李潤林++姚艷敏

摘要：在GIS技術(shù)的支持下，選擇遙感影像波段和地形因子，建立有機質(zhì)空間分布預(yù)測模型，采用回歸克里格方法，預(yù)測吉林省舒蘭市有機質(zhì)的空間分布。結(jié)果表明，在9個輔助因子中波段4、波段5、波段7、高程、坡度和坡度變率與土壤有機質(zhì)相關(guān)性顯著，而與波段1和波段2的相關(guān)性不顯著。因此，在回歸分析中選擇波段4、波段5、波段7、高程、坡度和坡度變率作為預(yù)測土壤有機質(zhì)的輔助因子。有機質(zhì)空間分布呈漸變趨勢，由西向東逐漸減少。預(yù)測檢驗精度表明，回歸克里格能夠提高有機質(zhì)空間分布預(yù)測精度，是一種有效的空間分布插值方法。

關(guān)鍵詞：地統(tǒng)計學(xué)；土壤有機質(zhì)；空間變異；GIS

中圖分類號：S159 文獻標(biāo)識碼：A 文章編號：0439-8114（2014）02-0312-04

Spatial Distribution of Soil Organic Matter Based on TM Image and Terrain Attributes

LI Run-lin1，2，YAO Yan-min3

（1.Lanzhou Scientific Obseration and Experiment Field Sation， Ministry of Agriculture for Ecological System in Loess Plateau Areas， Lanzhou 730050，China；2.Lanzhou Institute of Husbandry and Pharmaceutical，Chinese Academy of Agricultural Sciences， Lanzhou 730050，China；

3. Institute of Agricultural Resources and Regional Planning， Chinese Academy of Agricultural Sciences/ Key Laboratory of Agri-informatics， Ministry of Agriculture， Beijing 100081，China）

Abstract： The distribution of the soil organic matter can provide reliable and useful information for sustainable land management and land use planning. Regression kriging with environmental predictors was used to predict the distribution of soil organic matter in shulan city， Jilin province. The results showed that elevation， gradient， rate of gradient， Band 4， Band 5，Band 7 were significantly correlated with soil organic matter. Band 1 and Band 2 had no significant correlation with soil organic matter. Therefore， band 4， band 5， band 7， elevation， slope， slope of slope were used as auxiliary variables to predict soil organic matter in the regression analysis. Results of precision assessment showed that regression Kriging significantly improved the accuracy and it could be an effective method for evaluating the spatial distribution of soil organic matter.

Key words： geo-statistics； soil organic matter； spatial variability； GIS

土壤是一個時空連續(xù)的變異體，有機質(zhì)的空間變異特征具有很強的空間異質(zhì)性，主要受成土母質(zhì)、氣候、地形、成土過程以及一些人為因素的影響。隨著地統(tǒng)計學(xué)的發(fā)展，土壤的空間異質(zhì)性分析方法在不斷擴展與更新，地統(tǒng)計學(xué)能夠很好地揭示各屬性變量在空間上的分布變異和相關(guān)特征[1，2]。運用地統(tǒng)計學(xué)方法分析土壤有機質(zhì)空間變異特征，有助于了解土壤特性的空間變異性，對此進行深入的土壤研究具有重要意義。

研究表明[3，4]，定量化的環(huán)境因子與土壤屬性之間存在很好的相關(guān)性，可以用來預(yù)測土壤屬性。隨著3S技術(shù)的發(fā)展，調(diào)查者越來越注重利用輔助變量來指導(dǎo)土壤制圖和土壤屬性分布的相關(guān)研究。數(shù)字地形、遙感影像、土壤屬性等輔助數(shù)據(jù)被大量應(yīng)用于土壤屬性的空間預(yù)測[5-9]。傳統(tǒng)的空間預(yù)測方法比較適合于地理環(huán)境比較均一的區(qū)域，這種理想的環(huán)境在實際中比較少見，常見的研究區(qū)域是地形復(fù)雜、土壤異質(zhì)性強、人為活動干擾強的環(huán)境。

