基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

选取宜昌市红花套镇作为研究区域,研究土壤pH、有机质、有效磷、速效钾、碱解氮与土壤属性指标变量之间的关系,选择与预测变量之间具有较高相关性的变量作为辅助变量用以提高预测精度,本文试图将地理加权回归模型应用于土壤属性空间模拟中,以此与协同克里格插值的预测结果进行对照,从而比较它们的预测精度以提出更适合土壤属性预测的模型。结果表明:协同克里格插值和地理加权回归模型对土壤属性的空间模拟均有较高的预测精度,在辅助变量较多的情况下地理加权回归模型具有比协同克里格插值更为简单的算法,并且比较预测值相对误差的范围跨度和标准差以及均方根误差等方面,地理加权回归模型在土壤属性指标预测方面具有更高的预测精度,也具有更大的优势。     

基于协同克里格插值和地理加权回归模型的土壤属性空间预测比较

选取宜昌市红花套镇作为研究区域,研究土壤pH、有机质、有效磷、速效钾、碱解氮与土壤属性指标变量之间的关系,选择与预测变量之间具有较高相关性的变量作为辅助变量用以提高预测精度,本文试图将地理加权回归模型应用于土壤属性空间模拟中,以此与协同克里格插值的预测结果进行对照,从而比较它们的预测精度以提出更适合土壤属性预测的模型。结果表明：协同克里格插值和地理加权回归模型对土壤属性的空间模拟都有较高的预测精度,在辅助变量较多的情况下地理加权回归模型具有比协同克里格插值更为简单的算法,并且比较预测值相对误差的范围跨度和标准差以及均方根误差等方面,地理加权回归模型在土壤属性指标预测方面具有更高的预测精度,也具有更大的优势。     

基于GIS和地理加权回归的砂田土壤阳离子交换量空间预测

土壤阳离子交换量(CEC)反映土壤保水保肥能力,研究CEC空间分布可为土壤改良和田间施肥提供理论依据。本文以宁夏香山地区砂田淡灰钙土为研究对象,在土壤CEC和理化性质相关分析基础上以普通克里格(OK)为对照,探索回归克里格(RK)和地理加权回归克里格(GWRK)在CEC空间插值上的应用,并对三者的插值精度及制图效果进行评价。描述统计表明研究区土壤CEC含量均值为10.145cmol/kg,CEC与有机质含量呈显著正相关,与砂粒含量呈显著负相关;地统计分析表明CEC实测值、OLS残差和GWR残差块金系数分别为8.50%、6.36%和7.02%,比值均小于25%,具有强烈空间自相关;对验证点进行插值精度分析,RK和GWRK的相对模型改进值(RI)分别为40.49%、41.50%,插值精度GWRK>RK>OK;从成图效果看,GWRK中辅助变量参与了局部回归,成图效果更加精细,揭示了更多空间变化细节。本研究结论可为土壤CEC空间预测研究提供可靠的方法借鉴。     

宜章县耕地土壤硒含量空间分布特征及成因

弄清宜章县耕地土壤硒含量及其空间分布和影响因素，对掌握区域内耕地富硒程度、开发特色富硒农产品和保障人体健康具有重大意义。采用网格布点、野外调查采样、分析测定、GS+半方差函数模型、克里金插值研究了宜章县耕地土壤硒含量及其空间分布特征；结合SPSS软件进行相关性分析和方差分析，揭示了土壤硒含量的影响因素。研究结果表明，（1）宜章县耕层土壤硒含量平均值0.64mg/kg，变幅为0.13~2.80mg/kg，变异系数为44.57%，属中等变异程度，耕地土壤富硒面积占比达到97.8%，；（2）土壤硒含量呈聚集性分布，中部有一条自东北向南从玉溪镇经梅田镇、浆水镇、长村乡、一六镇、笆篱镇、天塘乡的中高富硒带，块金效应值为0.505，说明宜章县土壤硒空间自相关性程度为中等，土壤硒含量受空间结构因素（自然因素）和随机因素（人为因素）共同影响；（3）不同成土母质发育的土壤硒含量差异较大，板页岩发育的耕地土壤硒含量最高，平均硒含量达到0.76mg/kg；（4）不同土壤类型对硒含量有明显影响，潮土和黑色石灰土的土壤硒平均含量最高，均达到了0.68mg/kg，紫色土和黄壤硒含量较低，平均硒含量分别只有0.54mg/kg和0.53mg/kg；（5）相关分析表明:土壤硒含量与pH呈显著负相关，与有机质、锰、铜、锌和CEC显著正相关；在富硒农产品开发时，需考虑土壤硒含量分布特征，并结合相应土壤管理、科学施肥、农艺措施等进行。     

