A case-based method of selecting covariates for digital soil mapping

Selecting a proper set of covariates is one of the most important factors that influence the accuracy of digital soil mapping(DSM). The statistical or machine learning methods for selecting DSM covariates are not available for those situations with limited samples. To solve the problem, this paper proposed a case-based method which could formalize the covariate selection knowledge contained in practical DSM applications. The proposed method trained Random Forest(RF) classifiers with DSM cases extracted from the practical DSM applications and then used the trained classifiers to determine whether each one potential covariate should be used in a new DSM application. In this study, we took topographic covariates as examples of covariates and extracted 191 DSM cases from 56 peer-reviewed journal articles to evaluate the performance of the proposed case-based method by Leave-One-Out cross validation. Compared with a novices' commonly-used way of selecting DSM covariates, the proposed case-based method improved more than 30% accuracy according to three quantitative evaluation indices(i.e., recall, precision, and F1-score). The proposed method could be also applied to selecting the proper set of covariates for other similar geographical modeling domains, such as landslide susceptibility mapping, and species distribution modeling.     

基于机器学习的数字土壤制图研究进展

通过数字土壤制图可以高效、精准地获取土壤信息。近年来,随着计算机学科的快速发展和土壤-景观模型被广泛认同,采用机器学习方法进行数字土壤建模已成为数字土壤制图的主流思路,这为土壤空间分布的定量解释提供了一种不同于地统计学、专家知识和个体代表性等传统制图技术的新模式。本文综述了国内外数字土壤制图领域的研究成果,从利用机器学习技术进行土壤制图的基本理论、制图方法、展望三个方面完整系统地阐述了数字土壤制图领域的主要进展,其中数字土壤制图方法包括特征信息的选择、制图模型的选择和土壤图的精度验证。研究结果为全面、实时和精确获取土壤信息空间分布提供参考。     

Predicting soil depth in a large and complex area using machine learning and environmental correlations

Soil depth is critical for eco-hydrological modeling, carbon storage calculation and land evaluation. However, its spatial variation is poorly understood and rarely mapped. With a limited number of sparse samples, how to predict soil depth in a large area of complex landscapes is still an issue. This study constructed an ensemble machine learning model, i.e.,quantile regression forest, to quantify the relationship between soil depth and environmental conditions. The model was then combined with ...     

基于遥感影像数据的土壤制图研究进展

【目的】 数字土壤制图成本低、精度高,是刻画土壤环境变量的新技术和新工具,遥感技术在数字土壤制图业务化应用中发挥了重要作用,但是还存在诸多问题和不确定性。文章总结相关研究进展,以期为基于遥感影像数据的土壤数字制图提供有益参考。【方法】 梳理遥感技术在土壤类型与属性制图研究中的进展情况并进行总结展望,以期更好地发挥高空间、时间、光谱分辨率遥感数据在土壤数字制图方面的作用,为研发新模型、提高土壤制图模型精度提供信息支撑,为第三次全国土壤普查数字土壤制图提供有益参考。【结果】 遥感数据的特征与土壤发生学理论契合并推动了土壤制图的发展,但是,基于遥感的土壤制图技术在快速土壤环境变量因子提取、自适应制图指标筛选、满足多层级制图需求的土壤推测制图模型构建等方面还需要进一步深入探讨。【结论】 为了实现土壤类型与属性制图的业务化、流程化和自动化,未来的研究应该着眼于从“环境变量分析—评价指标体系筛选—预测模型构建”一体化解决方案入手,探讨如何融合多种遥感载荷、综合运用新型模型,以提高数字土壤制图的精度,为农业生产和土地资源管理提供更为精准的信息支撑。     