近年來，通過輔助變量以提高目標(biāo)變量估測精度的方法已有很多，包括傳統(tǒng)的多元線性回歸方法、協(xié)同克里格法和回歸克里格法等。Kay等[10]采用回歸克里格法預(yù)測了水稻土景觀尺度土壤屬性的空間分布；Endre等[11]以MODIS數(shù)據(jù)和DEM以及衍生數(shù)據(jù)為輔助數(shù)據(jù)，采用回歸克里格方法對匈牙利土壤有機質(zhì)空間分布進行了預(yù)測。張素梅等[12]以TM數(shù)據(jù)和DEM以及衍生數(shù)據(jù)為輔助數(shù)據(jù)，采用逐步回歸克里格方法對吉林省安農(nóng)縣土壤有機質(zhì)和全氮分布進行預(yù)測。Hengl等[13]研究結(jié)果表明，利用回歸克里格法和數(shù)字高程模型（Digital elevation model，DEM）數(shù)據(jù)預(yù)測土壤有機質(zhì)土壤耕層深度的空間分布圖均比普通克里格法更詳細更準(zhǔn)確。姜勇等[14]利用輔助變量對污染土壤鋅分布的克里格估值研究表明，回歸克里格估值效果明顯優(yōu)于普通克里格和協(xié)同克里格法。邱樂豐等[15]利用回歸克里格法所得土壤肥力的精度明顯高于普通克里格，其平均預(yù)測誤差和預(yù)測均方根誤差分布為0.028和0.108?；貧w克里格法是將普通克里格法與回歸模型相結(jié)合而形成的一種混合方法。研究表明，運用回歸克里格方法進行土壤特性的空間分布預(yù)測，考慮影像土壤分布的環(huán)境因素，同時結(jié)合地統(tǒng)計學(xué)，可以提高土壤特性空間分布的預(yù)測精度[16，17]。

本研究以吉林省舒蘭市為研究對象，以地形數(shù)據(jù)和遙感數(shù)據(jù)為輔助變量，運用回歸Kriging 方法分析該區(qū)土壤有機質(zhì)空間分布，以期為農(nóng)業(yè)生產(chǎn)合理布局和土壤肥力的培育提供參考，為土壤制圖和精準(zhǔn)農(nóng)業(yè)提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

1.2 數(shù)據(jù)收集

2010年7月，對土壤樣品采集區(qū)實行格網(wǎng)嵌套布點，在研究區(qū)選取樣點344個，樣點取0～20 cm的土壤表層，每一采樣點周圍選取5個點，以5個點的平均值為該樣點的最終數(shù)據(jù)，同時使用GPS儀記錄采樣點地理坐標(biāo)，以及各采樣田塊的基本信息，從而最終生成研究區(qū)的樣點分布圖（圖1），隨后將采集的樣品分別裝于采集袋中，帶回實驗室，去除雜物，風(fēng)干，磨碎，過2 mm篩（分析測量時根據(jù)測定指標(biāo)再過不同規(guī)格的篩），分別裝于廣口瓶中，土壤有機質(zhì)含量采用重鎘酸鉀容量法測定。遙感影像采用舒蘭市2010年5月2日Landsat TM 7，選取每個采樣點所對應(yīng)的遙感影像波段（波段1、波段2、波段3、波段4、波段5、波段7）的亮度值，亮度值是遙感影像記錄地物的灰度值，而且不同采樣點在遙感不同波段上表現(xiàn)出亮度值不同。地形數(shù)據(jù)通過中國科學(xué)院計算機網(wǎng)絡(luò)中的科學(xué)數(shù)據(jù)中心網(wǎng)站（http：dataminirror.csdb.cn）下載的Aster gdem（30 m）數(shù)據(jù)轉(zhuǎn)換而來。通過Arc GIS10的空間分析工具來獲取樣點處的高程、坡度和坡度變率的信息。

