謝夢(mèng)姣, 陳奇樂(lè), 張俊梅, 康 營(yíng), 吳超玉, 劉 琦, 王 洋**

(1.河北農(nóng)業(yè)大學(xué)國(guó)土資源學(xué)院 保定 071000; 2.河北農(nóng)業(yè)大學(xué)資源與環(huán)境科學(xué)學(xué)院 保定 071000)

土壤呼吸作為陸地生態(tài)系統(tǒng)中僅次于總初級(jí)生產(chǎn)量的第二大碳通量, 在全球范圍總量值預(yù)測(cè)達(dá)到68～100 Pg·a-1, 是實(shí)現(xiàn)生態(tài)系統(tǒng)碳循環(huán)的一個(gè)關(guān)鍵生態(tài)過(guò)程[1]。土壤呼吸在地理空間上具有多尺度、多方向性的復(fù)雜變化, 提高土壤呼吸空間變異模擬精度對(duì)預(yù)測(cè)區(qū)域尺度的土壤碳通量具有重要意義。

田間土壤呼吸的測(cè)定耗時(shí)費(fèi)力且時(shí)間窗口有限, 基于有限的樣本量預(yù)測(cè)土壤呼吸空間變異特征時(shí), 合理的布點(diǎn)方式對(duì)提高預(yù)測(cè)精度至關(guān)重要。最新研究指出設(shè)置短距離樣點(diǎn)(一個(gè)研究區(qū)中采樣點(diǎn)之間距離相較于常規(guī)布點(diǎn)方式更短的樣點(diǎn))能顯著提高土壤屬性空間變異的預(yù)測(cè)精度[2]。Stein[3]在設(shè)置短距離樣點(diǎn)的一維模擬研究中, 發(fā)現(xiàn)擬合函數(shù)的空間協(xié)方差參數(shù)在最大值附近非常平穩(wěn), 擬合效果明顯提高。Haskard 等[4]在進(jìn)一步的二維模擬中發(fā)現(xiàn)增加10%短距離樣點(diǎn)時(shí), 空間協(xié)方差參數(shù)的標(biāo)準(zhǔn)誤差減少, 空間預(yù)測(cè)精度顯著提高。然而, 在短距離樣點(diǎn)影響土壤屬性空間預(yù)測(cè)精度的研究中, 不同布點(diǎn)方式下的預(yù)測(cè)差異尚不明確。前人研究表明, 規(guī)則格網(wǎng)、完全隨機(jī)等布點(diǎn)方式在土壤屬性空間變異特征預(yù)測(cè)中表現(xiàn)不同[5]。申祥民等[6]應(yīng)用完全隨機(jī)與規(guī)則格網(wǎng)布點(diǎn)方式對(duì)土壤含水率的空間變異進(jìn)行預(yù)測(cè), 發(fā)現(xiàn)完全隨機(jī)布點(diǎn)方式優(yōu)于規(guī)則格網(wǎng)布點(diǎn)方式。但Wang和Qi[7]通過(guò)對(duì)土壤污染物的空間變異結(jié)構(gòu)特征研究, 發(fā)現(xiàn)相同采樣密度下, 規(guī)則格網(wǎng)采樣比完全隨機(jī)和分層采樣模式的預(yù)測(cè)精度更高。因此, 基于不同布點(diǎn)方式設(shè)置短距離樣點(diǎn)后, 對(duì)土壤屬性空間變異的預(yù)測(cè)精度影響亟待研究。

本研究基于規(guī)則格網(wǎng)、完全隨機(jī), 以及規(guī)則格網(wǎng)+完全隨機(jī)3 種布點(diǎn)方式, 分別設(shè)置占各布點(diǎn)方式樣本總量(49 個(gè))2%～14%的短距離樣點(diǎn), 以探究預(yù)測(cè)土壤呼吸空間變異的最佳布點(diǎn)設(shè)計(jì), 為田塊尺度土壤采樣設(shè)計(jì)的相關(guān)研究與實(shí)踐提供參考。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于黃淮海平原北部, 選取河北省寧晉縣(114°46′～115°15′E, 37°24′～37°48′N)地形無(wú)起伏的代表性區(qū)域的1 km×1 km 農(nóng)田作為采樣區(qū)(圖1)。該區(qū)域?qū)倥瘻貛О敫珊导撅L(fēng)氣候,年平均降水量和氣溫分別為449.1 mm 和12.8 ℃。研究區(qū)土壤類型主要是潮土, 土地利用方式為農(nóng)田, 耕作制度為小麥(Triticum asetivu)-玉米(Zea mays)輪作耕地, 一年兩熟。