基于随机森林模型的旺业甸实验林场土壤全氮数字制图

为探究林场土壤全氮含量的空间分布特征及对环境因素的响应,以旺业甸实验林场为研究区,采用随机森林模型和Cubist模型建立了不同土层深度（0~10、10~30、30~50 cm）土壤全氮含量与环境协变量（海拔、归一化植被指数、年平均降水量、年平均气温、y坐标和坡向）之间的定量关系模型,对该区土壤全氮含量进行预测并制图,并分析了影响土壤全氮空间变异的控制性因素。研究结果显示：0~10、10~30、30~50 cm土层实测全氮含量的均值分别为3.20、2.02、1.47 g/kg,土壤全氮的平均含量随土层深度的增加而降低;3个土层深度土壤全氮预测随机森林模型的决定系数R²分别为0.59、0.42和0.39,均优于决定系数R²分别为0.56、0.38和0.34的Cubist模型,2种模型预测精度都随土层深度的增加而降低,各环境因素对土壤全氮空间分布的影响作用随土层深度的增加而减小;从随机森林模型土壤全氮预测图来看,不同土层深度土壤全氮含量均呈现西部、北部和中部低,西南、东南和东部高的空间格局,不确定性图显示随机森林模型预测土壤全氮含量分布具有较低的标准差;海拔对土壤全氮含量的影响最大,其他依次为：归一化植被指数>年平均降水量>年平均气温>y坐标>坡向。结果表明,随机森林模型可以作为有效预测该林场不同土层深度土壤全氮含量的方法。     

基于标准化方法和统计分析法的土壤重金属环境基线值分析比较

通过监测研究区域208个监测点位表层土壤重金属Cd、Hg、As、Pb、Cr、Cu、Ni、Zn的含量,并以此为基础获得区域表层土壤重金属环境基线值,以及区域表层土壤重金属环境基线值相对于本底值的变化累积情况,以此来判断区域表层土壤重金属受人为活动的扰动程度。采用标准化方法和相对累积频率统计方法,分别获得基于这两种方法的重金属环境基线值及偏差,以两者的平均值作为研究区域表层土壤重金属环境基线值。结果显示:研究区域监测点位表层土壤重金属Cd、Hg、As、Pb、Cr、Cu、Ni、Zn分别有17.3%、1.0%、4.3%、0.0%、2.4%、3.8%、1.9%、0.0%的监测点位超出了农用地土壤污染风险筛选值限值,分别有26.9%、26.0%、29.8%、17.3%、16.8%,20.2%、28.4%、21.6%的监测点位较区域本底值均有不同程度累积;基于标准化方法和相对累积频率统计方法两种方法获得的重金属Cd、Hg、As、Pb、Cr、Cu、Ni、Zn的环境基线值平均值分别为0.22、0.09、13.34、30.7、82.0、29.7、38.0、89.1 mg/kg,相对偏差为0.5%～12.0...     

土壤肥力综合评价初步研究

利 用相关分析和模 糊数学原理,选用浙 江省低丘 红壤的 ７ 项肥力指 标进行红壤 肥力的综 合评价,根据作物效应曲线建立肥力指标的隶属度函数,并计算出隶属度值⒚根据各指标 值之间的相关系数大小确定各指标的权重系数,进一步求得土壤肥力综合指 标（ Ｉ Ｆ Ｉ）,并用 ３８ 个 玉米田间试验的 产量检验评价结果的可行性⒚统计结果表明 Ｉ Ｆ Ｉ与玉米产量之间达到 显著相关水平,说明综合评价结果能较好地反映土壤肥力状况⒚     

土壤调查成果制图软件设计与实现

【目的】随着土壤调查数据体量增大,已有分析制图效率无法满足成果产出需求,需要一套数据分析制图软件集合,降低土壤调查数据的分析制图门槛,提高制图效率,助力土壤调查成果的有效沉淀。【方法】文章基于B/S架构的软件设计模式,采用了WebGIS技术用于处理用户与制图要素的交互,采用了虚拟化技术用于算法环境的隔离,采用流式文件读写技术处理大体量数据的输入输出,采用了WebGL渲染着色技术用于制图成果的可视化,从算法和应用两个维度设计了土壤制图工具各组件的逻辑关系与交互模式。【结果】设计实现了土壤调查成果制图软件,集成了IDW反比例加权插值算法,克里格插值算法和随机森林算法等算法函数,开发了土壤质量评价,土壤肥力评价和土壤适宜性评价等功能模块,实现了操作步骤原子化,计算过程固定化,计算参数可配置。【结论】在保证精度的前提下,有效降低了土壤制图难度,提高土壤制图的效率。     

基于土层空间变异性的大比例尺土壤调查制图研究

该文提出了根据土层的空间变异性进行大比例尺土壤制图研究.该制图方法可顺次分为以下几步:①用GPS定位观察土壤剖面,划分土层;②确定调查区土壤类型,建立空间和属性数据库;③进行主要土层(诊断层)厚度的空间变异分析,选择和确定调查区土壤划分依据(诊断标准);④叠置分析,获得土壤类型图.通过对一个发育于页岩低丘陵土壤样区的应用研究表明,该方法制图可获得较高的准确性(94%).     