1.3 研究方法

1.3.1 回歸克里格 有機質(zhì)是地理環(huán)境中一種地理要素，在分析有機質(zhì)分布過程中勢必要考慮地理環(huán)境，而地理環(huán)境是一個復(fù)雜的系統(tǒng)，其中存在很多隨機的不確定因素。對這些不確定的因素常采用趨勢性和隨機性來描述。

回歸克里格方法在分析地理現(xiàn)象的空間分布規(guī)律和影響因素時，它既能考慮主要影響因素也能考慮隨機因素，既模擬其空間分布趨勢也模擬不確定性。

利用SPSS軟件進行環(huán)境因子和土壤有機質(zhì)的回歸方程擬合，得到最優(yōu)的土壤有機質(zhì)空間分布線性回歸模型。運用 GS+軟件對回歸預(yù)測值和殘差值進行半方差分析，得到最優(yōu)的半方差模型。然后在GIS 軟件平臺下分別對土壤有機質(zhì)多元回歸的回歸預(yù)測值和殘差值進行普通克里格插值，同時運用GIS的空間分析功能把兩者的插值結(jié)果進行空間加和運算，得到土壤有機質(zhì)的空間分布結(jié)果。

1.3.2 預(yù)測精度檢驗 采用回歸克里格預(yù)測方法的均方根誤差（RMSERK）相對于參考方法的均方根誤差（RMSER）減少的百分?jǐn)?shù)（RMSSE）表示預(yù)測精度的提高程度。RMSSE值為正表明回歸克里格方法比參照方法的預(yù)測精度高，值越大說明預(yù)測精度提高得越多。相反，如果RMSSE值為負說明回歸克里格方法預(yù)測精度低于參照方法。

2 結(jié)果與分析

2.1 土壤有機質(zhì)的數(shù)據(jù)分析

土壤樣點中經(jīng)常存在一些異常值，異常值會影響半方差函數(shù)的穩(wěn)定性，因此需要剔除。運用域值識別法，剔除樣點中的異常值。然后用SPSS統(tǒng)計軟件進行有機質(zhì)的統(tǒng)計分析，結(jié)果見表1。由表1可見，有機質(zhì)的含量在0.95%～6.13%之間，平均值為2.54%，偏度和峰度較大，表明其變化范圍較大。變異系數(shù)表示土壤特性的空間變異性大小，有機質(zhì)的變異系數(shù)為32%，屬于中等變異。

由表2可知，土壤有機質(zhì)與環(huán)境因子之間存在著顯著的相關(guān)性。有機質(zhì)與TM影像（波段4、波段5和波段7）的亮度值存在極顯著負相關(guān)性，表明影像亮度值低的地方有機質(zhì)高。有機質(zhì)與高程之間極顯著負相關(guān)，說明海拔高的地方有機質(zhì)低。有機質(zhì)與坡度、坡度變率的顯著負相關(guān)性說明研究區(qū)的地形起伏影響有機質(zhì)的變化。其他因子與土壤有機質(zhì)的相關(guān)性不顯著，因此選擇波段4、波段5、波段7、高程、坡度、坡度變率與有機質(zhì)進行回歸分析。

2.2 土壤有機質(zhì)的回歸分析

從有機質(zhì)多元回歸分析模型看出，擬合方程的決定系數(shù)不高，有機質(zhì)最優(yōu)模型的決定系數(shù)為0.3。以往的研究中也出現(xiàn)這種結(jié)果，如張素梅等[12]在安農(nóng)縣的有機質(zhì)預(yù)測中，有機質(zhì)最優(yōu)模型決定系數(shù)為0.22。

2.3 有機質(zhì)的回歸預(yù)測模型

2.3.1 半方差模型 土壤有機質(zhì)多元回歸預(yù)測方程的回歸預(yù)測值及殘差的半方差模型如圖2和表3。由表3可知，有機質(zhì)回歸值的空間自相關(guān)性很強，基臺效應(yīng)值為0.419，而殘差值的基臺效應(yīng)值為0.500，空間自相關(guān)性為中等。有機質(zhì)預(yù)測值和殘差的變程為65 100 m和33 000 m，這是因為環(huán)境因子在較大尺度上表現(xiàn)出相似性，因此擬合的回歸值和殘差值也將具有較大范圍的空間自相關(guān)性。

