留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于土壤-地形关系的合理样点对土壤有机质空间预测的影响

李广月 毕如田 朱洪芬 陈卓

李广月, 毕如田, 朱洪芬, 陈 卓. 基于土壤-地形关系的合理样点对土壤有机质空间预测的影响[J]. 土壤通报, 2021, 52(3): 515 − 526 doi: 10.19336/j.cnki.trtb.2020051901
引用本文: 李广月, 毕如田, 朱洪芬, 陈 卓. 基于土壤-地形关系的合理样点对土壤有机质空间预测的影响[J]. 土壤通报, 2021, 52(3): 515 − 526 doi: 10.19336/j.cnki.trtb.2020051901
LI Guang-yue, BI Ru-tian, ZHU Hong-fen, CHEN Zhuo. Spatial Prediction for Soil Organic Matter Affected by Appropriate Samples Based on Soil-Terrain Relationship[J]. Chinese Journal of Soil Science, 2021, 52(3): 515 − 526 doi: 10.19336/j.cnki.trtb.2020051901
Citation: LI Guang-yue, BI Ru-tian, ZHU Hong-fen, CHEN Zhuo. Spatial Prediction for Soil Organic Matter Affected by Appropriate Samples Based on Soil-Terrain Relationship[J]. Chinese Journal of Soil Science, 2021, 52(3): 515 − 526 doi: 10.19336/j.cnki.trtb.2020051901

基于土壤-地形关系的合理样点对土壤有机质空间预测的影响

doi: 10.19336/j.cnki.trtb.2020051901
基金项目: 国土资源部公益性行业项目(201411007)资助
详细信息
    作者简介:

    李广月(1994−),女,青海西宁人,硕士研究生。主要研究方向为土地信息与技术。E-mail: 2601613838@qq.com

    通讯作者:

    E-mail: brt@sxau.edu.cn

  • 中图分类号: S151.9

Spatial Prediction for Soil Organic Matter Affected by Appropriate Samples Based on Soil-Terrain Relationship

  • 摘要: 针对土壤精细化管理体系中合理样点数及空间预测优化问题,本文将基于土壤-地形关系,探讨了不同采样方式下以局部样点数量为代表提供最优数据的可能性。以地统计学、土壤-地形关系、地理加权回归克里格(GWRK)模型为基础,经系统格网、地形单元分区和地形起伏度最佳统计单元等三种采样方式分析合理样点集的空间分布对土壤有机质空间预测精度的影响。结果表明:(1)确定地形起伏度最佳统计单元大小为10 × 10像元,且平原区样点分布最为密集,合理样点数为1656;(2)高程、坡向、地形位置指数、相对位置指数、地形起伏度是影响土壤有机质空间变异的主要因素,能够解释研究区内有机质含量空间变异的69.2%;(3)GWRK模型精度均比普通克里金插值(OK)精度高,且山脊、背坡、陡坡、坡脚等坡位内合理样点数分别为39、481、9、28。在样点数最多时(n = 2806),GWRK精度提高幅度及样点数量对预测结果影响有限。当样点数量减少时,有机质预测值空间分布的局部变异性随样点数减少而减少。因此,不同采样方式下合理样点集明显影响有机质预测精度,但预测结果分布趋势相似,仍可完整表征土壤有机质空间分布的空间格局。
  • 图  1  研究区概况

    Figure  1.  Basic information of the Study area

    图  2  技术流程图

    Figure  2.  Technology roadmap of the research

    图  3  Gt随栅格像元大小变化曲线

    Figure  3.  Variation curve of Gt with grid pixel size

    图  4  研究区地形单元

    Figure  4.  Terrain unit in the study area

    图  5  不同尺度系统格网及采样点分布图

    Figure  5.  Grid of different scale systems and distribution of sampling points

    图  6  有机质空间分布预测图

    Figure  6.  Spatial distribution of predicted soil organic matter content

    图  7  有机质回归系数空间分布图(n = 1656)

    Figure  7.  Spatial distribution of regression coefficient related to soil organic matter prediction(n = 1656)

