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。     

基于多源辅助变量和极限学习机的蔬菜地土壤有机质预测研究

应用多源辅助变量预测土壤有机质的空间分布,能有效提高预测精度。以西安市蔬菜产地为研究区域,共采集422个土壤样品,运用极限学习机(extreme learning machine,ELM)、逐步线性回归(stepwise linear regression,SLR)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型,结合坡度、坡向、种植年限、种植类型、灌溉方式、氮肥施用量、磷肥施用量、钾肥施用量、土壤类型、碱解氮、有效磷、速效钾、盐分、硝酸盐、pH值等15个多源辅助变量,对研究区蔬菜地土壤有机质含量进行空间预测,并通过100个实测点验证预测结果。结果表明:ELM对土壤有机质预测结果的均方根误差为0.631 g kg-1,均方根误差和预测集平均值的比值为0.037,二者均低于其他3种模型,ELM的相关系数为0.716,显著高于SLR、SVM和RF,ELM的空间预测结果更接近土壤有机质含量的真实情况。同时,根据ELM分析结果及算法本质阐释其在土壤属性领域应用的地理学意义,也为其他土壤属性空间预测引入了一种新方法。     

基于回归克里格和遥感的紫色土区土壤有机质含量空间预测

精确预测紫色土区土壤有机质含量的空间分布,对于指导紫色土区农业生产和培肥土壤具有重要意义。以杜家沟小流域为研究区,以遥感影像作辅助变量,采用回归克里格法,预测土壤有机质含量的空间分布,并与参照方法的预测精度进行比较。结果表明:(1)Landsat ETM+影像的波段2和波段5是土壤有机质含量多元线性回归预测的最佳辅助变量,回归残差的最优半方差函数模型为球状模型,模型的拟合精度较高;(2)土壤有机质含量呈由沟谷逐渐向坡顶递减的趋势,空间变异的细节信息表达较好;(3)回归克里格法在验证点的预测值与实测值的拟合能力更好,预测结果更倾向于无偏的,MAE、RMSE和R2均优于参照方法。因此,回归克里格法是紫色土区土壤有机质含量高精度空间预测的有效方法。     

基于环境因子和联合概率方法的土壤有机质空间预测

<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相     

贝叶斯最大熵地统计学方法及其在土壤和环境科学上的应用

贝叶斯最大熵(Bayesian Maximum Entropy,BME)地统计学方法是近年来出现的一种时空地统计学新方法。相对于传统的克里金方法,该法具有坚实的认识论框架和方法学基础。它不需要作线性估值、空间匀质和正态分布的假设,能够融入先验知识和软数据,并且不会损失其中蕴含的有用信息,提高了分析精度。本文首先介绍了BME的基本理论及其估值方法,随后简单描述了该方法的理论发展过程及其在土壤和环境科学上的应用情况,最后对该方法的应用做了总结与展望。经过国外研究者多年的开发和实践,BME方法已经被证明是一个理论上较为成熟,能够应用到实际研究中的优秀地统计学方法,在资源环境评估上有着广泛的应用前景。     

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。     

基于不同协变量Cokriging土壤养分空间预测精度研究——以陕西省蓝田县为例

以蓝田县西北部农耕区2012年1 114份土壤有机质、碱解氮、有效磷、速效钾4个指标为基础,利用地理信息系统和地统计学相结合的方法,在对协变量个数控制的前提下,通过交叉检验系数和精度提高系数,探索协同克里格插值法对各土壤养分空间分布预测精度的影响。结果表明:各土壤养分空间分布不均匀,土壤养分存在中等变异性;利用增加协同变量方法,依据协变量之间相关性强弱控制协变量进入模型的次序对各土壤养分指标进行协同克里格插值,能提高预测精度,当协变量个数达到3时,各养分指标精度提高分别为有机质0.353%,碱解氮1.114%,有效磷1.088%,速效钾0.646%。研究结果较为准确地预测了样区4个养分指标的空间分布特征,结合土壤类型及土壤施肥管理方法,探讨了土壤养分空间分布特征的原因。     

