基于MGWR的土壤pH值空间建模及其影响因素分析
来源：环境科学杂志2023年第1期北京时间：
作者：赵明松,陈宣强,徐少杰,邱士其,王世航
单位：安徽理工大学空间信息与测绘工程学院, 淮南 232001,矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 淮南 232001,矿区环境与灾害协同监测煤炭行业工程研究中心, 淮南 232001,安徽理工大学空间信息与测绘工程学院, 淮南 232001,矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 淮南 232001,矿区环境与灾害协同监测煤炭行业工程研究中心, 淮南 232001,安徽理工大学空间信息与测绘工程学院, 淮南 232001,安徽理工大学空间信息与测绘工程学院, 淮南 232001,安徽理工大学空间信息与测绘工程学院, 淮南 232001,矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室, 淮南 232001,矿区环境与灾害协同监测煤炭行业工程研究中心, 淮南 232001
摘要：以安徽、河南、江苏和山东省为研究区，利用599个土壤样点数据，从地形、气候和生物等方面选取与土壤pH相关的9个环境因子，采用多尺度地理加权回归（MGWR）、混合地理加权回归（Mixed GWR）、地理加权回归（GWR）和多元线性回归（MLR）这4种模型对研究区土壤pH空间分布进行建模，并结合MGWR与分位数回归揭示环境因子对土壤pH作用的空间差异性.结果表明：①研究区土壤pH在不同空间距离上呈不同程度的显著全局和局部空间自相关性，聚集特征明显.② 4种模型中MGWR模型最优，MGWR、Mixed GWR、GWR和MLR的建模集Radj2为0.64、0.62、0.59和0.48.MGWR的残差独立分布性最强，其空间自相关性最弱，全局Moran's I仅为0.07.③ 3种GWR预测结果显示，研究区土壤pH值空间分布总体由北至南逐渐降低，河南北部最高，安徽南部最低.④ MGWR回归结果表明年均降雨量（MAP）、多尺度谷底平坦度（MRVBF）和海拔对土壤pH的影响较强，且存在较强的空间异质性.在江苏北部和山东大部分地区，MAP对土壤pH的影响较强；在江苏北部和山东西部，MRVBF对土壤pH的正向作用较强；在江苏北部和中部，海拔对土壤pH的负向作用最强.⑤ MAP对不同分位数水平上的土壤pH均呈显著负作用，作用强度随分位数水平增加呈减弱趋势；MRVBF对低分位数水平（θ为0.1~0.4）上的土壤pH呈显著负作用，对高分位数水平（θ为0.5~0.9）的土壤pH作用不显著.研究结果可为利用MGWR开展大区域土壤属性影响因素分析及预测制图提供参考.
关键词：土壤pH,多尺度地理加权回归(MGWR),混合地理加权回归,分位数回归,数字土壤制图,
