王勝利, 劉 偉, 張連蓬, 趙卓文, 朱壽紅

(江蘇師范大學(xué) 地理測(cè)繪與城鄉(xiāng)規(guī)劃學(xué)院, 江蘇 徐州 221116)

土壤全鉀含量在植物體中有著重要作用，可以激活植物體中的酶，促進(jìn)新陳代謝；還可以提高作物抗旱、抗病、抗寒和抗倒伏能力，進(jìn)而提高產(chǎn)量[1-2]。我國(guó)鉀肥資源匱乏，耕地中近30%土壤缺鉀。在南方地區(qū)土壤全鉀含量不足已成為限制農(nóng)業(yè)可持續(xù)生產(chǎn)的主要因素之一。因此，研究土壤全鉀含量的空間分布特征，不僅對(duì)擴(kuò)大或平衡土壤有效養(yǎng)分庫(kù)具有重要意義，還能為土地資源的可持續(xù)利用和區(qū)域生態(tài)的健康發(fā)展提供理論依據(jù)[3-5]。從20世紀(jì)70年代開(kāi)始，國(guó)外學(xué)者如Laslett[6]，Gotway等[7]對(duì)土壤空間變異規(guī)律展開(kāi)廣泛的研究；國(guó)內(nèi)學(xué)者如傅伯杰[3]、胡正義[4]、黃翀[5]等對(duì)土壤養(yǎng)分、土壤屬性和土壤污染的空間變異進(jìn)行研究，取得了大量的研究成果。青海湖流域作為典型的生態(tài)系統(tǒng)敏感區(qū)，對(duì)其土壤全鉀含量進(jìn)行研究對(duì)扭轉(zhuǎn)該地區(qū)鉀含量虧缺、探明鉀素總量具有一定的現(xiàn)實(shí)意義[8-10]。

由于土壤屬性空間異質(zhì)性和空間變異的復(fù)雜性，究竟何種插值方法最優(yōu)，學(xué)術(shù)界并沒(méi)有一個(gè)統(tǒng)一的認(rèn)識(shí)[11-20]。比如對(duì)于Kriging，IDW 和Spline 三種常用的插值方法，研究人員做了大量的試驗(yàn)比較，但結(jié)論并不一致。一部分研究成果表明Kriging的模擬效果好于IDW[11-12]和Spline[12]，而另一部分研究結(jié)論恰恰相反[10,15]。有時(shí)插值方法的精度優(yōu)勢(shì)也往往是相互混淆的[11-13]。如張文龍等[14]通過(guò)對(duì)文登市土壤有機(jī)質(zhì)空間變異性進(jìn)行研究，發(fā)現(xiàn)普通克里格法(OK)中的Tetraspherical模型在模擬土壤有機(jī)質(zhì)空間分布特征時(shí)優(yōu)勢(shì)明顯。謝云峰等[15]對(duì)土壤Cd污染的插值模型對(duì)比，認(rèn)為OK中的Exponential模型同樣適合評(píng)價(jià)土壤屬性的分布特征。趙巧麗等[16]通過(guò)比較不同插值方法評(píng)價(jià)土壤全氮含量的模擬誤差，得出徑向基函數(shù)法(RBF)插值模型優(yōu)于IDW和OK。文雯等[9]以黃土丘陵小流域?yàn)檠芯繀^(qū)，馬靜等[17]以會(huì)寧縣為研究區(qū)，分別比較了OK，IDW和RBF三種插值模型在模擬土壤有機(jī)碳含量和土壤速效鉀含量在空間分布上的差異，結(jié)果表明，OK優(yōu)于另外兩種插值方法。對(duì)比以上研究發(fā)現(xiàn)，目前對(duì)土壤屬性曲面建模的研究主要集中在討論單一全局插值模型的預(yù)測(cè)精度，且預(yù)測(cè)結(jié)果有較大不確定性，整體插值精度有待進(jìn)一步提高。