贝叶斯最大熵地统计方法研究与应用进展

以克里格估算为基础的插值和随机模拟为代表的经典地统计方法是目前研究地理属性空间分布的主要方法,但仍存在精度不高及不能有效利用其他有价值信息的缺陷。近年来贝叶斯最大熵地统计方法在国外逐渐流行,该方法能够在有效利用多源数据的基础上,提高空间分布研究精度,是一种新的非线性方法。本文详细阐述了贝叶斯最大熵方法的数据内容、实施步骤、一般算法及计算结果,并介绍了该方法的应用情况,最后对该方法的优点和不足作出了评价。     

基于改进OK模型的土壤有机质空间分布预测——以宜都市红花套镇为例

选择合适的土壤有机质（SOM）预测模型是提高区域化空间分布模拟精度的前提,也是监测土壤碳库动态变化和指导农田土壤肥力投入的基础。以湖北宜都红花套镇柑橘区为例,设置普通克里格（OK）插值的SOM结果作对照,分别建立SOM及其最显著相关辅助变量碱解氮间的建模协同克里格（COK₁）、全局协同克里格（COK₂）和两个融合辅助变量协同相关性的改进OK模型（CCOK₁、CCOK₂）,探讨纳入辅助变量、改变辅助信息插值数量以及结合辅助变量协同相关性对SOM含量预测的影响。结果表明：1）OK、CCOK₁和CCOK₂的块基比为25%~75%,表现出中等空间自相关性,而COK₁和COK₂的块基比小于25%,具有强烈的空间自相关,SOM的空间异质性受结构性因素影响的比重更大。2）SOM的预测含量范围为7.38~29.03 g·kg^-1,使用COK₁和COK₂模型插值获得的有机质空间分布较OK更为破碎,CCOK₁和CCOK₂的插值结果则呈连续片状分布,更符合研究区土地利用类型分布的实际情况。3）SOM的空间分布预测精度由高到低依次为CCOK₁ ≈ CCOK₂ > COK₂ > COK₁ ≈ OK,OK和COK₁两者精度指标相近,COK₂的拟合效果有一定改进,但CCOK₁和CCOK₂的相关系数（r）分别从0.10升高到0.70和0.69,均方根误差（RMSE）分别降低了15.40%和14.78%,预测精度最高。因此,本研究提出的融合辅助变量协同相关性的改进OK模型的估算效果最优且在最大程度上提高辅助信息的参与度,可为SOM预测提供参考。     

基于贝叶斯最大熵和多源数据的作物需水量空间预测

作物需水量是灌溉工程规划、设计和管理的重要基础数据,充分利用多源数据和先验知识,快速经济地获取精度较高的区域作物需水量对于区域水资源的优化配置具有重要意义。为精确预测作物需水量,该文以长系列实际监测和校核作物系数后计算得到的作物需水量为硬数据,利用硬数据确定获得最大熵的约束条件,根据软数据获取渠道的不同(部分年份缺失的站点数据、文献中获得的数据、利用灌溉试验数据库中的作物需水量资料,采用协同克立格方法获得的数据、考虑主要地形因子和主要气象要素的影响,采用主成分分析和地理加权回归(geographically weighted regression,GWR)方法获得作物需水量数据以及遥感数据),提出不同来源软数据的概率密度函数表达方法,采用贝叶斯最大熵(Bayesian maximum entropy,BME)方法对不同来源的作物需水量信息进行有机整合。结果表明:除硬数据+文献软数据外,其他数据整合呈现一致结果。华北地区冬小麦作物需水量在豫南地区较小,中部地区黄河北岸有连片的相对高值区,山东需水量相对较高,冀东北的乐亭、唐山附近有相对低值区。除硬数据+文献软数据比不整合的精度低9.41%外,其他软数据源均可不同程度地提高整合效果,硬数据+克立格软数据、硬数据+GWR软数据和硬数据+除文献数据外的其他软数据分别比不整合的精度提高85.33%、85.75%和91.69%。对考虑地形、气象等要素的多源数据进行整合可更好地反映冬小麦作物需水量空间分布的细节,显著提高估算精度,为稀疏监测站点地区水土资源的精准管理和优化配置提供数据支撑。     