1.2 研究方法

1.2.1 采樣點(diǎn)設(shè)計(jì)

本研究設(shè)置3 種布點(diǎn)方式, 方案a 為規(guī)則格網(wǎng)布點(diǎn), 即在7×7單元的規(guī)則格網(wǎng)頂點(diǎn)設(shè)置采樣點(diǎn)共49個(gè), 樣點(diǎn)間距167 m; 方案b 為完全隨機(jī)布點(diǎn)49 個(gè), 樣點(diǎn)平均間距433 m; 方案c 為規(guī)則格網(wǎng)+完全隨機(jī)布點(diǎn)49個(gè), 其中選取方案a 中嵌套的3×3 單元規(guī)則格網(wǎng)設(shè)置9個(gè)采樣點(diǎn), 選取方案b 中完全隨機(jī)布點(diǎn)設(shè)置40 個(gè)采樣點(diǎn), 樣點(diǎn)平均間距405 m (表1)。在3 種布點(diǎn)方式的基礎(chǔ)上, 保持樣本總量(49)不變, 以占總樣點(diǎn)2%～14%的短距離樣點(diǎn)隨機(jī)替換原方案相應(yīng)樣點(diǎn)個(gè)數(shù)的方法優(yōu)化布點(diǎn)方式。為獲取短期內(nèi)可比的土壤呼吸測(cè)量值, 樣本總量不可過(guò)大, 因此, 在不同方案中部分樣點(diǎn)在合理范圍內(nèi)重復(fù)使用, 所有設(shè)置方案共設(shè)采樣點(diǎn)100 個(gè), 采樣點(diǎn)為半徑0.097 m 的圓形。短距離樣點(diǎn)的設(shè)置方法為隨機(jī)選取1 個(gè)已布設(shè)樣點(diǎn), 設(shè)置在隨機(jī)方向上與 該點(diǎn)距離為§的點(diǎn)作為短距離樣點(diǎn)(圖1)。

式中: n 為研究區(qū)內(nèi)采樣點(diǎn)個(gè)數(shù), l 為每一個(gè)采樣點(diǎn)與其最近采樣點(diǎn)的距離[2], 本研究中§=4 m。

圖1 研究區(qū)域不同樣點(diǎn)布設(shè)方案的樣點(diǎn)分布圖 Fig.1 Samples distribution of different sampling methods in the study area

表1 不同樣點(diǎn)設(shè)計(jì)方案的樣點(diǎn)布設(shè)方法 Table 1 Sample layout of different sampling methods

1.2.2 土壤呼吸的測(cè)定

于2018年植株未收割的夏玉米收獲期(9月28—30日)的無(wú)風(fēng)天氣, 于玉米行間采用LI8100(LICOR, 美國(guó))進(jìn)行土壤呼吸測(cè)定(一個(gè)樣點(diǎn)的土壤呼吸值由儀器在4.5～5.5 min 內(nèi)選取的16 個(gè)最佳測(cè)量值通過(guò)多項(xiàng)式擬合所得), 測(cè)定時(shí)間為上午9:00—11:00, 同時(shí)測(cè)定5 cm 和10 cm 土壤溫度、5 cm 土壤水分含量。為減少對(duì)土壤表層的擾動(dòng), 用于放置LI8100 測(cè)量室的PVC 環(huán)(長(zhǎng)10 cm, 內(nèi)徑0.194 m)埋設(shè)深度為5 cm, 并于測(cè)定前24 h 剪除環(huán)內(nèi)雜草。

1.3 數(shù)據(jù)處理與精度檢驗(yàn)

1.3.1 數(shù)據(jù)處理與正態(tài)檢驗(yàn)

應(yīng)用Microsoft Excel 2010 和SPSS 17.0 進(jìn)行土壤呼吸數(shù)據(jù)統(tǒng)計(jì)分析。本研究將3s 準(zhǔn)則法識(shí)別后未發(fā)現(xiàn)異常值的土壤呼吸數(shù)據(jù)按照布點(diǎn)方案進(jìn)行樣本創(chuàng)建, 并予以K-S 正態(tài)分布檢驗(yàn), 發(fā)現(xiàn)本研究各方案土壤呼吸數(shù)據(jù)均符合正態(tài)分布。