云南耕地土壤硒含量空间分布及其影响因素研究

为了解云南耕地土壤硒含量状况,采集了640个云南代表性耕地表层土壤样品,对土壤硒含量空间分布特征及其影响因素进行研究。结果表明:(1)云南省耕地土壤硒总量变幅在0.05～7.12 mg/kg,平均含量为0.51 mg/kg,达到富硒水平;(2)不同成土母质发育的土壤硒含量差异较大,基型结晶盐类的玄武岩等发育的土壤硒含量最高,平均为0.77 mg/kg;(3)土壤类型对硒的含量影响明显,其中棕壤硒含量平均为1.24mg/kg,显著高于其他土壤类型,石灰(岩)土硒含量最低仅为0.21mg/kg;从行政区看位于滇东的曲靖市和昭通市土壤硒平均含量明显高于其他州市;(4)相关分析表明,土壤硒含量与土壤p H之间的相关性均没有达到显著水平;而土壤硒含量与土壤有机质呈极显著的正相关性(r=0.110,P <0.001),说明有机质影响土壤硒的含量。     

低硒土壤区玉米植株中硒的分布及调控初探

对低硒地区玉米植株中硒的含量分布规律进行了研究，采籽玉米成熟期根系＞茎叶雄穗（混）＞籽粒，籽粒中含硒量非常低；青贮玉米灌浆期叶片＞茎秆＞根系＞雄穗＞雌穗，下部茎＞上部茎，上部叶≈下部叶。用亚硒酸钠溶液浸种不利于提高玉米含硒量，叶喷可有效地提高玉米各器含硒量，其含硒量随喷硒量的增加而增加，喷１５－７５ｇ／ｈｍ＾２可使玉米茎叶含硒量达到充足阈，喷硒对玉米产量没有明显提高。     

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。     

基于贝叶斯最大熵的黄河三角洲土壤含盐量空间分布预测

黄河三角洲土壤盐渍化问题是制约当地农业生产和生态稳定的关键因素。为了准确掌握盐渍土的空间分布,提高土壤含盐量的空间预测精度,本研究根据2022年5月黄河三角洲的193个采样点两个深度土壤含盐量分析数据,结合高程和Landsat9遥感影像等数据,采用地理加权回归（Geographically Weighted Regression, GWR）模型构造区间型软数据,进而建立贝叶斯最大熵（Bayesian Maximum Entropy, BME）模型对研究区土壤含盐量的分布进行了预测,并同传统的地统计模型普通克里金（Ordinary Kriging, OK）及GWR模型的预测结果进行了比较。结果表明：BME模型对土壤含盐量的预测精度要高于另外两种模型。与OK相比, BME的预测误差在土壤表层和底层分别降低25%和21%,R2分别提高了0.5432和0.3527,BME作为本研究最佳土壤含盐量空间预测模型,展现了多源数据整合及非线性估计的优势。黄河三角洲表层土壤盐渍化率（88%）高于底层（68%）,大体呈现由西南到东北方向上土壤含盐量递增的趋势,沿海地区大于内陆地区,黄河三角洲北部是整个区域盐渍化最为严重的地区。     

