土壤有机碳含量空间分布预测研究 ——以安徽省舒城县龙潭小流域为例

论文摘要

土壤是人类赖以生存的基本资源。随着土壤资源匮乏、环境问题恶化,传统土壤制图提供的以多边形为制图单元的土壤信息图,无论在尺度匹配还是在反应土壤特征变异性等方面都已经无法满足对精确的土壤信息的需要。如何掌握精确的土壤信息是实现精准农业的基础和环境模拟的关键前提。随着GIS（地理信息系统）技术高度发展,大量景观因素的量化表达,出现了许多数字土壤属性制图方法,这些方法通过确定土壤属性空间自相关性或与环境因子的定量关系对土壤属性空间分布进行预测。相对于传统的手工土壤制图方法,它们提高了制图精度,减少了制图成本,但由于它们仍是基于统计手段的制图方法,具有模型推广性差、需要大量样本支持等缺陷,使得这些方法都仍然处于研究阶段,未能被政府部门采纳并作为通用的土壤制图技术进行推广。因此,从选取合理的采样点布置方案以减少采样点数量入手,再以较少的采样点揭示土壤属性的自相关性或与环境因子的定量关系,进而比较各种方法的制图精度,得出最适宜的制图方法,对土壤属性数字制图具有一定的意义。本文以安徽省舒城县龙潭小流域的土壤表层有机碳含量为研究对象,采用基于典型点的目的性采样方法收集土壤样品,利用斯皮尔曼线性相关分析了土壤表层有机碳含量和高程、坡度、坡向等地形因子和植被覆盖度之间的相关性。在ArcGIS、Matlab和GS+等软件的支持下,运用多元线性回归、回归克里格、泛克里格、神经网络克里格、回归树、FCM（模糊c均值聚类）平均加权等方法对土壤表层有机碳含量空间分布进行预测性制图,比较了六种方法的预测精度,得到以下主要结论:（1）研究区内适宜的模糊c均值聚类参数为类别数c=12、模糊度m=1.6。（2）研究区内表层有机碳含量变异系数为30.96%,属中等程度的变异;有机碳含量的NSR值为47.73%,属于中等空间自相关。（3）研究区内表层有机碳与地形因子之间的相关性显著,与高程、坡度有极显著的负相关（p<0.01）,与平面曲率、剖面曲率、复合地形指数存在极显著的正相关（p<0.01）,而与坡向、曲率、NDVI（归一化植被指数）等因子的相关性不显著。研究区表层有机碳含量与空间位置存在一定的相关性,但主要表现在东西方向。（4）研究区内六种方法的预测点数据检验结果表明,选取的六种方法对预测点有机碳含量的解释程度均较高,而混合型预测模型对预测点数据的解释能力强于其他方法。BP神经网络方法有机碳含量残差项半方差的变程最短（1139.00m）,分离趋势效果最佳。（5）研究区内六种方法的检验点数据检验结果表明,在本研究区,最佳的土壤表层有机碳含量预测性制图方法为平均加权模型,其平均绝对误差（5.99）、均方根误差（6.69）最小,一致性系数（0.90）、预测值与观测值的相关系数（0.58）最高。（6）研究区内土壤表层有机碳含量最高值分布在东北部流域出水口处,低值分布在北部,西南部和东部地势最高的地区;中部山谷地区表层有机碳变化平缓。有机碳含量随高程、坡度的上升而下降。有机碳含量和坡向的关系不明显。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题背景与意义
• 1.2 研究内容
• 1.3 技术路线
• 第二章 文献综述
• 2.1 预测性土壤制图概念
• 2.2 预测性土壤制图原理
• 2.3 预测性土壤制图模型
• 2.3.1 线性回归模型（Linear Regression Model）
• 2.3.2 回归树模型（Regression Tree Model）
• 2.3.3 模糊聚类模型（Fuzzy Clustering Model）
• 2.3.4 模糊推理模型（Fuzzy logic inference Model）
• 2.3.5 克里格法（Kriging）
• 2.3.6 混合地统计方法（Hybrid geostatistical method）
• 第三章 研究区概况与研究方法
• 3.1 研究区概况
• 3.2 研究方法
• 3.2.1 采样点布置方法
• 3.2.2 样品采集与分析
• 3.2.3 基于DEM 的地形因子的提取
• 3.2.4 预测方法
• 第四章 土壤有机碳含量空间分布的预测
• 4.1 描述统计分析
• 4.2 多元线性回归预测
• 4.3 回归克里格预测
• 4.4 泛克里格预测
• 4.5 回归树预测
• 4.6 神经网络克里格预测
• 4.7 平均加权模型预测
• 第五章 预测模型精度检验
• 5.1 精度检验指标
• 5.2 预测点检验
• 5.3 检验点检验
• 第六章 舒城县龙潭小流域土壤表层有机碳空间分布特征
• 6.1 土壤表层有机碳空间分布特征
• 6.2 地形因素对有机碳空间分布的影响
• 第七章 结论与展望
• 7.1 主要结论
• 7.2 研究展望
• 主要参考文献
• 致谢
• 附：本人读研期间发表论文及参与课题情况