2.3.2 土壤有機質(zhì)的空間分布 根據(jù)半方差模型，對有機質(zhì)的回歸預(yù)測值和殘差進行普通克里格插值，將插值結(jié)果進行空間加和運算得到有機質(zhì)的空間分布結(jié)果，見圖3。從圖3可以看出有機質(zhì)的分布呈漸變趨勢，由西向東逐漸減少。其中一些高值區(qū)集中在西部，中部的有機質(zhì)含量最低。

2.4 精度分析

選擇常用的插值方法（協(xié)同克里格和普通克里格方法）作為參照，用以說明回歸克里格方法在本研究中對土壤有機質(zhì)的預(yù)測精度，利用公式（1）計算，結(jié)果如表4所示?；貧w克里格相對于兩種參照方法精度均顯著提高。相對于協(xié)同克里格提高的精度用（RMSSECK）表示；相對于普通克里格提高的精度用（RMSSEUK）表示?；貧w克里格方法相對于協(xié)同克里格和普通克里格提高的精度分別為62%和 41%，提高幅度非常顯著。

3 討論

土壤有機質(zhì)的空間分布與環(huán)境因素密切相關(guān)，相關(guān)分析表明高程、坡度、坡度變率與土壤有機質(zhì)呈顯著負相關(guān)，這是因為隨著海拔的升高，降雨侵蝕強度變大，土壤養(yǎng)分易于流失，從而導(dǎo)致海拔高的地方土壤有機質(zhì)含量相對較低。不同坡度具有不同的水熱分配條件和物質(zhì)運移堆積特點，同時坡度又和土地利用密切相關(guān)。本研究以舒蘭市的遙感影像作為數(shù)據(jù)元，在研究區(qū)的大部分耕地處于裸露狀態(tài)，因此遙感影像（波段4、波段5和波段7）波段亮度值與有機質(zhì)呈極顯著負相關(guān)性。遙感數(shù)據(jù)和地形數(shù)據(jù)可以很好反映土壤要素的空間分布，能夠用于預(yù)測地理要素的空間分布?；貧w克里格方法對土壤有機質(zhì)空間分布的預(yù)測精度相對參考方法得到大幅度提高，該方法是提高土壤有機質(zhì)空間分布預(yù)測精度的有效方法。并且隨著GIS和遙感技術(shù)的發(fā)展，DEM 和遙感數(shù)據(jù)的精度會不斷提高，將進一步提高回歸克里格方法的預(yù)測精度。

4 結(jié)論

本文以吉林省舒蘭市為研究對象，在回歸克里格插值方法的理論框架下，利用地形因子、遙感影像數(shù)據(jù)與該市土壤有機質(zhì)值進行多元回歸方程擬合，運用普通克里格插值方法對線性回歸的預(yù)測結(jié)果和殘差結(jié)果進行空間分布模擬，進而得到回歸克里格插值方法的土壤有機質(zhì)空間分布圖。

1）在所選擇的環(huán)境因子中，波段4、波段5、波段7、高程、坡度、坡度變率與土壤有機質(zhì)空間分布關(guān)系密切，是預(yù)測土壤有機質(zhì)分布的最優(yōu)因子。舒蘭市土壤有機質(zhì)空間分布呈漸變趨勢，由西向東逐漸減少。

2）相比協(xié)同克里格和普通克里格插值方法，回歸克里格方法對土壤養(yǎng)分空間分布的模擬精度最高，表明該方法可有效提高土壤養(yǎng)分空間分布預(yù)測精度。

參考文獻：

[1] 連 綱， 郭旭東，傅伯杰，等.黃土丘陵溝壑區(qū)縣域土壤有機質(zhì)空間分布特征及預(yù)測[J].地理科學(xué)進展，2006，25（2）：113-122.