此外，地學(xué)環(huán)境變量對(duì)土壤屬性的空間分異也有較大影響。如Triantafilis等[21]應(yīng)用土壤電導(dǎo)率數(shù)據(jù)作為輔助數(shù)據(jù)估計(jì)土壤鹽分含量。Kuriakose等[22]采用坡度、高程、土地利用等來(lái)預(yù)測(cè)土壤厚度。朱阿興等[23]通過(guò)建立土壤—環(huán)境推理模型，基于土壤—環(huán)境關(guān)系模型的土壤相似度模型和對(duì)該模型進(jìn)行賦值的推理技術(shù)模擬土壤圖。張海濤等[24-25]利用RK，OCK和GWRK模型對(duì)土壤有機(jī)質(zhì)空間分布進(jìn)行預(yù)測(cè)，取得較好的效果。劉高煥等[5,26]基于NDVI、河流距離和高程研究黃河三角洲地區(qū)的鹽漬化，指出結(jié)合環(huán)境要素的插值模型模擬效果更好。以上研究表明，利用與土壤屬性密切相關(guān)的輔助變量，均能有效提高插值精度；但這些模型本身也存在一些不足，如貝葉斯模型還需進(jìn)一步融合軟數(shù)據(jù)；GWR模型在環(huán)境變量數(shù)目不足時(shí)，難以建立合理的回歸模型等[5]。

針對(duì)上述問(wèn)題，本文選取青海湖流域復(fù)雜地貌類型區(qū)為研究對(duì)象。以土地利用類型、土壤類型、草地類型和地貌類型等環(huán)境變量為輔助信息，構(gòu)造多個(gè)基插值模型；自適應(yīng)的篩選各個(gè)基插值模型最優(yōu)模擬區(qū)域，進(jìn)行有效集成，構(gòu)造一個(gè)地學(xué)環(huán)境變量支持的多模型集成插值曲面模型(ASM-SP)，模擬青海湖流域部分地區(qū)土壤全鉀含量的空間分布。結(jié)果表明，ASM-SP不僅考慮了土壤全鉀含量空間布局與環(huán)境變量之間的相關(guān)關(guān)系，并將得到的最優(yōu)區(qū)域進(jìn)行自適應(yīng)篩選，能較好地解決復(fù)雜地貌類型區(qū)單一全局插值模型模擬精度不足的問(wèn)題。

1 研究區(qū)概況與研究方法

1.1 典型區(qū)域自然概況

青海湖流域(36°15′—38°20′N，97°50′—101°20′E)處于凍土地帶，流域內(nèi)地貌復(fù)雜、四周環(huán)山、湖泊河流密布，土壤植被類型繁多。土壤全鉀豐缺程度會(huì)影響到植被覆蓋度、地上生物量和生物多樣性，對(duì)農(nóng)業(yè)和畜牧業(yè)的發(fā)展有著決定性影響[27]。研究區(qū)位于青海湖流域西南部，在地質(zhì)構(gòu)造運(yùn)動(dòng)和長(zhǎng)期外營(yíng)力的綜合作用下形成了復(fù)雜多樣的地形地貌特征，主要包括剛察、海晏和共和三個(gè)地區(qū)，除去青海湖，總面積約為2 100 km2，海拔高度從3 043～4 516 m，有大量的農(nóng)牧業(yè)活動(dòng)，包括高山、丘陵、臺(tái)地和沖擊平原等，屬于典型的復(fù)雜地貌類型區(qū)。

1.2 樣品采集與分析

根據(jù)已有研究基礎(chǔ)和研究區(qū)地形復(fù)雜度，采用空間分層組合抽樣方式進(jìn)行采樣[28-29]，完成樣點(diǎn)布設(shè)與優(yōu)化，以獲取研究區(qū)土壤全鉀空間變異的全局特征和局部細(xì)節(jié)特征。如對(duì)臺(tái)地、沖擊平原等地形復(fù)雜度較小地區(qū)，采用規(guī)則格網(wǎng)采樣；對(duì)山地、丘陵等地形復(fù)雜度較高地區(qū)，采用選擇性采樣；對(duì)丘陵和平原之間的過(guò)度地帶，采用組合采樣。由青海省環(huán)境監(jiān)測(cè)中心人員提供采樣協(xié)助，于2013年9月收集了110個(gè)青海湖流域典型地區(qū)土壤表層(0—30 cm)樣點(diǎn)數(shù)據(jù)，在采樣站點(diǎn)，記錄采樣位置的土壤樣品、海拔、土壤類型、地貌類型和土地利用類型等信息，每個(gè)站點(diǎn)在0—5 cm，5—15 cm，15—30 cm依次取樣三次，將野外采集的土壤樣本帶回實(shí)驗(yàn)室后，每個(gè)樣本經(jīng)過(guò)風(fēng)干、研磨和過(guò)2 mm篩的流程后再進(jìn)入試驗(yàn)分析階段，最后測(cè)定本次研究所使用的土壤全鉀含量，取三次平均值作為記錄樣本值。

