海涂土壤剖面电导率的协同克立格法估值及不同取样数目的比较研究

应用地统计学的半方差函数和普通克立格法 ,分析了 2 0m× 2 0m的采样间隔上 ,同一剖面0～ 2 0、2 0～ 4 0、4 0～ 6 0、6 0～ 10 0cm四个层次上海涂土壤电导率的空间相关性和空间分布。并在对协同区域化变量进行交互半方差分析的基础上 ,用协同克立格法 ,将 0～ 2 0cm层上的土壤样品作为辅助变量 ,其他三层上初始及减少后的土壤样品作为主变量 ,来对 2 0～ 4 0、4 0～ 6 0、6 0～ 10 0cm土层上的电导率进行估值。同普通克立格法相比 ,协同克立格法在这三层估值所产生的均方根误差 (RMSE)减少了 9%到 2 5 1% ,平均标准误差(ASE)减少了 9 4 %到 2 1 9% ,预测值与实测值之间的相关系数协同克立格法比普通克立格法提高了 4 6 %到85 %。数据分析的结果表明 ,利用协同克立格法 ,深层的样品数目在被减少至 6 0 %的情况下仍能满足精度要求 ,没有明显地导致空间信息的丢失。因此 ,协同克立格作为一种更为精确和经济的方法来对样品少的或难以测试的变量进行估值不但可以大大提高估测精度 ,而且可以减少采样数目 ,节省采样的成本。     

基于方差四叉树法的滨海盐土电导率采样布局研究

利用土壤空间变异特性和空间分布特征进行采样设计是当前土壤采样研究的重要内容。采用方差四叉树法（Variance quad-tree method，简称VQT），结合半方差函数，设计滨海盐土采样的最优布局。并利用普通克立格法对传统网格采样法与方差四叉树采样法所得到的不同的样点数目进行插值，计算估值误差并进行精度比较。结果发现，同样的样本数目，利用方差四叉树法得到的克立格估值误差明显地较利用网格采样法得到的克立格估值误差小，其采样效率提高约16％一25％。该方法的优势在于，可设计在土壤特性变异大的区域密集采样而在变异较小的区域稀疏地采样，从而在有效表达土壤空间变异性的同时，提高了采样效率，减少了采样成本。     

苏北海涂围垦区土壤水分空间变异性及其协同克立格估值

以苏北滨海滩涂围垦区为研究区域,应用地统计学方法研究了剖面不同深度土壤含水量的空间变异特征,以0～20 cm表土层含水量作为协同变量,分析了不同深度土壤含水量的交互半方差特征,探讨了土壤含水量的普通克立格和协同克立格估值方法.结果表明:各层土壤含水量都表现为弱变异强度;受结构性因素和随机性因素的共同作用,各土层含水量均呈中等空间自相关性;协同区域化变量间均表现为正相关,且协同区域化变量的空间结构性要优于单一变量;协同克立格对土壤水分局部变异的描述较普通克立格更为详细;与普通克立格法相比,协同克立格法估值产生的均方误差减小10.1%～21.3%,平均标准误差减小11.3%～17.7%,预测值和实测值间的相关系数提高15.9%～26.4%.该研究为滨海滩涂地区土壤水分分区管理和水盐优化调控提供了一定的理论参考.     

非饱和带岩性平均粒径的空间变异性研究

通过统计分析方法确认颗分试验法得到的非饱和带平均粒径和定性测定法得到的平均粒径可作为协同区域化变量的基础上,通过将颗分试验平均粒径数据作为主变量,利用与它有协同区域化关系的定性测定法获取的非饱和带大量平均粒径数据用协同克立格法对研究区非饱和带平均粒径进行了大尺度估值。用估值结果对非饱和带平均粒径变异性进行了分析评价,给出了平均粒径空间变异分区图。     

基于坡度的黑土区切沟密度协同克里格插值方法研究

切沟侵蚀已成为东北黑土区土壤侵蚀的重要组成部分。结合野外样区实地调查切沟分布数据与空间插值方法是快速获取大面积切沟密度值的有效手段。流域的平均坡度值是切沟形成的影响因素之一,为提高切沟密度值空间分布的插值精度,在黑龙江省海伦市内,利用网格法均匀选取40个1 km²左右的小流域,在实地测量区域内切沟密度数据的基础上,应用距离权重反比法、普通克立格和以小流域的平均坡度作为协同变量的协同克立格对其做空间插值。结果表明:切沟密度与协同区域化变量受结构性因素的影响远大于随机性因素,均为强空间自相关性;距离权重反比法与普通克里格法的预测精度相近;协同区域化变量的空间结构性优于单一变量,协同克立格法生成的空间分布图精细度明显提高,均方根误差降低20%以上,预测值与实测值的相关系数提高89%以上,协同克里格可有效提高区域切沟插值精度。     

