基于传递函数的土壤数据库缺失数据的填补研究

数据缺失在土壤调查研究中是一个非常普遍的现象,处理不当一定程度上会影响研究结果的可靠性。土壤转换函数(pedotransfer functions,PTFs)是简单、快速、大批量填补土壤数据库缺失信息的有效手段。但目前分析和厘定我国土壤数据库缺失数据特征的研究较少,针对土壤数据库缺失数据的填补方法也亟待规范。本文对我国第二次土壤普查数据库进行分析,探讨该数据库的数据缺失特征,并对数据缺失严重的土壤属性进行预测,以期为今后的土壤数据库缺失数据填补工作提供参考。总体来看,质地(砂粒、粉粒和黏粒含量)、pH、有机质、全氮、全磷、全钾是土壤普查中最基础的调查项目,这些土壤属性信息的完整性最好。有效磷、速效钾和阳离子交换量数据有一定的缺失。碱解氮、容重、砾石含量、各种类型氧化铁数据缺失严重。在填补缺失数据时,建议首先考虑模型的稳定性,尽量使用那些相对稳定且数据完整性好的土壤属性来预测缺失数据。我国第二次土壤普查数据库基本都缺少空间属性信息,在填补缺失数据时最好采用简单而相对稳定的回归模型。利用回归分析得到的土壤传递函数可以较好地实现容重、碱解氮和部分阳离子交换量缺失数据的填补工作。尽管如此,由于部分土壤属性信息有一定的时效性,应用传递函数时要注意数据源的历史背景。     

区域土壤容重转换函数构建与预测结果评价——以河南省封丘县为例

以河南省封丘县为研究区,应用现有的代表性土壤转换函数(PTFs)对40个样点、169个样品的土壤容重实施预测并对其较差的预测精度进行了分析与评价,指出对于不同地区、不同类型、不同剖面垂直深度和不同发生层次的土壤,其容重PTFs的预测变量及相应参数各不相同。鉴于此,本研究基于获得的研究区基本土壤属性信息,应用回归分析手段分别构建了表层及心土层容重PTFs。预测结果显示,以土壤砂粒和有机质含量为预测变量的普通回归PTFs可以解释90%的土壤容重变异,且具有很高的预测精度;与心土层相比,表层土壤普通回归PTF的解释能力、预测精度均明显较低,表明表层土壤容重受其他随机因素尤其是人为活动因素的影响较强。进一步研究显示,通过逐步回归手段增加预测变量可以有效提高PTFs的解释能力和预测结果的合理性,但不一定能有效提高预测精度,PTFs预测精度主要取决于预测变量的遴选范围与数据质量。     

河北省土壤容重的传递函数研究

由于非破坏性取样测定土壤容重是一项困难、昂贵、费时和不符合实际的工作。为克服这些困难,国外学者已经研究出多种与土壤有机质或有机碳含量和土壤质地有关的传递函数去估计其研究范围内的土壤容重。本文利用河北省第二次土壤普查资料中的土壤有机质和质地数据,对已有的13种土壤传递函数模拟的结果进行对比,确定最佳传递函数形式后,用SPSS统计分析软件进行回归分析,求得适宜河北省土壤容重的传递函数表达式。     

科尔沁沙丘-草甸相间地区表土饱和导水率的土壤传递函数研究

以科尔沁沙地典型坨-甸相间地区为研究区,野外布设240个采样点,对流动沙丘、半固定沙丘、固定沙丘、沙丘区杨树林、沙丘区耕地、低覆盖度草甸、高覆盖度草甸、草甸区耕地、撂荒地9种地貌类型下的表层土壤进行了采样,测定了其含水率、干容重、有机质、饱和导水率等理化特性,分析了不同地貌类型下表层土壤理化参数差异。选取Campbell、Cosby、Wosten等、Saxton等4种土壤饱和导水率传递函数,对该地区表土饱和导水率进行了预测。结果显示这几种土壤传递函数预测值与实测值偏差较大,相关系数均小于0.3,精度难以满足本地区应用。在此基础上,选取土壤容重、有机质含量、饱和含水率、平均粒径、粒径标准偏差5种土壤特性参数作为输入变量,采用主成分分析与非线性回归分析相结合的方法,重新建立了预测本地区表土饱和导水率的土壤传递函数,结果显示预测值与实测值相关系数为0.661,该传递函数可用于科尔沁沙地表层土壤饱和导水率的预测。     

