江汉平原县域尺度土壤采样设计_

《江汉平原县域尺度土壤采样设计_》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、江汉平原县域尺度土壤采样设计1、概要采样设计是进行县域尺度土壤研究工作的重要步骤，在研究中需要多次采样时（例如土壤质量动态监测），采样方案的设计可以利用已有的采样点，挖掘采样地区的空间变异信息，从而确定合理的采样数量与局部地区的样点分配；在已有采样点指导下，利用对样点进行克里格插值得到的矩阵进行梯度计算，从而找出变异较大的地区，并通过MoranI指数确定各个区域的样点分配的权重。在向后抽样确定合理采样数时，结合养分的空间分布与大小分布进行分层抽样，逐步消除冗余的样点，最后便可得到最佳采样点，即能有效代

2、表该地区养分空间变异的样点数量与分布情况。图1是基于不同抽样方法下，插值精度的比较，从图中可以看出，该方法能有效的提高采样精度。因此，本研究利用ArcGis可扩展性强，自定义工具方便快速，功能强大的特点；使用ArcGIS模型构建器、Python脚本编写了一个工具箱，用来快速解决运用本方法实际抽样操作中复杂繁琐，手工操作很难完成的问题。2、设计思路本文提出一种利用先验点来进行下一阶段采样设计方法，其实质是一个空间分层抽样的过程，整个过程可以分为四个阶段，具体步骤见图2。1）空间变异建模。该阶段包括数据预

3、处理，半方差分析以及克里格插值。通过本阶段得到反映该该区域空间变异的一个矩阵，区域的位置信息可以通过矩阵中横纵坐标反映出来。2）确定不同区域的抽样比重。在空间抽样中分层抽样能够取得比随机抽样更好的效果，因此抽样时可以按其区域的空间变异分配样点数量；通过对矩阵进行梯度计算，得到变异较大的子区域（注：该步骤不是在arcgis中实现，而是通过其他方法实现），然后通过全局空间自相关指数来量化这些子区域的空间变异情况。同时，在分层抽样阶段考虑了整体样本的数据分布，即先通过K均值聚类将样点按其属性聚集到不同的层中

4、，然后计算各层比重。抽样时先按区域分配不同数量的采样点，然后在各子区域内按样点的属性进行分层抽样。3）独立验证。在不断的向后抽样中，通过独立验证判断样点数量能否准确的表达研究区域的空间变异情况。在样点减少到一定数量后，独立验证的结果会持续大幅度增加，此时便可认为该数量下的采样点是合理的。在抽样中由于添加了空间变异与样本数据结构的约束。保证了样点的分布能够较随机抽样更好的反映该区域的空间变异情况。4）采样设计。通过前面步骤得到的点只是在原样本中消除冗余信息后得到的样点，在实际工作中，如果精确地按照每个分

5、配到的样点的位置采样，会导致采样工作缺乏灵活性；同时，土壤养分的变化受自然状况与人为因素的影响，其变异情况也会发生变化，已有的样本只能反映上一时段的养分空间变异，随着时间推移一些地区的变异状况可能已经发生改变。因此按一定的距离生成覆盖采样地区的网格，尽量表达详细一些。然后统计落到每个网格内的样点数量，在实际工作中按网格采样，既可以保证采样的灵活性，又能及时发现那些养分含量变化较大的地区。图2设计思路图1、主要功能按照其逻辑功能分类后，该工具箱共由5个子工具箱组合而成，包含一共15个脚本和模型，操作时分

6、别执行“操作步骤”工具箱中的5个步骤和一些辅助工具便可完成操作，其具体功能如下。1)步骤1：数据预处理采用四分位数法剔除影响养分数据正态分布的全局离群值；采用局部Moran’sI（LMI）方法剔除影响数据正态分布的局部离群值。并生成用于独立验证的样点。2)步骤2：K均值聚类按养分属性将数据聚类，为在向后抽样时采用分层抽样方法保证数据结构的完整性提供数据。3)步骤3计算各个变异区域的抽样权重基于全局Moran’sI（GMI）指数[12]研究样本整体的分布状态以及关联程度；分别量化各梯度等值区域的空间相关

7、性，确定各区域的样点数量分配权重。GMI公式为：式中：Xi和Xj分别为样点i和j的观测值；Wij为采用临近标准构建的空间权重矩阵。GMI的取值范围介于-1和1之间，通过GMI可以直接判断研究区的集聚水平。给定显著水平时，GMI显著为正，表明该区域的土壤养分具有集聚态势；若GMI显著为负，表明研究区的土壤养分具有明显的空间差异。若GMI为0，表明研究区内各单元土壤养分呈现无规律的随机分布现象。在空间相关性较大的地区适当增加样点数量，同时在空间相关性较小的地区适当减少样点数量，这样可以在节约成本的同时，保

8、证精度符合研究的需要。本文计算各个地区所分配的样点数量所占权重的方法如下：式中：Wi代表i地区样点数所占权重，Pi代表该地区所拥有的先验样点的数量，Ii代表i地区Moran’sI值。1)步骤4具体抽样的实施通过对上一步骤计算得到的权重数据，结合均值聚类结果，按数据属性与区域分异分层抽样的操作。2)步骤5独立验证通过独立验证检验不同样本下的插值精度。随机生成100个点作为验证数据集，不参与克里格插值建模，剩下的点生成不同密度的模拟数据作为克里格插值建模数据