發(fā)布時間：2018-03-07 06:16

  本文選題：數(shù)字化土壤制圖　切入點：地理加權回歸　出處：《西南大學》2017年碩士論文　論文類型：學位論文

【摘要】：土壤養(yǎng)分在陸地生態(tài)系統(tǒng)中扮演著重要的角色,準確了解土壤養(yǎng)分的空間分布對提高土壤肥力、生態(tài)模擬、環(huán)境預測、精準農(nóng)業(yè)以及土地利用規(guī)劃方面有著重要的作用。以往土壤養(yǎng)分空間分布研究依賴傳統(tǒng)土壤制圖法,這種方法不僅費時、費力、過于依賴經(jīng)驗知識,且無法表達土壤養(yǎng)分的連續(xù)性和漸變性、無法提供充分的信息以滿足現(xiàn)代精準農(nóng)業(yè)、生態(tài)模擬等應用的要求,因此,尋找更精準、高效的方法量化土壤養(yǎng)分的空間變化顯得尤為重要。數(shù)字化土壤制圖是依據(jù)環(huán)境變量和預測算法對土壤養(yǎng)分進行定量化預測的一種方法,能夠克服傳統(tǒng)土壤制圖存在的缺點。本文以重慶市江津區(qū)為研究區(qū)域,分析了植被、氣候、地形、土壤類型等環(huán)境變量對研究區(qū)耕地土壤養(yǎng)分空間變化的影響規(guī)律。并且以pH、有機質、堿解氮、有效磷、有效鐵、有效錳、有效銅和有效鋅含量為目標變量,以植被指數(shù)(NDVI)、氣候因子、地形因子、土壤類型(ST)和土地利用類型(LU)為輔助變量,運用多元線性回歸、地理加權回歸、支持向量機回歸、梯度提升決策樹、隨機森林和隨機森林回歸克里格6種方法構建融合定量和定性輔助變量的預測模型,最后選擇最優(yōu)預測模型對土壤養(yǎng)分的含量進行空間制圖。主要研究結果如下:(1)土壤pH值的變化范圍為3.6~8.5,有機質、堿解氮和有效磷含量整體上處于中等水平,有效鐵、有效錳、有效銅和有效鋅含量整體上處于豐富或極豐富的水平,土壤養(yǎng)分均具有中等或強烈變異性。(2)土壤養(yǎng)分與植被、氣候和地形密切相關。pH、有機質、有效錳、有效銅和有效鋅與植被指數(shù)(NDVI)均存在顯著相關性,而堿解氮、有效磷和有效鐵與植被指數(shù)的相關性不顯著;pH、有機質、堿解氮、有效鐵、有效錳、有效銅和有效鋅與氣候因子之間均存在顯著相關性,而有效磷與氣候因子之間的相關性不顯著;所有土壤養(yǎng)分與地形因子之間均存在顯著相關性。土壤微量元素與土壤pH、有機質、堿解氮和有效磷的含量關系密切。土壤微量元素與土壤pH呈顯著負相關,與有機質、堿解氮呈顯著正相關;有效鐵、有效錳和有效銅與有效磷呈顯著負相關,而有效鋅與有效磷呈顯著正相關。土壤類型和土地利用類型對土壤養(yǎng)分的含量存在顯著影響(p0.05)。就土壤類型而言,pH在石灰性紫色土中均值最高為6.23;有機質在淹育水稻土中均值最高為19.35 g/kg;堿解氮、有效鐵和有效錳在潴育水稻土中均值最高,分別為104.70 mg/kg、95.77 mg/kg、88.45 mg/kg;有效磷、有效銅在黃壤中均值最高,分別為13.38 mg/kg、1.88 mg/kg;有效鋅在酸性紫色土中均值最高為4.77 mg/kg。就土地利用類型而言,pH在園地土壤中均值最高為5.90,有機質、堿解氮、有效鐵、有效錳、有效銅和有效鋅在水田土壤中均值最高,分別為18.84g/kg、105.10mg/kg、101.19mg/kg、81.45mg/kg、1.50mg/kg、3.40mg/kg,有效磷在旱地土壤中均值最高為11.26mg/kg。(3)以植被指數(shù)、氣候因子、地形因子、土壤類型和土地利用類型為輔助變量,利用逐步回歸方法構建土壤養(yǎng)分的回歸方程,確定最優(yōu)環(huán)境變量組合。在所有土壤養(yǎng)分的回歸方程中,土壤類型進入了所有土壤養(yǎng)分的回歸方程,土地利用類型進入了除有效銅外的土壤養(yǎng)分回歸方程,植被指數(shù)和氣候因子進入了pH、有機質、有效銅和有效鋅的回歸方程中,地形因子進入了所有土壤養(yǎng)分的回歸方程中,pH進入了所有土壤微量元素的回歸方程中,有機質進入了有效錳、有效銅和有效鋅的回歸方程中。由此可知,土壤類型、土地利用類型和地形對土壤養(yǎng)分含量的影響具有廣泛性,pH和有機質對土壤微量元素的含量變化影響較大。(4)利用逐步回歸所得的最優(yōu)環(huán)境變量組合構建土壤養(yǎng)分的地理加權回歸、支持向量機、梯度提升決策樹、隨機森林和隨機森林克里格預測模型,并檢驗6種預測模型的精度。結果表明,在同一研究區(qū)域,不同土壤養(yǎng)分適用的預測模型存在差異,pH、有效磷、有效錳、有效銅和有效鋅含量的預測建模中,隨機森林回歸克里格方法預測精度最高;而在有機質、堿解氮和有效鐵含量的預測建模中,梯度提升回歸模型的預測精度最高。利用最優(yōu)預測模型對研究區(qū)耕地土壤養(yǎng)分含量進行了空間制圖,得到了精度較高的土壤養(yǎng)分空間分布圖,為農(nóng)業(yè)生產(chǎn)提供了理論支撐。(5)通過預測模型計算環(huán)境變量的相對重要性,結果表明,對pH值影響最重要的三個因素分別為土壤類型、高程(ELE)和年降水量(Prec);對有機質含量影響最重要的三個因素分別為距河網(wǎng)的高差(CNBL)、土地利用類型和坡度(Slope);對堿解氮含量影響最大的三個因素分別是距河網(wǎng)的高差、坡度和溝谷深度(VD);對有效磷含量影響最大的三個因素分別為坡度、土地利用類型和相對坡位指數(shù)(RSP);對有效鐵含量影響最大的三個因素分別為pH、土地利用類型和土壤類型;對有效錳含量影響最大的三個因素分別為pH、坡度和土壤類型;對有效銅含量影響最大的三個因素分別為有機質、土壤類型和年降水量;對有效鋅含量影響最大的三個因素分別為pH、植被指數(shù)和坡度。
[Abstract]:......
【學位授予單位】：西南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S159.9

【參考文獻】

相關期刊論文 前1條

1 Sandeep KUMAR;Rattan LAL;Desheng LIU;Rashid RAFIQ;;美國俄亥俄州土壤有機碳密度空間分布(英文)[J];Journal of Geographical Sciences;2013年02期

，

本文編號：1578275