采用Gompertz函数的水稻土压缩特性研究

土壤压实模型是预测压实破坏的常用方法,但土壤压实模型的应用常因输入参数（土壤压缩特性及其与不同土壤物理性质之间的关系）的缺乏而受到限制。为定量地评价土壤水力学性质和土壤结构对土壤压缩特性的影响,该文利用土壤固结仪对25种不同含水率和容重的重塑土样进行单轴压缩试验,并采用Gompertz函数对试验数据进行拟合以获取土样的回弹指数、压缩指数和先期固结压力。试验结果表明,Gompertz函数对水稻土试验数据的拟合效果较优,决定系数为0.991～0.999。水稻土回弹指数为0.003～0.138,与容重呈负相关,与含水率呈正相关。水稻土压缩指数为0.115～0.839,与容重呈负相关,与含水率呈二次多项式关系。水稻土先期固结压力为33～127 kPa,与容重呈正相关,与含水率呈负相关。该研究建立的土壤压缩特性与含水率和容重之间的传递函数,可用于大尺度范围内水稻土压缩特性的预测;同时这些传递函数可作为土壤压实模型的输入参数,用于农业机械作业引起的压实破坏的量化和土壤压实风险的评估。     

松嫩平原主要土壤类型含水量高光谱预测模型

为了消除土壤类型的影响,提高土壤含水量高光谱预测精度,以松嫩平原四种典型土壤(黑土、黑钙土、草甸土、风砂土)实验室高光谱反射率为研究对象,对反射光谱曲线进行去包络线处理,提取光谱特征参数;并对反射率进行多种数学变换,分析不同土壤类型、含水量水平的反射光谱特征差异,建立考虑土壤类型差异的含水量高光谱预测模型。研究结果表明:1)混合土壤类型难以提取有效的光谱特征参数进行土壤含水量预测;2)将风砂土与其他土类分开,其他土类利用光谱特征参数建模的精度高;3)基于光谱特征参数的一元线性回归精度高,输入量少。研究成果为多个土壤类型含水量高光谱预测提供了科学依据。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

科尔沁沙丘-草甸相间地区表土饱和导水率的土壤传递函数研究

本研究以科尔沁沙地典型坨-甸相间地区为研究区,野外布设240个采样点,对流动沙丘、半固定沙丘、固定沙丘、沙丘区杨树林、沙丘区耕地、低覆盖度草甸、高覆盖度草甸、草甸区耕地、撂荒地九种地貌类型下的表层土壤进行了采样,测定了这些样点的含水率、干容重、有机质、饱和导水率等理化特性参数,分析了不同地貌类型下表层土壤理化参数差异。选取Campbell、Cosby、Wosten1997/1999、Saxton四种土壤传递函数,对该地区表土饱和导水率进行了预测,结果显示这几种土壤传递函数预测值与实测值偏差较大,相关系数均小于0.3,由此可见这几种传统的土壤传递函数在本地区应用具有一定的局限性。在此基础上,选取土壤容重、有机质含量、饱和含水率、平均粒径、粒径标准偏差五种土壤特性参数作为输入变量,采用逐步多元统计回归、主成分分析及非线性回归分析相结合的方法,重新建立了预测本地区表土饱和导水率的土壤传递函数,结果显示预测值与实测值相关系数为0.648,该传递函数可应用于科尔沁沙地表层土壤饱和导水率的预测。     

