共查询到17条相似文献，搜索用时 641 毫秒
1.
土壤属性空间分布受地学环境要素影响,空间分异特征十分明显,单一的全局插值模型在应用中常受到一定条件的限制。对复杂地貌类型区土壤属性插值所面临的空间不连续、全局插值模型精度有限以及适应性差的缺点,提出了一种融合地学环境信息的土壤属性自适应曲面建模方法（Adaptive surface modeling for soil properties,ASM-SP）。利用2013年采集的110个样点数据,以土壤全钾含量为例,利用ASM-SP、普通克里格法（Ordinary Kriging,OK）、回归克里格法（Regression Kriging,RK）、地理加权回归克里格法（Geographically Weighted Regression Kriging,GWRK）和协同克里格（Ordinary Co-Kriging,OCK）5种插值方法,分别模拟了青海湖流域典型地区土壤全钾含量的空间分布。采用平均误差（Mean Error,ME）、平均相对误差（Mean Relative Error,MRE）、均方根误差（Root Mean Square Error,RMSE）、准确度（Accuracy,AC）、相关系数、回归系数和决定系数7类指标系统评价不同插值方法的预测效果。结果表明:（1）利用常规插值（OK）得到的插值曲面较为平滑,具有弱“牛眼”效应,在刻画土壤全钾含量的空间变异性方面存在明显不足,精度有待提高。（2）在融合地学环境信息的插值方法中,RK,OCK,GWRK和ASM-SP模拟精度较OK有不同程度提高,其中ASM-SP在刻画土壤全钾含量的空间变异和局部细节信息方面表现突出,精度较其他插值方法有较大程度提高,其准确度较OK,RK,GWRK和OCK分别提高9.27%,6.29%,2.66%和7.74%。ASM-SP尤其适合复杂地貌类型区,因其考虑了地学环境变量与土壤属性的非线性关系,并融合了多个模型的适应性优势,其在刻画土壤属性空间分异的复杂性方面也更加符合实际情况,为土壤属性的空间模拟提供了新思路。 相似文献
2.
平原丘陵过渡区土壤有机质空间变异及其影响因素 总被引：5，自引：0，他引：5
研究土壤有机质(SOM)在平原丘陵过渡区域的空间变异规律及其影响因素对指导农业生产实践具有重要意义。选取平原丘陵过渡区域(江汉平原与鄂西山区)作为研究区,采集500个土壤表层(0~20 cm)样本,利用相关分析和逐步回归分析从14个影响因素中选取与土壤有机质密切相关的7个变量作为解释变量:高程、坡度、坡向、有效铁、容重、砾石度、黏粒含量。利用普通克里格(OK),回归克里格(RK)和地理加权回归克里格(GWRK)方法对研究区土壤有机质含量进行预测,并用平均误差(ME)、平均绝对误差(MAE)、均方根误差(RMSE)、相关系数(r)和不精确度(IP)作为验证指标来检验模型的预测精度。结果表明,GWRK插值结果最优,局部空间回归模型可以更好地表明过渡区域SOM的空间变异规律。且GWR模型的系数空间分布图可以反映环境变量在不同地理位置对SOM的空间非平稳性的影响程度,为探讨SOM在不同地形条件下的主导影响因子提供了依据,同时也为精确模拟过渡地带土壤有机质空间制图提供了重要的参考方法。 相似文献
3.
基于全国第二次土壤普查东北地区土壤数据,以ArcGIS和GS+软件为支撑,对比分析了反距离加权法(IDW)、径向基函数(RBF)、普通克里金(OK)和回归克里金(RK)4种地统计空间插值方法在7个不同样本容量下土壤全氮含量(STNC)的空间插值效果。结果表明,由普查数据得到的东北地区STNC在0.08~21.48 g/kg之间,数据变异性较大;STNC空间结构表现出中强度空间自相关性,空间自相关范围大于同区域的小尺度采样研究;样本容量<171时,STNC空间变异性发生变化,空间结构特征和精度检验水平难以确信。4种空间插值方法对STNC空间趋势表达均呈现从东北向西南方向递减规律,空间趋势预测效果为:RK >OK >RBF >IDW。RK方法通过线性回归分析添加了阳离子交换容量(CEC)、年均温(MAT)、土层厚度(d)和pH值等辅助信息,比IDW,RBF和OK方法的插值精度分别提高了19.40%,18.50%和16.15%;在不同样本容量下RK方法的插值精度较为稳定且对无样点区STNC的空间趋势预测也体现出了更多细节信息,因此对于大尺度低密度采样的土壤属性空间插值可重点考虑RK方法。 相似文献
4.
