土壤连续属性空间插值方法及其精度的研究进展_史文娇

《土壤连续属性空间插值方法及其精度的研究进展_史文娇》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第27卷第1期自然资源学报Vol.27No.12012年1月JOURNALOFNATURALRESOURCESJan．，2012土壤连续属性空间插值方法及其精度的研究进展112，31史文娇，岳天祥，石晓丽，宋伟(1．中国科学院地理科学与资源研究所，北京100101;2．河北师范大学资源与环境科学学院，石家庄050016;3．河北省环境演变与生态建设实验室，石家庄050016)摘要:作为土壤变化的时空定量监测方法，土壤属性空间插值方法及其精度是计量土壤学和“数字土壤”领域的重要研究内容。文章首先介绍了土壤属性空间插值的常用方法，包括克立格插

2、值法(Kriging)、反距离权重法(IDW)、样条插值法(Spline)、贝叶斯最大熵(BME)、地理加权回归(GWR)以及高精度曲面建模方法(HASM);其次阐述了土壤属性空间插值精度验证的方法和指标;再次总结了能够提高土壤属性插值精度的6种途径，包括合理选择插值方法、准确设定插值方法参数、合理设计采样数目和密度、注意空间自相关程度和范围的影响、科学安排实验分析顺序以及结合辅助信息进行插值;最后从插值方法的选择、验证指标的选取以及辅助信息的结合三个方面指出了土壤属性空间插值方法及其精度的未来研究方向。关键词:计量土壤学;地统计学;土壤

3、空间插值方法;高精度曲面建模(HASM);插值精度中图分类号:S159文献标志码:A文章编号:1000－3037(2012)01－0163－13作为土壤变化的时空定量监测方法，土壤属性空间插值方法及其精度是计量土壤学［1］［2］［3］(Pedometrics)和“数字土壤”(DigitalSoil)领域的重要研究与方向。由于土壤母质、土壤类型、地形、气候、生物等环境条件的差异及人类活动的影响，土壤属性存在空间异质［4］性。地理信息系统(GIS)、地统计学和曲面建模逐渐成为适合农业、环境管理等研究领域的常用工具。近些年来，由于精准农业的实施

4、和土壤污染管理的需要使得这些技术进一步［5］发展。例如，土壤肥力制图的质量影响定位土壤肥力管理的效果，土壤重金属分布图的［6］质量影响区域环境保护措施的具体实施等。土壤属性空间插值能够为土壤的可持续利用及环境保护的宏观决策提供技术支持，但在一定程度上依赖于土壤属性空间插值的精度。因此，土壤属性的空间插值方法、精度及其验证是土壤属性空间插值中必须考虑的因［5，7-9］素。本文系统总结了土壤连续属性空间插值及其精度的研究进展，并阐述了提高土壤属性插值精度的方法，最后探讨了未来的研究趋势。1土壤属性空间插值方法1.1克立格插值法(Kriging

5、)*Kriging插值法是一种无偏线性最优估值方法。对变量在点x处的估计值Z(x)，可以通过该点影响范围内的n个有效观测值Z(xi)的线性组合得到，即:收稿日期:2011－05－10;修订日期:2011－07－20。基金项目:国家自然科学基金青年基金项目(41001057);国家杰出青年科学基金项目(40825003);地表过程与资源生态国家重点实验室开放基金项目(2011－KF－06)。第一作者简介:史文娇(1982－)，女，辽宁葫芦岛人，博士，研究方向为土壤属性空间模拟、全球变化与区域农业。E-mail:shiwj@lreis．ac．

6、cn164自然资源学报27卷n*Z(x)=∑λiZ(xi)(1)i=1*式中:λi是赋予观测值Z(xi)的权重，表示各观测值对估计值Z(x)的贡献，在保证估计值无偏性(即估值偏差的平均值为0)和最优性(即估值方差最小)条件下，可由变量的半方差［10］函数计算得到。其半方差函数可用下式表示:N(h)12γ(h)=N(h)×∑［Z(xi)－Z(xi+h)］(2)2i=1其中:γ(h)是半方差，N(h)是距离等于h时的点对数，Z(xi)是在位置xi处的数值，Z(xi+h)是在距离(xi+h)处的数值。在进行半方差函数的拟合之前，需对数据进行正态

7、分布检验，因为数据的非正态分布会影响半方差函数的精度，即当样品的平均值增加时，样品的方差也增加，使实际变异函数产［10］生畸变、基台值和块金值增大，导致某些结构特征不明显。如不呈正态分布，需对其进行变换。正态变换的常用方法主要包括对数变换、Box-Cox变换和正态计分变换(NormalScoreTransformation)等。Kriging方法包括单变量Kriging方法和与辅助变量信息相结合的Kriging方法。不同Kriging方法的特点如表1所示。表1不同Kriging方法的比较Table1Comparisonsofdiffere

8、ntKrigingtechniques类别方法特点描述单变量Kriging简单Kriging在Kriging中由区域化变量Z(x)的数学期望为已知或未知时，产生两种估计方法。当数学期望为已知常