森林城市景观格局与热环境的关系——以龙泉市为例

景观格局分异特征在相当程度上影响着城市热环境.本研究以国家森林城市龙泉市为对象,通过地温反演和空间分析反映9类景观温度特征,运用景观格局分析方法从1～3.5 km 6个尺度探索格局指数与热环境的相关性.结果表明: 龙泉市高温区及次高温区主要分布于东北至西南一带,以城乡居民地为主,低温区和次低温区主要分布于西北、东南区域,以公益林为主;对海拔700 m以下区域各景观类型地表温度的统计发现,针叶林地、阔叶林地、针阔混交林地、竹林地、水域的地温均值相对较低,灌木林地、其他林地、耕地、建设用地的地温均值相对较高;对景观格局与热环境的分析发现,类型水平格局指数较景观水平格局指数更具实际意义,建设用地与热环境的相关系数可达0.835,针叶林地、阔叶林地、针阔混交林地、水域次之,在-0.5～-0.4,不同林地类型的降温效果在空间尺度上的表达不同,阔叶林地、针阔混交林地更利于在大尺度上降温;林地的面积和蓄积量越大,越易出现地表温度低值.     

互信息理论结合决策树算法的土壤质量预测

在充分利用土壤类型、土地利用方式、岩性类型、地形、道路、工业类型等影响土壤质量主要因素,准确获取区域土壤质量的空间分布特征的基础上,采用互信息理论对13个辅助变量（岩性类型、土地利用方式、土壤类型、到城镇的距离、到道路的距离、到工业用地的距离、到河流的距离、相对高程、坡度、坡向、平向曲率、纵向曲率和切线曲率）进行筛选,然后通过决策树See5.0预测研究区土壤质量.结果表明： 影响研究区土壤质量的主要因素包括土壤类型、土地利用方式、岩性类型、到城镇的距离、到水域的距离、相对高程、到道路的距离和到工业用地的距离;以互信息理论选取的因子为预测变量的决策树模型精度明显优于以全部因子为预测变量的决策树模型,在前者的决策树模型中,无论是决策树还是决策规则,分类预测精度均达到80%以上.互信息理论结合决策树的方法在充分利用连续型和字符型数据的基础上,不仅精简了一般决策树算法的输入参数,而且能有效地预测和评价区域土壤质量等级.     

基于环境辅助变量的拔山茶园土壤肥力空间预测

以地形因子、植被覆盖度等为辅助变量,利用回归克里格法预测低山丘陵区茶园土壤肥力,分析了富阳市拔山茶园土壤肥力的空间变异规律.结果表明:相对高程、平/纵向曲率等结构性因素是引起研究区土壤肥力空间变异的主要原因,研究区土壤肥力沿海拔高度呈垂直变化,随着海拔高度的降低土壤肥力水平也逐渐降低;拔山茶园土壤肥力总体较高,肥力较低的区域面积仅占研究区总面积的5%.回归克里格法所得土壤肥力的预测精度明显高于普通克里格,其平均预测误差和预测均方根误差分别为0.028和0.108.该方法能充分反映环境变量对土壤肥力的影响,提高土壤肥力的空间预测精度,可为茶园的精准管理提供依据.