吡唑草胺在土壤中的环境行为研究

为科学评价吡唑草胺的环境风险,参照“化学农药环境安全评价试验准则”,研究了吡唑草胺在土壤中的主要环境行为——光解、挥发、吸附、移动及降解的特性。结果表明：光解、挥发不是吡唑草胺在土表降解的主要因素;吡唑草胺在土壤中具中等移动或可移动特性,难被土壤吸附;吡唑草胺在土壤中的降解受土壤类型以及环境条件（好氧、积水厌氧）的影响,其降解半衰期为4～96 d。由于吡唑草胺在粘土中移动性较强、降解半衰期较长,因此当在该种土壤上使用吡唑草胺时,可能会对地下水、地表水造成污染。     

秸秆还田和耕作深度对稻田耕层土壤的影响

为了解耕作深度与秸秆还田对稻田耕层土壤酶活性和微生物群落结构的影响,2016年同时在兰溪和金华两地开展油菜秸秆还田与不同耕作深度的稻作田间试验,探讨浅耕(耕深10~12 cm)无秸秆还田、浅耕油菜秸秆还田、深耕(耕深18~20 cm)无秸秆还田和深耕油菜秸秆还田等4个处理对土壤养分含量、土壤酶活性和土壤磷脂脂肪酸(PLFA)组成及土壤微生物群落结构的影响。结果表明,秸秆还田能增加土壤碱解氮和有效磷等含量,但耕深和秸秆还田对土壤pH、速效钾和有机质含量均无显著影响。秸秆还田可提高稻谷产量,而耕深对稻谷产量无明显影响。与浅耕无秸秆相比,深耕或秸秆还田可提高耕层土壤磷酸酶和β-葡糖苷酶的活性,但对生物多样性香农(Shannon)指数无显著影响。秸秆还田可提高土壤磷脂脂肪酸总含量、细菌PLFA含量和真菌PLFA含量,而增加耕深会降低土壤真菌PLFA含量。秸秆还田结合适宜的耕作深度可有效提高稻田土壤养分、酶活性和微生物生物量,改善土壤肥力,进而提高水稻产量。     

Agitated soil measurement method for integrated on-the-go mapping of soil pH, potassium and nitrate contents

Knowledge of spatial variability of soil attributes within an agricultural field is critical for successful site-specific crop management. Soil sensing techniques to assess this variability on-the-go are being developed as an alternative to tedious manual soil sampling and laboratory testing. The goal of this study was to evaluate an Agitated Soil Measurement (ASM) method for integrated on-the-go mapping of soil pH, soluble potassium and residual nitrate contents using ion-selective electrodes. To implement ASM, an Integrated Agitation Chamber Module (IACM) was developed and attached to a commercial soil pH mapping implement. Precision of the tested electrodes was assessed through the root mean squared error (RMSE) and ranged from 0.10 for pK to 0.22 for pNO₃ (units represent the negative base 10 logarithm of the molar concentration of specified ions). The accuracy of the electrodes was assessed by comparing test results against reference measurements conducted in a commercial soil laboratory using the linear regression method. Average accuracy error ranged from 0.11 for pK to 0.23 for pNO₃. In a field simulation test, neither precision nor accuracy errors obtained with ASM were lower than for a previously investigated Direct Soil Measurement (DSM) method, which produced precision errors ranging from 0.11 for pH to 0.22 for pNO₃ and accuracy errors ranging from 0.12 for pNO₃ to 0.20 for pH. The coefficients of determination (r²) of linear regressions between individual field simulation measurements and corresponding average reference measurements were 0.85–0.89 (pH), 0.50–0.54 (pK), and 0.14–0.32 (pNO₃). However, laboratory evaluation of the ASM method revealed substantially lower measurement errors and increased r² values when compared to the field simulation, indicating that the proposed ASM method retains the potential for improving on-the-go field mapping. Except for reduced electrode abuse and the ability to use less expensive half-cell ion-selective electrodes, physical implementation of ASM through the IACM did not bring substantial improvement over conventionally available DSM. This could be attributed to the design of the IACM and use of half-cell electrodes. Further research is necessary to improve the design of the solution-based measuring equipment and to develop an algorithm integrating on-the-go measurements with other sources of spatial data for an improved decision-making process.     

