论文部分内容阅读
耕地质量评价涉及国计民生,影响甚广。《耕地质量调查监测与评价办法》中要求每5年定期发布耕地质量等级信息,以保证全面和及时地了解耕地质量状况及其变化情况。土壤养分作为耕地质量评价中重要的一环,准确高效地预测土壤养分的空间分布,不仅可以为耕地质量评价提供基础数据,也可以为土壤养分空间分布预测提供理论参考。以位于川东平行岭谷区中心的重庆市长寿区作为研究区域,综合考虑植被因子(归一化差异植被指数)、气候因子(年降水量、年均温)、地形因子(高程、相对坡度位置、沟谷深度、地形湿度指数、垂直到沟谷距离)、成土母质四类环境变量,评价空间插值方法(普通克里格、反距离权重)、机器学习方法(分类回归树、随机森林)和混合地统计学方法(随机森林残差克里格)预测研究区内十种土壤养分(土壤pH值、土壤有机质、碱解氮、有效磷、速效钾含量,各5162个样点;土壤有效硫、有效铜、有效铁、有效锌、有效硼含量,各316个样点)空间分布精度,并使用随机森林分析影响研究区土壤养分空间变异的主要因素。最后选择预测精度最优的模型对研究区土壤养分的空间分布进行制图。主要研究结论如下:(1)研究区土壤pH值(5.90±0.86)总体上呈酸性,土壤有效磷(20.38±11.68 mg/kg)、有效硫(49.39±61.65 mg/kg)、有效铜(2.18±1.28 mg/kg)、有效铁(98.62±69.45 mg/kg)和有效锌(1.60±0.91 mg/kg)含量处于丰富水平,土壤有机质(17.46±5.89 g/kg)、碱解氮(59.57±15.76 mg/kg)和速效钾(69.49±21.59mg/kg)含量处于中等水平,土壤有效硼(0.31±0.21 mg/kg)含量处于较缺水平。土壤养分变异系数在14.58%-124.83%之间。除土壤有效硫含量为强烈变异外,其余均为中等程度变异。(2)土壤pH值、土壤有机质、碱解氮、有效磷、速效钾、有效硫、有效铜、有效铁、有效硼含量在不同类型成土母质中存在显著差异(P<0.05)。其中,由上侏罗统遂宁组砂泥岩发育的土壤pH值均值最高(6.77±0.69);由二叠系和三叠系灰岩发育的土壤有机质(27.34±8.62 g/kg)和速效钾(79.31±27.29 mg/k)含量均值最高;由中侏罗统沙溪庙组粉砂岩发育的土壤碱解氮(61.05±14.53mg/kg)、有效磷(21.65±12.10 mg/kg)和有效铁(109.03±67.75 mg/kg)含量均值最高;由三叠系须家河组砂岩发育的土壤有效硫(67.20±73.68 mg/kg)、有效铜(3.21±1.88 mg/kg)和有效硼(0.39±0.25 mg/kg)含量均值最高;土壤有效锌含量(1.41-1.71 mg/kg)在不同类型成土母质中差异不显著。(3)土壤pH值和土壤有机质含量与土壤有效硫、有效铜、有效铁、有效锌、有效硼含量密切相关。其中,土壤pH值与土壤有效硫、有效铁、有效锌含量呈极显著负相关关系(P<0.01),相关系数分别为-0.17、-0.57、-0.25。土壤有机质含量与土壤有效硫、有效铜、有效铁、有效锌、有效硼含量均呈极显著正相关关系(P<0.01),相关系数分别为0.47、0.67、0.36、0.26、0.43。(4)研究区土壤养分在空间上存在中等或强烈空间自相关性。土壤pH值和土壤有效硼含量的块金效应分别为27%和50%,属于中等程度空间自相关;土壤有机质、碱解氮、有效磷、速效钾、有效硫、有效铜、有效铁和有效锌含量的块金效应均小于25%,属于强烈空间自相关。(5)运用随机森林计算环境变量在土壤养分预测模型中的相对重要性。结果表明,对预测土壤养分空间分布最重要的三个环境变量依次为:土壤pH值受成土母质、年均温和沟谷深度影响最大;土壤有机质含量受年均温、高程和沟谷深度影响最大;土壤碱解氮含量受年均温、沟谷深度和植被指数影响最大;土壤有效磷含量受沟谷深度、年降水量和年均温影响最大;土壤速效钾含量受年均温、沟谷深度和植被指数影响最大;土壤有效硫含量受土壤有机质含量、土壤pH值和植被指数影响最大;土壤有效铜含量受土壤有机质含量、植被指数和年均温影响最大;土壤有效铁含量受土壤pH值、土壤有机质含量和沟谷深度影响最大;土壤有效锌含量受土壤pH值、土壤有机质含量和地形湿度指数影响最大;土壤有效硼含量受土壤有机质含量、沟谷深度和植被指数影响最大。由此可见,对于土壤pH值、土壤有机质、碱解氮、有效磷、速效钾含量,年均温和沟谷深度表现出普遍的重要性;对于土壤有效硫、有效铜、有效铁、有效锌和有效硼含量,土壤pH值和土壤有机质含量表现出普遍的重要性。(6)使用五种模型分别对十种土壤养分的空间分布进行预测并比较其精度,结果表明,不同土壤养分的最优预测模型存在差异。其中,土壤pH值、土壤有效磷、速效钾含量的最优预测模型为反距离权重,其决定系数分别为0.87、0.61和0.81;土壤有机质、碱解氮含量的最优预测模型为普通克里格,其决定系数分别为0.80和0.69;土壤有效硫、有效铁和有效锌含量的最优预测模型为随机森林,其决定系数分别为0.18、0.63、0.38;土壤有效铜含量的最优预测模型为分类回归树,其决定系数为0.34;土壤有效硼含量的最优预测模型为随机森林残差克里格,其决定系数为0.25。由此可见,对于样点数量较多的土壤养分,空间插值方法的预测精度更高;对于样点数量较少的土壤养分,机器学习方法和混合地统计学方法的预测精度更高。