pH单位;习惯施肥(FP)、推荐施肥(RF)、不施磷肥(RF-P)和不施钾肥(RF-K)处理均导致土壤酸化,且酸化程度没有显著差异。化肥配施有机肥可抑制土壤酸化或提高土壤pH。连续14年推荐施肥配施猪粪(RF+PM)处理的土壤pH从基础土壤的5.73提高到5.80±0.36,显著高于RF和推荐施肥配施商品有机肥(RF+COM)两个处理,年均递增0.005个pH单位,但与推荐施肥配施稻草(RF+S)处理的差异不显著;RF+COM处理抑制土壤酸化的效果较差,...