[2] 路 鵬，彭佩欽，宋變蘭，等.洞庭湖平原區(qū)土壤全磷含量地統(tǒng)計學(xué)和GIS分析[J].中國農(nóng)業(yè)科學(xué)，2005，38（6）：1204-1212.

[3] MCKENZIE N J， AUSTIN M P. A quantitative Australian approach to medium and small scale surveys based on soil stratigraphy and environmental correlation[J]. Geoderma，1993， 57（4）：329-355.

[4] ODEHA I O A， MCBRATNEY A B， CHITTLEBOROUGH D J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model[J]. Geoderma，1994，63（3/4）：197-214.

[5] 連 綱，郭旭東，傅伯杰，等. 基于環(huán)境相關(guān)法的土壤屬性空間分布特征研究-以黃土丘陵溝壑區(qū)小流域為例[J].地理科學(xué)，2008，28（4）：555-558.

[6] 孫孝林，趙玉國，趙 量，等.應(yīng)用土壤-景觀定量模型預(yù)測土壤屬性空間分布及制圖[J].土壤，2008，40（5）：837-842.

[7] 張發(fā)升，曲 威，尹光華，等.基于多光譜遙感影像的表層土壤有機質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報，2010，21（4）：883-888.

[8] 李欣宇，宇萬太，李秀珍.基于TM影像的表層土壤有機碳空間格局[J].生態(tài)學(xué)雜志， 2008，27（3）：333-338.

[9] 劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報，2011，27（8）：211-215.

[10] KAY S， RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J].Ecological Indicators，2008（8）：485-501.

[11] ENDRE D， LUCA M， THIERRY N， et al. A regional scale soil mapping approach using integrated AVHRR and DEM data [J]. International Journal of Applied Earth Observation and Geoinformation，2001，3（1）：30-42.

[12] 張素梅，王宗明，張 柏，等.利用地形和遙感數(shù)據(jù)預(yù)測土壤養(yǎng)分空間分布[J].農(nóng)業(yè)工程學(xué)報，2010，26（5）：188-194.

[13] HENGL T，HEUVELINK G B M，STEIN A. A generic frame work for spatial prediction of soil variables based on regression-kriging[J]. Geoderma，2004，120（1/2）：75-93.

[14] 姜 勇，李 琪，張曉珂，等. 利用輔助變量對污染土壤鋅分布的克里格估值[J]. 應(yīng)用生態(tài)學(xué)報，2006，17（1）：97-101.

[15] 邱樂豐，楊 超，林芬芳，等.基于環(huán)境輔助變量的拔山茶園土壤肥力空間預(yù)測[J].應(yīng)用生態(tài)學(xué)報，2010，21（12）：3099-3104.

[16] STACEY K F， LARK R M， WHITMORE A P， et al. Using a process model and regression kriging to improve predictions of nitrous oxide emissions from soil[J]. Geoderma，2006，135（1/2）：107-117.

[17] SIMBAHAN G C， DOBERMANN A， GOOVAERTS P， et al. Fine-resolution mapping of soil organic carbon based on multivariate secondary data[J]. Geoderma，2006，132（3/4）：471-489.

4 結(jié)論

本文以吉林省舒蘭市為研究對象，在回歸克里格插值方法的理論框架下，利用地形因子、遙感影像數(shù)據(jù)與該市土壤有機質(zhì)值進行多元回歸方程擬合，運用普通克里格插值方法對線性回歸的預(yù)測結(jié)果和殘差結(jié)果進行空間分布模擬，進而得到回歸克里格插值方法的土壤有機質(zhì)空間分布圖。

1）在所選擇的環(huán)境因子中，波段4、波段5、波段7、高程、坡度、坡度變率與土壤有機質(zhì)空間分布關(guān)系密切，是預(yù)測土壤有機質(zhì)分布的最優(yōu)因子。舒蘭市土壤有機質(zhì)空間分布呈漸變趨勢，由西向東逐漸減少。

2）相比協(xié)同克里格和普通克里格插值方法，回歸克里格方法對土壤養(yǎng)分空間分布的模擬精度最高，表明該方法可有效提高土壤養(yǎng)分空間分布預(yù)測精度。

參考文獻：

[1] 連 綱， 郭旭東，傅伯杰，等.黃土丘陵溝壑區(qū)縣域土壤有機質(zhì)空間分布特征及預(yù)測[J].地理科學(xué)進展，2006，25（2）：113-122.

