复垦土壤有机碳空间插值及监测样点优化布局研究——以山西平朔矿区为例

《复垦土壤有机碳空间插值及监测样点优化布局研究——以山西平朔矿区为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、#/Ji中:韻国士地/质学®r^5.科学佳M啦U^北轮計_tA00一、^ku}程源教高、一1.參y1一�ps<^二-Is一•.,.ziW"气-,ADD一>

2、-w/i.3、/-v;f、-5..-J/.:、^:•复：！分：、.;:..壤样有点机优空布以插研酌值究平及月別i.仏：,xJJll>rTtMm、_3J、[L1x1:r>.•-IQC(LJJ13阳工、…‘,S广为•..WWfl..-.7///..,ivr:•./二r-学研专研指企号生业utwH20U^fl授vrz•-r二；工：：\.>:..1«究孝iJ4彳M5.«

3、y.^>7..•/«究导业j^t理工.；fI,4."^fv;t••，.HiS叚师:.V,、、•-/，^月1.,•4nw/,,,声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得中国地质大学或其它教育机构的学位或证书而使用过的材料。与我…同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：口期:关于论文使用授权的说明本人完全了解中国地质大学有关保留、使用学位论文的规定，即

4、：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。‘开口保密（年）签名导师签名；曰期：和…b分类号密级中国地质大学（北京）硕士学位论文复垦土壤有机碳空间插值及监测样点优化布局研究—以山西平朔矿区为例学号：2112130031研究生：刘孝阳专业：地质工程研究方向：土地资源管理指导教师：周伟教授企业导师:杨柯高级工程师2015年5月ADissertationSubmittedtoChinaUniversityofGeosciencesforMasterD

5、egreeResearchonspatialinterpolationmethodsofreclaimedsoilorganiccarbonandoptimizationofmonitoringsamples-takingpingshuominingareaofShanxiasanexampleMasterCandidate:LiuXiaoyangMajor:GeologicalEngineeringStudyOrientation:LandResourceManagementDissertationSupervisor:Pro

6、f.ZhouWeiAssociateSupervisor:SNENGR.YangKeChinaUniversityofGeosciences(Beijing)项目依托本论文得到国土资源部公益性行业科研专项“煤矿复垦农用地跟踪监测评价和技术规范研究”（201211084）中国地质调查局地质调查项目（12120113002600）资助摘要通过对土壤采样方案和土壤属性空间插值方法的优化从而获得矿区重构土壤基本特性对于复垦农用地监测与评价具有重要的理论和实际应用价值。首先采用多元线性回归模型、反距离加权法、普通克里金法及回归克里金法对平

7、朔煤矿复垦区土壤有机碳含量进行空间插值预测分析，插值精度通过Pearson相关系数、均方根误差（RMSE）、平均预测误差（ME）以及准确度（AC）进行评价。研究结果表明：（1）露天煤矿排土场复垦土地土壤有机碳空间变异性较大，变异系数最高达到145.408%，属于强变异性；（2）预测精度上，回归克里金法的预测精度最高，Pearson相关系数达到0.984，均方根误差、平均预测误差以及准确度分别为-0.012、0.211、0.991，多元线性回归法的的预测精度次之，预测精度最差的为反距离加权法及普通克里金法；（3）局部细节表达上，回

8、归克里金法的预测表达较为精细，能够较好的刻画出数据的跳动性和不确定性，反距离插值法与普通克里金法预测具有明显的平滑作用，空间变化较为连续。另外，对与土壤有机碳含量相关性最高坡度和优化植被调节指数进行环境因子的组合，运用模糊C均值聚类的方法对其进行模糊聚类对已有的土壤采样点进行优化布局，最后从162个样点中优选出67个代表性样点，将两类土壤样点分别进行反距离插值生成土壤有机碳整体空间分布图，并利用Pearson相关系数、均方根误差，平均预测误差以及准确度四项精度评价指标对预测精度进行检验，结果表明两组土壤样点的各项精度评价指标值相

9、差很小，预测精度基本一致：（1）两组土壤样点的RMSE与利用代表性样点的RMSE保持高度一致，二者值相等，均为1.125；（2）利用全部训练数据预测值的Pearson相关系数为0.240，而利用代表性样点法的Pearson相关系数为0.246，后者略高于前者；（