    表  1  地形单元划分参数设置

    Table  1.   Parameters of the classification for topographic units

    地形单元类型
    Terrain unit type
    相对位置指数
    RPI
    剖面曲率
    $ {\mathrm{K}}_{v} $
    平面曲率
    $ {\mathrm{K}}_{h} $
    坡度
    Slope
    坡向
    Aspect
    修正地形位置指数
    TPI*(SD)
    修正地形湿度指数
    TWI*
    背坡(N/EN) [0.3,0.6] [−0.25,0.03] [6°,25°] 0° ~ 135°
    315° ~ 360°
    0.3 ~ 0.7
    背坡(S/WS) 135° ~ 315° 0.3 ~ 0.7
    沟谷(N/EN) ≤ 0.1 [−0.008,0.1] [−1°,6°] 0° ~ 135°
    315° ~ 360
    ≤ 0.3
    沟谷(S/WS) 135° ~ 315° ≤ 0.3
    陡坡(S/WS) [25°,65°] 0° ~ 135°
    315° ~ 360
    陡坡(S/WS) 135° ~ 315°
    坡脚 [0.1,0.2] ≤ −0.008 ≤ 0.3
    山脊 ≥ 1 ≥ 0.5 > 1
    坡肩 [0.6,0.7] ≥ 0 0.7 ~ 1
    旱平地 0.3 ~ 0.7 < 2.9
    平顶峰 > 1
    湿平地 0.3 ~ 0.7 ≥ 2.9
    河漫滩 ≥ 2.9
      注:N/EN–北/东北侧,S/WS–南/西南侧,TPI*(SD):Topographic position index-修正地形位置指数标准差
    下载: 导出CSV

    表  2  同采样方式下各样点集有机质统计特征

    Table  2.   Descriptive statistics analysis for soil organic matter at grid scales in 2008

    样点个数
    Sample numbers
    最小值(g kg−1
    Minimum
    最大值(g kg−1
    Maximum
    平均值(g kg−1
    Mean
    标准差(g kg−1
    Standard deviation
    中值(g kg−1
    Medium
    变异系数(%)
    Coefficient of
    variation
    峰度
    Kurtosis
    偏度
    Skewness
    2708 5.38 24.58 12.08 2.46 11.82 20.36 4.83 0.82
    2167 5.38 24.58 12.09 2.47 11.83 20.43 4.78 0.81
    1724 5.38 24.58 12.10 2.44 11.87 20.17 4.60 0.73
    1656 5.75 24.58 12.01 2.47 11.74 20.57 5.04 0.84
    1379 5.38 24.58 12.08 2.45 11.82 20.28 4.83 0.79
    1103 5.38 24.58 12.06 2.45 11.77 20.32 4.84 0.82
    882 5.38 24.58 12.07 2.44 11.74 20.22 4.99 0.84
    762 6.30 19.68 11.95 2.30 11.75 19.22 3.25 0.45
    390 5.85 19.54 11.85 2.35 11.63 19.84 3.47 0.55
    233 6.15 20.39 11.86 2.44 11.59 20.61 4.07 0.77
    下载: 导出CSV

    表  3  2008年地形单元分区内有机质描述性统计特征

    Table  3.   Descriptive statistics analysis for soil organic matter at terrain unit in 2008

    地形单元
    Terrain
    unit
    样点个数
    Sample
    numbers
    最小值(g kg−1
    Minimum
    最大值(g kg−1
    Maximum
    平均值(g kg−1
    Mean
    标准差
    Standard
    deviation
    中值(g kg−1
    Medium
    变异系数(%)
    Coefficient of
    variation
    峰度
    Kurtosis
    偏度
    Skewness
    旱平地 24 8.52 17.79 12.89 2.35 12.65 18.23 2.25 0.17
    湿平地 1914 5.61 23.88 12.11 2.47 11.83 20.39 4.48 0.76
    山脊 39 7.82 19.4 12.36 2.95 11.50 23.87 2.94 0.90
    坡肩 23 6.75 17.13 11.3 2.40 11.2 21.24 3.48 0.30
    平顶峰 61 6.93 18.73 11.23 2.15 10.80 19.15 4.39 0.75
    背坡(N/EN) 481 5.75 20.13 11.99 2.28 11.82 19.02 3.95 0.57
    背坡(S/WS) 38 5.38 17.58 11.26 2.70 11.96 23.98 2.87 0.0007
    沟谷(N/EN) 167 7.59 24.58 12.28 2.58 12.17 21.01 8.66 1.65
    沟谷(S/WS) 19 7.82 14.9 11.53 1.86 11.42 16.13 2.91 0.02
    陡坡(N/EN) 9 8.76 15.71 11.75 2.09 11.59 17.79 3.32 0.67
    陡坡(S/WS) 3 8.61 10.78 9.84 1.12 10.15 11.38 1.5 −0.46
    坡脚 28 7.31 23.67 12.18 3.43 11.73 28.16 6.10 1.54
    全局地形 2806 5.38 24.58 12.07 2.46 11.82 20.38 4.79 0.81
    下载: 导出CSV

