地理空間分析中土壤景觀模型的設計與創(chuàng)新應用.pdf

1、精細的土壤屬性信息是開展環(huán)境管理、監(jiān)測、建模及精細農(nóng)業(yè)等工作必需的基礎數(shù)據(jù)，而目前可用的土壤信息是土壤調查得到的土壤圖，它們的圖斑包含的土壤信息類型有限且可能融合其他類型，并且屬性離散，難以滿足社會對高精度土壤信息的需求。但以往的土壤制圖研究中，已經(jīng)收集了大量的包含土壤養(yǎng)分、土壤類型、成土環(huán)境的土壤采樣數(shù)據(jù)，并且繪制了蘊含土壤專家豐富經(jīng)驗的傳統(tǒng)土壤圖，這些寶貴的歷史資料可以建立土壤景觀模型并在精細土壤信息獲取中被充分利用，縮減研究成本的

2、同時提高研究效率和準確性，然而土壤信息的獲取往往是通過地理空間分析獲取。
　　為提高傳統(tǒng)土壤制圖成果中土壤信息的精度，本研究以地統(tǒng)計學理論、土壤景觀建模為基礎，在地理空間分析中，對土壤環(huán)境要素提取與融合、土壤采樣布局設計與優(yōu)化、土壤景觀模型建立與完善、土壤綜合信息概括與展示四個方面進行探索。以湖北省鐘祥市為例，先后探索的內容為在土壤景觀關系的基礎上設計土壤采樣方案、在研究區(qū)內路網(wǎng)空間分布的基礎上優(yōu)化土壤采樣的空間布局、在地形單元劃

3、分的基礎上預測土壤有機質的空間分布，得到的結論如下:
　　(1)研究區(qū)內的土壤景觀關系在沒有人為干擾的情況下是固定不變的，因此通過比較不同采樣方案中由對應的采樣點數(shù)據(jù)求得的土壤景觀相關系數(shù)矩陣的相似性，可以驗證研究區(qū)內土壤景觀關系存在固定關系模式可能性。以研究區(qū)域A內的8個地形因子和5個常規(guī)土壤養(yǎng)分為研究對象，利用空間分級統(tǒng)計方法將地形因子劃分為5個級別，采用Pearson相關性分析各分區(qū)上的樣點，并對不同采樣布局下地形因子與土壤

4、養(yǎng)分間的Pearson系數(shù)進行相似性分析。不同采樣方案下地形因子與土壤養(yǎng)分間的Pearson系數(shù)相似性程度在99％以上，說明研究區(qū)內存在固定的關系模式。綜合大量環(huán)境因素而確定的基于地形因子分級的采樣方案A預測精度較高，以其關系模式代表固定關系模式評價其余采樣方案的合理性是可行的。本節(jié)設計的基于網(wǎng)格的3種傳統(tǒng)隨機采樣方案中，含有3661個采樣點的方案C與采樣方案A獲得的關系模式的相似性最接近，因而比其他方案樣點布局更合理。
　　(2

5、)城鎮(zhèn)化的發(fā)展會使區(qū)域內的交通網(wǎng)絡更加發(fā)達而趨于穩(wěn)定，可為野外土壤采樣提供便捷的交通條件。以湖北省鐘祥市東部區(qū)域（研究區(qū)B）為研究對象，基于路網(wǎng)設置5種采樣尺度進土壤采樣，采樣過程中，采樣數(shù)據(jù)可能會因為一些因素而產(chǎn)生誤差，采樣點的空間布局也可能不是十分合理，影響最終研究結果的精度，因此需要剔除采樣數(shù)據(jù)中誤差較大的采樣點。運用模擬退火算法對各樣點的空間布局分別進行優(yōu)化，以獲取基于路網(wǎng)的土壤采樣優(yōu)化布局。在此基礎上，對地形因子和優(yōu)化后樣點的

6、有機質建立多元線性回歸模型，同時建立基于神經(jīng)網(wǎng)絡的多層感知機模型，并用此模型精度與多元線性回歸模型精度進行對比。結果表明:利用道路網(wǎng)制定土壤采樣方案是可行的，優(yōu)化后的采樣點布局能夠準確獲取土壤景觀知識，并且優(yōu)于原始樣點的精度。本研究利用道路空間分布格局、歷史樣點、數(shù)字高程數(shù)據(jù)等可利用資源設計采樣方案，為減少采樣成本、提高采樣效率、展現(xiàn)有機質空間分布格局提供了有效手段與理論依據(jù)。
　　(3)以鐘祥市（研究區(qū)A）土壤有機質空間分布為例

7、，克服傳統(tǒng)地形分類方法中僅依據(jù)單一指標（如高程）的缺點，綜合由30m精度數(shù)字高程模型生成的地形因子，依據(jù)其在不同地形條件下的層次組合規(guī)律構建地形分類規(guī)則，精確地劃分為13種典型地形單元，并運用普通克里金法對不同地形單元內的土壤樣本插值，獲得相應區(qū)域的土壤有機質空間分布。通過組合各地形范圍下的結果，以獲取蘊含地形因素影響的有機質空間分布。研究發(fā)現(xiàn)，地形起伏較大的地形單元的預測精度與全局預測結果精度相似度達0.75，而地勢平緩區(qū)域內的預測精