[2] 路 鵬，彭佩欽，宋變蘭，等.洞庭湖平原區(qū)土壤全磷含量地統(tǒng)計學(xué)和GIS分析[J].中國農(nóng)業(yè)科學(xué)，2005，38（6）：1204-1212.

[3] MCKENZIE N J， AUSTIN M P. A quantitative Australian approach to medium and small scale surveys based on soil stratigraphy and environmental correlation[J]. Geoderma，1993， 57（4）：329-355.

[4] ODEHA I O A， MCBRATNEY A B， CHITTLEBOROUGH D J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model[J]. Geoderma，1994，63（3/4）：197-214.

[5] 連 綱，郭旭東，傅伯杰，等. 基于環(huán)境相關(guān)法的土壤屬性空間分布特征研究-以黃土丘陵溝壑區(qū)小流域為例[J].地理科學(xué)，2008，28（4）：555-558.

[6] 孫孝林，趙玉國，趙 量，等.應(yīng)用土壤-景觀定量模型預(yù)測土壤屬性空間分布及制圖[J].土壤，2008，40（5）：837-842.

[7] 張發(fā)升，曲 威，尹光華，等.基于多光譜遙感影像的表層土壤有機質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報，2010，21（4）：883-888.

[8] 李欣宇，宇萬太，李秀珍.基于TM影像的表層土壤有機碳空間格局[J].生態(tài)學(xué)雜志， 2008，27（3）：333-338.

[9] 劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報，2011，27（8）：211-215.

[10] KAY S， RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J].Ecological Indicators，2008（8）：485-501.

[11] ENDRE D， LUCA M， THIERRY N， et al. A regional scale soil mapping approach using integrated AVHRR and DEM data [J]. International Journal of Applied Earth Observation and Geoinformation，2001，3（1）：30-42.

[12] 張素梅，王宗明，張 柏，等.利用地形和遙感數(shù)據(jù)預(yù)測土壤養(yǎng)分空間分布[J].農(nóng)業(yè)工程學(xué)報，2010，26（5）：188-194.

[13] HENGL T，HEUVELINK G B M，STEIN A. A generic frame work for spatial prediction of soil variables based on regression-kriging[J]. Geoderma，2004，120（1/2）：75-93.

[14] 姜 勇，李 琪，張曉珂，等. 利用輔助變量對污染土壤鋅分布的克里格估值[J]. 應(yīng)用生態(tài)學(xué)報，2006，17（1）：97-101.

[15] 邱樂豐，楊 超，林芬芳，等.基于環(huán)境輔助變量的拔山茶園土壤肥力空間預(yù)測[J].應(yīng)用生態(tài)學(xué)報，2010，21（12）：3099-3104.

[16] STACEY K F， LARK R M， WHITMORE A P， et al. Using a process model and regression kriging to improve predictions of nitrous oxide emissions from soil[J]. Geoderma，2006，135（1/2）：107-117.

[17] SIMBAHAN G C， DOBERMANN A， GOOVAERTS P， et al. Fine-resolution mapping of soil organic carbon based on multivariate secondary data[J]. Geoderma，2006，132（3/4）：471-489.

