基于3S技术的黑河上游土壤理化性质空间变异性研究

发布时间：2016-08-06 07:06

第一章  绪论 

1.1  研究的目的和意义 
自然界的土壤，受成土过程影响，其水力特性在垂直和水平方向存在着较大变异性，即使质地相同的土壤在同水平面和垂直剖面上也不完全为均质。在土壤质地视为同一的分区内，土壤的特性—如物理参数（干容重、颗粒组成、饱和导水率及水分特征曲线等），状态变量(如含水量、土壤水吸力、人渗量、温度及导电率等)，在同一时刻、各点的值并不相等，这就是土壤理化性质的空间变异性（雷志栋等 1985；王政权 1999；邵明安等 2006）。土壤特性的空间变异性普遍存在，它直接影响人们对其内部结构及外部特征研究的深入，使得精确模拟土壤过程的难度进一步加大。 土壤是由固、液、气三相所组成的复杂性连续体，其成土过程是历史累积过程，使得土壤属性在空间分布上体现为多种或多层次结构的叠加，并随研究尺度的不同表现为不同空间结构特性。最初，由经典统计学方法分析发现，尺度效应往往直观地体现为，，选择不同的观测尺度，土壤属性在研究区域中的变异系数不同。随着地统计学、自相关原理等理论的引入，发现土壤水分和盐分的区域分布研究受限于采样网格的尺度大小，表现为具体的采样尺度只能揭示区域中对应尺度下的土壤属性空间分布特征。随着越来越多土壤属性引入研究，进一步证实土壤属性的某些空间分布特征仅在相应的采样尺度下体现（徐英等 2004）。所以，以此来分析不同采样尺度下土壤属性的空间变异性，剖析研究区域中土壤空间分布特征与采样尺度间的联系，探寻不同尺度下土壤属性空间变异的主导性因素，进而为划分研究区域的土壤类别、精确模拟土壤过程以及最终建立精确的土壤属性预测模型提供依据。同时，近年来，遥感(Remote sensing，RS)技术的发展使得地物近红外光谱分析技术得到进一步的实践。通过对区域的土壤采样并实测，分析土壤理化性质与土壤光谱反射曲线的关系并拟合两者对应参数构建模型，能够在具有一定代表性的研究区域内实现对土壤理化性质的预测估值，进而简化人力，实现准确、低投入、直观地掌握相关区域土壤特性参数之间的转换模式。
....

1.2  国内外研究概况
国外土壤理化性质空间变异性研究开始于 20 世纪 70 年代，之后，经典统计学，时序分析法、分形方法、频谱分析法、随机模拟法、地统计学方法及 3S 技术等方法的引入及互相融合，极大地丰富了土壤理化性质空间变异性的研究手段（肖朝明等  2004）。我国的土壤理化性质空间变异研究开始于 20 世纪 80 年代（唐惠丽等  2010），研究主要以空间大小尺度上各性状土壤属性的变异性为主。随后，一系列新的空间研究方法及 3S技术的融合发展，使得土壤理化性质的空间变异性研究在我国得到了深入实践。 土壤水分空间变异研究中，Entin  等（2000）通过多采样尺度分析了导致土壤水分空间变异的主导因素，结果表明小尺度上的主导因素为土壤类型、地形和植被，而大尺度上是降雨和地表蒸发。Penna（2009）探究了土壤水分空间变异程度与地形、地质因素之间的相关关系，研究表明坡度和地形湿度指数对土壤水分空间分布的预测效果较其他地形、地质因素更好，并以此结论建立了山坡尺度下最适土壤水动力模型。Brocca 等（2012）分析了流域尺度下土壤水分的空间变异性，认为低分辨率卫星数据可用于中小型流域土壤水分空间变异特征研究。徐英等（2004）研究分析了黄河河套平原地区中小尺度下土壤水分的空间变异特征，研究表明区域中采样尺度与水分的空间变异程度密切相关。郭德亮等（2013）在黑河中游绿洲重点分析了戈壁、林地、农地三种景观地区的表层土壤水分空间变异特征，结果表明，尽管景观因素不同，但变异程度大致相近。 土壤盐分空间变异研究中，因为含盐量的直接测量往往耗费大量时力，而土壤电导率(EC)与含盐量有较好的正相关关系且易于测量（蔡阿兴等  1997），国内外研究往往通过 EC 来表示含盐量（Al-Omran et al. 2013；Stadler  等 2014；Behera and Shukla 2014）。以往研究针对 EC 在不同研究尺度及不同深度进行了一系列研究，研究表明 EC 在空间上随尺度或深度变化呈中等变异或强变异，且尺度的扩大往往使得变异程度提高（李敏等 2009；古丽娜·尔托合提等 2011）。此外，不同的地下水位、灌溉方式、地形及地貌因素对土壤盐分的空间变异也存在一定的影响（Cemek 等 2007）。 
..........