安徽省土壤阳离子交换量传递函数构建与精度评价

【目的】由于化学测定方法费时费力,很多历史土壤资料缺少阳离子交换量(CEC)信息。本研究旨在基于易获取的变量建立安徽省土壤CEC的预测模型。【方法】利用覆盖安徽全省区域的711个土样的有机质含量、颗粒组成和土壤pH的信息,采用逐步多元线性回归方法建立CEC预测模型;并按土壤层次、土壤类型、母质、土地利用方式、质地和石灰性六种分组方式检验了其对模型预测精度的影响。【结果】(1)利用全省未分组数据建立的预测模型精度较低,调整R²仅为0.33;(2)按土壤类型、土地利用方式和石灰性进行分组,整体上可提高模型的预测精度,调整R2提升至0.44～0.93;但按土壤层次、母质和质地进行分组,模型精度未得到明显改善甚至有所下降;(3)预测安徽省土壤CEC的参数重要性依次为土壤黏粒含量、土壤有机质含量和土壤pH。【结论】基于未分组数据集上建立的安徽省土壤CEC模型精度很低,依据土壤类型、土地利用方式和石灰性进行分组可提高CEC的预测精度,对CEC预测最重要的变量是土壤黏粒含量,其次是土壤有机质含量和土壤pH。     

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。     

安徽宣郎广岗丘区土壤发生分类类型在系统分类中的归属

对宣郎广岗丘地区40个土壤剖面,按中国土壤系统分类体系,进行鉴别、检索、分类定名。阐述土壤发生分类体系的11个亚类级土壤类型在中国土壤系统分类中归为5个土纲,即人为土、富铁土、淋溶土、雏形土和新成土;5个亚纲,即水耕人为土、湿润富铁土、湿润淋溶土、湿润雏形土和正常新成土;15个土类和23个亚类。参比关系复杂,不是简单的一对一的关系。提出按中国土壤系统分类的该区土壤分类系统;并讨论了该区土壤发生分类与系统分类之间具体土壤类型的对应关系。研究结果对土壤类型的正确参比、中国土壤系统分类的应用与发展、具有很好的参考应用价值。     

皖南紫红色砂石岩上发育土壤的系统分类研究

对皖南不同时期紫红色砂石岩上发育的8个土壤剖面,按中国土壤系统分类体系,进行鉴别、检索、分类定名。阐述发生分类紫色土的2个亚类级土壤类型在中国土壤系统分类中归为3个土纲,即均腐土、雏形土和新成土;3个亚纲,即湿润均腐土、湿润雏形土和正常新成土;4个土类和6个亚类。提出按中国土壤系统分类的紫色土分类系统;并与美国土壤系统分类、国际土壤分类参比基础进行了参比。讨论了皖南紫红色砂石岩上发育为均腐土的成土环境条件,同时对发生分类紫色土在中国土壤系统分类类别检索提出修订建议。     

岷江上游杂谷脑河谷土壤发生特征与系统分类研究

为了解岷江上游杂谷脑河谷的土壤发生特征及类型归属,以位于四川阿坝藏族羌族自治州理县杂谷脑河谷的8个典型土壤剖面为研究对象,通过野外成土因素调查与土壤形态特征观测及室内土壤物理、化学性质分析,依据《中国土壤系统分类检索(第三版)》(简称系统分类)与《中国土壤(1998)》(简称发生分类)鉴定其类型。研究表明,8个剖面均为温性土壤温度状况、半干润土壤水分状况;土壤色调为7.5YR和10YR,部分剖面表层明度和彩度均低于3.5,达到暗沃表层的颜色要求;土壤颗粒组成以粉粒含量最高、砂粒次之、黏粒最低,质地为壤土或粉质壤土;土壤结构主要为亚角块状,部分剖面表层为团粒结构;部分剖面中具有腐殖质、黏粒胶膜及假菌丝体等新生体,形成黏化层和钙积层;均具石灰性,主要为碱性到强碱性反应;有机碳含量范围1.64～61.45 g/kg,部分剖面含量自上而下逐渐降低,具有均腐质特性;游离铁含量为10.78～19.57 g/kg,个别剖面B层均在14 g/kg以上,具有铁质特性;有效磷含量为1.2～43.1 mg/kg,个别符合肥熟表层和磷质耕作淀积层的有效磷含量要求。供试土壤在中国土壤系统分类中归属于人为土、均腐...     