电磁感应仪用于土壤盐分空间分布的协同克立格估值研究

以黄河三角洲地区典型地块为研究对象,应用地统计学的半方差函数理论,分析了0～40 cm和40～80 cm土壤盐分的空间变异特征.在对协同区域化变量进行交互半方差分析的基础上,采用协同克立格法,以电磁感应仪EM38测得的土壤表观电导率作为协同变量,对各层次的土壤盐分进行估值.结果表明:受结构性因素和随机性因素共同作用,各层次土壤盐分均表现中等强度的变异和空间相关性;随机性因素是引起土壤盐分空间异质性的关键原因;协同区域化变量间均表现为正相关,且协同区域化变量的空间结构优于单一变量.同普通克立格法相比,协同克立格法估值产生的均方误差减小13.1%～17.8%,平均标准误差减小5.83%～17.6%,预测值和实测值间的决定系数提高37.6%～42.6%.该研究结果为黄河三角洲地区土壤盐渍化的精准定量化、科学管理与合理改良提供了一定的理论基础和实践依据.     

地统计软件包的开发及在土壤空间变异中的应用

Geo-STATer是一个用来进行半方差分析、地统计估值和模拟的工具软件。它除了具备传统统计学的基本统计分析功能外，还集成了地统计学的几项主要功能：单变量半方差分析、交互变量半方差分析、半方差函数模型拟合、空间插值方法（包括普通克立格法、协同克立格法和逆距离加权法）。本文介绍了该软件的总体设计思路、主要功能模块和开发实现，并用实例土壤数据演示了软件的操作计算过程并将计算结果与其它的地统计软件进行了比较。结果表明．Geo-STATer软件具有较好的运算效率和精度．可以运用于土壤特性的空间变异性研究和插值制图，并能与其他专业模型进行集成开发．服务于田间精确施肥管理系统的开发。     

缓坡水平梯田土壤水分空间变异性

以江苏省扬州市区北部某梯田为例,分析了小于2°的缓坡水平梯田土壤含水率的空间变异特征,并针对缓坡水平梯田土壤含水率由较高田块到较低田块逐渐增加、同一级梯田内由内侧到外侧含水率逐渐减小的分布特征,提出了适合研究该种地形土壤含水率空间分布的有效方法,即趋势辅助克立格法(简记为KTAI)。该方法同时考虑了不同级梯田高程和同级田块内不同部位对土壤含水率的影响,用它对梯田土壤含水率进行插值,估计方差比传统的普通克立格法(简记为OK)大幅度降低,大大提高了估值精度,减轻了野外采样工作量,对于研究梯田土壤水分空间变异性具有重要意义,同时拓展了地质统计学理论在土壤水分空间变异性研究中的应用范围。     

线性非平稳型农田土壤水分信息空间变异性及预测研究

以中国东北春旱秋涝严重的西辽河灌区为背景，用线性地质统计学理论探索１ｍ深农田土壤层内非平稳型（含有漂移）水分信息的空间分布特征。在采样区土壤水分信息空间结构性揭示基础上，对土壤水分信息的空间漂移数据与观测尺度间的效应关系、区域化变量变差函数γ_Ｚ（ｈ）与剩余变差函数γ_R（ｈ）间的差异性、普通克立格法与泛克立格法用于待估区域水分信息值的差异性等进行了较深入研究。结果表明在最大滞后距范围（ｈ≤ａ）之内，两种估值方法得到的结果与实验值均较吻合，因而可用计算简单的普通克立格法对线性非平稳型土壤水分信息进行大面积区域墒情预测     

