土壤有机碳空间变异性对采样密度的响应研究

《土壤有机碳空间变异性对采样密度的响应研究》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、2014年12月农业机械学报第45卷第12期doi:10．6041/j．issn．1000-1298．2014．12．032*土壤有机碳空间变异性对采样密度的响应研究123111叶回春黄珊瑜张世文张立平黄元仿黄亚捷(1．中国农业大学资源与环境学院，北京100193;2．科隆大学地理学院，科隆50923;3．安徽理工大学地球与环境学院，淮南232001)摘要:以北京地区土壤有机碳(SOC)为目标变量，对比4种不同采样密度下SOC质量比空间变异的结构变化以及在不同采样密度下不同空间预测方法对SOC质量比空间预测不确定性方面的表现

2、。结果表明，SOC质量比关于地形因子的趋势属于宏观趋势，以低采样密度的趋势拟合效果最优;随着采样密度的增加，SOC质量比及其去趋势后残差的系统内部随机变异逐渐增强，结构变异逐渐减弱，变异函数的分布也越平稳，空间预测的不确定性也逐渐减小。另外，变异函数的变程可能也影响空间预测的不确定性;增加采样密度和引入地形因子辅助的回归克里格法均可以提高北京地区SOC质量比的预测精度;在预测精度不降低的情况下，引入地形因子辅助可以在一定程度上减少采样的数量。关键词:土壤有机碳空间变异尺度效应采样密度北京中图分类号:S151.9;S159.2

3、文献标识码:A文章编号:1000-1298(2014)12-0215-09［2，16－19］同时变化对土壤特性空间变异的影响。引言上述研究虽可以有效揭示土壤特性的多尺度变尺度是近年来在地理学研究中出现频率极高的异特征，但从土壤特性变异函数到空间预测过程中一个术语。尺度是指研究对象或过程的时间或空间预测精度和预测不确定性等这一系列流程仍缺乏系维、用于信息收集和处理的时间或空间单位、由时间统深入地分析，特别是如何利用容易获取的外部数［1］或空间范围决定的一种格局变化。土壤特性的据来辅助进行土壤特性尺度效应的研究仍需深入探空间变异

4、性是尺度函数，不同尺度下同一变量的自讨。因此，本文以北京地区的土壤有机碳(Soil［2］相关程度相差很大。大尺度采样条件下，小尺度organiccarbon，SOC)作为目标变量，通过设计4种下的结构特征将被掩盖，大量细节被省略，不利于深不同的样本点数，评价不同采样密度对SOC质量比入分析土壤特性的空间变异结构特征;小尺度采样变异函数的影响以及不同采样密度对SOC质量比将耗费大量的人力、物力和财力，另外，采样尺度过空间预测精度及预测不确定性的影响，同时比较普小，大尺度上的变异往往由于比较微弱又作为“随通克里格法(Ordina

5、ryKriging，OK)和回归克里格法机变异”被忽视或通过降维扣除，研究陷入局部而(ＲegressionKriging，ＲK)对SOC质量比空间预测精［2－5］不能窥其全貌。对于土壤特性的空间变异来度及预测不确定性的影响。说，大尺度上的空间变异一般与区域环境要素(如1材料与方法土壤质地、成土母质、地形、气候等)有关，而小尺度上的空间变异一般与人为因素(如土地利用类型、1.1研究方法［6］农业生产措施等)关系密切。采用采样密度的高低来反映采样尺度的变化，通常情况下，我们所说的研究尺度主要包括采即空间粒度的变化，研究不同采样密

6、度下SOC质量样幅度(采样范围的大小)、采样粒度(采样间隔或比的空间变异特征。研究区内设计随机采样点密度)以及采样支撑(采样仪器测量面积大1349个，为了验证该方法，将这些采样点随机选取［7－8］小)。目前的研究主要集中于采样幅度变115个作为验证点，其余1234个作为训练样点［9－11］［5，12－15］化、采样粒度变化以及采样幅度和粒度(图1)。为了评价不同采样密度对SOC质量比空间收稿日期:2014-04-27修回日期:2014-07-12*国家自然科学基金资助项目(41071152)和公益性行业(农业)科研专项资助项

7、目(201103005-01-01)作者简介:叶回春，博士生，主要从事土壤属性空间异质性和过程模拟研究，E-mail:yehuichun000@126．com通讯作者:黄元仿，教授，博士生导师，主要从事水土资源高效利用研究，E-mail:yfhuang@cau．edu．cn216农业机械学报2014年图1研究区高程及不同采样密度的训练点和验证点分布图Fig．1Distributionmapofelevationandtrainingpointsandverificationpointsatdifferentsamplingd

8、ensities(a)D1及验证点和高程分布图(b)D2(c)D3(d)D4变异的影响，从1234个训练点中依次随机选取样不确定性分析，并与趋势值叠加获得SOC质量比空点数的12.5%、25%、50%作为其他采样密度下的间预测分布图。训练点。最终得到4种不同的采样密度:①样点数1.2验证方