利用辅助变量对污染土壤锌分布的克里格估值

采用协同克里格及与回归相结合的克里格方法,以36个下层(10～20 cm)土壤锌数据为目标变量、另36个下层土壤锌数据为校验数据、72个上层(0～10 cm)土壤锌为辅助变量,对沈阳市南郊某有色金属加工厂附近农田0.1 mol·L^-1 HCl浸提态土壤锌进行插值分析,并对这两种利用辅助变量的克里格方法在土壤锌空间分布研究中的适用性进行评价.结果表明,与回归相结合的克里格的估值效果明显优于协同克里格及普通克里格法.结合回归模型的变异函数理论模型决定系数较大、残差较小,估值精度比普通克里格法提高4%,且基于回归克里格的土壤锌分布图与利用72个样点普通克里格插值图具有高度的相似性.而协同克里格与普通克里格相比未表现出明显优势.借助辅助变量,采用基于回归模型的克里格方法是进行土壤重金属空间分布估值的一种有效方法.     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

基于神经网络模型和地统计学方法的土壤养分空间分布预测

采用径向基函数神经网络模型与普通克里格法相结合的方法,预测川中丘陵区县域尺度土壤养分(有机质和全氮)的空间分布,并与普通克里格法和回归克里格法进行比较.结果表明：各方法对研究区土壤养分的预测结果相似.与多元回归模型相比,神经网络模型对验证样点土壤有机质和全氮的预测值与样点实测值的相关系数分别提高了12.3%和16.5%,表明神经网络模型能更准确地捕捉土壤养分与定量环境因子间的复杂关系.对469个验证样点预测结果的误差分析表明,神经网络模型与普通克里格法相结合的方法对土壤有机质和全氮预测结果的平均绝对误差、平均相对误差、均方根误差较普通克里格法分别降低了6.9%、7.4%、5.1%和4.9%、6.1%、4.6%,降低幅度达到极显著水平(P<0.01);与回归克里格法相比则分别降低了2.4%、2.6%、1.8%和2.1%、2.8%、2.2%,降低幅度达显著水平(P<0.05).     

长白山低山区森林土壤有机碳及养分空间异质性

以吉林延边汪清林业局金仓林场境内森林土壤为对象,采用多元线性回归方法和地统计学回归克里格方法,研究了土壤有机碳及养分的垂直分布规律,预测了其空间分布,并对预测结果进行插值.结果表明: 0～60 cm深度土壤有机碳密度为(16.14±4.58) kg·m^-2.随土壤深度增加,土壤有机碳含量、有机碳密度以及土壤全N、全P、全K、有效P及速效K含量都呈减小趋势,其中不同土层间土壤有机碳含量、有机碳密度差异显著(P<0.01).0～60 cm土层土壤有机碳含量和碳密度的拟合方程中,地形因子中高程和坡向余弦值是最优的拟合因子,方程的决定系数分别为0.34和0.39(P<0.01).0～20和0～60 cm土层的半方差函数模型分别为高斯模型和指数模型,利用回归克里格插值方法得到土壤有机碳的空间分布图.与普通克里格法相比,回归克里格法的空间预测精度改进了18%～58%.利用回归克里格插值方法预测了土壤全N的空间分布特征.     

曲靖植烟土壤养分空间变异及土壤肥力适宜性评价

采用GPS技术在云南曲靖烟区布置了2088个采样点,测定其耕作层(0～20 cm)土壤主要养分含量,利用经典统计方法和地统计学方法对植烟土壤养分状况的总体特征和空间变异特征进行分析,并采用模糊数学方法对植烟土壤肥力适宜性进行综合评价.结果表明:曲靖植烟土壤pH、有机质、有效硫和水溶性氯含量适宜,全氮和碱解氮含量偏高,速效钾、有效钙、有效镁、有效铜、有效铁、有效锌、有效钼和有效锰含量丰富,速效磷含量中等,全磷、全钾和有效硼含量偏低;区域内植烟土壤养分指标均表现为各向异性分布,其中速效磷和有效硼的空间变异主要受随机性因素的影响,其他养分指标的空间变异是结构性因素和随机性因素共同作用的结果.植烟土壤肥力适宜性指数为优的区域缺乏,为良的区域占8.0%,一般的区域占51.6%,中等的区域占39.0%,为差的区域占1.4%.     