复杂地形区土壤有机质空间变异性分析及制图 总被引：2，自引：0，他引：2
《水土保持研究》2020,(5)
数字土壤制图作为获取土壤属性空间分布的一种新方法,目前已成为土壤科学的研究热点。探究土壤有机质在复杂地形区的空间变异特征及其空间分布制图,可为土地利用合理规划与管理、精准农业及生态环境模拟等提供有价值的数据。复杂地形区由于其地形起伏大,地貌类型多样以及采样点获取难度大等,对土壤属性制图带来一定的困难,也使得获取的属性空间分布图很难用于实际的使用。基于湟水流域2016年10—11月份采集的0—20 cm的253个土壤表层数据,采用GIS与地统计学相结合的方法,研究协同克里格(COK)、地理加权回归克里格(GWRK)以及结合土地利用类型的均值、中值修正协同克里格4种方法在湟水流域的预测精度并进行比较,旨在探索复杂地形区土壤有机质制图中地统计学方法的适用性。结果表明:(1) 4种插值方法对SOM的解释能力均较优,均可用于复杂地形区土壤有机质制图。(2)均值、中值修正协同克里格方法与地理加权回归克里格模型准确度分别为0.905,0.923,0.909,中值修正协同克里格精度最高,未考虑土地利用类型的协同克里格插值精度最低,为0.883。(3)有机质的变异系数为90.90%,存在中等空间变异性;表明其空间变异主要受土壤母质、土壤类型与土地利用管理方式、施肥等共同影响。(4) 4种方法预测图表明湟水流域的SOM高值主要分布在大通县西北部、海晏县南部等地,低值主要分布在民和县东南部等地;整体来看研究区SOM含量有利于农业发展。 相似文献
5.
在大区域尺度、有限土壤样点情况下,为探索准确预测土壤属性的方法,以海南岛为研究区,采用近似网格采样方法,采集130个样点,用多元线性回归(MLR)、普通克里格(OK)和回归克里格(RK)3种模型方法进行土壤全氮预测,并以29个验证点比较了预测精度。结果显示:1)对较大区域进行土壤全氮的空间分布的预测精度为OKRKMLR;2)3种模型对土壤全氮含量空间预测分布趋势基本一致,总趋势为岛内自东向西方向逐渐降低;3)0~5 cm土壤全氮含量与土地利用方式呈极显著相关关系,0~20 cm土壤全氮含量与归一化植被指数呈显著相关,20~40、40~60 cm土壤全氮含量与归一化植被指数、坡度呈极显著或显著相关。 相似文献
6.
县域耕地土壤锌含量的协同克里格插值及采样数量优化 总被引：8，自引：2，他引：8
耕地土壤锌含量的空间分布和适宜的采样数量研究,为农产品产地评价和认证、土壤环境质量调查提供帮助。以土壤有机质、pH、全氮、碱解氮、有效铁、有效铜、有效锰、高程数据为辅助变量,采用协同克里格插值方法,对吉林省舒兰市耕地土壤锌含量进行了插值精度分析,并对不同样点数量下协同克里格法在县域尺度耕地土壤锌含量空间分布研究中的适用性进行了评价。结果表明,相同采样数量下,土壤锌协同克里格法的均方根误差比普通克里格法低,拟合效果更好;辅助因子对土壤锌协同克里格插值的影响效果大小为:全氮>有效锰>高程>有效铁>碱解氮>pH>有机质>有效铜;当高程和有效铜作为辅助因子时,土壤采样数量可以减少20%,土壤锌协同克里格插值仍能满足精度要求。协同克里格作为一种更为精确和经济的空间插值方法,可为县域尺度耕地土壤重金属含量的空间分布研究提供更多的信息和帮助 相似文献
7.