第二章  黑河上游土壤有机质、电导率空间分布研究 

本研究主要围绕黑河上游土壤的 SOC、EC 分布规律，对流域尺度采样获得的土样进行相关实验分析。研究基于经典统计学方法、地统计学方法并结合相应的研究工具，对样点的实测 SOC、EC 数据进行插值预测，在流域尺度上综合分析不同植被类型、地形与地貌要素对分布规律的影响，为区域的 SOC、EC 的预测提供参考。 

2.1  料与方法 
采样区在黑河流域上游，经纬度范围分别为37.7°~42.7°N和97.1°~102.0°E。年平均降雨量300~700mm，海拔1700~5066m，具有显著的垂直地带特性，主要景观为冰川、草原、林地、河滩与荒地（Qin等  2013）。 在充分考虑到不同植被要素（林地、灌木、草地  、裸土等）与地形要素（河流、戈壁、沙地等）的前提下，排除人为因素干扰严重及难以实现采样的冰川、裸岩覆盖区域，均匀地在流域上游布置采样点共计181个，其中定位点22个，在相应的点需要加大密度测定相应属性，随机点159个，采样深度0～15cm，详细样点布置与黑河上游植被、地形要素分布情况见图2-1。其中，定位点除对应坐标取样以外，另在周围大约3km距离设置两个随机样点取样，加大取样密度获取更丰富的土壤信息，共计获得表层土样225个。采得的土样经自封袋封装后带回实验室，经室内风干、碾磨、过2mm筛后备用。 
....

2.2  结果与分析 
利用经典统计学方法与地统计学方法分别研究黑河流域上游土壤 SOC 与 EC 的空间分布特征。探讨不同植被覆盖类型、地形地貌因素对两土壤属性分布规律的影响。通过室内实验分析土壤理化性质，利用激光粒度仪获得土壤颗粒组成（Peng等 2015），根据国际制质地分类标准，在225个土样中，有粘壤土77个，壤土78个，砂壤土21个，砂土、轻粘土、粉粘土、粉粘壤土、粉壤土共计49个。考虑到后续分析过程中，如果将定位点周围随机样点加入研究，将使得该研究整体的尺度不统一，故仅考虑181个样点坐标对应的土样。采用重铬酸钾容量法测定了SOC（鲍士旦  2000；Palacios-Orueta和Ustin  1988），通过DDB-303A型电导率仪测得EC（蔡阿兴等  1997）将测得的SOC、EC数据经IBM SPSS 22统计分析，得到两属性的统计特征值表见表2-1。 
........

第三章  黑河上游农田土壤理化性质空间变异性研究 ........ 17 
3.1   材料与方法 ..... 17 
3.2   结果与分析 ..... 18 
3.3   小结 ......... 24 
第四章  偏最小二乘回归方法提取土壤质量单项指标初探 ........ 25 
4.1   材料与方法 ..... 25 
4.1.1   样品采集与土壤属性参数测定 .... 25 
4.1.2   偏最小二乘回归方法提取土壤质量单项评价指标原理 .... 25 
4.1.3 数据处理 ........... 26 
4.2   结果与分析 ..... 26 
4.2.1   土壤理化性质的经典统计分析 .... 26 
4.2.2   土壤含水率(Y)与其它指标(X)的偏最小二乘回归分析 ...... 26 
4.2.3   土壤电导率(Y)与其它指标(X)的偏最小二乘回归分析 ...... 29 
4.2.4   整体土壤指标间的偏最小二乘回归分析 .... 31 
4.2.5   讨论 ........ 31 
4.3   小结 ......... 32 
第五章  基于光谱反射率的土壤有机质建模及方法比较 .... 33 
5.1 材料与方法 ........ 33
5.2 建模与验证原理 ........ 34
5.3  结果与分析 ....... 35 
5.4  小结 ........... 40 

