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。     

对比景观土壤性质普通克里格法和回归克里格法的比较研究

The accuracy between ordinary kriging and regression kriging was compared based on the combined consideration of sample size, spatial structure, and auxiliary variables (terrain indices and electromagnetic induction surveys) for a variety of soil properties in two contrasting landscapes (agricultural vs. forested). When spatial structure could not be well captured by point-based observations (e. g., when the ratio of sample spacing over correlation range was > 0.5), or when a strong relationship existed between target soil properties and auxiliary variables (e. g., their R² was > 0.6), regression kriging (RK) was more accurate for interpolating soil properties in both landscapes studied. Otherwise, ordinary kriging (OK) was better. Soil depth and wetness condition did not appear to affect the selection of kriging for soil moisture interpolation, because they did not significantly change the ratio of sample spacing over correlation range and the relationship with the auxiliary variables. Because of a smaller ratio of elevation change over total study area (E/A = 1.2) and multiple parent materials in the agricultural land, OK was generally more accurate in that landscape. In contrast, a larger E/A ratio of 6.8 and a single parent material led to RK being preferable in the steep-sloped forested catchment. The results from this study can be useful for selecting kriging for various soil properties and landscapes.     

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。     

空间回归分析在土壤属性预测制图中的应用

以河南省孟津县为研究区,选取坡度、高程、地面曲率和复合地形指数(CTI)作为表层土壤缓效钾含量空间预测的环境协变量,系统探讨了空间回归分析技术在土壤属性预测制图中的应用.结果表明:土壤缓效钾的空间自相关距离阈值约为10 000 m,与坡度、高程和地面曲率存在显著相关性;尽管空间回归模型的预测精度和普通回归模型相近,但前者可以更加准确地表征土壤缓效钾的空间分布格局及空间分异细节特征.     

基于地形属性使用回归, 克里格和人工神经网络方法估算饱和导水率空间分布

Several methods,including stepwise regression,ordinary kriging,cokriging,kriging with external drift,kriging with varying local means,regression-kriging,ordinary artificial neural networks,and kriging combined with artificial neural networks,were compared to predict spatial variation of saturated hydraulic conductivity from environmental covariates.All methods except ordinary kriging allow for inclusion of secondary variables.The secondary spatial information used was terrain attributes including elevation,slope gradient,slope aspect,profile curvature and contour curvature.A multiple jackknifing procedure was used as a validation method.Root mean square error (RMSE) and mean absolute error (MAE) were used as the validation indices,with the mean RMSE and mean MAE used to judge the prediction quality.Prediction performance by ordinary kriging was poor,indicating that prediction of saturated hydraulic conductivity can be improved by incorporating ancillary data such as terrain variables.Kriging combined with artificial neural networks performed best.These prediction models made better use of ancillary information in predicting saturated hydraulic conductivity compared with the competing models.The combination of geostatistical predictors with neural computing techniques offers more capability for incorporating ancillary information in predictive soil mapping.There is great potential for further research and development of hybrid methods for digital soil mapping.     

克里格插值在区域土壤有机碳空间预测中的应用

基于河北省第二次全国土壤普查数据,对比了常用土壤有机碳相关因子土地利用和土壤类型与普通克里格插值结合前后对土壤有机碳密度空间预测精度的差异,探讨了普通克里格插值在区域土壤有机碳空间预测中的应用。研究结果表明,土地利用能够独立解释土壤有机碳密度总方差的19.0%,与普通克里格插值结合以后能够将对土壤有机碳密度总方差的解释程度显著提高到30.2%。低级土壤分类土属能够独立解释土壤有机碳密度总方差的45.0%,但与普通克里格插值结合以后对土壤有机碳密度总方差的解释程度为44.8%,两者相差不大。因此区域空间上能否进一步应用普通克里格插值优化土壤有机碳的空间预测与所选用的土壤有机碳相关因子有关。     

基于回归克里格的河北省土壤有机质时空变化特征研究

采用GIS空间分析和回归克里格空间插值方法,对1980～2010年间河北省表层土壤有机质(SOM)的时空变化进行对比分析。结果表明:时间上,1980～2010年,河北省SOM含量总体呈降低趋势,SOM平均降低3.6 g/kg。空间上,近30年来全省SOM含量整体上呈现西北减东南增的趋势,增幅总体上由西北向东南依次增加;且SOM含量增加的面积占全省面积的65.54%,主要分布在南部平原地区和唐山、秦皇岛等地。分析表明,这种变化格局的形成主要与施用化肥、实施秸秆还田等人类活动有关。本研究为预测粮食产量、优化施肥管理、保护生态平衡和耕地的可持续发展等提供了科学依据。     