1.3 數(shù)據(jù)處理

在ArcGIS 10.2軟件中通過(guò)GNSS 將野外分層采樣點(diǎn)的經(jīng)緯度坐標(biāo)與青海湖流域的空間分布坐標(biāo)相連接，將測(cè)得的數(shù)據(jù)導(dǎo)入青海湖流域的點(diǎn)位表中，分別添加到四種地學(xué)要素類型圖中，得到研究區(qū)土地利用類型圖、土壤類型圖、草地類型圖、地貌類型圖(附圖3)。本研究主要采用0—30 cm土層的土壤全鉀含量值作為研究對(duì)象。通過(guò)對(duì)OK，RK，GWRK和OCK 4種空間插值方法與ASM-SP的預(yù)測(cè)精度對(duì)比分析，篩選適合復(fù)雜地貌類型區(qū)的最優(yōu)曲面建模方法。

1.4 地學(xué)要素篩選

大量研究表明[5,9,18,26,30]，利用地學(xué)要素作為輔助信息可以有效提高土壤屬性插值精度和制圖效果。土壤全鉀空間變異性驅(qū)動(dòng)因子主要包括：氣候、母質(zhì)、地形地貌、土壤類型、土地利用類型、草地類型、施肥、土地管理措施等[2]。依據(jù)該理論，考慮到本次研究主要針對(duì)自然景觀類型區(qū)，排除施肥和土地管理措施兩個(gè)驅(qū)動(dòng)因子；結(jié)合數(shù)據(jù)的可獲得性和前人研究成果[5,18,30]，選取土地利用類型、土壤類型、草地類型、地貌類型和坡度5個(gè)地學(xué)要素作為輔助變量。

為了篩選對(duì)土壤全鉀空間分布具有顯著影響的地學(xué)要素，利用SPSS軟件對(duì)土壤全鉀含量與上述5個(gè)地學(xué)要素進(jìn)行方差分析，選取具有顯著特征的地學(xué)要素作為輔助環(huán)境變量，融合RK，GWRK，OCK和ASM-SP模型進(jìn)行插值。表1的方差分析結(jié)果表明：在本研究區(qū)，坡度與土壤全鉀的空間分異之間不存在較強(qiáng)的相關(guān)性，原因在于研究區(qū)的坡度多數(shù)小于8°；而由于研究區(qū)范圍較大，且樣本空間較小以及樣本空間分布不均勻，導(dǎo)致破碎度較大的草地類型沒(méi)有足夠的土壤采樣點(diǎn)。最終，坡度和草地類型被排除在外。所有地學(xué)環(huán)境數(shù)據(jù)集通過(guò)ArcGIS 10.2制作，并重新采樣為30 m分辨率。

表1 不同地學(xué)要素類型之間土壤全鉀的方差分析

注：*0.05顯著水平；**0.01顯著水平。

1.5 融合地學(xué)環(huán)境信息的自適應(yīng)曲面建模方法

傳統(tǒng)的土壤屬性插值方法有OK[9,18]、RK[18,25]、OCK[24,26]和GWRK[24-25,27]，OK利用區(qū)域化變量的原始數(shù)據(jù)和變異函數(shù)的特點(diǎn)，確定實(shí)測(cè)值參數(shù)對(duì)預(yù)測(cè)值的加權(quán)值大小，再對(duì)預(yù)測(cè)值做出最優(yōu)的線性無(wú)偏估計(jì)，但其基于二階平穩(wěn)假設(shè)且需獲得準(zhǔn)確的半方差函數(shù)使其難以準(zhǔn)確地描述土壤全鉀的空間變異[30]；RK和OCK綜合考慮了影響全鉀空間變異的多種環(huán)境因子，但由于研究區(qū)地學(xué)環(huán)境要素分布比較破碎，導(dǎo)致沒(méi)有足夠多的采樣點(diǎn)來(lái)估計(jì)相對(duì)準(zhǔn)確的半方差函數(shù)；GWRK是GWR方法的延伸，用GWR局部擬合替代RK的全局?jǐn)M合后，再將采樣點(diǎn)處的模擬殘差進(jìn)行OK插值，使得擬合效果更加準(zhǔn)確[5]。對(duì)全鉀含量進(jìn)行半變異分析，得到插值時(shí)的各參數(shù)值和擬合模型，其中塊金值較小，表明自身隨機(jī)性誤差引起的變異性不大；N/S比值小于30%，S/N+S比值接近于1，表明全鉀含量具有較強(qiáng)的空間相關(guān)性，擬合的最優(yōu)模型為指數(shù)模型[9]。