《中国生态农业学报》2021,(8)
土壤磷素含量是反映农业生态系统土壤肥力的重要指标。准确预测磷素空间异质性是评价土壤生产力和质量的关键。本研究采用反距离加权法(IDW)、径向基函数法(RBF)、普通克里金法(OK)、全局多项式法(GPI)、局部多项式法(LPI)、地理加权回归(GWR)和地理加权回归克里金法(GWRK)等插值方法,分别预测了三江平原白浆土典型灌区八五三、七里沁以及大兴灌区土壤磷素分布,并运用交叉验证法,通过平均误差(ME)、均方根误差(RMSE)和改进效果(RI)对各种方法精度进行比较,以期确定同一土壤类型不同采样密度土壤中磷素空间异质性最佳插值方法。对比7种插值方法,在空间插值平滑性方面,LPI、GPI、GWR、GWRK表现较好,在插值速度方面, IDW、RBF、LPI、GPI、OK较快, GWR和GWRK方法运算复杂、速度较慢。IDW、RBF等6种方法与OK相比,根据RI判定, GWRK方法提高了磷素空间分布模拟精度, IDW、GPI和LPI方法降低了磷素空间分布模拟精度, RBF方法在提高磷素空间分布模拟精度上表现不一致。采样密度会影响预测结果,对于本文而言,不论采样密度如何,GWRK方法均方根误差(RMSE)均最低,为最佳插值方法,而RBF方法是在采样密度较低时一种可选方法。GWRK法在本文是最佳的插值方法,但其结果会受到辅助变量多少和各变量之间是否存在共线性的影响。 相似文献
8.
为探索东北黑土小流域土壤AP空间分布模拟的最佳方法,综合考虑区域尺度、景观格局和采样方法等信息,选取两个典型黑土小流域(光荣和海沟河流域)作为研究对象,结合半变异分析、回归分析、主成分分析等方法,比较了不同空间插值方法(反距离权重法、径向基函数法、普通克里格、协同克里格、多元线性回归模型、地理加权回归模型、回归克里格和地理加权回归克里格)对AP空间模拟精度的影响。结果表明:(1)引入主成分分析后能够提高回归克里格和地理加权回归克里格方法的模拟精度(4.5%和2.4%);(2)地理加权回归克里格方法可以作为最优空间插值方法模拟黑土区小流域AP的空间分布格局。地理加权回归克里格方法相较于传统插值方法能在一定程度上提高黑土小流域土壤AP空间模拟精度,为小流域尺度黑土养分管理提供技术支撑。 相似文献
9.
不同方法预测苏南农田土壤有机质空间分布对比研究 总被引：4，自引：1，他引：3
准确把握土壤有机质(SOM)的空间分布规律对于土壤资源的高效持续利用具有重要意义。以江苏南部为研究区,以辅助因子与SOM的相关性强弱及辅助因子的可获取性为切入点,运用普通克里格(OK)、回归克里格(RK)和随机森林(RF)方法,结合地形、气候、土壤类型、土壤理化性质和施肥、碳投入等辅助数据预测了苏南地区农田SOM含量(0~20 cm)的空间分布。结果表明,三种方法预测的SOM空间分布总体趋势相似,表现为东高西低,但局部分异还存在差异;OK预测的精度最低,100次预测的均方根误差(RMSE)均值为6.97 g·kg~(-1)。RK和RF的预测精度则均高于OK方法,表现为整合与SOM相关性最强的辅助因子全氮(TN)时,RK和RF预测的RMSE分别降低至5.25 g·kg~(-1)和4.97 g·kg~(-1),而移除相关性最强的辅助因子TN后,RK和RF预测的RMSE亦较OK方法低,分别为6.21 g·kg~(-1)和6.29 g·kg~(-1);移除TN后,RK的预测精度稍高于RF,表明在其他辅助数据与SOM相关性相对较弱的条件下,RK方法有助于提高本研究区SOM预测精度;同时,尽管RK和RF的预测精度依然较OK高,但RK和RF对SOM方差的解释度则分别由51%和55%降低至了29%和28%。这表明,目前容易获取且相对廉价的辅助数据,对本研究区的SOM空间预测方面,还面临着数据质量低、预测精度不足等问题。 相似文献
10.
基于回归克里格和遥感的紫色土区土壤有机质含量空间预测 总被引：4，自引：1，他引：3
精确预测紫色土区土壤有机质含量的空间分布,对于指导紫色土区农业生产和培肥土壤具有重要意义。以杜家沟小流域为研究区,以遥感影像作辅助变量,采用回归克里格法,预测土壤有机质含量的空间分布,并与参照方法的预测精度进行比较。结果表明:(1)Landsat ETM+影像的波段2和波段5是土壤有机质含量多元线性回归预测的最佳辅助变量,回归残差的最优半方差函数模型为球状模型,模型的拟合精度较高;(2)土壤有机质含量呈由沟谷逐渐向坡顶递减的趋势,空间变异的细节信息表达较好;(3)回归克里格法在验证点的预测值与实测值的拟合能力更好,预测结果更倾向于无偏的,MAE、RMSE和R2均优于参照方法。因此,回归克里格法是紫色土区土壤有机质含量高精度空间预测的有效方法。 相似文献
11.