第五章  基于光谱反射率的土壤有机质建模及方法比较 

已有 SOC 的光谱预测模型其适用性受建模样本的采样尺度、土壤类型及光谱参数限制，需要在大尺度及范围上进一步检验适用性，并比较分析不同建模方法的建模效果以寻求适用性更好、精度更高的定量模型。本文围绕黑河上游 SOC 的光谱预测问题，拟在测得 SOC 和光谱反射率的基础上，分别采用 PLSR 方法和逐步线性回归（SLR）方法建立 SOC 的光谱反射率模型，并对比两种方法所得模型的稳定性和预测能力，得到SOC 的光谱反射率预测最适模型，并与以往成果（刘娇等  2013）进行对比，检验已有模型在扩大采样尺度后的适用性，以期为大尺度 SOC 的光谱预测提供更多参考。

5.1 材料与方法 

黑河流域上游经纬度范围分别为 37.7°~42.7°N 和 97.1°~102.0°E。年平均降雨量300~700mm，海拔 1700~5066m，具有显著的垂直地带特性，主要景观为冰川、草原、林地河滩与荒地（Qin 等  2013）。因为祁连山脉黑河段沿西北-东南方向贯通黑河流域上游，路径中包含丰富的土壤属性变异信息。因此，采样工作从肃南裕固族自治县出发沿祁连山脉山脊线往山丹县方向以大约 3km 为间隔采样，期间在祁连山黑河谷地、民乐县扁都口、山丹县军马场、张掖市大野口与康勒草原等不同景观地域加大密度集中采样，取样深度范围 0~10cm，相应的取样布置图如图 2-1 所示，共采集 225 个样品。采回的土样经室内风干、碾磨、过 2mm 筛后备用。 通过室内实验分析土壤理化性质，利用激光粒度仪获得土壤颗粒组成（谭晓慧等 2011），根据国际制质地分类标准，在 225 个土样中，有粘壤土 77 个，壤土 78 个，砂壤土 21 个，砂土、轻粘土、粉粘土、粉粘壤土、粉壤土共计 49 个。采用重铬酸钾容量法测定了 SOC（鲍士旦  2000）。将 225 个土样的 SOC 数据按照从小到大排序，从第三个样品开始，每隔 4 个土壤样品抽取 1 个，归入验证集，剩余土壤样品归入到建模集。得到 180 个样品（占总体的 80%）成为建模集，45 个样品（占总体的 20%）成为验证集，总体、建模及验证样本统计特征如表 5-1 所示。 

..........

结论 

本研究分为两部分：不同观测尺度下土壤理化性质的空间变异研究；不同观测尺度下基于回归方法建立适宜的土壤理化性质观测模型。具体结论如下： 
（1）流域尺度研究中，黑河上游SOC与EC在使用半方差函数拟合模型时，其最优模型的块基比都介于0.25～0.75，表明SOC与EC在黑河上游的空间变异由本身和人为因素协同作用导致。此外，EC的变程明显小于SOC，表明本研究区域中样点间的SOC相较EC相关性更强，相应的插值预测精度较SOC也更低。
（2）综合分析流域尺度下黑河上游 SOC 与 EC 的克里格插值预测图，在高覆盖度草地、林场、耕作区密集区域，SOC 高而 EC 低且两者呈现直观的负相关关系，尤其是在高覆盖草地密集区域，这一现象最为明显。 
（3）农田尺度土壤属性分为 A 层（0~15cm）、B 层（15～30cm）的经典统计分析与地统计分析 结 果表明 ：研究 区域中 土壤各属性 的变异程度大小 关系统一为Ks>EC>θ>SA>CL>SI；地统计学方法研究中发现除 B 层 EC、A 层土壤 Ks 分别适用高斯和球状模型，其余土壤属性在 A、B 层都适用指数模型。此外，土壤 θ 与 EC 都表现为B 层变异系数大于 A 层，而颗粒组成在 A、B 层上的变异系数大小关系与之相反。 （4）农田尺度土壤属性的多重分形及联合多重分形分析结果表明：土壤 θ、EC 各自在其相邻土层具有复杂的空间结构，其他属性在相临土层相互作用简单。此外，同一土壤属性在 A、B 层之间存在不同程度的正相关性，尤其是 SI、θ 表现为最强空间关联性，其相关系数分别为 0.914 和 0.874；土壤属性奇异指数间的相关性分析表明，土壤颗粒组成或者 θ 与除 EC 以外的其它属性在 A 层的相关性明显好于 B 层。根据联合多重分形分析，可知 EC 与颗粒组成相关性强弱在不同土层间不一定保持一致的大小关系，同时，EC 与 θ 的情况也是如此。 
.........
参考文献(略)

本文编号：86181