總體來(lái)說(shuō)，OCK，RK及GWRK等雖然精度獲得不同程度提升，但在空間變異規(guī)律的詳盡程度方面仍有待深入研究，且其精度勢(shì)必還需進(jìn)一步提高。本文的ASM-SP法根據(jù)空間相關(guān)與變異理論，在結(jié)合影響土壤全鉀空間分異的地學(xué)環(huán)境變量進(jìn)行插值的基礎(chǔ)上，進(jìn)一步將不同插值結(jié)果的最優(yōu)區(qū)域自適應(yīng)篩選集成，從而更準(zhǔn)確刻畫(huà)土壤全鉀隨周圍地學(xué)環(huán)境要素類型而改變的突變邊界，同時(shí)自適應(yīng)集成的策略也使模擬精度獲得了進(jìn)一步的提升。土壤全鉀的預(yù)測(cè)值和與其密切相關(guān)的地學(xué)環(huán)境變量之間的關(guān)系可表示為：

S(xi,l,k,yj,l,k)=trend(Geox,y)+r(xi,l,k,yj,l,k)

(1)

式中：S(xi,l,k,yj,l,k)為第l種地學(xué)要素的第k種類型的土壤全鉀采樣點(diǎn)預(yù)測(cè)值，其中(xi,yj)為采樣點(diǎn)坐標(biāo)，i和j分別表示坐標(biāo)的行列號(hào)；trend(Geox,y)是描述(xi,yj)處第l種地學(xué)要素的第k種類型S的趨勢(shì)值，其中Geo(x,y)是描述(xi,yj)處與土壤全鉀密切相關(guān)的地學(xué)環(huán)境信息；r(xi,l,k,yj,l,k)是描述(xi,yj)處S的第l種地學(xué)要素的第k種類型中第i行、第j列柵格點(diǎn)土壤全鉀的殘差值[30-34]?；谝陨侠碚?，ASM-SP的流程圖見(jiàn)圖1，模擬過(guò)程如下：

圖1 ASM-SP方法的流程圖

(1) 應(yīng)用方差分析或線性混合模型等方法，分析哪些要素對(duì)土壤全鉀的空間分異具有顯著影響，并確定與土壤全鉀空間分異密切相關(guān)的地學(xué)環(huán)境要素類別l；

(2) 依據(jù)采樣點(diǎn)實(shí)測(cè)值，以及與土壤全鉀空間分異密切相關(guān)的地學(xué)環(huán)境信息，利用多元回歸或均值模型計(jì)算土壤全鉀每種類型趨勢(shì)以及每個(gè)土壤全鉀采樣點(diǎn)對(duì)應(yīng)的殘差值r(xi,l,k,yj,l,k)；

(3) 依據(jù)計(jì)算出的與各地學(xué)要素相關(guān)的土壤全鉀趨勢(shì)，得到研究區(qū)土壤全鉀趨勢(shì)面trend(Geox,y)；

(4) 依據(jù)采樣點(diǎn)處的殘差值，用OK模擬得到土壤全鉀的殘差曲面r(xi,l,k,yj,l,k)；

(5) 將趨勢(shì)面和殘差曲面相加得到與地學(xué)環(huán)境變量相關(guān)的土壤全鉀插值曲面S(xi,l,k,yj,l,k)，由此構(gòu)建OK-Landform，OK-Landuse，OK-Soil等一系列輔助地學(xué)環(huán)境變量的插值曲面模型Mi；

(6) 進(jìn)行自適應(yīng)篩選。首先利用Mi對(duì)整個(gè)研究區(qū)進(jìn)行模擬得到模擬曲面，用采樣點(diǎn)土壤全鉀實(shí)測(cè)值減去預(yù)測(cè)值得到模擬誤差，根據(jù)獲得的模擬誤差，用OK等線性插值構(gòu)建誤差曲面Si，計(jì)算每個(gè)網(wǎng)格點(diǎn)上土壤全鉀的模擬誤差，判斷誤差ei是否滿足|ei|<ε，如果滿足，則標(biāo)記該網(wǎng)格點(diǎn)為聚類點(diǎn)，其中ε為誤差閾值。之后根據(jù)標(biāo)記點(diǎn)的空間位置，將滿足精度閾值要求的區(qū)域聚類，Ri1，Ri2，Rik等為Mi插值模型的聚類空間。最后用Ri1，Ri2，Rik等空間范圍掩膜對(duì)應(yīng)的Mi插值曲面得到攜帶真值的聚類空間Ri1s，Ri2s，Riks，經(jīng)過(guò)集成和No Data區(qū)域的填充，得到ASM-SP模擬的空間分布圖。