    表  4  有机质多尺度半变异函数模型参数表

    Table  4.   Variogram parameters model of soil organic matter in multiscale grids

    尺度代码
    Scale code
    模型
    Model
    块金值
    Nugget/(C0
    基台值
    Sill/(C0+C
    变程(km)
    Range
    基底效应(%)
    C0/(C0+C
    R2残差
    RSS
    G1 E 0.76 6.06 2130.00 12.54 0.40 0.84
    G2 E 0.78 5.69 1890.00 13.72 0.30 0.82
    G3 E 0.64 5.31 990.00 12.04 0.77 0.08
    G4 E 0.67 5.21 1500.00 12.36 0.82 0.05
      注:E-指数模型(Exponential model),以下同。
    下载: 导出CSV

    表  5  各地形单元有机质半变异函数模型参数表

    Table  5.   Parameters of semi- variogram model of soil organic matter at terrain units

    地形单元
    Terrain unit
    模型
    Model
    块金值
    Nugget/(C0
    基台值
    Sill/(C0+C
    变程(km)
    Range
    基底效应(%)
    C0/(C0+C)
    R2残差
    RSS
    背坡(N/EN) E 0.72 5.31 1650.00 13.56 0.58 0.39
    背坡(S/WS) E 1.26 7.20 1320.00 17.50 0.11 0.60
    沟谷(N/EN) G 2.54 26.07 3521.99 9.74 0.84 0.81
    沟谷(S/WS) G 0.01 3.95 3602.67 0.26 0.22 0.36
    陡坡(N/EN) L 0.64 3.65 1508.76 17.50 0.19 0.38
    陡坡(S/WS) S 0.96 3.68 3810.00 25.97 0.14 0.13
    坡脚 L 2.80 12.80 3076.86 21.89 0.56 0.44
    坡肩 G 3.58 7.17 1195.15 49.93 0.44 0.21
    山脊 E 6.74 13.49 3980.01 49.96 0.81 0.12
    旱平地 G 3.06 6.47 4451.37 47.30 0.11 0.14
    湿平地 S 0.48 6.25 1380.00 7.69 0.82 0.09
    平顶峰 E 3.65 9.07 3960.00 40.25 0.27 0.18
      注:L-线性模型(Linear model),E-指数模型(Exponential model),S-球状模型(Spherical model)G-高斯模型(Gaussian model),以下同。
    下载: 导出CSV

    表  6  不同地形因子与有机质CCA相关性分析

    Table  6.   CCA correlation analysis between soil organic matter and topographic factors

    地形起伏度
    Relief amplitude
    高程
    Dem
    坡度
    Slope
    坡向
    Aspect
    地形湿度指数
    TWI
    剖面曲率
    $ {\mathrm{k}}_{v} $
    相对位置指数
    RPI
    地形位置指数
    TPI
    Pearson相关性0.439*0.842**−0.060−0.119**0.104−0.0380.023*0.231*
      注:*在0.05级别(双尾),相关性显著,**在0.01级别(双尾),相关性显著,RPI-Relative Position Index,以下同。
    下载: 导出CSV

    表  7  不同尺度有机质空间分布统计及样点代表性评价

    Table  7.   Statistical analysis for the spatial distribution of soil organic matter at different scales