基于环境相关法和地统计学的土壤属性空间分布预测

土壤属性是土壤质量的重要决定因素,并强烈影响土地利用和生态过程。正确理解并充分考虑土壤空间变异,对于在景观尺度上建立生态、环境过程模型是必不可少的。在黄土高原横山县采集了254个样点,应用数字地形与遥感影像分析技术,获取相关地形因子与遥感指数,分析土壤属性（土壤容重、有机质和全磷）与环境因子相互关系,并利用环境变量进行空间预测。结果表明,土壤容重、有机质与地形因子和遥感指数之间存在较好相关性,而全磷与地形因子相关性不大;多元线性逐步回归模型对于土壤容重和有机质拟合较好,而对于全磷,预测结果较差;回归－克里格预测有效地减小了残差,消除了平滑效应,与实测值较为接近。     

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。     

基于时空克里格的土壤重金属时空建模与预测

土壤重金属或其他生态环境属性在时间和空间上均存在连续性和变异性,而目前的研究忽略了它们在时间维的变异。为了在预测时使用多时期采样数据,该文提出使用时空克里格方法对土壤重金属进行时空建模及预测,着重介绍了经验半方差值的计算、理论变异模型的形式及参数拟合、时空克里格估值算法、估值方差和精度随邻近点数量的变化及时空克里格制图。以武汉市青山区土壤重金属为例介绍了时空克里格建模及预测的流程。结果表明,时空克里格方法能够很好地描述土壤重金属在空间、时间和时空上3个部分的变异特征,能够利用其他时期的数据对预测时间点的属性进行插值,而多时期的属性空间分布图能够很好地反映土壤重金属的分布变化规律。该研究可为资源环境生态时空建模及预测研究提供参考。     

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。     

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。     

普通克里格法在土壤有机碳制图中的应用

The quantification of the pattern and spatial distribution of soil organic carbon (SOC) is fundamental to understand many ecosystem processes.This study aimed to apply ordinary kriging (OK) to model the spatial distribution of SOC in a selected part of Zambia.A total of 100 soil samples were collected from the study area and analyzed for SOC by determining soil oxidizable carbon using the Walkley-Black method.An automated fitting procedure was followed when modeling the spatial structure of the SOC data with the exponential semivariogram.The results indicated that the short range spatial dependence of SOC was strong with a nugget close to zero.The spatial autocorrelation was high to medium with a nugget to sill ratio of 0.25.The root mean square error of the predictions was 0.64,which represented 58.18％ of the mean observed data for SOC.It can be concluded that the generated map could serve as a proxy for SOC in the region where evidence of spatial structure and quantitative estimates of uncertainty are reported.Therefore,the maps produced can be used as guides for various uses including optimization of soil sampling.     

基于土壤类型和微量元素辅助信息的土壤属性空间模拟

为探讨大尺度区域土壤属性空间化的方法,以吉林省为例,研究土壤养分（pH值、有机质、速效磷、速效钾和碱解氮）和地形地貌、微量元素等变量之间的关系;并在考虑土壤类型基础上,将相关性较高的变量作为协因子进行土壤养分的Cokriging插值研究。结果表明,pH值与经度、有效铁、锰和速效氮的相关系数分别高达-0.66、-0.71、-0.70和-0.67;有机质与经度、pH值、有效钙、锰的相关系数分别为0.55、-0.58、0.56和0.52;碱解氮与经度、纬度、pH值、有效铁、锌的相关系数分别为0.57、-0.57、-0.67、0.56、0.54;速效磷与速效钾、有效锌的相关系数分别为0.67和0.64。分析发现以相关性较高的微量元素作为协因子进行Cokriging插值精度均优于采用地形变量作为协因子的Cokriging插值。交叉检验和检验站验证结果表明,与普通Kriging相比,基于土壤类型和微量元素的Cokriging插值在增加估值精度方面有所提高。     