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。     

四川省土壤温度状况空间分布特征

土壤温度状况(STR)在现代土壤系统分类中是确定土壤分类单元的重要诊断特性。利用四川省160个气象站点的多年年均和月均地面气候资料与数字高程模型数据,分析不同气象因子与地形因素对土壤温度(土温)的影响,然后以显著影响的因子为辅助变量,采用回归克里格法预测四川省STR的空间分布,依据中国土壤系统分类高级与基层分类划分标准中有关STR的定量诊断指标,对四川省STR及其空间分布特征进行分析。结果表明,气温、经度、纬度与海拔对土温有显著影响,在高级分类划分标准下,四川省STR以热性、温性、寒性为主,部分区域为永冻、冷性、高热;在基层分类划分标准下,四川省STR以热性、温性、冷性为主,部分地区为高寒性、近寒性、亚寒性、高热性。四川省STR分析为四川土壤系统分类与土壤资源的合理利用提供了科学依据。     

土壤硒富集空间分布特征及影响因素研究

以揭阳市土壤为对象,系统采集了表层土壤样(0～20 cm)1 330个和深层土壤样(150～200 cm)331个,并利用相关性分析、回归分析、方差分析及GIS空间分析技术等方法对土壤硒的含量分布、富集特征及影响因素进行了系统的分析。结果表明,揭阳市表层土壤Se含量处于0.02～2.01 mg/kg之间,几何平均值为0.48 mg/kg,是中国土壤Se平均含量的1.66倍。揭阳市土壤总体呈足硒及富硒特征,不存在硒过剩,极少区域土壤呈硒缺乏特征,表层与深层土壤表现基本一致,富硒土壤主要分布于普宁市、惠来县及北部边缘。表层土壤中Se富集面积达到52.03%,但在空间上分布零散,这可能与母质、土壤类型等因素有关。强富集区域集中分布于花岗岩与粉砂岩为母质的土壤区,而大部分由第四纪冲积物形成的土壤无富集。方差分析表明:不同母质、土壤类型及土地利用方式对土壤Se的含量及富集水平均造成不同程度的影响,其中影响揭阳市表层土壤Se含量的主要因素为成土母质。除此之外,土壤理化性质及海拔也是影响揭阳市表层土壤Se富集的重要因素。回归分析表明表层土壤Se与pH值呈极显著的负相关,并且分别与有机碳、Fe_2O_3及Al_2O_3呈极显著线性正相关。     

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-point Machine Learning,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,空间分布不均匀,呈东高西低的分布趋势。2）在不同样本量条件下,与其他模型相比,TPML的预测精度均最高,其MAE（0.088～0.097 g/kg）和RMSE（0.116～0.139 g/kg）均为最小,r（0.992～0.996）和R2（0.971～0.985）均为最高。3）预测值的误差标准差（理论误差）与实际误差具有相似的空间模式,说明TPML可以为预测结果提供合理的不确定性估计。综上,TPML模型可以通过同时利用空间自相关性和属性相似性来提高预测精度,该模型适用于预测具有一定空间自相关性且具有可用辅助数据的资源环境变量。     

冲积平原区土壤碳密度估算及其空间分布

冲积平原区通常具有复杂的剖面质地层次排列,为了准确估算冲积平原区土壤碳密度的空间分布特征,该文在华北冲积平原区的河北曲周县选取了121个土壤剖面,测定了各土层有机碳含量,构建了基于负指数函数的土壤有机碳垂向分布模型,结合地统计学方法绘制了该县土壤碳密度的空间分布图。结果表明,土壤有机碳含量随深度增加呈逐渐递减的趋势,各土层有机碳含量均属于中等变异程度。0~20和20~40 cm土壤有机碳空间连续性较好,它们的空间相关距离分别为14和3 km,而下层(40 cm)土壤有机碳均表现为纯块金效应结构。土壤有机碳垂向分布模型可以很好地描述剖面土壤有机碳含量的变化特征,且预测与实测的土壤有机碳含量的均方根误差仅为0.70 kg/m3,决定系数达到了0.95。曲周县土壤有机碳密度的空间分布总体表现为西北高东南低的趋势。其空间分布主要受土壤类型和质地的影响,其中潮土和盐化潮土的碳密度明显高于褐土化潮土,质地较细的土壤(轻壤、中壤和粘土)碳密度明显高于质地较粗的土壤(砂土和砂壤)。该研究为冲积平原区土壤碳密度的估算提供了一种新的方法。     