    格网尺度
    Grid scale
    样点个数/个
    Samples
    实测值范围(g kg−1
    Observed value range
    预测值范围(g kg−1
    Predicted value range
    残差值范围(g kg−1
    Residual value range
    检验系数(%)
    Inspection coefficient
    差异率(%)
    Difference ratio
    G1 233 6.15 ~ 20.39 8.10 ~ 16.42 −2.04 ~ 4.41 1.74 0.81
    G2 390 5.85 ~ 19.54 7.09 ~ 12.44 −2.45 ~ 2.63 1.82 4.47
    G3 762 6.3 ~ 19.68 6.78 ~ 17.75 −2.46 ~ 3.19 0.99 6.50
    G4 1720 5.61 ~ 19.93 6.22 ~ 18.56 −2.64 ~ 3.25 0.25 0.81
    下载: 导出CSV

    表  8  最佳地形统计单元下有机质显著性检验及样点代表性评价

    Table  8.   The significance test and representative evaluation of relief amplitude on the best statistical unit

    样点个数/个
    Sample numbers
    分布类型
    Distribution
    均方根误差
    Root mean of squared error
    拟合系数
    Determination coefficient
    显著性(LSD检验)
    Sig
    检验系数(%)
    Inspection coefficient
    差异率(%)
    Difference ratio
    2708 正态 2.395 0.824 0.256 0.08 2.44
    2167 正态 2.402 0.812 0.281 0.17 0.41
    1724 正态 2.419 0.803 0.396 0.33 0.81
    1656 正态 2.537 0.790 0.387 1.24 5.28
    1379 正态 2.647 0.745 0.377 0.08 0.41
    1103 正态 2.658 0.733 0.299 0.08 0.41
    882 正态 2.746 0.729 0.472 0.06 0.81
    下载: 导出CSV

    表  9  地形单元分区样点代表性评价

    Table  9.   The representative evaluation of division samples at terrain unit in 2008

    地形单元
    Terrain unit
    样点个数
    Sample numbers
    平均值(g kg−1
    Mean
    标准差
    Standard deviation
    差异率(%)
    Difference ratio
    检验系数(%)
    Inspection coefficient
    旱平地 24 12.89 2.35 4.47% −6.79%
    湿平地 1914 12.11 2.47 −0.41% −0.33%
    山脊 39 12.36 2.95 −19.92% −2.40%
    坡肩 23 11.3 2.40 2.44% 6.38%
    平顶峰 61 11.23 2.15 12.61% 6.96%
    背坡(N/EN) 481 11.99 2.28 7.32% 0.66%
    背坡(S/WS) 38 11.26 2.70 −9.76% 6.71%
    沟谷(N/EN) 167 12.28 2.58 −4.88% −1.74%
    沟谷(S/WS) 19 11.53 1.86 24.39% 4.47%
    陡坡(N/EN) 9 11.75 2.09 15.04% 2.65%
    陡坡(S/WS) 3 9.84 1.12 54.47% 18.48%
    坡脚 28 12.18 3.43 −39.43% −0.91%
    全局地形 2806 12.07 2.46
    下载: 导出CSV

    表  10  不同样点集下有机质GWRK建模交叉验证结果

    Table  10.   Result of validation of GWRK model at different sampling series

    N = 2806N = 2708N = 1914N = 1724N = 1656N = 1379N = 762N = 390N = 233N = 2806
    MSE(g kg−1 −0.0096 −0.0011 −0.0030 0.0014 −0.0001 −0.0015 −0.0031 0.0076 0.0070 0.0068
    ASE(g/kg) 2.4715 2.4750 0.3123 2.4557 2.4711 2.5223 0.2953 0.4031 0.5704 2.8654
    RMSE(g/kg) 2.3968 3.3950 −0.0030 2.4190 2.5120 2.6470 0.2904 0.4236 0.5658 3.9762
    RMSSE(g/kg) 0.9711 0.9682 1.0160 0.9809 0.9760 0.9705 0.9842 1.0500 0.9821 0.9921
    ME(g/kg) −0.0096 −0.0026 −0.0006 0.0032 −0.0005 −0.0038 −0.0009 0.0006 0.0040 0.0056
      注:MSE-标准预测误差,ASE-平均标准差,RMSE-均方根预测误差,RMSSE-均方根标准差,ME-平均预测误差
    下载: 导出CSV

    表  12  不同地形单元内有机质GWRK建模与OK结果比较

    Table  12.   Comparison between validation of GWRK and OK models at different terrain units