4 結(jié)論

本文以吉林省舒蘭市為研究對象，在回歸克里格插值方法的理論框架下，利用地形因子、遙感影像數(shù)據(jù)與該市土壤有機質(zhì)值進行多元回歸方程擬合，運用普通克里格插值方法對線性回歸的預(yù)測結(jié)果和殘差結(jié)果進行空間分布模擬，進而得到回歸克里格插值方法的土壤有機質(zhì)空間分布圖。

1）在所選擇的環(huán)境因子中，波段4、波段5、波段7、高程、坡度、坡度變率與土壤有機質(zhì)空間分布關(guān)系密切，是預(yù)測土壤有機質(zhì)分布的最優(yōu)因子。舒蘭市土壤有機質(zhì)空間分布呈漸變趨勢，由西向東逐漸減少。

2）相比協(xié)同克里格和普通克里格插值方法，回歸克里格方法對土壤養(yǎng)分空間分布的模擬精度最高，表明該方法可有效提高土壤養(yǎng)分空間分布預(yù)測精度。

參考文獻：

[1] 連 綱， 郭旭東，傅伯杰，等.黃土丘陵溝壑區(qū)縣域土壤有機質(zhì)空間分布特征及預(yù)測[J].地理科學(xué)進展，2006，25（2）：113-122.

[2] 路 鵬，彭佩欽，宋變蘭，等.洞庭湖平原區(qū)土壤全磷含量地統(tǒng)計學(xué)和GIS分析[J].中國農(nóng)業(yè)科學(xué)，2005，38（6）：1204-1212.

[3] MCKENZIE N J， AUSTIN M P. A quantitative Australian approach to medium and small scale surveys based on soil stratigraphy and environmental correlation[J]. Geoderma，1993， 57（4）：329-355.

[4] ODEHA I O A， MCBRATNEY A B， CHITTLEBOROUGH D J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model[J]. Geoderma，1994，63（3/4）：197-214.

[5] 連 綱，郭旭東，傅伯杰，等. 基于環(huán)境相關(guān)法的土壤屬性空間分布特征研究-以黃土丘陵溝壑區(qū)小流域為例[J].地理科學(xué)，2008，28（4）：555-558.

[6] 孫孝林，趙玉國，趙 量，等.應(yīng)用土壤-景觀定量模型預(yù)測土壤屬性空間分布及制圖[J].土壤，2008，40（5）：837-842.

[7] 張發(fā)升，曲 威，尹光華，等.基于多光譜遙感影像的表層土壤有機質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報，2010，21（4）：883-888.

[8] 李欣宇，宇萬太，李秀珍.基于TM影像的表層土壤有機碳空間格局[J].生態(tài)學(xué)雜志， 2008，27（3）：333-338.

[9] 劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報，2011，27（8）：211-215.

[10] KAY S， RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J].Ecological Indicators，2008（8）：485-501.

[11] ENDRE D， LUCA M， THIERRY N， et al. A regional scale soil mapping approach using integrated AVHRR and DEM data [J]. International Journal of Applied Earth Observation and Geoinformation，2001，3（1）：30-42.

[12] 張素梅，王宗明，張 柏，等.利用地形和遙感數(shù)據(jù)預(yù)測土壤養(yǎng)分空間分布[J].農(nóng)業(yè)工程學(xué)報，2010，26（5）：188-194.

[13] HENGL T，HEUVELINK G B M，STEIN A. A generic frame work for spatial prediction of soil variables based on regression-kriging[J]. Geoderma，2004，120（1/2）：75-93.

[14] 姜 勇，李 琪，張曉珂，等. 利用輔助變量對污染土壤鋅分布的克里格估值[J]. 應(yīng)用生態(tài)學(xué)報，2006，17（1）：97-101.

[15] 邱樂豐，楊 超，林芬芳，等.基于環(huán)境輔助變量的拔山茶園土壤肥力空間預(yù)測[J].應(yīng)用生態(tài)學(xué)報，2010，21（12）：3099-3104.

[16] STACEY K F， LARK R M， WHITMORE A P， et al. Using a process model and regression kriging to improve predictions of nitrous oxide emissions from soil[J]. Geoderma，2006，135（1/2）：107-117.

[17] SIMBAHAN G C， DOBERMANN A， GOOVAERTS P， et al. Fine-resolution mapping of soil organic carbon based on multivariate secondary data[J]. Geoderma，2006，132（3/4）：471-489.