北京市北运河流域耕地土壤性质空间变异性

运用ArcGIS和地统计学相结合的方法研究了北运河流域0~50 cm土壤的pH、容重、有机质、有效磷和全氮5种肥力参数的空间分布特征。结果表明:pH值、容重、有机质、全氮的变异系数在6%~22%,属弱-中等变异水平,有效磷变异系数最大,为68%;通过半方差函数分析,5种参数变异函数的曲线理论模型都符合高斯模型,且在一定间距内均存在空间相关性,土壤p H值和容重表现强烈的空间自相关性,其空间变异主要是由结构性因素引起。土壤有机质、全氮和有效磷空间相关性中等,是由结构性因素和随机性因素共同作用的。采用普通克立格方法进行最优内插,绘制了养分含量分布图,统计了分级土地面积,并对其空间变异进行了分析。研究结果对于评价北运河流域土壤养分空间变异规律和动态变化有一定的实践意义,可应用于精准农业。     

毛乌素沙漠-黄土高原过渡带土壤养分空间异质性

毛乌素沙漠-黄土高原过渡带土壤养分的空间异质性和生态学过程,对沙荒地整治的机理研究具有重要的意义。以毛乌素沙漠-黄土过渡带为研究区,结合布点取样和室内分析,运用经典统计学和地统计学方法对其全氮、有效磷、速效钾含量的空间异质性进行分析。结果表明,(1)土壤全氮、有效磷、速效钾的平均含量分别为0.39 g/kg、9.65 mg/kg和106.84 mg/kg。3种养分的变异系数为40.54%—84.62%,均属于中等程度变异,其中全氮变异系数最大,速效钾变异系数最小。(2)半方差分析结果显示,3种养分空间变异性的最佳拟合模型均为高斯模型,空间自相关性均随着滞后距离的增加而呈下降趋势。3种养分空间变异性的块金值/基台值比值在0.09%—32.82%,全氮、有效磷具有强烈的空间相关性,结构性因素对变异起主导作用;速效钾具有中等强度的空间相关性,结构性因素和随机性因素共同对变异起主导作用。(3)克里金插值图显示3种养分含量均表现为随着地势的降低而逐渐升高的趋势,全氮含量整体呈斑点状分布,插值图较破碎,有效磷和速效钾含量整体呈条带状分布,连续性较好。(4)毛乌素沙漠-黄土过渡带土壤养分的空间变异性与地形、地貌、植物分布以及非自然因素都有关,但是以地形因素的影响为主。开展沙漠-黄土过渡带土壤养分空间异质性特征研究,为开展沙荒地整治工程,生态系统修复提供了理论依据。     

土壤模糊隶属度不同数据转换方法及其对空间插值结果的影响

应用模糊c-均值算法对土壤进行连续分类时,其输出的土壤模糊隶属度值具有成分数据的结构特点.直接基于土壤隶属度数据实施普通克里格插值,其空间预测结果缺乏可信度.因此,在进行插值预测之前,必须对土壤模糊隶属度值进行必要的数据转换.研究采用对数正态变换方法、对称对数比转换方法和非对称对数比转换方法对土壤模糊隶属度值进行数据转换,分析了各种数据转换形式对插值结果及其精度的影响.结果表明,对样点土壤模糊隶属度进行简单对数正态转换,其插值结果空间上任意点的土壤对于不同类别的隶属度之和均不为1,因此这样的插值结果理论上缺乏可行性.数据经非对称对数比转换和对称对数比转换后,插值结果均满足各个位置组分之和为1和非负限制,二者相比,后者对区域总体趋势的反映较前者好,且精度较高.因此,在应用对称对数比方法对样点土壤模糊隶属度值进行数据转换的基础上,应用克里格技术实施空间插值可以获得最佳预测结果.     

豫南黏板土壤分层酸化和耕层速效磷分布特征

黄淮海平原南部以黄褐土和砂姜黑土等为代表的耕地土壤酸化趋势明显.为深入认识该类型黏板土壤垂直剖面上pH值和耕层养分的空间变异情况,以豫南西平县为例,对县域范围内63个耕地样点进行pH值和速效磷测定,运用地统计学方法和ArcGIS技术分析不同深度土壤pH值和耕层土壤(0～20 cm)速效磷的空间分布状况,并分析了pH值与...     

黄土高原南麓县域耕地土壤速效养分时空变异

在生态脆弱的黄土高原南麓合阳县,以1983、2006年耕地土壤速效氮、磷、钾含量为对象,利用空间自相关、变异函数及分形维数等方法,研究县域土壤速效养分时空变异特征及主要影响因素.结果表明,从1983到2006年,除土壤速效钾外,耕地速效氮、磷的平均含量分别提高73.98％和92.69％;土壤速效养分全局Moran's I指数和空间相关距均呈递减变化、分维数增加,预示其空间结构减弱,随机变异性增强.土壤速效氮、磷含量在绝大部分研究区域内呈现不同程度累积,而速效钾含量则在59.65％的耕地上减少;导致其不同变化的因素有耕地利用方式、施肥管理、灌溉、土壤类型等,其中以土地利用方式和施肥管理措施的影响最大.     

