论文部分内容阅读
土壤为森林生态系统中的植物生长、发育提供必需的生存环境及养分,是营养元素转化的枢纽,对森林生态系统的发生演替有着极为重要的作用。而土壤是不均一和变化的空间连续体,在空间上具有高度的空间变异性。掌握区域森林土壤养分的空间分布,可为森林经营、管理,实现“森林质量的精准提升”提供决策支持;为生态环境保护、合理利用林地资源和土壤养分分区管理提供参考依据。本研究以广东省罗定市森林土壤为研究对象,针对土壤碱解氮、速效磷和速效钾等3种土壤养分,应用研究区土壤类型结合10 m分辨率DEM(数字高程模型)派生的地形参数(坡度、坡向、坡长和地形位置指数)和水文参数(土壤地形因子、泥沙输移比、垂直坡位、水流方向和汇流累积量)进行构建预测BP神经网络模型,经过性能和精度筛选出最佳模型结构并运用于研究区土壤养分分布预测及制图。研究具体内容和主要结论如下:(1)对研究区采集的249个土壤样本的土壤碱解氮、速效磷和速效钾进行描述性统计并进行正态性检验,结果表明:样本碱解氮、速效磷和速效钾变幅分别为6.72~508.32 mg/kg,0.11~15.72 mg/kg和9.15~187.62 mg/kg;3种养分含量经自然对数转换后符合正态分布。(2)将研究区(罗定市)土壤样本作为模型训练集用于模型训练,利用不同地形参数和水文参数组合与土壤类型共同作为输入节构建BP神经网络模型,分别针对碱解氮、速效磷和速效钾建立46个模型,采用分层逐步筛选的策略,比较模型在校验集上的精度得到最佳预测模型结构。结果如下:地形位置指数、坡度、坡向、土壤地形因子、泥沙输移比和水流方向等参数与土壤类型共同作为输入节点构建的7:20:1的三层网络结构对碱解氮的预测效果最佳,MSE低至1 888.96,相关系数高达0.787 7,ROA(±10、±15和±20)分别为45.45%、60.70%和68.72%;地形位置指数、坡长、坡向、垂直坡位和土壤地形因子等5项参数和土壤类型共同作为输入节点构建的6:18:1的三层网络结构对速效磷的预测效果最佳,MSE低至0.64,相关系数高达0.8540,ROA±0.1为21.12%、RO A±0.3为54.28%和ROA±0.5为72.46%;对速效钾预测的最佳模型结果为坡度、坡长、坡向和垂直坡位与土壤类型作为输入节点构建的5:18:1的三层网络结构,其MSE为395.64,相关系数提高至0.762 3,ROA±5为41.18%、ROA±10为62.83%和ROA±15为75.40%。(3)利用已有新兴县土壤样本(123个)作为独立校验集进行模型精度验证,结果显示,碱解氮预测模型ROA±20达71.54%,速效磷预测模型ROA±0.5达78.05%,速效钾预测模型ROA±15达87.00%;3个最佳模型均在独立样本校验中表现良好,表明均能有效的预测对应的森林土壤养分且具有一定的普适性。(4)应用筛选出的模型分别对3种土壤养分空间分布进行预测并制图。结果显示:碱解氮和速效磷分布在整个研究区域内属于强度变异,速效钾则属于中等度变异;根据全国第二次土壤养分普查养分分级标准,罗定森林土壤中碱解氮、速效磷和速效钾含量处于缺乏和更缺乏状态的区域分别占比为47%、95.78%和80.10%。(5)地形参数比水文参数对3种土壤养分预测精度的影响更大,其中坡向在筛选出的最佳模型中出现频率最大;泥沙输移比越小、坡长越长的地带对应的碱解氮含量高;速效磷含量高的地带多出现在山脊和上坡位;而垂直坡位越大,对应地带的速效磷和速效钾含量越高。