基于地理加权回归的地形平缓区土壤有机质空间建模

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran’s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,“高-高”聚集区主要分布在苏中和苏南地区,“低-低”聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

青藏高原永冻土活动层厚度预测指标集的建立及制图

以青藏高原为研究区,采用数字土壤制图方法,进行了少量调查样本支持下的永冻土活动层厚度预测指标集的建立及制图研究。利用土壤和景观环境之间关系,筛选建立了活动层厚度预测指标集:地表昼夜温差、海拔、坡度、坡向、归一化植被指数(NDVI)、母岩。利用样点个体代表性方法实现了该区永冻土活动层厚度分布制图,取得了较高的精度和分辨率,克服了永冻土活动层厚度模拟过程中数学物理模型难以进行空间扩展制图以及半经验模型制图分辨率粗的局限。针对调查样点全局代表性较差以及数量有限的局限,本研究没有采用常规的一次性全样本最优建模方式,而采取多次抽样分别建模方式,获得预测指标集和制图结果。     

基于地图直接对比的土壤空间表达尺度效应研究——以封丘土壤属性制图为例

将封丘县3 608个土壤样点分为3 463和145个点,分别构成制图数据总集和验证数据总集,再从制图数据总集中通过4%～96%的多尺度随机抽样,构成17个制图子集。分别按Kriging、IDW和以点代面法对土壤有机质、有效磷和速效钾进行预测制图,基于地图直接对比计算制图子集和制图数据总集制图结果的相关系数以评价土壤属性图变化的尺度效应,并与验证数据集评价的多尺度制图结果进行了对比。最后,采用多子集制图结果的变异系数指示多尺度地图表达的不确定性,并将其与基于Kriging估值方差及随机模拟的不确定性表达进行了对比。研究表明,基于地图直接对比可发现,制图效果与样本数量具有显著的分形关系,且分形维数受制图方法和土壤属性空间可变性的双重影响:同样条件下以Kriging方法最小,而以点代面法最大;以土壤速效钾最小,而土壤有效磷最大。验证数据集实测值和估计值的相关系数及均方根误差没有表现预期的分形特征。Kriging估值方差及随机模拟表达的单一尺度制图不确定性明显受采样点分布与Kriging估值大小影响,而基于地图直接对比的多尺度制图的不确定性更客观地反映土壤自然变异,其中土壤有机质、土壤速效钾有较强规律可循,而土壤有效磷则没有规律。     

基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。     

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...     

不同样点数量对土壤有机质空间变异表达的影响

以南京市六合区为研究区,通过完全随机和限制最小采样间距抽样分别设置5个样点系列,基于每个样点系列100次重复抽样的变异结构推断及空间预测误差结果,探讨了不同样点数量对土壤有机质(SOM)空间变异表达的影响。结果表明,两种抽样方式降低样点数量后推断的SOM含量的块金效应(C0/C0+C)均随样点数量减少而降低且限制最小采样间距抽样推断的C0/C0+C要低于完全随机抽样方法,说明适当的减少样点数量以便降低与SOM变异尺度不匹配的样点对变异结构推断的影响有助于提高SOM空间变异结构表达的可靠性。普通Kriging预测的SOM误差对比则表明,尽管两种抽样方式下空间预测的均方根误差(RMSE)随样点数量变化而波动,但均低于全部样点的预测误差;通过限制最小采样间距减少样点至250个时,SOM空间预测的RMSE最低,较全部样点预测误差降低了6%,因此,为了实现样点密度与SOM变异尺度相匹配,合理设置土壤采样点的间距及样点数量较单纯的增加采样点数量更为重要。     

艾比湖流域土壤有机质与土壤因子响应关系的空间非平稳性分析

为了研究新疆艾比湖流域土壤有机质(SOM)与土壤因子响应关系的空间非平稳性,文章应用地理加权回归模型(GWR)分析了2009年艾比湖流域49个样点1—120cm土壤层有机质与土壤酸碱性、电导率和重金属含量之间关系的空间变异特征。研究结果表明:在平均意义下,土壤酸碱性和电导率对SOM含量具有反向影响,而重金属含量的影响是正向的,但是在流域的不同区域以及不同深度土壤层间,各土壤因子对SOM含量的影响空间差异显著、具有非平稳性,流域的东西两端及60—120cm土壤层的非平稳性尤为显著。模型的残差分析结果证实GWR拟合效果较好。     

