基于土壤变异解释力的几种土壤制图方法的对比研究——以南阳市1m土体土壤有机碳密度制图为例

来源：土壤学报杂志2018年第1期北京时间：

作者：赵彦锋,李豪杰,陈 杰,孙志英,梁思源

单位：赵彦锋，郑州大学水利与环境学院地理信息科学系；yfzhao@zzu.edu.cn,李豪杰，郑州大学水利与环境学院地理信息科学系；,陈 杰，郑州大学水利与环境学院地理信息科学系；,孙志英，河南省国土资源调查规划院；,梁思源，郑州大学公共管理学院；,

摘要：为克服方法的复杂性和数据的详细性解释土壤制图效果的不足，基于土壤变异解释力对多种方法进行对比研究。收集南阳1:5万土壤类型图、30 m分辨率数字高程模型和TM影像，计算出高程、坡度、坡向、归一化植被指数（NDVI）、穗帽变换的湿度（TCW）参数等，以439个土壤剖面为训练数据，分别按土壤类型连接法（SCLM)、加权最小二乘法（WLS）回归、地理权重（GWR）回归、随机森林（RF）、普通克里格（OK）、回归克里格（RK）进行1m土体土壤有机碳密度（SOCD）制图， 其余49个土壤剖面作为验证集。结果表明：（1）对SOCD变异的解释力是影响制图效果的本质因素。土壤类型、土壤表层有机质（OM）是主要预测变量，SCLM、WLS和GWR均只能利用其中一种主要变量，土壤图的详细化和回归模型的复杂化均不能明显改善SOCD制图效果。基于土属和OM变量，RF对SOCD变异的解释力最强，预测效果最优；地统计学空间变异函数对SOCD变异的解释力大于回归模型，小于RF，而与土壤类型相当，其相对制图效果亦如此。（2）预测变量建模和空间相关是两类不同的土壤变异解释机制，RK未必能使它们产生最佳组合：只有WLS回归、GWR回归和缺乏土壤类型信息的RF（OM+TCW）适合RK算法，在原始模型中它们对训练数据的拟合效果依次升高，但其RK结果的优劣排序则相反；所有RK的结果均未达到土属和OM参与下RF制图的精度。

关键词：土壤有机碳密度;数字土壤制图;土壤类型连接法;随机森林;方法对比

基金资助：国家自然科学基金项目（40801080，41601210，40971128）、科技部科技支撑计划项目（2012BAD05B02-7）