1.6 插值結(jié)果的精度檢驗(yàn)

插值精度采用獨(dú)立驗(yàn)證進(jìn)行評(píng)價(jià)[30]。隨機(jī)將110個(gè)采樣點(diǎn)分為80個(gè)插值點(diǎn)和30個(gè)驗(yàn)證點(diǎn)；利用80個(gè)插值點(diǎn)對(duì)驗(yàn)證點(diǎn)值進(jìn)行預(yù)測(cè)；對(duì)比驗(yàn)證點(diǎn)的預(yù)測(cè)值和實(shí)測(cè)值。根據(jù)預(yù)測(cè)值和實(shí)測(cè)值的擬合程度評(píng)價(jià)插值模型的優(yōu)劣[6, 12, 30]。評(píng)價(jià)指標(biāo)包括ME，MRE，RMSE，AC、相關(guān)系數(shù)、回歸系數(shù)和決定系數(shù)，其中ME，MRE，RMSE和AC的數(shù)學(xué)公式如下[9,15]：

(2)

(3)

(4)

式中：z(xi)為土壤全鉀含量的預(yù)測(cè)值；z*(xi)為土壤全鉀含量的實(shí)測(cè)值；n為驗(yàn)證點(diǎn)的個(gè)數(shù)。

(5)

式中：PE為潛在誤差變化(Potential error variance)；z*和z分別是實(shí)測(cè)值和預(yù)測(cè)值；o是實(shí)測(cè)值的均值。AC的取值范圍從0到1，值越大表示預(yù)測(cè)結(jié)果越好；ME和RMSE的值越小，插值誤差越小，精度越高；MRE可以克服量綱的影響，MRE越小，精度越高[15]。

2 模擬結(jié)果與分析

2.1 土壤全鉀含量的統(tǒng)計(jì)特征

從研究區(qū)110個(gè)表層土壤全鉀含量的統(tǒng)計(jì)結(jié)果分析可以看出(圖2)，土壤全鉀含量的值介于1.4065%～2.3464%之間，平均值為1.9588%，K-S檢驗(yàn)結(jié)果表明全鉀含量總體上服從正態(tài)分布。土壤全鉀含量的變異系數(shù)為10.99%，表明研究區(qū)土壤全鉀含量的空間變異度處在中等水平[15]。

2.2 精度分析

為了評(píng)價(jià)ASM-SP模擬土壤全鉀含量空間分布的精度，本文比較了OK，RK，GWRK，OCK和ASM-SP5種插值方法的模擬效果(表2)。發(fā)現(xiàn)RK，GWRK，OCK和ASM-SP模擬的土壤全鉀含量的ME比未結(jié)合地學(xué)信息插值方法(OK)的模擬效果更接近于0，說(shuō)明采用結(jié)合地學(xué)信息插值方法的模擬結(jié)果有較好的無(wú)偏性。從MRE來(lái)看，ASM-SP最小，為89.69%，較OK，RK，GWRK和OCK分別降低7.05%，4.33%，3.24%和6.18%。類似地，RK，GWRK，OCK和ASM-SP的RMSE都要明顯小于OK，其中ASM-SP的RMSE最小，為0.058 6，較OK，RK，GWRK和OCK分別降低45.07%，41.57%，20.81%和26.93%。ASM-SP的AC、回歸系數(shù)和相關(guān)系數(shù)分別達(dá)到0.990 3，1.023，0.960 8，表明其回歸曲線可以較好的模擬預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系，插值效果優(yōu)于其他插值方法；雖然OCK的回歸系數(shù)大于GWRK，但其較低的相關(guān)系數(shù)和決定系數(shù)表明其預(yù)測(cè)效果遜色于GWRK，見(jiàn)圖3。