江淮丘陵地区土壤养分空间变异特征——以安徽省定远县为例

以安徽省江淮丘陵地区的定远县为例,利用测土配方施肥获取的1 401个农田表层样点数据,运用地统计学方法和GIS技术研究了土壤有机质(SOM)、全氮(TN)、速效磷(AP)和速效钾(AK)含量的空间变异特征及其影响因素。结果表明,定远县SOM含量为17.74 g/kg,TN含量为1.04 g/kg,AP含量为13.45 mg/kg,AK含量为115.00 mg/kg,属中等水平。变异系数介于28.85%~73.38%,属中等变异强度。地统计分析表明,定远县土壤养分的变异函数符合指数模型,具有中等强度的空间自相关性,SOM和TN的空间自相关性稍强。土壤养分在空间上呈块状分布,SOM、TN和AK的空间分布总体上东南高、西北低;AP总体上西高东低。土壤养分空间变异主要受地形和土壤类型影响。     

黑土典型区土壤有机质遥感反演

土壤有机质（SOM）含量时空变异规律研究对于土壤肥力评价、土壤碳库估算、土壤资源利用与保护具有重要意义,而地貌、成土母质、土壤类型等差异、高光谱卫星影像较少等因素制约了区域尺度的SOM含量遥感反演方法研究的开展。该文以黑龙江省黑土带典型区为例,采集区域土壤样本,获取Landsat TM遥感影像,基于有机质含量与土壤反射率的定量关系,建立区域SOM遥感预测模型。结果表明：黑土区SOM含量高,一般大于2%,决定了有机质对土壤反射光谱特性的主要作用,而且该区SOM空间变异性显著,且耕作方式、气候等因素决定了裸土时间长,因而该区适于SOM含量遥感反演;有机质与TM各波段反射率均显著相关,最大相关系数在第3波段（0.63～0.69 μm）,为-0.710,其次为4波段（0.76～0.90 μm）,与实验室基于高光谱反射率数据分析的结果一致;基于TM影像2、3、4波段的SOM指数模型最优,预测精度高、稳定性好,可以用于揭示黑土典型区SOM含量的空间分布特征。该研究将为改进土壤理化参数遥感反演、土地质量评价、土壤碳库估算等工作方法提供理论与技术支持。     

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。     

江苏省土壤有机质含量时空变异特征及驱动力研究

土壤有机质(SOM)含量是估算土壤碳储量、评价土壤肥力的重要指标,研究SOM时空演变对评估区域土壤固碳潜力,实现土壤可持续利用具有重要意义。以江苏省为例,利用全国第二次土壤普查资料和2006年采样数据,基于地统计学方法和GIS技术,对比研究了1980 - 2006年全省范围内表层(0 ~ 20 cm)SOM含量的时空变异特征及其驱动因子。结果表明：1980年和2006年江苏省SOM平均含量分别为16.55 ± 8.50 g kg^-1和18.31 ± 8.32 g kg^-1,变异系数分别为51.36%和45.44%。两个时期SOM的变异函数均符合指数模型,块金系数由51.85%增加为56.52%,变程由71.55 km减少至37.83 km,SOM含量的空间自相关性减弱,自相关距离减小。1980-2006年,SOM含量空间分布呈现出北增南减,沿江平原增,宁镇丘陵减,滨海平原基本持平的空间格局,增加幅度由北向南逐渐减小。SOM含量的初始值影响其空间格局的演变,总体上呈现初始SOM含量的高值降低、低值增加的趋势。肥料的大量使用在提高粮食产量的同时也增加了作物残茬和根系的生物量;秸秆还田的大力推行,使得大量的有机物质进入土壤,促进了SOM的累积。不同的土地利用变化对SOM含量变化的作用不同,土地利用方式转变成水田、旱地和林地促进了SOM的增加,而转变成荒地后导致SOM含量下降。     