1.3.2 空間插值

空間插值是應(yīng)用地統(tǒng)計(jì)學(xué)原理, 通過(guò)已知部分空間樣本信息對(duì)未知地理空間特征進(jìn)行預(yù)測(cè)的方法[8]。本研究使用GS+ 10.0 進(jìn)行土壤呼吸空間變異的半變差函數(shù)分析, 應(yīng)用普通克里金(Ordinary Kriging, OK)插值方法對(duì)3 種布點(diǎn)設(shè)計(jì)方案進(jìn)行田塊尺度的土壤呼吸空間插值預(yù)測(cè), 由ArcGIS 10.2 進(jìn)行土壤呼吸空間分布特征制圖[9-12]。

半變差函數(shù)公式:

式中: h 為變程, 即樣本間距(range), N(h)為間距等于h 的樣本對(duì)數(shù), Z(xi)為樣點(diǎn)xi處的土壤呼吸實(shí)測(cè)值。

普通克里金插值法公式:

式中: μ為拉格朗日乘數(shù), γ(xi, xj)是兩個(gè)實(shí)測(cè)值的差的平方的一半。

1.3.3 空間預(yù)測(cè)精度檢驗(yàn)

本研究采用交叉驗(yàn)證作為土壤呼吸空間預(yù)測(cè)精度的檢驗(yàn)方法, 交叉驗(yàn)證作為目前最為常用的精度檢驗(yàn)方法, 通過(guò)比較驗(yàn)證數(shù)據(jù)點(diǎn)的預(yù)測(cè)值和實(shí)際測(cè)量值來(lái)評(píng)價(jià)預(yù)測(cè)精度[13-16]。將均方根誤差(RMSE)作為預(yù)測(cè)精度的驗(yàn)證指標(biāo), 分析對(duì)比3 種布點(diǎn)方法田

塊尺度土壤呼吸空間預(yù)測(cè)的精度。

均方根誤差公式:

式中: Z(xi)和(xi)分別為第i 個(gè)樣點(diǎn)的實(shí)際測(cè)定值與插值預(yù)測(cè)值, n 為樣本數(shù)量。均方根誤差越小則空間預(yù)測(cè)結(jié)果越精確。

2 結(jié)果與分析

2.1 土壤呼吸的描述統(tǒng)計(jì)分析

統(tǒng)計(jì)分析表明, 研究區(qū)土壤呼吸速率平均值為2.65 μmol·m-2·s-1, 變化范圍在1.16～4.88 μmol·m-2·s-1, 變異系數(shù)為27%, 屬于中等程度變異(表2)。不同采樣方法下, 方案a(規(guī)則格網(wǎng)+短距離樣點(diǎn))、方案b(完全隨機(jī)+短距離樣點(diǎn))和方案c(規(guī)則格網(wǎng)+完全隨機(jī)+短距離樣點(diǎn))的樣本子集統(tǒng)計(jì)結(jié)果與樣本總集(研究區(qū)全部100個(gè)采樣點(diǎn))相比變化不大, 說(shuō)明3 種方案均滿足研究區(qū)土壤呼吸數(shù)據(jù)整體估算的要求。各方案土壤呼吸數(shù)據(jù)偏度與峰度均接近0, 且K-S檢驗(yàn)呈正態(tài)分布(P＞0.05), 可以直接進(jìn)行空間插值和空間預(yù)測(cè)精度分析。

表2 不同樣點(diǎn)布設(shè)方案下土壤呼吸速率的描述性統(tǒng)計(jì)結(jié)果 Table 2 Descriptive statistical results of soil respiration rate of different sampling methods

2.2 土壤呼吸半變差函數(shù)

半變差函數(shù)是地統(tǒng)計(jì)學(xué)的核心和基本工具, 是分析變量空間變異特征的有效手段[17]。本研究中, 不同采樣方案的土壤呼吸半變差函數(shù)最優(yōu)擬合模型均為球狀模型, 基臺(tái)效應(yīng)值[C0/(C0+C)]均在25%～75%, 表現(xiàn)出中等程度的空間變異特征(表3)。