紫色土丘陵地区农田土壤养分空间分布预测

为深入研究紫色土丘陵区农田土壤养分空间分布规律,在GIS技术的支持下,利用研究区450个土壤实测数据,结合地形因子和土地利用类型,运用多重线性回归构建了土壤养分预测模型,对养分的空间分布进行预测。结果表明,土壤有机质和碱解氮含量与地形因子之间的相关性较强,有效磷和速效钾含量与地形因子之间的相关性较弱。土壤水田和旱地中有机质、碱解氮和有效磷含量均值间的差异显著(P<0.01),速效钾之间不显著(P=0.34)。基于地形因子的土壤养分预测模型与基于地形因子和土地利用方式组合的土壤养分预测模型预测结果精度对比表明,在预测变量中增加土地利用类型对提高预测模型的拟合度和预测精度作用非常微小,且仅用地形因子预测土壤养分的空间分布更方便,因此选用该模型对验证集数据进行预测。以验证集数据进行预测结果与实测值进行比较,结果显示预测值与实测值之间的差异甚小,有机质、碱解氮、有效磷和速效钾的相对偏差分别为0.09、0.19、0.08和0.12,均方根误差分别为1.38、3.42、1.03和1.57,说明基于地形因子的土壤养分预测模型的精度较高,可以很好地预测土壤养分分布规律。该研究结果可为丘陵地区农田合理施肥提供理论依据。     

基于三种空间预测方法的安庆市耕地土壤速效钾空间分布预测

以安徽省安庆市为研究区,选取环境变量因子(空间位置变量因子、地形变量因子、土壤变量因子、气候变量因子)作为变量因素,通过构建随机森林(Random Forest,RF)模型对研究区耕地土壤速效钾含量进行预测,并与普通克里金(Ordinary Kriging,OK)和反距离权重(Inverse Distance Weig...     

东北黑土区典型坡面耕作侵蚀定量分析

东北黑土区水土流失主要集中在坡耕地,以往研究多关注水蚀而忽略了耕作侵蚀的存在。为印证并定量描述黑土耕作侵蚀,该文采用物理示踪法,测定了典型坡耕地耕作位移量及其分布格局。结果表明:铧式犁耕作后示踪剂沿耕作方向发生扩散,上坡耕作示踪剂集中分布在0~20 cm范围,而下坡耕作示踪剂集中分布在0~20和50~150 cm。一次耕作引起的耕作位移量为32.68~134.14 kg/m,耕作迁移系数234 kg/m。坡度是影响耕作位移的重要因素,二者呈显著的正相关关系,且对上坡耕作的影响大于下坡耕作。研究区耕作年侵蚀速率0.4~11.0 Mg/(hm2·a),凸起的坡背、坡肩处及坡度较大的位置侵蚀严重。虽然黑土区坡度较小,但由于耕作深度大,速度快,耕作侵蚀严重,应引起足够重视。     

Unusual soil nematode communities on karst mountain peaks in southwest China

On karst mountain peaks in southwest China, soils are very shallow and vegetation cover is very low. Although the subtropical monsoon climate provides abundant rainfall, the soils experience severe dry–wet cycles and extremely high temperatures in summer (wet season). We determined the composition of soil nematode communities along a vegetation succession sere of four common plant communities (i.e., moss crust, moss crust with sparse grasses, sparse grasses, and sparse dwarf shrubs) on karst mountain peaks in the wet and dry seasons. The results showed that the nematode communities were unusual. Specifically, Rhabdolaimus was the most abundant nematode genus. Rhabdolaimus is a common aquatic nematode genus that has been detected in hot springs but has not been previously reported as the dominant genus in relatively arid and semi-arid soils. Therefore, tolerance to extremely high soil temperatures and rapid wet–dry cycles may help explain why Rhabdolaimus dominates the nematode communities in the soils of karst mountain peaks in southwest China.     