结合多等级代表性采样和模糊隶属度的区域土壤制图方法

High-resolution and detailed regional soil spatial distribution information is increasingly needed for ecological modeling and land resource management. For areas with no point data, regional soil mapping includes two steps: soil sampling and soil mapping. Because sampling over a large area is costly, efficient sampling strategies are required. A multi-grade representative sampling strategy, which designs a small number of representative samples with different representative grades to depict soil spatial variations at different scales,could be a potentially efficient sampling strategy for regional soil mapping. Additionally, a suitable soil mapping approach is needed to map regional soil variations based on a small number of samples. In this study, the multi-grade representative sampling strategy was applied and a fuzzy membership-weighted soil mapping approach was developed to map soil sand percentage and soil organic carbon(SOC) at 0–20 and 20–40 cm depths in a study area of 5 900 km2 in Anhui Province of China. First, geographical sub-areas were delineated using a parent lithology data layer. Next, fuzzy c-means clustering was applied to two climate and four terrain variables in each stratum. The clustering results(environmental cluster chains) were used to locate representative samples. Evaluations based on an independent validation sample set showed that the addition of samples with lower representativeness generally led to a decrease of root mean square error(RMSE). The declining rates of RMSE with the addition of samples slowed down for 20–40 cm depth, but fluctuated for 0–20 cm depth. The predicted SOC maps based on the representative samples exhibited higher accuracy, especially for soil depth 20–40 cm, as compared to those based on legacy soil data. Multi-grade representative sampling could be an effective sampling strategy at a regional scale. This sampling strategy, combined with the fuzzy membership-based mapping approach, could be an optional effective framework for regional soil property mapping. A more detailed and accurate soil parent material map and the addition of environmental variables representing human activities would improve mapping accuracy.     

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。     

Spatio‐temporal change of soil organic matter content of Jiangsu Province,China, based on digital soil maps

Estimation of spatio‐temporal change of soil is needed for various purposes. Commonly used methods for the estimation have some shortcomings. To estimate spatio‐temporal change of soil organic matter (SOM) in Jiangsu province, China, this study explored benefits of digital soil maps (DSM) by handling mapping uncertainty using stochastic simulation. First, SOM maps on different dates, the 1980s and 2006–2007, were constructed using robust geostatistical methods. Then, sequential Gaussian simulation (SGS) was used to generate 500 realizations of SOM in the area for the two dates. Finally, E‐type (i.e. conditional mean) temporal change of SOM and its associated uncertainty, probability and confidence interval were computed. Results showed that SOM increased in 70% of Jiangsu province and decreased in the remaining 30% during the past decades. As a whole, SOM increased by 0.22% on average. Spatial variance of SOM diminished, but the major spatial pattern was retained. The maps of probability and confidence intervals for SOM change gave more detailed information and credibility about this change. Comparatively, variance of spatio‐temporal change of SOM derived using SGS was much smaller than sum of separate kriging variances for the two dates, because of lower mapping variances derived using SGS. This suggests an advantage of the method based on digital soil maps with uncertainty dealt with using SGS for deriving spatio‐temporal change in soil.     

西南典型岩溶区土壤硒空间分布预测

土壤硒精准预测和制图是富硒土壤资源开发利用和环境规划管理的基础。该文以西南典型岩溶区桂林永福百寿河流域为例,在分析影响土壤硒化学行为因子的基础上,通过野外样品采集和室内化学分析以及Arc GIS空间分析,获取了研究区相关地理环境因子和土壤属性因子数据。利用逐步回归方法选择土壤硒空间分布预测的辅助变量,使用协同克里格模型对非连续分布的辅助变量进行插值。在此基础上利用地理加权回归模型对土壤硒空间分布进行预测,同时以普通克里格插值结果作为参照。研究结果表明:使用地理环境因子和影响土壤硒化学行为的土壤属性因子可以提高土壤硒预测精度;协同克里格插值解决了辅助变量数据连续分布的问题;土壤硒的空间分布与地形和影响土壤硒化学行为的因子有关。