采樣設(shè)計(jì)中樣點(diǎn)的布局和數(shù)量發(fā)生改變時(shí), 樣點(diǎn)所承載的信息量也會(huì)發(fā)生變化[18-24]。如表3 所示, 在不設(shè)置短距離樣點(diǎn)時(shí), 規(guī)則格網(wǎng)、完全隨機(jī)和規(guī)則格網(wǎng)+完全隨機(jī)的采樣方案中, 土壤呼吸半變差函數(shù)的變程(range)介于296～325 m, 規(guī)則格網(wǎng)+完全隨機(jī)的最小。且規(guī)則格網(wǎng)+完全隨機(jī)的塊金值C0最小(0.05), 確定系數(shù)R2最大(0.68)(表3), 因此優(yōu)于其他采樣方案。

在設(shè)置短距離樣點(diǎn)的各采樣方案中, 土壤呼吸的半變差函數(shù)變程為247～350 m, 在保持各方案樣本量不變的情況下, 完全隨機(jī)和規(guī)則格網(wǎng)+完全隨機(jī)采樣方案設(shè)置短距離樣點(diǎn)后變程總體呈現(xiàn)減小趨勢(shì), 說(shuō)明空間自相關(guān)范圍在減小; 而規(guī)則格網(wǎng)采樣方案的變程則總體呈現(xiàn)增加趨勢(shì), 說(shuō)明空間自相關(guān)范圍在增大, 短距離點(diǎn)的加入改變了樣點(diǎn)的分布特征, 使得半變差函數(shù)變程有所變化, 這表明采樣數(shù)量并不是影響變程的唯一因素, 樣點(diǎn)分布特征對(duì)局部空間變異的表征能力存在重要的影響[25]。隨著短距離樣點(diǎn)個(gè)數(shù)的增加, 除規(guī)則格網(wǎng)+完全隨機(jī)采樣方案外, 其他方案均呈現(xiàn)C0遞減趨勢(shì), 說(shuō)明在最小間距內(nèi)的變異分析過(guò)程引起的空間預(yù)測(cè)誤差更小。在設(shè)置短距離樣點(diǎn)的3種布點(diǎn)方式中, 確定系數(shù)均隨短距離樣點(diǎn)個(gè)數(shù)增加而呈現(xiàn)遞增趨勢(shì), 確定系數(shù)值越大表明半變差函數(shù)預(yù)測(cè)精度越高, 因此, 短距離點(diǎn)的增加會(huì)提高土壤呼吸空間變異特征的預(yù)測(cè)精度。

值得說(shuō)明的是, 在本試驗(yàn)中獲取100 個(gè)采樣點(diǎn)的土壤呼吸速率時(shí), 為保證其空間變異主要由空間變化引起, 在田間測(cè)定時(shí)間段內(nèi), 對(duì)土壤呼吸影響較大的土壤水分和土壤溫度條件變化不大, 保證了本研究土壤呼吸空間變異分析結(jié)果的可靠性。表4 表明土壤呼吸與土壤溫度、土壤水分這些環(huán)境因子相關(guān)性并不顯著。

表3 不同樣點(diǎn)布設(shè)方案下土壤呼吸空間半變差函數(shù)模型及參數(shù) Table 3 Semi-variation function models and parameters of soil respiration under different sampling methods

表4 研究區(qū)土壤呼吸與土壤溫度、土壤水分的 Pearson 相關(guān)性分析 Table 4 Correlation among soil respiration, soil temperature and soil moisture

2.3 土壤呼吸空間分布特征

應(yīng)用普通克里金法預(yù)測(cè)的研究區(qū)不同采樣方案的土壤呼吸空間分布特征一致(圖2), 土壤呼吸速率呈帶狀分布, 格局為西高東低, 自西向東逐漸減小。經(jīng)調(diào)查, 本研究區(qū)內(nèi), 西部地區(qū)較東部地區(qū)靠近人口居住區(qū), 農(nóng)田的耕作模式西部地區(qū)多數(shù)為會(huì)導(dǎo)致土壤碳排放增加的100%秸稈粉碎還田配施化肥且為深松, 而東部地區(qū)多數(shù)為施肥量相對(duì)較少的化肥配施且為旋耕[26], 碳排放量相對(duì)較低, 這些可能是造成本研究區(qū)土壤呼吸西高東低空間分布特征的原因。

