论文部分内容阅读
土壤特性的空间分布对农业生产和环境模拟具有至关重要的作用。目前，土壤特性的详细信息主要来源于传统土壤制图技术所生产的土壤图。然而，传统土壤图存在以下两点缺陷：(1)土壤特性的空间分布以离散的形式存在，不具有空间上的连续性，与土壤特性的实际分布情况不符；(2)图形的分辨率不能与从数字高程模型(Digital Terrain Model，简称DEM)所获取的地形因子或从遥感影像上获取的环境变量的分辨率相匹配，限制了传统土壤图的应用范围。预测性土壤制图(Predictive Soil Mapping，简称PSM)技术可以克服以上传统土壤制图技术存在的缺陷。预测性土壤制图是随着数字化技术和环境变量与土壤特性之间相关性统计模型的发展而出现的，它是一种利用数字化的环境变量对土壤特性进行预测的直观的、定量的方法。
地形同母质、气候、生物和时间一样，是影响土壤发生与发展的五大因素之一。在局部尺度上，地形是影响土壤发生的主要因素，地形影响地表物质的再分配以及地表吸收的太阳光照辐射能，这些因素进而影响土壤的发生与发展。数字高程模型是一种越来越容易获取的资源，利用数字地形分析(Digital Terrain Analyses，简称DTA)技术可以从数字高程模型上提取不同的地形因子，所提取的地形因子可用来辅助土壤特性的预测。
本研究以我国西南地区丘陵山地条件下的土壤为研究对象，以重庆市梁平县仁贤镇试验区为例，探讨了局部尺度上地形因子与土壤特性之间的相关性，进而利用三种不同预测性制图方法(多重线性回归(Multiple Linear Regression，简称MLR)、普通克里格(Ordinary Kriging，简称OK)和回归克里格(Regression Kriging，简称RK))对土壤特性的空间分布做出预测，主要研究结果如下：
(1)研究区域土壤特性的变异情况差异很大，变异系数在7.09％～82.51％之间。其中P的变异系数最大，为82.51％，说明其含量在土壤中差异最大，而pH的变异系数最小，只有7.09％，说明其差异最小。按照变异系数的等级划分，OM、Zn、Cu、N、K、Fe、Mg、Ca、S、Mn和P都属于中等变异强度，只有pH为弱变异强度。
(2)研究区土壤特性属于中等或强烈空间自相关。其中，pH、OM、S、Cu、Mn、Zn和P属于中等空间自相关，而Ca、Mg、Fe、N和K属于强烈空间自相关。
(3)pH仅与P之间的相关性不显著，而与其余的土壤特性之间均存在极显著的相关性。其中，pH与OM、N、Mn、Fe、Cu、Zn和S的相关性达到极显著负相关，相关系数分别为-0.52**、-0.29**、-0.41**、-0.58**、-0.41**-0.47**和-0.31**；pH与K、Ca和Mg的相关性达到极显著正相关，相关系数分别为0.29**、0.65**和0.55**。
OM与P和K的相关性不显著，而与其余的土壤特性均存在极显著的相关性。其中，OM与Ca和Mg的相关性都达到极显著负相关，相关系数分别为-0.59**和-0.58**；而OM与N、Mn、Fe、Cu、Zn和S的相关性达到极显著正相关，相关系数分别为为0.31**、0.28**、0.66**、0.57**、0.35**和0.39**。
可见，pH和OM与其他土壤特性之间存在广泛的相关性，而且相关性比较强，说明pH和OM对其他土壤特性有重要的影响。
(4)土壤特性与地形因子之间的相关性，就海拔而言，pH、Ca和Mg与海拔达到极显著正相关，相关系数分别为0.38**、0.70**和0.70**；而Mn、Zn、S、OM、Cu和Fe与海拔达到显著或极显著负相关，相关系数分别为-0.23*、-0.29*、-0.43**、-0.50**、-0.61**和-0.62**。
就坡度而言，pH、Ca和Mg与坡度达到了显著或极显著正相关，相关系数分别为0.20*、0.28**和0.43**；而S、Cu、Fe和OM都与坡度达到极显著负相关，相关系数分别为-0.34**、-0.35**、-0.36**和-0.47**。
就平面曲率和剖面曲率而言，都仅与一种土壤特性存在显著或极显著的负相关，其中，Cu与平面曲率达到显著负相关，相关系数为-0.21*，Mg与剖面曲率达到了极显著负相关，相关系数为-0.28**。
就坡向而言，S、Mn、Fe、Cu和Ca与坡向达到显著或极显著正相关，相关系数分别为0.19*、0.21*、0.24*、0.25**和0.25**。
由此可见，本文所研究的土壤特性与所选取的地形因子之间存在显著的相关性，再次证明地形对土壤发生具有重要的影响，同时也表明地形因子在辅助预测土壤特性时所具有的潜在能力。
(5)本文在预测土壤特性的空间分布时，引入地形因子作为辅助变量，利用回归克里格预测方法，显著提高了预测结果的精度。但在运用回归克里格时有一个前提条件，即辅助变量与目标变量之间要存在相关性，并且相关系数绝对值要大于0.40，否则回归克里格提高预测结果精度的能力将受很大限制，甚至其预测结果的精度还要低于普通克里格。