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。     

基于环境变量的中国土壤有机碳空间分布特征

研究中国土壤有机碳(Soil Organic Carbon,SOC)的空间分布特征对SOC储量估算以及农业生产管理具有重要意义。以全国第二次土壤普查2473个土壤典型剖面的表层(A层)SOC含量为研究对象,探寻地形、气候和植被等环境因素对SOC空间异质性分布的影响;以普通克里格法为对照,利用地理加权回归、地理加权回归克里格、多元线性回归和回归克里格模型建立SOC空间预测模型;并分别绘制了中国SOC的空间分布预测图。结果表明:(1)SOC含量与年均降水量、年均温、归一化植被指数、高程以及地形粗糙指数呈极显著相关关系;(2)平均绝对估计误差、均方根误差、平均相对误差和皮尔逊相关系数等模型验证指标表明地理加权回归的预测精度优于其他模型,可以更好地绘制SOC在大尺度上的空间分布特征;(3)较高SOC含量主要分布在研究区东北部、西南部以及东南部,而西北部SOC含量普遍偏低。本文以期从大尺度上探讨土壤属性与环境变量之间的相关关系,为全国土壤属性的空间制图提供一定的解决方案和思路。     

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。     

县域土壤有机质空间变异特征及合理采样数的确定

以有机质为例,以高密度土壤养分采样数据为数据源,通过随机抽取生成不同采样密度的样点数据,分析了不同采样密度下土壤有机质的空间变异特征及县域合理采样数。研究结果表明,在一定研究尺度下采样密度对土壤养分的模型拟合、变程和空间相关性没有显著影响,即适当减少样点数可以满足插值分析的需要,充分考虑土壤养分空间变异评价的精度分析,确定县域土壤有机质合理采样数应控制在400个以上。     

石河子垦区农田土壤有机质和全氮空间分布特征研究

探明土壤有机质和全氮的空间分布,是合理科学配方施肥的重要依据。利用Arc GIS和GS+地统计软件,分析新疆石河子垦区农田耕层(0~20 cm)土壤有机质(SOM)、全氮(TN)和碳氮比(C/N)空间分布特征。结果表明:垦区SOM、TN和C/N的变异系数分别为42%、46%和28%,均属于中等变异;通过变异函数分析,SOM理论模型采用球状模型拟合较好,TN采用指数模型拟合较好,C/N采用线性模型拟合较好;SOM、TN和C/N的块金系数15%~54%,SOM和C/N具有中等自相关性,TN具有强烈的空间自相关性;SOM和TN在空间格局上有着很强的相似性,且垦区农田SOM和TN含量总体偏低,需要长期施用有机肥和配施化肥,增加垦区农田土壤有机质和全氮含量,提高土壤肥力。     

典型黑土区坡耕地土壤碱性磷酸酶和有机质空间分布研究

以东北黑土侵蚀严重区宾州河流域为研究区,通过采集流域上游、中游和下游6个典型坡面及各坡面不同坡位的土壤样品,分析坡耕地土壤碱性磷酸酶和土壤有机质在流域和坡面尺度的空间分布特征及其与土壤侵蚀的关系。结果表明,在流域尺度上,坡耕地土壤碱性磷酸酶活性和土壤有机质含量均表现为下游 > 中游 > 上游,坡面尺度上总体表现为坡面上部 < 坡面中部 < 坡面下部的趋势,且坡位对土壤有机质分布的影响较其对土壤碱性磷酸酶活性的影响更为明显。土壤碱性磷酸酶活性与土壤有机质间存在极显著的正相关关系。流域土壤碱性磷酸酶活性和有机质空间分布与土壤侵蚀空间分布相对应,反映出土壤侵蚀是影响该区耕层土壤碱性磷酸酶活性和土壤有机质含量的主要因素。     

基于地统计与遥感反演相结合的有机质预测制图研究

土壤水分对土壤光谱反射率有显著影响,而以往有机质遥感反演制图中却很少将水分作为预测建模的变量。为了使遥感制图更加符合野外实际环境,提高有机质预测制图精度,在充分考虑土壤样点空间自相关、异相关与野外复杂环境特点的基础上,通过地统计获得研究区水分的空间分布数据,结合遥感反射率,建立多因子预测模型,得到了吉林省黑土区土壤有机质空间分布图。结果表明,有机质遥感制图中,水分因素的加入,使模型的建立更加符合野外实际情况,显著提高了有机质预测制图的精度。