湘东第四纪红色黏土发育的典型土壤在中国土壤 系统分类中的归属

选取湖南省东部地区12个由第四纪红色黏土发育的典型土壤剖面,在对其成土环境、剖面形态特征及其理化性质进行研究的基础上,按照中国土壤系统分类方案,检索出了其诊断层和诊断特性,据此确定了其在中国土壤系统分类中的归属。结果表明,供试土壤剖面包含了淡薄表层、暗瘠表层、低活性富铁层、黏化层、聚铁网纹层等10个诊断层和诊断特性,其在中国系统分类体系中的位置分别为:淋溶土、富铁土和雏形土3个土纲;湿润淋溶土、湿润富铁土和湿润雏形土3个亚纲;简育湿润富铁土、铝质湿润淋溶土和铝质湿润雏形土3个土类;暗红简育湿润富铁土、表蚀简育湿润富铁土、网纹简育湿润富铁土等6个亚类;按照土族和土系划分标准,建立了黏质高岭石型酸性热性-普通铝质湿润淋溶土等9个土族和燕塘系(43-LY01)等12个土系。研究发现:受亚热带气候影响,许多土壤剖面发生了富铁铝化过程,且由于淋溶强烈,形成了聚铁网纹层,而现行的《中国土壤系统分类检索(第三版)》还不能给出一个合适的位置,因此建议在铝质湿润淋溶土亚类中增设一个可以反映相关特性的网纹铝质湿润淋溶土亚类。     

高温高压间歇灭菌对中国典型土壤性质的影响

以中国8种典型土壤(砂质潮土、壤质潮土、黄泥土、乌栅土、红壤、红黏土、赤红壤和砖红壤)为代表,首先比较土壤高温高压间歇灭菌前后细菌、真菌、放线菌的数量,以评估灭菌效果,其次评价灭菌前后主要土壤性质的变化,包括土壤有机质(OM)、比表面积(SSA)、pH、阳离子交换量(CEC)、游离铁铝氧化物(Fed、Ald)、电荷零点(ZPC)。结果表明,该方法可以达到理想的灭菌效果,对部分理化性质则会造成一定的影响。除砂质潮土和红壤高温高压灭菌后OM含量显著增加外,其他6种土壤的OM含量受该灭菌方法的影响不大;酸性和有机质含量高的土壤,pH受高温高压灭菌影响较大,而碱性和有机质含量低的土壤则影响不大;所有供试土壤的SSA均显著降低,而CEC和Fed,Ald没有显著变化;4种可变电荷土壤中,红黏土、赤红壤和砖红壤的电荷零点(ZPC)没有变化,而红壤的ZPC则显著降低,且未出现于本研究测定的pH范围内(pH2.5~8)。由于土壤是一个复杂的多物质体系,受高温高压灭菌导致其性质变化还有待进一步的研究。     

诺氟沙星的土壤吸附热力学与动力学研究

采用批平衡吸附试验研究了诺氟沙星在河南封丘潮土、江西鹰潭红壤、苏南常熟水稻土和南京黄棕壤等4种土壤中的吸附热力学和动力学行为。结果表明,诺氟沙星在4种供试土壤的Fruendlich吸附参数值Kf随温度升高(15℃、25℃和35℃)而减小;在低土壤溶液pH下诺氟沙星的吸附焓变值△H°较大,而高pH下则较小。用氢氧化钠或盐酸溶液分别调节红壤pH从5.20到8.00,水稻土pH从6.14至8.20,黄棕壤pH从7.78至5.80和潮土pH从8.08至5.90,其△H°与pH之间的关系同样呈现如上关系。这证实4种土壤对诺氟沙星的吸附作用力差异较大。低pH(5.20~6.14)下,诺氟沙星在土壤中的吸附以离子交换和氢键等为主;而高pH(7.78~8.20)下,则以相对较弱的范德华力、疏水作用等为主。诺氟沙星的土壤吸附过程迅速达到平衡,其反应动力学用Elovich方程和双常数方程拟合结果最好。     

