基于TM影像和地形数据的土壤有机质空间分布

《基于TM影像和地形数据的土壤有机质空间分布》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于TM影像和地形数据的土壤有机质空间分布基于TM影像和地形数据的土壤有机质空间分布摘要：在GIS技术的支持下，选择遥感影像波段和地形因子,建立有机质空间分布预测模型，采用回归克里格方法，预测吉林省舒兰市有机质的空间分布。结果表明，在9个辅助因子中波段4、波段5、波段7、高程、坡度和坡度变率与土壤有机质相关性显著，而与波段1和波段2的相关性不显著。因此，在冋归分析屮选择波段4、波段5、波段7、高程、坡度和坡度变率作为预测土壤有机质的辅助因子。有机质空间分布呈渐变趋势，由西向东逐渐减少。预测检验精度

2、表明，冋归克里格能够提高有机质空间分布预测精度，是一种有效的空间分布插值方法。关键词：地统计学；土壤有机质；空间变异；GIS中图分类号:S159文献标识码：A文章编号:0439-8114(2014)02-0312-04SpatialDistributionofSoilOrganicMatterBasedonTMImageandTerrainAttributesLIRun-linl,2,YAOYan-min3(l.LanzhouScientificObserationandExperimentFie

3、ldSation,MinistryofAgricultureforEcologicalSysteminLoessPlateauAreas,Lanzhou730050,China；2.LanzhouInstituteofHusbandryandPharmaceutical,ChineseAcademyofAgriculturalSciences,Lanzhou730050,China；3.InstituteofAgriculturalResourcesandRegionalPlanning,Chin

4、eseAcademyofAgriculturalSciences/KeyLaboratoryofAgri一informatics,MinistryofAgriculture,Beijing100081,China)Abstract：Thedistributionofthesoilorganicmattercanprovidereliableandusefulinformationforsustainablelandmanagementandlanduseplanning.Regressionkri

5、gingwithenvironmentalpredictorswasusedtopredictthedistributionofsoilorganicmatterinshulancity,Jilinprovince・Theresultsshowedthatelevation,gradient,rateofgradient,Band4,Band5,Band7weresignificantlycorrelatedwithsoilorganicmatter・Band1andBand2hadnosigni

6、ficantcorrelationwithsoilorganicmatter・Therefore,band4,band5,band7,elevation,slope,slopeofslopewereusedasauxiliaryvariablestopredictsoilorganicmatterintheregressionanalysis・ResultsofprecisionassessmentshowedthatregressionKrigingsignificantlyimprovedth

7、eaccuracyanditcouldbeaneffectivemethodforevaluatingthespatialdistributionofsoilorganicmatter・Keywords：geo-statistics；soilorganicmatter；spatialvariability；GIS土壤是一个时空连续的变异体，有机质的空间变异特征具有很强的空间异质性，主要受成土母质、气候、地形、成土过程以及一些人为因素的影响。随着地统计学的发展，土壤的空间异质性分析方法在不断扩展与更

8、新，地统计学能够很好地揭示各属性变量在空间上的分布变异和相关特征[1,2]o运用地统计学方法分析土壤有机质空间变异特征，有助于了解土壤特性的空间变异性，对此进行深入的土壤研究具有重要意义。研究表明[3,4],定量化的环境因了与土壤属性之间存在很好的相关性，可以用來预测土壤属性。随着3S技术的发展，调查者越來越注重利用辅助变量来指导土壤制图和土壤属性分布的相关研究。数字地形、遥感影像、土壤属性等辅助数据被大量应用于土壤属性的空间预测[5-9]o传统的空间预测方法比较适合于地理环境比较