基于混合地理加权回归与克里格的区域降水量空间插值方法 总被引：1，自引：0，他引：1
基于四川省区域范围内144个气象站点的实测降水数据,在综合考虑空间位置、地形等影响因素的基础上,采用改进的回归克里格模型,即混合地理加权回归克里格模型（MGWRK）对四川省年降水量的空间分布进行空间插值,并与普通克里格（OK）、全局回归克里格（GRK）和地理加权回归克里格（GWRK）等模型的插值效果进行对比分析。结果表明：（1）应用逐步回归法筛选确定的用于回归分析的影响因子组合为经度、纬度和坡度,可有效消除解释变量间的多重共线性,为后续的空间插值奠定基础;（2）同一回归变量在地理加权回归（GWR）与全局回归（GR）两种回归模型中的AICc（修正的赤池信息量准则,Corrected Akaike Information Criterion）值之差（ΔAICc）可用于定量判定各回归变量的空间非平稳性类型,据此将变量坡度设为全局变量,经度和纬度设为局部变量进行处理。在此基础上,通过MGWRK模型对四川省年降水量进行空间插值;（3）MGWRK插值模型综合考虑了空间位置、地形等多个影响因素及其与降水相互关系的空间非平稳性特征,相对于传统的OK和GRK法具有更高的插值精度。 相似文献
12.
I. A. Sahabiev S. S. Ryazanov T. G. Kolcova B. R. Grigoryan 《Eurasian Soil Science》2018,51(3):255-267
The three most common techniques to interpolate soil properties at a field scale—ordinary kriging (OK), regression kriging with multiple linear regression drift model (RK + MLR), and regression kriging with principal component regression drift model (RK + PCR)—were examined. The results of the performed study were compiled into an algorithm of choosing the most appropriate soil mapping technique. Relief attributes were used as the auxiliary variables. When spatial dependence of a target variable was strong, the OK method showed more accurate interpolation results, and the inclusion of the auxiliary data resulted in an insignificant improvement in prediction accuracy. According to the algorithm, the RK + PCR method effectively eliminates multicollinearity of explanatory variables. However, if the number of predictors is less than ten, the probability of multicollinearity is reduced, and application of the PCR becomes irrational. In that case, the multiple linear regression should be used instead. 相似文献
13.
对比景观土壤性质普通克里格法和回归克里格法的比较研究 总被引：6，自引：0，他引：6
The accuracy between ordinary kriging and regression kriging was compared based on the combined consideration of sample size, spatial structure, and auxiliary variables (terrain indices and electromagnetic induction surveys) for a variety of soil properties in two contrasting landscapes (agricultural vs. forested). When spatial structure could not be well captured by point-based observations (e. g., when the ratio of sample spacing over correlation range was > 0.5), or when a strong relationship existed between target soil properties and auxiliary variables (e. g., their R2 was > 0.6), regression kriging (RK) was more accurate for interpolating soil properties in both landscapes studied. Otherwise, ordinary kriging (OK) was better. Soil depth and wetness condition did not appear to affect the selection of kriging for soil moisture interpolation, because they did not significantly change the ratio of sample spacing over correlation range and the relationship with the auxiliary variables. Because of a smaller ratio of elevation change over total study area (E/A = 1.2) and multiple parent materials in the agricultural land, OK was generally more accurate in that landscape. In contrast, a larger E/A ratio of 6.8 and a single parent material led to RK being preferable in the steep-sloped forested catchment. The results from this study can be useful for selecting kriging for various soil properties and landscapes. 相似文献
14.