金霉素在不同耕作土壤中的吸附－解吸行为

用批平衡吸附试验研究了金霉素在河南封丘潮土、南京黄棕壤、常熟水稻土和江西鹰潭红壤4种土壤中的吸附行为。结果表明,金霉素的土壤吸附-解吸行为均可用Freundlich模型和Langmuir模型进行良好的线性拟合。其Kf值差异较大,分别为潮土1135Lkg-1,黄棕壤1250Lkg-1,水稻土2618Lkg-1和红壤4315Lkg-1,显示金霉素在4种土壤中的吸附行为存在较大的差异。此外,金霉素在4种土壤上的解吸过程存在明显的滞后现象。研究还表明4种土壤中金霉素的吸附参数Kf值与土壤pH呈显著负相关。     

我国东北烟区典型烟田土壤系统分类研究

以黑龙江的宁安、吉林的汪清和辽宁的宽甸为我国东北烟区的代表,通过15个典型优质烟田的土壤调查,本研究尝试建立相应的土系。结果表明：①调查的15个典型烟田土壤在系统分类上可归为3个土纲(淋溶土、雏形土和新成土)、5个亚纲、6个土类、7个亚类、11个土族和土系。②不同土系的烟田各有优劣,属于不同土纲的土系在植烟适宜性上有很大差异,淋溶土的土系有效土层深厚,养分含量适中、比例协调,劣势在于黏化层存在可能会限制根系下扎;属于雏形土和新成土的土系优势在土壤颗粒较粗,通透性好,养分含量虽然低但易于通过施肥调控,劣势在于有效土层偏薄。     

云南典型烟区江川县和南涧县代表性烟田土壤土系的建立

云南是我国烤烟主产区,是清香型风格代表产区,但有关云南烟区土壤系统分类尤其是土系建立方面的研究报道尚处于空白。本研究以江川县和南涧县作为云南烟区的产地代表,在江川县和南涧县分别确定10块和6块典型优质烟田研究其土壤系统分类归属及其土系建立。调查的16块典型烟田分别属于人为土、富铁土、淋溶土、新成土4个土纲,继分为4个亚纲、8个土类、8个亚类,可划分为12个土族和15个土系。总体上看云南烟区烤烟清香型风格是其自身的低纬高海拔、山地地形、半干燥季风气候、脱硅富铁铝成土过程、铁质土壤特征等因素综合决定的。需要注意的是云南烟区烟田土壤质地总体上偏黏,可能会削弱清香型风格的体现,需要考虑适当加以改良。     

湘东地区花岗岩红壤在中国土壤系统分类中的归属

为了研究湖南省东部花岗岩红壤在中国土壤系统分类中的归属,选取湘东地区8个由花岗岩母质发育的典型土壤剖面,在对其成土环境、剖面形态特征及其理化性质进行研究的基础上,按照中国土壤系统分类方案,检索出了其诊断层和诊断特性,据此确定了其在中国系统分类中的归属。结果表明,供试的8个土壤剖面包含了淡薄表层、暗瘠表层、低活性富铁层、黏化层等9个诊断层和诊断特性,其在中国系统分类体系中的位置分别为:淋溶土、富铁土和雏形土3个土纲;湿润淋溶土、湿润富铁土和湿润雏形土3个亚纲;简育湿润富铁土、铝质湿润淋溶土、酸性湿润淋溶土和铝质湿润雏形土4个土类;普通铝质湿润雏形土、普通简育湿润富铁土、普通铝质湿润淋溶土、普通酸性湿润淋溶土4个亚类;按照土族和土系划分标准,建立了黏壤质硅质混合型酸性热性-普通铝质湿润雏形土等6个土族和脱甲系(43-CS18)等8个土系。实践表明,目前的土族土系划分标准适用于供试土壤基层分类单元划分。与土壤发生学分类结果相比,土壤系统分类结果更能定量反映出湘东花岗岩母质发育土壤性状的差异,进而客观反映出土壤发育阶段和土壤类型的差异。