基于地理加权回归的地形平缓区土壤有机质空间建模
Transactions of the Chinese Society of Agricultural Engineering(2019)
摘要
气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质(soil organic matter, SOM)空间分布信息.该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层(0~20 cm)SOM含量为例,选择1 217个样本为建模集,302 个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤 pH 值等因子进行 SOM 的地理加权回归(geographically weighted regression, GWR)建模.从建模集中分别随机抽取100%(1 217个)、80%(973个)、60%(730个)、40%(486个),20%(243个)的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM 空间预测制图.结果表明:1)江苏省SOM 含量在不同空间尺度上存在极显著的空间自相关性.不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似.全局Moran’s I值介于0.25~0.61(P<0.001).SOM含量空间分布以空间聚集特征为主,"高-高"聚集区主要分布在苏中和苏南地区,"低-低"聚集区主要分布在苏北地区.2) GWR建模结果均优于传统的全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性.不同建模集的GWR的R2adj较全局建模均提高0.15~0.20,其AIC和RSS均比全局模型有大幅降低,为56.08~360.19和17.40~76.67.不同建模样本数量的GWR模型对SOM的解释能力差异较小.3)建模样点数量(除建模样本n=243)对GWR预测制图结果的精度影响不大,RMSE介于5.56~5.75 g/kg之间,MAE介于3.87~4.05 g/kg之间,R2介于0.52~0.48之间,均优于全部建模样点的普通克里格插值验证结果.该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴.
更多查看译文
关键词
soils,organic matter,models,Jiangsu Province,digital soil mapping,low relief areas,geographically weighted regression
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要