圖2 全部樣點(diǎn)的土壤全鉀含量的描述統(tǒng)計(jì)和

總的來(lái)說(shuō)，ASM-SP的模擬精度較高，原因在于它在插值過(guò)程中考慮了地學(xué)要素與土壤全鉀之間的相關(guān)性，更能準(zhǔn)確地刻畫(huà)土壤全鉀隨地學(xué)環(huán)境要素變化而突變的邊界；其次，將得到的最優(yōu)區(qū)域進(jìn)行自適應(yīng)曲面建模，可以較好地提高研究區(qū)土壤全鉀空間變異的預(yù)測(cè)精度。OCK插值效果提高原因在于其利用變量本身的空間自相關(guān)和協(xié)同變量協(xié)同相關(guān)進(jìn)行預(yù)測(cè)，在一定程度上提高了精度，但是OCK僅依賴于變量自身的分布趨勢(shì)，忽略了外界環(huán)境要素的影響；RK和GWRK更加重視地學(xué)環(huán)境要素的影響，其插值效果依賴于環(huán)境要素顯得更加準(zhǔn)確合理，但并沒(méi)有對(duì)插值結(jié)果進(jìn)行更進(jìn)一步的自適應(yīng)篩選，模擬精度遜色于ASM-SP。

表2 OK，RK，GWRK，OCK和ASM-SP之間的精度對(duì)比

圖3 研究區(qū)土壤全鉀含量實(shí)測(cè)值與預(yù)測(cè)值模擬曲線

2.3 不同方法預(yù)測(cè)效果對(duì)比

為了得到5種插值方法的模擬效果，本文對(duì)比了OK，RK，GWRK，OCK和ASM-SP土壤全鉀含量的插值效果圖(圖4)。

可以看出，OK和OCK的模擬曲面較為平滑，難以準(zhǔn)確描述土壤全鉀的局部變化信息，具有弱“牛眼”效應(yīng)，其中OK的插值范圍在這5種插值方法中最小(1.41～2.35)，原因?yàn)榭死锝鸩逯档钠交?yīng)，使刻畫(huà)的變異程度較真實(shí)值小，此結(jié)論和多數(shù)的研究結(jié)果類似[15-22]；RK為全局性的插值方法，所有的插值點(diǎn)被用來(lái)計(jì)算模型的回歸系數(shù)，且回歸系數(shù)在插值過(guò)程中保持不變，如RK模型中土地利用類型的系數(shù)0.827是唯一的；而GWRK為局部性的插值方法，利用插值點(diǎn)周圍有限個(gè)樣點(diǎn)來(lái)計(jì)算該點(diǎn)的回歸系數(shù)，逐步獲取每個(gè)插值點(diǎn)的環(huán)境要素系數(shù)，利用OK對(duì)隨機(jī)性殘差插值使其更能揭示因空間非平穩(wěn)性所掩蓋的局部變化，本研究區(qū)中GWRK模擬精度優(yōu)于RK，但如何更加重視變量在空間上的自相關(guān)和變量間的協(xié)同相關(guān)還需深入研究；ASM-SP在刻畫(huà)研究區(qū)的空間變異性方面效果最好，其插值范圍適中(1.26～2.44)，模擬結(jié)果更適應(yīng)研究區(qū)復(fù)雜地貌狀況，原因在于其不僅引入地學(xué)要素作為插值輔助變量，成功消除了OK的平滑效應(yīng)，凸顯了各地學(xué)要素邊界處土壤全鉀空間變異情景；而且，將得到的最優(yōu)區(qū)域進(jìn)行自適應(yīng)篩選，進(jìn)一步提高了預(yù)測(cè)精度；這些改進(jìn)較好地適應(yīng)了研究區(qū)復(fù)雜地貌類型。

圖4 不同方法的土壤空間插值圖對(duì)比

3 結(jié) 論

土壤屬性空間變異較大，尤其在丘陵溝壑等復(fù)雜地貌區(qū)和不同地學(xué)要素銜接區(qū)會(huì)產(chǎn)生較大突變，因此有必要輔助環(huán)境變量對(duì)插值結(jié)果進(jìn)行適當(dāng)修正。此外，土壤屬性的空間分異可能在很短水平距離內(nèi)產(chǎn)生較大的變化，導(dǎo)致單一的全局插值模型在應(yīng)用中常常會(huì)受到一定條件的限制。因此，通過(guò)融合地學(xué)環(huán)境要素的方法，將不同插值模型最優(yōu)區(qū)域進(jìn)行自適應(yīng)建?？梢暂^好地提高土壤屬性預(yù)測(cè)精度，并便于預(yù)測(cè)結(jié)果的物理解釋。