    背坡
    Back slope
    沟谷
    Channel
    陡坡
    Steep slope
    坡脚
    Footslope
    坡肩
    Slope shoulder
    山脊
    ridge
    旱平地
    Dry ground
    湿平地
    Wet ground
    平顶峰
    Flat peak
    G-KOKG-KOKG-KOKG-KOKG-KOKG-KOKG-KOKG-KOKG-KOK
    AIC 298.8 1140.2 150.34 780.37 241.8 350.2 421.6 503.5 400.6 490.8 99.34 525.9 411.3 491.6 364.8 1135.4 110.14 649.3
    R2 0.54 0.32 0.48 0.32 0.3 0.2 0.36 0.22 0.34 0.19 0.38 0.25 0.34 0.2 0.64 0.44 0.4 0.3
      注:AIC- Akaike information criterion(带宽),G-K:GWRK(地理加权回归克里格),以下同。
    下载: 导出CSV

    表  11  不同样点集有机质GWRK建模与OK结果比较

    Table  11.   Comparison between validation of GWRK and OK models at different sampling series

    N = 2806N = 2708N = 1724N = 1656N = 1379N = 762N = 390N = 233
    G-KOKG-KOKG-KOKG-KOKG-KOKG-KOKG-KOKG-KOK
    AIC245.61383.3185.31125.6134.7923.3110.9768.394.8500.388.6470.175.6397.958.9298.39
    R20.850.610.820.600.810.600.790.590.750.430.730.440.660.420.530.39
      注:AIC- Akaike information criterion(带宽),G-K:GWRK(地理加权回归克里格),以下同。
    下载: 导出CSV
  • [1] 买买提. 沙吾提, 塔西甫拉提. 特依拜, 丁建丽, 张 飞 BP神经网络在渭干河流域土壤盐渍化预测中的应用[J]. 新疆农业科学, 2013, 50(4): 774 − 779.
    [2] 栗丽华, 吉根林. 决策树分类技术研究[J]. 计算机工程, 2004, 30(9): 94 − 105. doi: 10.3969/j.issn.1000-3428.2004.09.038
    [3] 朱洪芬, 南 锋, 徐占军, 荆耀栋, 段永红, 毕如田. 黄土高原盆地土壤有机质与影响因子的空间多尺度关系[J]. 生态学报, 2017, 37(24): 8348 − 8360.
    [4] Zhu H, Bi R, Duan Y, et al. Scale-location specific relations between soil nutrients and topographic factors in the Fen River Basin, Chinese Loess Plateau[J]. Frontiers of Earth Science, 2017, 11(2): 397 − 406.
    [5] Zhu H, Hu W, Jing Y, et al. Soil organic carbon prediction based on scale-specifific relationships with environmental factors by discrete wavelet transform[J]. Geoderma, 2018, 330: 9 − 18. doi: 10.1016/j.geoderma.2018.05.029
    [6] 巫振富, 赵彦锋, 程道全, 陈 杰. 样点数量与空间分布对县域尺度土壤属性空间预测效果的影响[J]. 土壤学报, 2019, 56(6): 1321 − 1335.
    [7] Tobler W. A computer movie simulating urban growth in the Detroit region[J]. Economic Geography, 1970, 46(2): 234 − 234.
    [8] Miller H J. Tobler’s First Law and spatial analysis[J]. Annals of the Association of American Geographers, 2004, 94(2): 284 − 284. doi: 10.1111/j.1467-8306.2004.09402005.x
    [9] 刘 瑜, 龚 俐, 童庆禧. 空间交互作用中的距离影响及定量分析[J]. 北京大学学报(自然科学版), 2014, 50(3): 526 − 534.
    [10] 李丽琴. 省际边界区域城市空间相互作用的时空演变[D]. 山西师范大学, 2018.
    [11] 陈彦光. 空间相互作用模型的形式、量纲和局域性问题探讨[J]. 北京大学学报: 自然科学版, 2009, 45(2): 333 − 333.