典型喀斯特小流域不同植被类型间土壤养分的差异性及其空间预测方法

植被类型制约着土壤结构和元素的异质化过程,致使土壤养分空间分布存在差异性.本文研究了典型喀斯特小流域不同植被类型间土壤养分(全氮TN、全磷TP、全钾TK、有机质SOM)含量分布的差异性,分析比较了普通克里金、回归模型、基于植被类型的回归模型对土壤养分预测的精度.结果表明: TN、TK、SOM与植被类型显著相关(P<0.05),TP与植被类型无显著相关(P=0.390),且TN和SOM在灌木林与耕地之间的差异性显著,TK在乔木林与灌草丛、灌木林与耕地、灌草丛与耕地间的含量差异皆显著;非连续的典型喀斯特小流域地形因子空间异质性较高,基于各样点间真实地形因子的多元线性回归预测模型精度优于基于已知点和预测点位置信息的普通克里金预测方法,且基于植被类型的回归预测模型提高了TN的预测精度.     

田块尺度下土壤磷素的空间变异性

采用经典统计学与地统计学相结合的方法,对中国科学院沈阳生态实验站30 m×42 m样地进行网格法分层(0～10和10～20 cm)取样,研究了田块尺度下土壤全P和Olsen-P的空间变异特征.结果表明,49对样本土壤Olsen-P的变异系数(4.5%～5.42%)远高于全P(11.8%～13.33%);全P和Olsen-P具有较好的空间结构且具有较相近的空间相关距离.最佳理论模型的参数显示各变量空间变异主要受结构性因素的影响,各变量半方差变异函数的C/(C₀+C)均高于%.全P和Olsen-P之间及在2个土层之间均具有较相似的空间分布格局.变异系数结合空间格局分析可以大大降低试验取样的数量.     

Ensemble Learning for Spatial Interpolation of Soil Potassium Content Based on Environmental Information

One important method to obtain the continuous surfaces of soil properties from point samples is spatial interpolation. In this paper, we propose a method that combines ensemble learning with ancillary environmental information for improved interpolation of soil properties (hereafter, EL-SP). First, we calculated the trend value for soil potassium contents at the Qinghai Lake region in China based on measured values. Then, based on soil types, geology types, land use types, and slope data, the remaining residual was simulated with the ensemble learning model. Next, the EL-SP method was applied to interpolate soil potassium contents at the study site. To evaluate the utility of the EL-SP method, we compared its performance with other interpolation methods including universal kriging, inverse distance weighting, ordinary kriging, and ordinary kriging combined geographic information. Results show that EL-SP had a lower mean absolute error and root mean square error than the data produced by the other models tested in this paper. Notably, the EL-SP maps can describe more locally detailed information and more accurate spatial patterns for soil potassium content than the other methods because of the combined use of different types of environmental information; these maps are capable of showing abrupt boundary information for soil potassium content. Furthermore, the EL-SP method not only reduces prediction errors, but it also compliments other environmental information, which makes the spatial interpolation of soil potassium content more reasonable and useful.     

基于辅助环境变量的土壤有机碳空间插值——以黄土丘陵区小流域为例

利用普通克里格法(OK)、反距离加权法(IDW)、径向基函数法(RBF)、基于土地利用类型修正的普通克里格法(OK_LU)4种插值方法,对黄土丘陵羊圈沟小流域的土壤有机碳含量进行空间插值。预测结果的准确性通过Pearson相关系数(R),平均绝对误差(MAE),均方根误差(RMSE),准确度(AC)来评价。研究结果表明:(1)在前3种常规空间插值方法中,OK对刻画区域土壤有机碳的空间分布趋势效果最佳,其预测MAE值和RMSE值均为最小,Pearson相关系数(R)和准确度(AC)最大,说明其预测结果的准确性最好、预测的极端误差也最小;其次为RBF;IDW预测的效果最差。(2)OK_LU在空间特征表达方面能够更好地反映复杂地形区的局部变异,其插值结果的精度相比OK有一定程度的提高,其平均绝对误差(MAE)从0.900%降到了0.567%,均方根误差(RMSE)从1.101%降到了0.777%,Pearson相关系数(R)从0.4026提高到0.5589,准确度(AC)从0.9081提高到0.9505。综合比较,在黄土丘陵地区,OK_LU能使插值结果的精度有较大提高,是土壤有机碳空间制图的有效途径。     

Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators

Sustainable land management and land use planning require reliable information about the spatial distribution of the physical and chemical soil properties affecting both landscape processes and services. Although many studies have been conducted to identify the spatial patterns of soil property distribution on various scales and in various landscapes, only little is known about the relationships underlying the spatial distribution of soil properties in intensively used, finely structured paddy soil landscapes in the southeastern part of China. In order to provide adequate soil information for the modelling of landscape processes, such as soil water movement, nutrient leaching, soil erosion and plant growth, this study investigates to what extent cheap and readily available ancillary information derived from digital elevation models and remote sensing data can be used to support soil mapping and to indicate soil characteristics on the landscape scale. This article focuses on the spatial prediction of the total carbon and nitrogen content and of physical soil properties such as topsoil silt, sand and clay content, topsoil depth and plough pan thickness. Correlation analyses indicate that, on the one side, the distribution of C, N and silt contents is quite closely related to the NDVI of vegetated surfaces and that, on the other side, it corresponds significantly to terrain attributes such as relative elevation, elevation above nearest drainage channel and topographical wetness index. Geostatistical analyses furthermore reflect a moderately structured spatial correlation of these soil variables. The combined use of the above mentioned terrain variables and the NDVI in a multiple linear regression accounted for 29% (silt) to 41% (total C) of the variance of these soil properties. In order to select the best prediction method to accurately map soil property distribution, we compared the performance of different regionalization techniques, such as multi-linear regression, simple kriging, inverse distance to a power, ordinary kriging and regression kriging. Except for the prediction of topsoil clay content, in all cases regression kriging model “C” performed best. Compared to simple kriging, the spatial prediction was improved by up to 14% (total C), 13% (total N) and 10% (silt). Since the autocorrelation lengths of these spatially well correlated soil variables range between three and five times the soil sampling density, we consider regression kriging model “C” to be a suitable method for reducing the soil sampling density. It should help to save time and costs when doing soil mapping on the landscape scale, even in intensively used paddy soil landscapes.     

基于序贯指示模拟的农田土壤重金属风险区域识别

农田土壤重金属的日益累积已对农作物安全、生态环境和人类健康造成严重威胁,高效、精确地识别农田土壤重金属风险区对农田的环境保护、污染预警和风险管控等有重要意义.以广州市增城区为研究对象,共采集204个农田土壤样点,测定了铜(Cu)、锌(Zn)、铅(Pb)、镉(Cd)、铬(Cr)、砷(As)和汞(Hg)7种重金属含量.针对实际采样数据中存在异常值与偏态分布,以及传统克里格法存在的平滑效应等问题,将序贯指示模拟引入农田土壤重金属的风险识别中,与常用识别方法进行比较,并根据Hakanson风险指数评价进行风险区划.结果表明:(1)对比普通克里格法,在精度相似情况下,序贯指示模拟法较为精细地模拟了重金属的空间分布,平滑效应低,预测的细节表现好;对比指示克里格法,其在划分风险区域时的不确定评估中准确度较高,其误判率仅为4.9%~17.1%,表明其能更好地适用于模拟农田土壤重金属的空间分布和风险识别;(2)增城区的农田土壤重金属均未超标,但在南部的极少数区域存在潜在中等风险,主要成因是包括企业生产、人类活动和河流沉积物等.本研究以序贯指示模拟为基础,有效克服了传统克里格法存在的异常值信息丢失和平滑效应问题,结合Hakanson风险指数法,为非均匀采样的土壤重金属空间风险的识别提供一种新的尝试.     

基于协同克里格的橡胶园土壤速效钾空间变异性

选取有效变量的协同克里格方法能够提高县域尺度橡胶园土壤速效钾的空间预测精度,对橡胶树精准施肥管理具有重要意义。本研究以海南省白沙县橡胶园0～20 cm耕层土壤为对象,采用地统计学分析土壤速效钾的空间变异特征,运用相关分析筛选显著的特征变量,并比较不同变量的协同克里格(COK)空间插值精度。结果表明: 研究区土壤速效钾平均含量为44.65 g·kg^-1,总体处于缺乏状态;变异系数为52.6%,属中等变异强度;块金效应为12.5%,存在较强的空间自相关。有机质、高程与土壤速效钾含量关系密切,均呈极显著相关;有机质(COK₁)、高程(COK₂)、有机质+高程(COK₃)3种协变量的COK空间插值预测精度均高于普通克里格法(OK),交叉验证模型拟合精度为COK₁>COK₃> COK₂>OK;拟合精度与协变量选取的数量不呈正比,选取相关性更高的协变量更有利于反映区域土壤属性的空间异质性。研究区土壤速效钾含量具有西北部较高、中偏东部地区较低的分布特点。研究结果为今后开展橡胶园土壤钾素管理提供了理论依据。