基于GIS和随机森林算法的宁东土壤饱和导水率分布与预测 总被引：5，自引：2，他引：3
为探明宁东土壤饱和导水率(Ks)的空间分布特征,在宁东采集136个原状土,采用经典统计和地统计方法分析土壤Ks的空间结构特征,并以地形因子、土壤属性等作为辅助变量,运用随机森林法(RF)、普通克里格法(OK)和逐步回归克里格法(RK)对区域土壤Ks进行预测并对3种方法的预测结果进行精度评价。结果表明:Ks介于0.05~7.13 mm/min,平均值为1.46 mm/min,变异系数为106.86%;Ks与容重、孔隙度、高程、坡度、坡向、平面曲率和剖面曲率在不同滞后距离下具有自相关关系和交互相关关系;土壤Ks块金值为38,表明随机因素引起的土壤Ks变异性较大,空间异质比为15.32%,在空间上呈现强变异性;RF法的预测精度最高,其平均相对误差(MRE)和均方根误差(RMSE)绝对值均为最小,相比OK和RK方法预测精度分别提高了5.53%和2.49%,且对局部细节的描述更准确、模拟效果最佳。RF法可以较为准确的预测宁东土壤Ks,为了解研究区土壤水文过程及林草植被建设提供数据参考。 相似文献
15.
Qi-Quan Li Xin Zhang Bing Li Xue-Song Gao Da-Gang Yuan 《Archives of Agronomy and Soil Science》2016,62(11):1541-1553
It is widely recognized that using correlated environmental factors as auxiliary variables can improve the prediction accuracy of soil properties. In this study, a radial basis function neural network (RBFNN) model combined with ordinary kriging (OK) was proposed to predict spatial distribution of four soil nutrients based on the same framework used by regression kriging (RK). In RBFNN_OK, RBFNN model was used to explain the spatial variability caused by the selected auxiliary factors, while OK was used to express the spatial autocorrelation in RBFNN prediction residuals. The results showed that both RBFNN_OK and RK presented prediction maps with more details. However, RK does not always obtain mean errors (MEs) which were closer to 0 and lower root mean square errors (RMSEs) and mean relative errors (MREs) than OK. Conversely, MREs of RBFNN_OK were much closer to 0 and its RMSEs and MREs were relatively lower than OK and RK. The results suggest that RBFNN_OK is a more unbiased method with more stable prediction performance as well as improvement of prediction accuracy, which also indicates that artificial neural network model is more appropriate than regression model to capture relationships between soil variables and environmental factors. Therefore, RBFNN_OK may provide a useful framework for predicting soil properties. 相似文献
16.
基于多元回归的黄土沟壑区小流域土壤水分空间模拟 总被引：1，自引：0，他引：1
以延河流域羊圈沟为研究对象,基于土壤水分空间自相关理论,在土壤水分环境影响因子多元回归基础上,建立了土壤水分空间化模型,并探讨了土壤水分空间分布特征。结果表明:研究区内土壤水分空间分布具有正相关性,且相关性显著,在空间上表现为聚集状态;表层土壤水分与植被覆盖度、高程、坡度、地表粗糙度、地形起伏度和地表切割程度等因素密切相关,且与地表切割程度呈正相关关系,而与植被覆盖度、高程、坡度、地表粗糙度以及地形起伏度因子呈负相关;与普通克里格(OK)、反距离加权(IDW)、径向基函数(RBF)和全局多项式(GPI)的土壤水分空间内插方法相比,多元回归+普通克里格方法(MROK)的拟合程度最高,是表层土壤水分空间化较好模型;土壤水分空间分布格局明显,主要表现为西部和东北部土壤水分含量低,东南部土壤水分含量高。该研究揭示了土壤水分环境因子相关性及空间分异规律,对区域生态文明建设具有一定的促进意义。 相似文献
17.
利用数字高程模型改进高山灰岩坑土壤pH值预测 总被引：1，自引：0，他引：1
Among spatial interpolation techniques,geostatistics is generally preferred because it takes into account the spatial correlation between neighbouring observations in order to predict attribute values at unsampled locations.A doline of approximately 15 000 m 2 at 1 900 m above sea level (North Italy) was selected as the study area to estimate a digital elevation model (DEM) using geostatistics,to provide a realistic distribution of the errors and to demonstrate whether using widely available secondary data provided more accurate estimates of soil pH than those obtained by univariate kriging.Elevation was measured at 467 randomly distributed points that were converted into a regular DEM using ordinary kriging.Further,110 pits were located using spatial simulated annealing (SSA) method.The interpolation techniques were multi-linear regression analysis (MLR),ordinary kriging (OK),regression kriging (RK),kriging with external drift (KED) and multi-collocated ordinary cokriging (CKmc).A cross-validation test was used to assess the prediction performances of the different algorithms and then evaluate which methods performed best.RK and KED yielded better results than the more complex CKmc and OK.The choice of the most appropriate interpolation method accounting for redundant auxiliary information was strongly conditioned by site specific situations. 相似文献