利用与回归模型相结合的克里格方法对农田土壤有机碳的估值及制图

采用与回归模型相结合的普通克里格方法（OKR）．研究了沈阳市南郊17．6hm^2农田耕层土壤有机碳（SOC）的空间分布特征。以72个上层（0～10cm）SOC数据为辅助变量，分别以36个及24个下层（10～20cm）SOC数据为目标变量，分别进行普通克里格（OK）、协同克里格（CK）及OKR插值分析。结果表明．OKR估值的精度显著高于缺省样本条件下的OK及CK。OKR交互检验的决定系数尺。相对较高，平均误差ME的绝对值及标准化平均误差MSE接近于0、平均标准误差ASE与均方根误差RMSE较小、标准化均方根误差RMSSE接近于1．其交互检验的参数与利用全部72个样点进行的OK估值最接近。基于OKR估值的SOC空间分布图与基于全部72个样点进行的OK估值的结果具有高度的相似性。说明在目标变量数据有限的条件下，借助辅助变量，采用OKR是进行SOC分布调查的一套有效的地统计学分析方法。     

基于遥感与电磁感应仪数据的土壤盐分空间变异性

针对目前黄淮海平原存在的土壤盐渍化问题,以河南省封丘县为研究区,利用遥感影像与磁感应电导率仪 （EM38）在田间定位、定点测量,对研究区土壤盐分的空间变异性进行研究。利用Kriging、指数回归和回归-Kriging 3种不同的方法对土壤盐分空间变异性进行分析。结果表明：土壤电导率在一定的区域范围内具有空间结构特征,符合指数模型分布,具有极强的空间自相关性。通过3种不同的方法对土壤盐分的空间变异性进行分析,结果表明Kriging法、指数回归法及回归-Kriging法在描述土壤盐分空间分布的总体趋势上相似,但指数回归法与回归-Kriging法对于盐分的分布表达更具体,更细致。综合运用多种数据源的方法,即遥感影像数据与EM38测量数据相结合,经典统计学与地统计学方法相结合的方法,能够提高土壤盐分空间预测的精度,结果表明研究区土壤盐分由北向南、自西向东有逐渐升高的趋势,具有明显的趋势效应。     

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。     

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.     

基于大尺度低密度样点的东北土壤全氮空间插值方法比较

基于全国第二次土壤普查东北地区土壤数据,以ArcGIS和GS⁺软件为支撑,对比分析了反距离加权法(IDW)、径向基函数(RBF)、普通克里金(OK)和回归克里金(RK)4种地统计空间插值方法在7个不同样本容量下土壤全氮含量(STNC)的空间插值效果。结果表明,由普查数据得到的东北地区STNC在0.08~21.48 g/kg之间,数据变异性较大;STNC空间结构表现出中强度空间自相关性,空间自相关范围大于同区域的小尺度采样研究;样本容量<171时,STNC空间变异性发生变化,空间结构特征和精度检验水平难以确信。4种空间插值方法对STNC空间趋势表达均呈现从东北向西南方向递减规律,空间趋势预测效果为:RK >OK >RBF >IDW。RK方法通过线性回归分析添加了阳离子交换容量(CEC)、年均温(MAT)、土层厚度(d)和pH值等辅助信息,比IDW,RBF和OK方法的插值精度分别提高了19.40%,18.50%和16.15%;在不同样本容量下RK方法的插值精度较为稳定且对无样点区STNC的空间趋势预测也体现出了更多细节信息,因此对于大尺度低密度采样的土壤属性空间插值可重点考虑RK方法。     

