县域尺度农用地表层土壤有机质含量预测技术对比研究

发布时间：2020-07-10 22:46

【摘要】：土壤是绿色植物生长的介质,人类赖以生存的最重要自然资源之一,土壤有机质作为土壤的重要组成部分,是反映土壤性状的重要指标之一,常被选做评价土壤肥力和土壤质量的因子。土壤有机质含量还是估算土壤有机碳储量的基础,其含量及动态对全球碳循环及气候变化有着重要影响。因此,如何基于有限样点数据相对准确地揭示土壤有机质含量时空变异特征一直是相关研究的热点。耕地表层土壤有机质含量更是与作物生长发育、农产品产品品质密切相关,掌握耕地土壤有机质的空间分异状况对土壤肥力定向培育、农作物栽培与种植、水肥田间管理等农业生产实践具有重要的指导意义。受成土环境、土壤发育过程以及人类活动等因素的影响,不同土壤类型在各类发生学属性方面均有一定差异,因此,同一解释变量对不同土类有机质变异程度的影响也会有所不同。本研究以河南省泌阳县为案例研究区,以2009年~2011年在案例区开展的测土配方施肥项目采集的2172个耕地表层土壤样点数据为构建预测模型的数据基础,并收集整理了第二次全国土壤调查数据库、第二次全国土地利用调查数据库、泌阳县统计年鉴、遥感影像等资料,以自然环境因子(高程、坡向、坡度、NDVI)、土壤属性因子(土壤质地)、耕地管理因子(灌溉水平、排水能力)等七个因子作为解释变量,基于方差分析结果,分别抽取不同组土类(黄褐土、黄棕壤、潮土、砂姜黑土4个土类为主)表层土壤样点数量的70%左右构成训练数据集,运用逐步线性回归、空间自回归、地理加权回归、随机森林四种模型分别拟合各组土类表层土壤样点有机质含量与显著相关的解释变量之间的关系,对上述模型的适用性、预测输出结果的精度进行系统分析对比,并以此为基础,对案例地区不同土类耕地表层土壤有机质含量进行空间预测。研究结果表明:(1)案例区所有耕地表层土壤样点有机质含量的均值为14.26 g/kg;不同土类中,砂姜黑土表层土壤有机质含量的均值最高,为16.44g/kg。潮土与粗骨土类、黄褐土与黄棕壤类土壤样点的有机质含量数据统计特征类似,两组土类可分别构建一个表层有机质含量预测模型,而砂姜黑土类单独构建预测模型。(2)样点表层土壤有机质含量均具有显著空间自相关性,同一土类的样点,表层土壤有机质存在局部空间聚集状况,不同土类比较,内部空间聚集程度存在差异。(3)模型检验方面,回归类模型对于训练集的回代检验效果优于交叉验证,随机森林模型不存在过度拟合。(4)无论比较拟合优度R~2还是与实测值对比的皮尔逊相关系数等指标,地理加权回归模型在对案例区耕地表层土壤有机质含量的预测表现整体上都要优于逐步线性回归和空间自回归模型,与随机森林模型的预测能力相当。潮土、粗骨土分布区以使用随机森林模型的预测效果最优,输出的所有样点预测值与实测值相关性高达0.875,但残差仍存在一定的空间自相关性;其它两组土类以使用地理加权回归模型的预测效果最优,黄褐土与黄棕壤类与实际值相关性为0.653,砂姜黑土类0.617,残差的自相关性几乎消失。(5)对于潮土、粗骨土农用地来说,影响表层有机质含量变异的最重要因子是坡向和灌溉水平。高程则是影响黄褐土、黄棕壤表层土壤有机质含量的最关键变量,砂姜黑土表层有机质含量高低同样受高程影响最大。(6)输出的预测图显示,案例区西北角砂姜黑土分布区农用地表层土壤有机质处于较高水平,案例区北部也有有机质含量高值区零散分布,而西南部农用地表层土壤有机质水平普遍较低。本文系统研究了案例地区不同土类的农用地表层土壤有机质含量变异特征,通过对比,揭示了随机森林模型算法和地理加权回归算法在土壤属性空间预测与数字化制图领域的有效性和应用潜力,阐释了影响和制约不同土壤类型的耕地表层土壤有机质含量的核心因素各异,为获得更精确的预测结果,需要构建对应的适宜模型。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S153.621
【图文】：

点分布,土壤样,农用地,地理位置

113°06′~113°48′E）隶属于河南省驻马店市（图2.1），位于省南市西，东依确山，南至桐柏，西临唐河，北连方城。泌阳县历史悠远，古书记载，旧称比阳，春秋时期属楚领土，战国归属于韩。经西汉、南北朝、唐代，于明朝定名泌阳至今，1965 年从南阳划归给驻马店地区。泌阳县南北通长约68.5km，东西宽至67.5km。据泌阳县国土资源管理局2011年土地利用现状变更资料，全县行政区总面积 278495.04 公顷，其中耕地面积96614.13 公顷，泌阳县总人口 99.97 万人，农业人口 87.31 万人，占全县人口的87.34%。（2011 年统计年鉴显示

点分布,集样,土类,训练集

图 4.1 不同土类训练集与验证集样点分布图The distribution of train sets and test sets based on different types of soil线性回归模型拟合结果基于 R 3.3.1 环境，采用 lm(), step(), drop()函数实现所选变的线性回归模型的建立。el1结果显示，五个变量共同进入模型时，只有坡向和灌溉验。此时，AIC 值为 835.1，当去掉变量排涝能力时，AIC剔除排涝能力，之后根据 AIC 信息统计量值越小越优的原高程，最终得到的回归方程本身和每个变量的系数都极显，此时方程为 SOM=10.941+0.675Aspect+4.543irrigation，灌M 有可能增加 4.543，结果表明，潮土粗骨土的土壤采样点坡向和灌溉水平的影响，拟合优度 R2为 0.245，方程 P 值通回归方程对样点的拟合程度虽不是很理想，但还是具有一

地图,粗骨土,潮土

程为：= 0. wy 1. 0 1. x . 10. 1 （4.3）方程 R2为 0.410，AIC 值为 349.72。为了能更加直观地观察不同土类下有机质变异的局部空间自相关状况，基于不同土类的训练集样点生成泰森多边形，根据各自选定的空间权重文件，使用 GeoDa “Univariate Local Moran’s I”模块功能探索局部 SOM 聚集图。图 4.2 图例表明了相邻区域有机质含量的相对显著关系，如高-高代表着土壤有机质含量高的区域周围有机质含量也高，其余诚如图例表达出的含义，不相关表明这些地方的有机质与邻近区域有机质含量并不显著相关。潮土和粗骨土的“高—高”区主要分布在东北、西北部分，这两个区域地势相对较低。黄褐土黄棕壤的有机质“低—高”区和“高—高”区交叉分布，出现在东北部和近西南方向，“高—低”区和“低—低”在南部区域也呈现交叉聚集分布，可能揭示此区域有机质含量大部分值较低，有部分高值出现。在研究区东部分布的部分砂姜黑土样点有机质含量并不均等，LISA 地图提示出现低-高聚集区。因砂姜黑土样点较少且比较分散，局部集聚区呈现明显界限。

【参考文献】