對(duì)比融合地學(xué)環(huán)境變量的空間插值模型(如RK，GWRK和OCK)，以及未使用輔助變量的空間插值模型(如OK)，結(jié)果顯示，融合地學(xué)環(huán)境要素可以有效提高土壤全鉀空間插值精度。將ASM-SP的模擬結(jié)果與其他插值方法(OK，RK，GWRK，OCK)的結(jié)果對(duì)比，發(fā)現(xiàn)ASM-SP刻畫(huà)土壤全鉀含量更加符合研究區(qū)土壤屬性空間變異規(guī)律，地學(xué)要素邊緣的細(xì)節(jié)信息突變表現(xiàn)的更加明顯，ME，MRE和RMSE等精度評(píng)價(jià)指標(biāo)也最小，預(yù)測(cè)值與實(shí)測(cè)值的AC、相關(guān)系數(shù)、回歸系數(shù)和決定系數(shù)分別為0.990 3，0.960 8，1.023，0.923 2，顯示出比其他插值模型更高的模擬精度，尤其能準(zhǔn)確刻畫(huà)研究區(qū)土壤全鉀空間分異隨周圍地學(xué)環(huán)境要素變化而突變的邊界，是適宜復(fù)雜地貌類型區(qū)土壤屬性曲面建模的一種新方法，為以后的土壤屬性制圖研究提供了新思路和有益借鑒。

參考文獻(xiàn)：

[1] 趙其國(guó).土壤科學(xué)發(fā)展的戰(zhàn)略思考[J].土壤,2009,41(5):681-688.

[2] 黃文忠.宜賓市土壤鉀素的空間變異特征及影響因素研究[D].四川雅安:四川農(nóng)業(yè)大學(xué),2010.

[3] 郭旭東,傅伯杰,馬克明.基于GIS和地統(tǒng)計(jì)學(xué)的土壤養(yǎng)分空間變異特征研究[J].應(yīng)用生態(tài)學(xué)報(bào),2000,11(4):557-563.

[4] 王彩絨,呂家瓏,胡正義,等.太湖流域典型蔬菜地土壤氮磷鉀養(yǎng)分空間變異性及分布規(guī)律[J].中國(guó)農(nóng)學(xué)通報(bào),2005,21(8):238-242.

[5] 吳春生,黃翀,劉高煥,等.黃河三角洲土壤含鹽量空間預(yù)測(cè)方法研究[J].資源科學(xué),2016,38(4):704-713.

[6] Laslett G M, McBratney A B, Pahl P J, et al. Comparison of several spatial prediction methods for soil pH[J]. European Journal of Soil Science, 1987, 38(2):325-341.

[7] Gotway C A, Ferguson R B, Hergert G W, et al. Comparison of kriging and inverse-distance methods for mapping soil parameters[J]. Soil Science Society of America Journal, 1996, 60(4):1237-1247.

[8] 龍軍,張黎明,沈金泉,等.復(fù)雜地貌類型區(qū)耕地土壤有機(jī)質(zhì)空間插值方法研究[J].土壤學(xué)報(bào),2014,51(6):1270-1281.

[9] 文雯,周寶同,汪亞峰,等.基于輔助環(huán)境變量的土壤有機(jī)碳空間插值:以黃土丘陵區(qū)小流域?yàn)槔齕J].生態(tài)學(xué)報(bào),2013,33(19):6389-6397.

[10] 王坷,Bailey.土壤鉀素空間變異性和空間插值方法的比較研究[J].植物營(yíng)養(yǎng)與肥料學(xué)報(bào),2000,6(3):318-322.

[11] 馬成霞,丁建麗,王璐,等.綠洲土壤表層含鹽量空間變異分析的插值方法研究[J].水土保持研究,2014,21(4):317-320.

[12] Panagopoulos T, Jesus J, Antunes M, et al. Analysis of spatial interpolation for optimising management of a salinized field cultivated with lettuce[J]. European Journal of Agronomy, 2006,24(1):1-10.

[13] 董志南,鄭拴寧,趙會(huì)兵,等.基于空間插值的風(fēng)場(chǎng)模擬方法比較分析[J].地球信息科學(xué)學(xué)報(bào),2015,17(1):37-44.

[14] 張文龍,李玉環(huán),姬祥.基于地統(tǒng)計(jì)學(xué)的耕層土壤有機(jī)質(zhì)空間變異及不同插值模型的比較[J].中國(guó)農(nóng)學(xué)通報(bào),2011,27(6):256-260.