基于随机森林算法的原始土壤图更新研究

以湖北省黄冈市红安县华家河镇滠水河流域为研究区,利用随机森林算法(random forest,RF)结合多源环境变量,对研究区原有的土壤图斑进行分解制图,将混合多种土壤类型的复合土壤图斑进行细化,在土壤多边形内部画出新的边界来代表单一土壤类型,并通过373个实地采样点验证更新后的土壤图。结果显示,更新后的土壤图其制图精度从原有的63%提高到了76%,展现了更为详细的空间细节和空间变化信息,表明利用随机森林算法进行数字土壤制图的可行性和可靠性。     

秸秆还田深度对春玉米农田土壤有机碳、氮含量和土壤酶活性的影响

为研究秸秆还田旋耕深度对土壤理化性质和酶活性的影响,明确不同秸秆还田深度条件下土壤理化性质与酶活性的关系,在3年（2016—2018年）田间微区定位试验条件下,研究秸秆旋耕还田10 cm（S₁D₁）、20 cm（S₁D₂）、30 cm（S₁D₃）和秸秆移除旋耕10 cm（S₂D₁）、20 cm（S₂D₂）、30 cm（S₂D₃） 6个处理对东北春玉米农田土壤理化性质和酶活性的影响。结果表明：旋耕深度（D）及其与秸秆处理（S）交互作用（S×D）显著影响土壤有机碳（SOC）含量,0~20 cm土层S₁D₁、S₁D₂处理SOC含量较S₁D₃处理高1.2%~16.0%,而20~40 cm土层S₂D₃处理SOC含量最高。旋耕深度、秸秆处理及两者交互作用对土壤硝态氮（NO₃^--N）和铵态氮（NH₄⁺-N）含量、蔗糖酶和过氧化氢酶活性影响显著。在0~40 cm土层,D₁、D₂旋耕深度下秸秆还田处理NO₃^--N含量比秸秆移除处理平均提高46.9%和34.9%,NH₄⁺-N含量平均降低31.6%和4.4%。在各旋耕深度下,S₁处理0~20 cm土层蔗糖酶和脲酶活性高于S₂处理,20~30 cm土层过氧化氢酶活性低于S₂处理。相关性分析表明,SOC、土壤全氮（TN）与NO₃^--N、NH₄⁺-N含量和蔗糖酶活性呈显著正相关,与pH、土壤含水量（SWC）呈显著负相关。主成分分析表明,与S₁D₁相比,S₁D₂对0~20土层蔗糖酶、脲酶、过氧化氢酶活性和0~40 cm土层SOC、TN含量影响更明显。综上所述,秸秆旋耕还田20 cm可改善0~40 cm土层养分水平,提高土壤酶活性,推荐为东北春玉米产区农田土壤培肥的合理秸秆还田方式。     

棉花QTL定位及MAS育种进展与展望

近年来,随着现代分子生物学及统计分析方法的快速发展,育种工作者已定位了许多作物的重要性状QTLs.同时,基于QTL定位的标记辅助选择(MAS),已成为当前作物分子育种研究的热点.综述了近年来棉花重要性状包括产量、纤维品质、抗性、形态、生理、早熟性等QTL定位最新进展,以及标记辅助选择在一些性状上的初步应用,并对其发展前景进行展望.     

长期淹水条件下稻鱼复合种养对土壤养分和酶活性的影响

稻鱼复合种养能减少化肥和农药的施用,在保证水稻正常生长和稻田环境质量稳定的同时提高农民经济效益。本研究选取“巨型稻”和 “稻花鲤”为稻鱼复合种养试验材料,开展为期两年的田间定位试验,设置稻鱼复合种养（URF30）、单独水稻种植（UR30）和干湿交替（CK）三种种植模式处理,在分蘖期结束时淹水30 cm并持续保持水位至收获,分析水稻不同生育期土壤养分含量、微生物量和酶活性,探讨长期淹水稻鱼复合种养模式对土壤养分和酶活性的影响。结果表明,URF30处理在连续的两年内土壤有机碳（SOC）含量和土壤总氮（TN）含量呈增加趋势,并且高于其他处理,籽粒产量均高于其他处理。UR30和URF30处理进行短期淹水后,土壤中硝态氮和有效磷含量下降,同时土壤中β-葡萄糖苷酶（BG）活性和脲酶（UR）活性显著降低;稻田长期淹水会降低土壤微生物量氮（MBN）含量,UR30处理2020年和2021年土壤MBN含量在长期淹水后分别显著下降146.9%和55.8%;稻田养鱼有利于土壤整体酶活性的提高,2020年和2021年URF30处理土壤酶几何平均值比UR30处理分别高5.8%和7.5%,比CK分别高19.4%和15.6%。研究表明,稻田进行短期淹水导致土壤微生物在水稻拔节期受到磷限制,长期淹水导致土壤微生物在水稻成熟期受到氮限制。巨型稻复合种养在长期淹水条件下仍能有效保证土壤肥力和土壤酶活性,在水稻产量稳定的基础上提高经济收益。     

