基于復(fù)雜環(huán)境區(qū)域的土壤有機(jī)質(zhì)空間預(yù)測研究.pdf

1、土壤有機(jī)質(zhì)（Soil Organic Matter，SOM）是土壤肥力評價的重要指標(biāo)，是土壤生態(tài)系統(tǒng)評價的重要內(nèi)容。土壤有機(jī)質(zhì)含量的空間分布受氣候、母質(zhì)、生物、地形、時間及人為因素等諸多環(huán)境因素的復(fù)雜影響，探究環(huán)境因子對土壤有機(jī)質(zhì)的影響機(jī)制，分析土壤有機(jī)質(zhì)與環(huán)境因子間的數(shù)學(xué)關(guān)系，建立土壤有機(jī)質(zhì)空間擬合預(yù)測模型對于研究其空間分布特征、科學(xué)化田間管理、完善生態(tài)系統(tǒng)服務(wù)評估體系具有重要意義。
　　為更好地擬合土壤有機(jī)質(zhì)的空間分布，本文從

2、多重環(huán)境變量降維角度出發(fā)，以經(jīng)典統(tǒng)計、主成分分析及機(jī)器學(xué)習(xí)算法為工具，選擇和提取最佳解釋變量，挖掘環(huán)境變量信息，建立土壤有機(jī)質(zhì)和解釋變量的回歸擬合模型，并對不同模型的適應(yīng)性進(jìn)行評價;利用地統(tǒng)計對回歸擬合殘差空間特征進(jìn)行分析，預(yù)測土壤有機(jī)質(zhì)的空間分布，主要結(jié)果如下:
　　1.分析土壤有機(jī)質(zhì)與環(huán)境變量的相關(guān)性及環(huán)境變量的信息可壓縮性，對環(huán)境變量進(jìn)行降維處理。Pearson's相關(guān)系數(shù)分析表明土壤有機(jī)質(zhì)含量與坡度、高程、地表粗糙度、相對

3、高程、剖面曲率、平面曲率以及沉積物運(yùn)移指數(shù)之間存在顯著相關(guān)關(guān)系，逐步回歸分析將地表粗糙度、剖面曲率、高程和平面曲率作為解釋變量納入多元線性回歸方程中，實(shí)現(xiàn)了環(huán)境變量的降維。主成分分析對原始環(huán)境變量信息進(jìn)行壓縮，將原始的11個環(huán)境變量76.0％的信息提取至4個相互無關(guān)的主成分中，消除了變量間的多重共線性，實(shí)現(xiàn)了環(huán)境信息的降維。
　　2.建立多元線性回歸模型、主成分回歸模型、偏最小二乘回歸模型、神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)回歸模型等土壤有

4、機(jī)質(zhì)回歸擬合模型。機(jī)器學(xué)習(xí)算法的引入可以提高對環(huán)境變量信息的挖掘程度，減少相關(guān)分析和主成分分析導(dǎo)致的環(huán)境信息浪費(fèi)。對于所建立的擬合模型:(1)從響應(yīng)時間來看，基于機(jī)器學(xué)習(xí)算法的回歸模型響應(yīng)時間明顯長于傳統(tǒng)的線性回歸模型，其中神經(jīng)網(wǎng)絡(luò)的響應(yīng)時間達(dá)到7200s;(2)從擬合度來看，以多元線性回歸模型為參考，除主成分回歸模型外，其它回歸模型的擬合度均有提高;(3)從最小信息量準(zhǔn)則來看，神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)模型相較于多元線性回歸模型、主成分

5、回歸模型和偏最小二乘回歸模型有更好的擬合效果。
　　3.回歸擬合模型沒有考慮土壤有機(jī)質(zhì)的空間自相關(guān)性，將回歸擬合模型不能解釋的殘差部分進(jìn)行空間變異分析，建立普通克里格模型，并與作為趨勢項(xiàng)的回歸擬合模型相結(jié)合對研究區(qū)土壤有機(jī)質(zhì)進(jìn)行空間預(yù)測，預(yù)測結(jié)果顯示不同模型的預(yù)測結(jié)果分布趨勢類似。土壤有機(jī)質(zhì)在區(qū)域內(nèi)呈現(xiàn)差異化分布，西南部含量較高，東北部含量較低，分布特征與研究區(qū)由東北平原向西南丘陵地帶過渡的地形特征相吻合。多元線性回歸克里格模型預(yù)