從圖2 可以看出, 不設(shè)置短距離樣點(diǎn)時(shí), 規(guī)則格網(wǎng)+完全隨機(jī)的采樣方案比規(guī)則格網(wǎng)、完全隨機(jī)采樣方案確定系數(shù)提高17.2%～44.7%(表3), 表達(dá)土壤呼吸空間分布高低值更加清晰, 帶狀界線更加平滑明確。而在設(shè)置短距離樣點(diǎn)的各采樣方案中, 在短距離樣本占10%時(shí)確定系數(shù)較高, 均達(dá)到0.65 以上, 且隨短距離樣點(diǎn)占比增加而逐漸平穩(wěn), 土壤呼吸的空間變異特征比不設(shè)置短距離樣點(diǎn)的采樣設(shè)計(jì)確定系數(shù)提高14.7%～31.9%(表3)。綜上所述, 較不設(shè)置短距離樣點(diǎn)時(shí), 設(shè)置短距離樣點(diǎn)可較好地反映土壤呼吸西高東低的空間分布特征, 且在短距離樣本占10%時(shí)的預(yù)測(cè)效果明顯提升, 表達(dá)土壤呼吸空間分布特征更加準(zhǔn)確。本研究在此選用短距離樣本占10%與不設(shè)置短距離樣點(diǎn)的樣本集合展示土壤呼吸空間分布圖。

2.4 土壤呼吸空間預(yù)測(cè)精度分析

采用交叉驗(yàn)證法對(duì)不同采樣方案的土壤呼吸空間變異的相關(guān)參數(shù)進(jìn)行預(yù)測(cè)精度評(píng)定, 圖3 的均方根預(yù)測(cè)誤差RMSE 和相關(guān)系數(shù)(r)表明, 在不設(shè)置短距離樣點(diǎn)時(shí), 規(guī)則格網(wǎng)+完全隨機(jī)方案預(yù)測(cè)的RMSE 最小(0.54)且r 最大(0.78), 因此該方案對(duì)研究區(qū)土壤呼吸空間預(yù)測(cè)的精度優(yōu)于規(guī)則格網(wǎng)、完全隨機(jī)采樣方案。

設(shè)置短距離樣點(diǎn)后, 3 種方案土壤呼吸空間變異的預(yù)測(cè)精度提高7%～13%。隨著設(shè)置短距離樣本占比增加, RMSE 逐步下降, 且r 逐步上升, 在短距離樣本占10%時(shí)達(dá)到平穩(wěn)。此時(shí)方案c 在各采樣方案中的RMSE 最小和r 最大, 分別為0.50 和0.80, 土壤呼吸空間預(yù)測(cè)時(shí)的精度優(yōu)于其他方案。本研究結(jié)果表明在短距離子集中使用總樣本工作量的大約10%～14%是合理的(表3、圖2 和圖3)。

圖2 不同樣點(diǎn)布設(shè)方案下基于普通克里金插值的土壤呼吸空間分布特征(上: 無(wú)短距離樣點(diǎn); 下: 10%短距離樣點(diǎn))Fig.2 Spatial distribution of soil respiration rate based on Ordinary Kriging interpolation under different sampling methods (top: no short distance samples; bottom: with 10% short distance samples)

圖3 不同樣點(diǎn)布設(shè)方案下土壤呼吸速率預(yù)測(cè)相關(guān)系數(shù)和均方根預(yù)測(cè)誤差(RMSE)隨短距離樣點(diǎn)占比增加的變化 Fig.3 Variation of estimation correlation coefficient and root mean square prediction error (RMSE)of soil respiration rate with the proportion of short distance samples under different sampling methods

3 討論

采樣點(diǎn)總數(shù)相同的情況下, 布點(diǎn)方式不同, 描述空間變異性的精度也不同, 即每一樣點(diǎn)能表征空間變異性的范圍和效果不同[27]。本研究中, 對(duì)未增加短距離樣點(diǎn)的土壤呼吸速率空間分布特征預(yù)測(cè)精度的檢驗(yàn)表明, 規(guī)則格網(wǎng)+完全隨機(jī)布點(diǎn)方式的預(yù)測(cè)精度高于單純的規(guī)則格網(wǎng)和完全隨機(jī)布點(diǎn)方式。