地学环境变量支持的土壤全钾含量自适应曲面建模——以青海湖流域典型地区为例

土壤属性空间分布受地学环境要素影响,空间分异特征十分明显,单一的全局插值模型在应用中常受到一定条件的限制。对复杂地貌类型区土壤属性插值所面临的空间不连续、全局插值模型精度有限以及适应性差的缺点,提出了一种融合地学环境信息的土壤属性自适应曲面建模方法（Adaptive surface modeling for soil properties,ASM-SP）。利用2013年采集的110个样点数据,以土壤全钾含量为例,利用ASM-SP、普通克里格法（Ordinary Kriging,OK）、回归克里格法（Regression Kriging,RK）、地理加权回归克里格法（Geographically Weighted Regression Kriging,GWRK）和协同克里格（Ordinary Co-Kriging,OCK）5种插值方法,分别模拟了青海湖流域典型地区土壤全钾含量的空间分布。采用平均误差（Mean Error,ME）、平均相对误差（Mean Relative Error,MRE）、均方根误差（Root Mean Square Error,RMSE）、准确度（Accuracy,AC）、相关系数、回归系数和决定系数7类指标系统评价不同插值方法的预测效果。结果表明:（1）利用常规插值（OK）得到的插值曲面较为平滑,具有弱“牛眼”效应,在刻画土壤全钾含量的空间变异性方面存在明显不足,精度有待提高。（2）在融合地学环境信息的插值方法中,RK,OCK,GWRK和ASM-SP模拟精度较OK有不同程度提高,其中ASM-SP在刻画土壤全钾含量的空间变异和局部细节信息方面表现突出,精度较其他插值方法有较大程度提高,其准确度较OK,RK,GWRK和OCK分别提高9.27%,6.29%,2.66%和7.74%。ASM-SP尤其适合复杂地貌类型区,因其考虑了地学环境变量与土壤属性的非线性关系,并融合了多个模型的适应性优势,其在刻画土壤属性空间分异的复杂性方面也更加符合实际情况,为土壤属性的空间模拟提供了新思路。     

黑土区小流域土壤速效磷空间分布模拟方法

为探索东北黑土小流域土壤AP空间分布模拟的最佳方法,综合考虑区域尺度、景观格局和采样方法等信息,选取两个典型黑土小流域(光荣和海沟河流域)作为研究对象,结合半变异分析、回归分析、主成分分析等方法,比较了不同空间插值方法(反距离权重法、径向基函数法、普通克里格、协同克里格、多元线性回归模型、地理加权回归模型、回归克里格和地理加权回归克里格)对AP空间模拟精度的影响。结果表明:(1)引入主成分分析后能够提高回归克里格和地理加权回归克里格方法的模拟精度(4.5%和2.4%);(2)地理加权回归克里格方法可以作为最优空间插值方法模拟黑土区小流域AP的空间分布格局。地理加权回归克里格方法相较于传统插值方法能在一定程度上提高黑土小流域土壤AP空间模拟精度,为小流域尺度黑土养分管理提供技术支撑。     

Selection of a Geostatistical Method to Interpolate Soil Properties of the State Crop Testing Fields using Attributes of a Digital Terrain Model

The three most common techniques to interpolate soil properties at a field scale—ordinary kriging (OK), regression kriging with multiple linear regression drift model (RK + MLR), and regression kriging with principal component regression drift model (RK + PCR)—were examined. The results of the performed study were compiled into an algorithm of choosing the most appropriate soil mapping technique. Relief attributes were used as the auxiliary variables. When spatial dependence of a target variable was strong, the OK method showed more accurate interpolation results, and the inclusion of the auxiliary data resulted in an insignificant improvement in prediction accuracy. According to the algorithm, the RK + PCR method effectively eliminates multicollinearity of explanatory variables. However, if the number of predictors is less than ten, the probability of multicollinearity is reduced, and application of the PCR becomes irrational. In that case, the multiple linear regression should be used instead.     

基于GIS与分区Kriging的采煤沉陷区土壤有机碳含量空间预测

中国煤炭产量占世界煤炭总产量的46.9%,年塌陷的耕地面积约为200 km~2,对农田土壤有机碳库扰动十分剧烈。由于农田的土壤有机碳库是减少陆地生态系统碳排放的最大潜在因素,中国以及世界上的其他煤炭开采大国必须更好地对煤炭开采区的土壤有机碳库进行科学管理,这也是煤炭低碳开采的重要途径。而预测精度好的煤炭开采沉陷区土壤有机碳含量空间预测方法是科学管理煤炭开采沉陷区土壤有机碳库的前提。该文以徐州九里煤炭开采沉陷区作为研究区,通过普通Kriging插值法和以结合沉陷积水情况为辅助变量的分区Kriging插值法这2种方法来对研究区的土壤有机碳含量进行了空间预测,并通过比较验证样点的预测值与实测值来对比2种方法的预测精度,确定每种方法的可行性。研究发现,结合区域内部积水情况来进行的分区Kriging插值法求得到的预测值与实测值的相关系数为0.7564,远高于直接进行Kriging插值得到的预测值与实测值的相关系数0.5086,并且两者的均方根误差分别为0.35和0.55,说明前者的预测精度更高。因此结合沉陷积水情况的分区Kriging插值模式是更适宜煤炭开采沉陷区土壤有机碳含量的空间预测模型。     

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.