准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要.以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局.结果表明,研究...准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要.以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局.结果表明,研究区土壤有机质在4.20～47.60 g kg-1之间,平均为17.97 g kg-1;变异系数为36.89％,属中等程度变异.土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱.不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异.除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子.融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著.同时,该方法对极值有较好的预测能力.研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法.展开更多
文摘准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要.以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局.结果表明,研究区土壤有机质在4.20～47.60 g kg-1之间,平均为17.97 g kg-1;变异系数为36.89％,属中等程度变异.土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱.不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异.除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子.融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著.同时,该方法对极值有较好的预测能力.研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法.