不同土壤环境因素对微塑料吸附四环素的影响

为探究不同土壤环境因素对于微塑料吸附抗生素的影响,选用三种常见的微塑料:聚乙烯(PE)、聚苯乙烯(PS)和聚酰胺(PA),以四环素(TC)代表抗生素,通过批平衡试验来研究微塑料对TC的吸附行为和机理。研究发现,3种微塑料对TC的等温吸附方程均可用Langmuir方程进行拟合,其吸附能力为PEPSPA,最大吸附量分别为0.154、0.086、0.075 mg·g~(-1)。在中性条件下PE对TC的吸附量达到最大,pH对PA吸附TC影响较小,而PS在酸性条件下对TC的吸附量最大,且随着pH增加吸附量逐渐降低。不同浓度的Ca~(2+)和Mg~(2+)会影响微塑料对TC的吸附,且随着浓度的增加,吸附量逐渐降低。富里酸的存在抑制了TC在PE上的吸附,但低浓度的富里酸(1 mg·L~(-1))会促进PA和PS吸附TC。结果表明,不同微塑料对TC的吸附存在显著差异,且不同土壤环境因素明显影响了微塑料对TC的吸附行为,该结果为进一步研究和评估微塑料在土壤环境中的吸附行为奠定了基础。     

巢湖地区稻虾共作模式对稻田土壤肥力的影响

为监测巢湖地区稻虾共作模式生产前后稻田土壤肥力的变化,2016年度在巢湖周边设置2个监测区域,分别在水稻种植前、营养生长期和收割后3次采集稻田土壤样本,测定土壤有机质、全氮、全磷、全钾、碱解氮、有效磷、速效钾和阳离子交换量等肥力指标;并结合水稻和小龙虾产量及施肥投喂管理,比较了常规单作稻田和稻虾共作模式稻田土壤肥力变化及生产效益。结果显示,稻虾共作模式水稻产量均高于常规单作稻田,可增产2%~3%;正常投喂时,共作模式可收获小龙虾1 200 kg·hm~(-2)以上。水稻生产后,A区稻虾共作模式田的肥力水平普遍高于单作稻田,B区域稻虾共作模式田土壤有机质、全磷、阳离子交换量水平高于单作稻田(P0.05),其余肥力因子差异不显著(P0.05)。总体而言,稻虾共作模式更有助于保持监测区域稻田土壤肥力。     

Evaluation of an on-the-go technology for soil pH mapping

Since conventional sampling and laboratory soil analysis do not provide a cost effective capability for obtaining geo-referenced measurements with adequate frequency, different on-the-go sensing techniques have been attempted. One such recently commercialized sensing system combines mapping of soil electrical conductivity and pH. The concept of direct measurement of soil pH has allowed for a substantial increase in measurement density. In this publication, soil pH maps, developed using on-the-go technology and obtained for eight production fields in six US states, were compared with corresponding maps derived from grid sampling. It was shown that with certain field conditions, on-the-go mapping can significantly increase the accuracy of soil pH maps and therefore increase the potential profitability of variable rate liming. However, in many instances, these on-the-go measurements need to be calibrated to account for a field-specific bias. After calibration, the overall error estimate for soil pH maps produced using on-the-go measurements was less than 0.3 pH, while non-calibrated on-the-go and conventional field average and grid-sampling maps produced errors greater than 0.4 pH.     

强夯法加固软土地基的试验研究

采用强夯法新工艺对饱和软土地基进行了成功的加固处理.对强夯后地基土体的侧向位移、超静水压力的增长与消散规律等进行了现场试验研究.用静力触探实验和载荷实验对地基加固的效果进行了检验.探讨了强夯法有效加固深度的确定方法.实践表明,采用现场试验手段确定强夯法的有效加固深度及其他设计参数是可靠的.