利用地形和遥感数据预测土壤养分空间分布

在GIS支持下,选择地形因子和遥感植被指数,建立土壤养分空间分布预测模型,应用回归克里格（Kriging）方法,预测吉林省农安县土壤养分（有机质和全氮）的空间分布。结果表明,11个环境因子中,相对高程、坡度、地形起伏度、坡度变率、归一化植被指数（NDVI）与土壤有机质和全氮含量均具有显著的相关性。地面粗糙度和地形湿度指数与有机质具有显著相关性,而与全氮的相关性不显著。相对高程、坡度、地面粗糙度、河流动能指数以及NDVI在土壤养分的多元回归预测模型中贡献较大,是预测土壤养分空间分布的最优因子。有机质和全氮在研究区的空间分布格局呈现由东南向西北逐渐减少的趋势,这种分布格局受地形和植被的综合作用,同时与土壤类型密不可分。精度检验结果表明,回归克里格方法能够提高土壤养分空间分布预测精度,是一种有效的空间分布插值方法。     

方正县土壤全硒空间变异研究

为了明确富硒水稻主产县方正县土壤中全硒的含量、分布等特征,以方正县农业土壤为研究对象,运用地统计学和Arc GIS相结合的方法研究土壤全硒含量的空间异质性和分布格局,并探讨硒浓度变异与土壤理化性质之间的关系。结果表明,土壤全硒含量变异函数符合指数模型,空间异质性指数Q=0.125,说明全硒含量的变异主要由结构性因素引起,空间自相关性较强。用普通克里格法(OK法)绘制全县的土壤全硒分布图,发现研究区绝大多数土壤(69.3%)属于足硒土壤,硒含量高值区出现在研究区中部及西南部,而低值区主要分布在研究区东北部。不同土壤类型中,泥炭土全硒含量最高(0.267 mg·kg-1),而沼泽土全硒含量最低(0.153 mg·kg-1);不同土地利用方式下,稻田土全硒含量(0.230 mg·kg-1)略高于旱地土(0.217 mg·kg-1)。影响土壤全硒含量的主要因素为土壤有机碳、粘粒及粉粒含量。     

样点稀少条件下基于环境相似性的土壤有机碳空间分布预测

针对现有土壤有机碳（soil organic carbon,SOC）空间分布预测模型难以适用于样点稀少条件下的问题,该研究依据成土环境越相似土壤属性越相似的假设,提出一种基于环境相似性的SOC空间分布预测方法（environmental similarity model,ESM）,首先利用影响SOC空间分布的关键环境变量刻画研究区成土环境,然后比较采样点与待估测点处的环境相似度,最后依据环境相似度预测待估测点处的SOC含量。为验证ESM方法的有效性,以云南省作为案例研究区,并设置3个情景：1）从64个采样点中随机抽取10个点作为训练集,余下的采样点作为验证集,随机抽取20次;2）从64个采样点中随机抽取20个点作为训练集,余下的采样点作为验证集,随机抽取20次;3）从64个采样点中随机抽取30个点作为训练集,余下的采样点作为验证集,随机抽取20次。以平均绝对误差（mean absolute error,MAE）和均方根误差（root mean square error,RMSE）评估模型预测精度。方差分析结果表明,采样点分别为10、20和30这3个情景条件下ESM的MAE（12.7、11.7、11.1 g/kg）都显著（P < 0.05）低于多重线性回归（72.6、23.0、16.7 g/kg）和人工神经网络（15.8、14.9、15.8 g/kg）,表明ESM模型具有较高的预测精度及较强的鲁棒性,可为成土因素复杂区域SOC空间分布的预测提供借鉴和指导。