基于协同和回归克立格法的土壤盐分空间内插预测.docxVIP

基于协同和回归克立格法的土壤盐分空间内插预测 0 土壤压力的研究方法—引言 浙江省丰富的土壤修复资源。这些土壤修复资源的开发和恢复可以很好地缓解该省人口和耕地之间的矛盾。然而，由于特殊的细菌和组成、不同的耕作条件、不同的种植条件和不同的用途，恢复区域的土壤特性，尤其是养分，发生了很大的变化。农业结构、作物类型和产量的变化。精确的土壤盐分时空变异信息对当地有关部门和农户进行有效的盐分管理和科学合理的农业生产布局具有非常重要的现实意义。土壤盐分的变异性要通过不断地进行空间采样来量化。但是,频繁而密集的对研究区盐分进行实测会大量地消耗时间和精力,在实际研究中是不可行的。因此在保持描述土壤盐分的空间变异能力的同时,优化采样策略,减少盐分采样频率和密度非常必要。 辅助信息用以提高目标变量的预测精度在土壤学的研究中已经达成了共识。可以利用样点数据较多的、与目标变量具有较好相关性的辅助变量来对那些样点数目较少或难以测试的目标变量进行估值,从而达到节省成本和优化插值计算的目的。协同克立格法就是一种利用辅助变量的方法,并在土壤科学中得到了广泛的应用。另外一种利用辅助变量的方法是回归克立格法,许多学者已经利用该方法对环境变量进行了预测。Odeh等利用地形数据作为辅助变量来对土壤属性,如表层砂土含量等进行预测,比较了回归克立格法和普通克立格法,多元线性模型及协同克立格法等的预测精度,发现回归克立格法的预测结果最好。Hudson等结合高程数据用普通克立格法来提高气温的制图精度。Tomislav Hengl等利用回归克立格法对土壤有机质和表土厚度进行空间插值,并将其与普通克立格法进行了对比,发现回归克立格法具有较低的预测根均方误差和较低的预测偏差。 在国内,利用辅助变量时,大部分是同一时期不同土壤属性的协同克立格估值,或者利用表土土壤属性作为辅助变量,对深层土壤属性进行协同克立格估值,而很少利用同一属性不同时期的时序数据来进行协同克立格估值,将时序辅助数据用于回归克立格法的研究更是未见报道。本研究以普通克立格法作为参考,利用连续3年的土壤盐分数据(ECb(2003),ECb(2004)和ECb(2005)),通过将前两期的盐分数据(ECb(2003),ECb(2004))作为辅助变量应用于协同克立格法和回归克立格法预测中,在不断减少目标变量(ECb(2005))样点数目的情况下比较了这3种方法的预测精度和制图敏感性,研究是否可以通过前期的辅助数据,在保持描述土壤盐分的空间变异能力的同时,减少后期盐分的采样频率或密度。 1 采样区域和数据采集 1.1 土壤盐分含量 研究区位于浙江省上虞市西北地区、杭州湾南岸的海涂实验农场。该地属于亚热带区域,自然植被为常绿阔叶林,年平均温度16.5℃,年均降水量为1300 mm。土壤主要来自于海洋和河流沉积物,土壤质地以轻壤土或砂壤土为主。土壤类型是粗松咸砂土,剖面发育不明显,同一剖面上下层质地较为均匀。近年来该区已被连续垦种。由于围垦措施和种植利用的不同,反映土壤盐分含量的指标,土壤电导率的变异相当显著。本研究的地块围垦于1996年,2000年开垦为棉田,面积为10.5 hm2(见图1)。 1.2 样品采集和预测分析 运用20 m网格采样法,通过一个便携式电导率测定计,在表土(0～20 cm)共测得240个土壤体积电导率(bulk electrical conductivity,简称ECb)数据作为盐分指标。在每个格网点1 m的圆周范围内共采集样品5个,取其平均值作为该网格点的ECb值。差分GPS被用来进行样点定位。采样日期分别为2003年12月30日,2004年4月29日,2005年4月25日,所测得的数据分别以ECb(2003),ECb(2004)和ECb(2005)表示。 在240个ECb(2005)数据中,80个被随机选择作为检验样本,剩余的160个作为预测样本(见图1)。同样点位上的ECb(2004)和ECb(2003)实测数据被用作辅助变量用于协同克立格法和回归克立格法中来提高目标变量(ECb(2005)数据)的预测精度。 2 回归克立格模型 普通克立格法是空间局部插值方法,通过利用区域化变量的原始数据和变异函数的结构特点,对未采样点的取值进行线性无偏最优估计。它已经在土壤科学中得到了广泛应用并被认为是最为精确的估值方法之一。 协同克立格法是普通克立格法的扩展形式,它要用到两个或两个以上的变量,其中一个是主变量,其他的作为辅助变量,将主变量的空间自相关性和主辅变量间的交互相关性结合起来用于无偏最优估值中(普通克立格和协同克立格的理论和方法参照文献、)。 回归克立格法是将普通克立格法与回归模型相结合而形成的一种混合方法。该方法首先建立辅助变量和目标变量之间的回归方程,然后利用回归方程对目标变量进行预测,并计