论文部分内容阅读
进行土壤有机质(Soil organic matter,SOM)空间预测研究,对掌握区域土壤有机质空间分布现状、实施精准农业以及保护区域生态环境都有着重要意义。研究选用我国东北黑土丘陵区海沟河小流域为研究区,土壤有机质为研究对象,利用GS+软件构建半变异函数模型,ArcGIS软件计算莫兰指数,深入探讨了研究区土壤有机质空间分异规律,在此基础上,以土地利用类型为辅助变量,采用贝叶斯最大熵(Bayesian Maximum Entropy,BME)方法对研究区表层w(SOM)的分布情况进行空间预测,并与采用全氮和土地利用类型为辅助变量的协同克里格(co-kriging,CK)方法作比较,探讨两种方法的可行性与精度,以期提高典型黑土区的土壤属性空间插值和制图精度。合理的土壤养分管理分区是实现精准农业的前提条件之一,研究利用模糊c-均值聚类方法对区域土壤有机质展开分区管理研究,确定最适分区数和分区区域,提出管理分区的相关建议或措施。综上研究结果表明:(1)研究区土壤有机质含量变幅为6.30~57.30 g/kg,平均值为24.04 g/kg,不同土地利用类型土壤有机质含量差异明显,其中水田土壤有机质含量最高,林地土壤有机质含量最低,全部采样点变异系数为44.80%,且都属于中等变异程度。原始数据符合正态分布,适合进行插值建模分析。(2)研究区土壤有机质变异特征符合球状函数模型,空间结构性好,其空间变异受人类活动等一些随机性因素影响较小,受结构性因素影响较大。研究区土壤有机质全局Moran’s I指数为-0.0739,P值和|Z|值均没有达到空间显著性水平,空间自相关性不显著。(3)研究区土壤有机质和土壤属性的相关性分析结果表明:研究区w(SOM)与w(TN)呈显著正相关。进行研究区土壤有机质和土地利用类型的方差分析,发现土地利用类型与土壤有机质之间存在一定的相关性。故用CK方法进行插值时选用土壤TN和土地利用类型作为辅助变量,用BME方法进行插值时选用土地利用类型作为辅助变量。(4)利用CK方法和BME方法得到的土壤有机质空间分布趋势大致相同,均呈阶梯状自西向东依次递减分布,南北方向上土壤有机质的含量变化差别不大。但BME方法在插值图斑上细节更加突出,避免了传统克里格插值的平滑效应,插值结果更加符合研究区实际情况。CK方法和BME方法对w(SOM)都有较好的估值精度,其中BME方法得到的w(SOM)的平均误差、平均绝对误差和均方根误差分别为3.22、3.86和4.01,低于CK方法,因此认为BME方法在充分利用辅助信息和空间预测等方面优于CK方法。(5)经模糊c-均值聚类方法对研究区土壤有机质进行管理分区,得到的最适分区数为3,第1、2、3分区有机质含量依次呈递减趋势,同时利用方差分析验证了分区结果合理有效,为下一步土壤有机质的管理分区提供了科学借鉴。