    [12] 孙 俊, 潘玉君, 和瑞芳, 刘海琴, 常楠静, 刘树芬, 李会仙. 地理学第一定律之争及其对地理学理论建设的启示[J]. 地理研究, 2012, 31(10): 1749 − 1763.
    [13] 赵业婷, 常庆瑞, 李志鹏等. 基于Co-Kriging的耕层土壤全氮空间特征及采样数量优化研究[J]. 土壤学报, 2014, (2): 415 − 422.
    [14] 张淑杰, 朱阿兴, 刘 京, 杨 琳. 整合已有土壤样点的数字土壤制图补样方案[J]. 地理科学进展, 2012, 31(10): 1318 − 1325. doi: 10.11820/dlkxjz.2012.10.009
    [15] 王子龙, 陈伟杰, 付 强等. 土壤优化采样策略研究进展[J]. 水土保持通报, 2017, (5): 211 − 218.
    [16] 秦承志, 卢岩君, 包黎莉, 朱阿兴, 邱维理, 程维明. 简化数字地形分析软件(SimDTA)及其应用-以嫩江流域鹤山农场区的坡位模糊分类为例[J]. 地球信息科学学报, 2009, 11(6): 737 − 743. doi: 10.3969/j.issn.1560-8999.2009.06.008
    [17] Zhao F, Qiao L, Shi F, et al. Feature fusion via hierarchical supervised local CCA for diagnosis of autism spectrum disorder[J]. Brain Imaging and Behavior, 2017, 11(4): 1 − 11.
    [18] 李文华. 社会调查研究中样本的代表性问题探讨[J]. 统计与决策, 2006, (17): 157 − 159. doi: 10.3969/j.issn.1002-6487.2006.17.080
    [19] 杨 琳, 朱阿兴, 张淑杰, 安艺明. 土壤制图中多等级代表性采样与分层随机采样的对比研究[J]. 土壤学报, 2015, 52(1): 28 − 37.
    [20] 杨 琳, 朱阿兴, 秦承志, 李宝林, 裴 韬. 一种基于样点代表性等级的土壤采样设计方法[J]. 土壤学报, 2011, 48(5): 46 − 54.
    [21] 张贝尔, 黄 标, 赵永存, 张晓光, 孙维侠, 胡文友, 杨劲松. 采样数量与空间插值方法对华北平原典型区土壤质量评价空间预测精度的影响[J]. 土壤, 2013, 45(3): 540 − 547. doi: 10.3969/j.issn.0253-9829.2013.03.026
    [22] Franzen D W, Peck T R. Field soil sampling density for variable rate fertilization[J]. Journal of Production Agriculture, 1996, 8(4): 568 − 574.
    [23] 丁贤法. 基于SRTM DEM与变点分析法的云南省富宁县地貌形态研究[J]. 测绘与空间地理信息, 2014, 37(11): 98 − 100. doi: 10.3969/j.issn.1672-5867.2014.11.028
    [24] 杨 晓, 黎 武, 冉 红, 贺春明, 徐 珍, 蒋 婷. 基于DEM数据的祁县地形起伏度分析[J]. 南方农业, 2016, 10(22): 28 − 31.
    [25] 陈学兄, 张小军, 常庆瑞. 陕西省地形起伏度最佳计算单元研究[J]. 水土保持通报, 2016, 36(3): 265 − 270+370.
    [26] 戚玉娇. 大兴安岭森林地上碳储量遥感估算与分析[D]. 哈尔滨: 东北林业大学, 2014.
    [27] ANSELIN L. Local Indicators of Spatial Association-LISA[J]. Geographical Analysis, 1995, 27(2): 93 − 115.
    [28] 孙孝林, 赵玉国, 赵 量, 李德成, 张甘霖. 应用土壤-景观定量模型预测土壤属性空间分布及制图[J]. 土壤, 2008, (5): 837 − 842. doi: 10.3321/j.issn:0253-9829.2008.05.028
    [29] 中国科学院地理研究所. 中国1∶1000000地貌图制图规范(试行)[M]. 北京: 科学出版社, 1987: 33-34.
    [30] ZHU M, FENG Q, QIN Y, et al. The rile of topography in shaping the spatial patterns of soil organic carbon[J]. Catena, 2019, 176: 296 − 305. doi: 10.1016/j.catena.2019.01.029
  • 加载中
图(7) / 表(12)
计量
  • 文章访问数:  13
  • HTML全文浏览量:  0
  • PDF下载量:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-05-19
  • 修回日期:  2021-03-13
  • 刊出日期:  2021-06-04

目录

    /

    返回文章
    返回