基于混合地理加权回归与克里格的区域降水量空间插值方法

基于四川省区域范围内144个气象站点的实测降水数据,在综合考虑空间位置、地形等影响因素的基础上,采用改进的回归克里格模型,即混合地理加权回归克里格模型（MGWRK）对四川省年降水量的空间分布进行空间插值,并与普通克里格（OK）、全局回归克里格（GRK）和地理加权回归克里格（GWRK）等模型的插值效果进行对比分析。结果表明：（1）应用逐步回归法筛选确定的用于回归分析的影响因子组合为经度、纬度和坡度,可有效消除解释变量间的多重共线性,为后续的空间插值奠定基础;（2）同一回归变量在地理加权回归（GWR）与全局回归（GR）两种回归模型中的AICc（修正的赤池信息量准则,Corrected Akaike Information Criterion）值之差（ΔAICc）可用于定量判定各回归变量的空间非平稳性类型,据此将变量坡度设为全局变量,经度和纬度设为局部变量进行处理。在此基础上,通过MGWRK模型对四川省年降水量进行空间插值;（3）MGWRK插值模型综合考虑了空间位置、地形等多个影响因素及其与降水相互关系的空间非平稳性特征,相对于传统的OK和GRK法具有更高的插值精度。     

基于样本分级的土壤属性自适应回归拟合方法

精细土壤属性信息在诸多领域均具有广泛的应用,历来倍受关注。现有土壤属性预测方法具有适用性不强或需要大量人工经验和专家知识等缺点,限制了这些方法在实际应用中的推广。本文提出了一种土壤属性自适应预测方法,可分为4步:①对采样点进行分组处理;②利用回归模型构建各分组内土壤属性与主导环境因子之间的典型关系;③对分组方案进行自动优化;④利用各组对应的土壤–环境因子典型关系对研究区进行优化拟合预测。为了验证方法的有效性,本文在我国东北典型黑土区以土壤有机质含量为例进行了应用研究,结果表明:所提方法可对环境因子做出自动选择,并可通过优化拟合对土壤属性空间分布进行自适应预测,预测精度较高。本方法初步实现了土壤属性预测的自动化,具有较好的适用性。     

应用基于PLSR的土壤-环境模型预测土壤属性

土壤-环境模型对于正确理解土壤属性与环境因子间的关系,以及进行土壤属性预测与制图均具有重要的意义。研究区位于陕西省长武县内多年退耕还林还草沟壑区域,采集72个土壤表层样本,选择3/4的样本作为建模集,其余1/4的样本作为验证集;环境因子选择容易获取的地形因子和由遥感影像提取的植被因子和湿度因子,建立基于偏最小二乘回归(PLSR)的土壤-环境模型。结果表明:全氮、速效钾、全钾、有机质与环境因子间均有显著相关性;建立的PLSR模型可解释土壤属性的空间变异从23%(全氮)到27%(全钾);与逐步回归方法构建的模型相比,利用PLSR构建的土壤-环境模型可以更好地表征土壤属性与环境变量间的关系,拟合精度和预测精度也相对较高,说明PLSR建立的模型可以更好地应用于相似区域的土壤属性预测。     

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。     

基于特征变量与支持向量机回归克里格(SVRK)法的湿地土壤有机质空间变异特征分析

选取有效变量与适宜方法有助于揭示河口湿地土壤有机质的空间分异特征,对维护湿地生态平衡和全球碳循环具有重要作用。以福州市闽江河口湿地为研究区,采用逐步回归分析(SLR)与主成分分析(PCA)法筛选显著的特征变量,运用支持向量机回归克里格(SVRK)法分析了湿地土壤有机质的空间异质性,并与神经网络克里格(BPNNK)法、回归克里格(RK)法进行了比较。结果表明:通过SLR和PCA分析发现,归一化植被指数(NDVI)、比值植被指数(RVI)、土壤水分指数(PDI)、汇流累积量(FA)及沉积物移动指数(STI)与土壤有机质含量关系密切,其判定系数R²为0.446,显著性概率值P<0.0001,可转换为3个独立的特征变量用于模型的预测。研究区土壤有机质的空间变异主要受结构性因素影响,呈现出"北低南高"的空间格局,采用SVRK模型的预测精度更高,能较好地体现河口湿地土壤有机质的空间异质特征。该研究可为同类区域的土壤有机质空间特征研究提供方法支撑。