在各采樣設(shè)計(jì)方案中, 土壤呼吸的空間分布具有相似的描述統(tǒng)計(jì)特征, 但以不同數(shù)量的短距離樣 點(diǎn)替換單純?cè)黾拥牟蓸狱c(diǎn)影響土壤呼吸空間變異的能力不同, 表明在土壤呼吸空間變異特征研究中, 要想達(dá)到更好的預(yù)測(cè)效果, 最優(yōu)化的采樣設(shè)計(jì)比單純?cè)黾硬蓸狱c(diǎn)數(shù)量更為重要。范曼曼等[28]、張貝爾等[14]研究表明, 同一尺度研究區(qū)內(nèi), 采樣點(diǎn)數(shù)量越多、采樣點(diǎn)最小間距越小(區(qū)域范圍內(nèi)采樣密度越大)土壤屬性空間變異預(yù)測(cè)精度越高。而在較常用的單一的規(guī)則格網(wǎng)、完全隨機(jī)的采樣點(diǎn)布設(shè)模式中, 即使能夠探測(cè)到更小尺度的變異結(jié)構(gòu), 也會(huì)由于試驗(yàn) 成本限制, 樣點(diǎn)數(shù)量不足、樣點(diǎn)最小間距較大且一定距離范圍內(nèi)的樣點(diǎn)數(shù)較少而造成數(shù)據(jù)的可靠性大大降低[29]。本研究布點(diǎn)設(shè)計(jì)中加入了短距離樣點(diǎn), 這就使得此風(fēng)險(xiǎn)大大降低, 更有利于探測(cè)小尺度范圍的空間變異性, 試驗(yàn)結(jié)果也更具可靠性。因此, 結(jié)合實(shí)際試驗(yàn)成本以及結(jié)果的可靠性找出設(shè)置短距離樣點(diǎn)的最優(yōu)占比是一種較優(yōu)的空間變異研究手段。本研究對(duì)采樣點(diǎn)區(qū)域范圍內(nèi)增加短距離樣點(diǎn)的土壤呼吸速率空間分布特征預(yù)測(cè)精度的檢驗(yàn)表明, 短距離樣點(diǎn)占比決定了最大預(yù)測(cè)誤差的下降(10%的短距離集合實(shí)現(xiàn)了最小均方根預(yù)測(cè)誤差), 但樣本大小相同時(shí), 短距離點(diǎn)占比增加到10%以上, 無(wú)論樣本大小如何, 都會(huì)出現(xiàn)誤差, 且短距離樣點(diǎn)增加到14%時(shí), 空間預(yù)測(cè)僅有少量的精度提高, 因此, 增加10%短距離點(diǎn)是最優(yōu)的布點(diǎn)方式, 這與Lark 等[2]的研究一致。

本研究通過(guò)對(duì)布點(diǎn)方式影響土壤呼吸空間變異預(yù)測(cè)精度的探究, 發(fā)現(xiàn)規(guī)則格網(wǎng)+完全隨機(jī)+短距離點(diǎn)替換10%總樣點(diǎn)的布點(diǎn)方式可提高空間變異的預(yù)測(cè)精度。具有高度空間變異的土壤呼吸已合理驗(yàn)證該布點(diǎn)方式可提高數(shù)字制圖精度的可行性, 但在土壤數(shù)字制圖等研究中還涉及更多的具有空間變異特性的土壤屬性, 因此本研究指出的短距離樣點(diǎn)布點(diǎn)方式需進(jìn)一步在土壤有機(jī)質(zhì)含量、土壤全氮、土壤C/N 等其他土壤指標(biāo)的空間變異特征研究中進(jìn)行驗(yàn)證, 從而保證該采樣方式的普適性。此外, 在后續(xù)研究中可另外設(shè)置獨(dú)立的樣本集以進(jìn)行土壤呼吸空間插值分析的精度驗(yàn)證, 進(jìn)一步提高土壤呼吸空間變異特征模擬的精確度。

4 結(jié)論

本研究區(qū)土壤呼吸速率平均值為2.65 μmol·m-2·s-1, 呈現(xiàn)中等程度的空間變異, 土壤呼吸空間格局總體呈現(xiàn)由西向東逐漸降低的趨勢(shì)。

不設(shè)置短距離樣點(diǎn)時(shí), 規(guī)則格網(wǎng)+隨機(jī)布點(diǎn)比單一的完全隨機(jī)布點(diǎn)和規(guī)則格網(wǎng)布點(diǎn)空間插值預(yù)測(cè)精度分別提高10%和22%。設(shè)置短距離樣點(diǎn)后, 3 種采樣方案的空間預(yù)測(cè)精度提高7%～13%。基于提高預(yù)測(cè)精度而不增加樣點(diǎn)數(shù)量, 設(shè)置短距離樣本個(gè)數(shù)占采樣方案樣本總數(shù)10%時(shí), 是經(jīng)濟(jì)易行又可靠的布點(diǎn)方案。