[15] 謝云峰,陳同斌,雷梅,等.空間插值模型對(duì)土壤Cd污染評(píng)價(jià)結(jié)果的影響[J].環(huán)境科學(xué)學(xué)報(bào),2010,30(4):847-854.

[16] 趙巧麗,鄭國(guó)清,馮曉,等.河南省安陽(yáng)縣三種土壤全氮含量空間插值方法的比較分析[J].土壤通報(bào),2012,43(5):1162-1166.

[17] 馬靜,張仁陟,陳利.耕地地力評(píng)價(jià)中土壤養(yǎng)分的空間插值方法比較研究:以會(huì)寧縣土壤速效鉀為例[J].安徽農(nóng)學(xué)通報(bào),2011,17(17):91-93.

[18] 史文嬌,劉紀(jì)遠(yuǎn),杜正平,等.基于地學(xué)信息的土壤屬性高精度曲面建模[J].地理學(xué)報(bào),2011,66(11):1574-1581.

[19] 劉勁松,陳輝,楊彬云,等.河北省年均降水量插值方法比較[J].生態(tài)學(xué)報(bào),2009,29(7):3493-3500.

[20] 林琳,李純厚,戴明,等.海洋浮游植物豐度的空間插值優(yōu)化[J].生態(tài)學(xué)報(bào),2007,27(7):2880-2888.

[21] Triantafilis J, Odeh I O A, Mcbratney A B. Five Geostatistical Models to Predict Soil Salinity From Electromagnetic Induction Data Across Irrigated Cotton[J]. Soil Science Society of America Journal, 2001,65(3):869-878.

[22] Kuriakose S L, Devkota S, Rossiter D G, et al. Prediction of soil depth using environmental variables in an anthropogenic landscape： A case study in the Western Ghats of Kerala, India[J]. Catena, 2009,79(1):27-38.

[23] 楊琳,朱阿興,秦承志,等.運(yùn)用模糊隸屬度進(jìn)行土壤屬性制圖的研究:以黑龍江鶴山農(nóng)場(chǎng)研究區(qū)為例[J].土壤學(xué)報(bào),2009,46(1):9-15.

[24] 郭龍,張海濤,陳家贏,等.基于協(xié)同克里格插值和地理加權(quán)回歸模型的土壤屬性空間預(yù)測(cè)比較[J].土壤學(xué)報(bào),2012,49(5):1037-1042.

[25] 楊順華,張海濤,郭龍,等.基于回歸和地理加權(quán)回歸Kriging的土壤有機(jī)質(zhì)空間插值[J].應(yīng)用生態(tài)學(xué)報(bào),2015,26(6):1649-1656.

[26] 范曉梅,劉高煥,劉紅光.基于Kriging和Cokriging方法的黃河三角洲土壤鹽漬化評(píng)價(jià)[J].資源科學(xué),2014,36(2):321-327.

[27] 易湘生,李國(guó)勝,尹衍雨,等.土壤厚度的空間插值方法比較:以青海三江源地區(qū)為例[J].地理研究,2012,31(10):1793-1805.

[28] 楊琳,朱阿興,張淑杰,等.土壤制圖中多等級(jí)代表性采樣與分層隨機(jī)采樣的對(duì)比研究[J].土壤學(xué)報(bào),2015,52(1):28-37.

[29] Zhang H, Lu L, Liu Y, et al. Spatial sampling strategies for the effect of interpolation accuracy[J]. ISPRS International Journal of Geo-Information, 2015,4(4):2742-2768.

[30] 史文嬌,岳天祥,石曉麗,等.土壤連續(xù)屬性空間插值方法及其精度的研究進(jìn)展[J].自然資源學(xué)報(bào),2012,27(1):163-175.

[31] 楊雨亭,尚松,浩李超.土壤水分空間插值的克里金平滑效應(yīng)修正方法[J].水科學(xué)進(jìn)展,2010,21(2):208-213.

[32] 王紹強(qiáng),朱松麗,周成虎.中國(guó)土壤土層厚度的空間變異性特征[J].地理研究,2001,20(2):161-169.

[33] 范勝龍,黃炎和,林金石.表征土壤有機(jī)碳區(qū)域分布的優(yōu)化空間插值模型研究:以福建省龍海市為例[J].水土保持研究,2011,18(6):1-5.

[34] Liu W, Du P, Zhao Z, et al. An adaptive weighting algorithm for interpolating the soil potassium content[J]. Scientific Reports, 2016,6:23889.