论文部分内容阅读
土壤采样设计是土壤有机质含量空间分布定量表达首先要面临的问题。在相同预测精度要求下,科学的采样设计方案需要的样点数量较少,而不合理的采样设计方案则需要较多的样点数量。采样点越多,采样和实验室分析所需的人力和物力以及时间就越多;相反的,采样点过少,则可能丢失重要的土壤性质空间信息。此外,土壤有机质含量数据点面拓展的空间预测方法也是影响预测性制图精度的重要因子之一,因此,建立科学的土壤采样布点及空间预测方法对于降低土壤采样成本、提高预测制图等具有重要的意义。而土壤有机质是保持土壤肥力、提高土壤质量及作物产量的关键因子。揭示土壤有机质含量的空间变异特征及空间分布规律对于土壤资源的高效科学管理和可持续利用具有重要的理论和现实意义。东北黑土区是我国重要的粮食生产基地,对保障我国粮食安全具有重要的战略地位。本研究以我国东北黑土区黑龙江省海伦市作为典型研究区,基于"4Km基础网格+加密点+随机点”相结合的采样方法,采集0-20cm土壤样品270个。首先,将研究区的DEM高程和MODIS遥感影像数据重采样至250m栅格上,并运用序贯高斯模拟法将270个土壤有机质含量数据模拟至相同的250m栅格上,建立基础数据库。其次,采用4种采样布点模式(简单随机采样模式、系统网格采样模式、分层随机采样模式和退火模拟采样模式)和9个样点系列(100、184、275、365、451、541、625、713和1000)设计土壤采样布点方案,研究不同采样模式和样点数量下海伦市土壤有机质的空间预测制图精度变化及空间预测方法对预测制图精度的影响。主要研究结论如下:1.不同采样设计下土壤有机质含量的空间描述统计特征相似,但其识别有机质含量的空间变异结构的能力不同。随着样点数量的变化,有机质含量的变异结构中结构性组分呈不规则变化,分层随机采样模式比其他三种采样模式能更好地揭示其空间变异结构,因此,最优化的土壤采样模式可能比单纯的增加样点数量更为重要。2.普通克里格法预测的有机质含量空间分布随着样点数量增大局部变异更详细,而回归克里格法预测的有机质含量空间分布受到样点数量的影响不明显。不管是哪种预测方法,系统网格采样模式下预测的平滑效应比其他三种采样模式都要大得多;分层随机采样模式则相反,更能反映出有机质含量空间局部变异;简单随机采样模式和模拟采样模式的预测分布结构相似。3.总体来看,四种采样模式下的RMSE均值差异不大,系统网格和模拟退火采样布点模式略次于简单随机和分层随机采样模式。RMSE极差最小为模拟退火和分层随机采样模式。MAE的变化与RMSE的变化趋势基本一致。由此推断在黑土区县级尺度上进行土壤野外采样设计时,分层随机采样布点方法相对较好,而系统网格采样和简单随机采样布点的效率相对较差,但是对于已知研究区空间变异结构及一些样点,模拟退火是可取的布点模式。虽然从100至1000样点系列的RMSE均值和极差逐渐降低,但是合理样点的选取应该根据制图精度的要求来决定,对于本研究区,100-275样点系列不太能满足研究区的制图精度要求。4.两种插值方法在不同采样设计下的半方差拟合参数差异显著。所有回归克里格法的半方差函数的变程均变小;简单随机和分层随机采样布点模式中半方差函数的随机性组分比值无明显差异,系统网格采样模式下的随机性组分比值大幅度下降,模拟退火采样模式下在不同系列下有下降也有上升。对于RMSE、 MAE的均值和极差来说,100样点系列的回归克里格法比普通克里格法RMSE均值稍低,其他样点系列下,回归克里格法的RMSE、 MAE不管均值还是极差都比普通克里格方法还高。因此,回归克里格法并不一定能提高预测精度。