馬利芳,熊黑鋼,孫 迪,王 寧,葉紅云,張 芳

1 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院,綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室, 烏魯木齊 830046 2 北京聯(lián)合大學(xué)應(yīng)用文理學(xué)院, 北京 100083

有機(jī)質(zhì)是土壤必不可少的組成成分,是土壤質(zhì)量及肥力評(píng)價(jià)的基礎(chǔ),在土壤發(fā)揮功能與碳循環(huán)過程中起重要作用[1-2]。明確有機(jī)質(zhì)的空間分布特征是土壤資源與環(huán)境科學(xué)管理的依據(jù)[3-4]。近些年,人類活動(dòng)所造成的干擾對(duì)地表自然狀況及生態(tài)環(huán)境的影響不斷加劇[5],不同程度的人為干擾對(duì)土壤有機(jī)質(zhì)空間分布的影響有所差異,這在有機(jī)質(zhì)十分匱乏的干旱區(qū)更加明顯。因此,對(duì)干旱區(qū)不同人為干擾程度下土壤有機(jī)質(zhì)含量進(jìn)行空間插值研究,對(duì)掌握土壤有機(jī)質(zhì)的空間分布規(guī)律以及實(shí)現(xiàn)干旱地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展意義重大[6]。

當(dāng)前,國(guó)內(nèi)外已有大量關(guān)于土壤屬性空間插值的研究,地統(tǒng)計(jì)方法尤其是克里格插值法的應(yīng)用相對(duì)廣泛[7-8]。例如：利用普通克里格法分析了克什米爾農(nóng)業(yè)區(qū)[9]、尼羅河三角洲地區(qū)[10]、意大利耕地和牧場(chǎng)[11]、北京某生態(tài)功能區(qū)[12]、典型喀斯特峰叢洼地小流域[13]內(nèi)土壤屬性的空間分布特征等,但亦有研究顯示普通克里格法并不能夠很好地對(duì)土壤有機(jī)質(zhì)進(jìn)行插值分析[14]。與傳統(tǒng)的克里格法相比,采用改進(jìn)土地利用回歸法[15]、隨機(jī)森林法[16]、地理加權(quán)法[17]等方法或者借助輔助變量[18]對(duì)土壤屬性進(jìn)行空間分布特征分析,會(huì)實(shí)現(xiàn)提高空間插值精度的目的。已有關(guān)于土壤屬性空間插值方法精度比較的研究,結(jié)論并不一致[19-20],能夠適用于所有土壤屬性,且精度在任何區(qū)域都達(dá)到最優(yōu)的插值方法并不能被確定?，F(xiàn)有研究結(jié)果最終選擇的最優(yōu)空間插值方法相差迥異。例如,有學(xué)者認(rèn)為徑向基函數(shù)法能更好地表達(dá)土壤屬性的空間分布特征[21]；亦有研究采用不同插值方法對(duì)土壤屬性插值精度進(jìn)行比較,發(fā)現(xiàn)反距離加權(quán)法的估算效果更佳[22]。還有相關(guān)研究表明不同土層深度的有機(jī)質(zhì)含量最優(yōu)插值方法也有所差異[23]。

現(xiàn)有成果可能是在不同土壤環(huán)境背景下的討論,故有較大的差異。因而,利用反距離加權(quán)法、徑向基函數(shù)法和局部多項(xiàng)式法對(duì)不同人類干擾程度下的土壤有機(jī)質(zhì)空間特征進(jìn)行研究,探討不同空間插值方法對(duì)其估算精度的影響,以期尋求不同人類干擾下土壤有機(jī)質(zhì)的最優(yōu)空間插值方法,為提高空間估測(cè)精度提供價(jià)值參考。

1 材料與方法

1.1 研究區(qū)概況及樣點(diǎn)布設(shè)

圖1 研究區(qū)域位置及采樣點(diǎn)分布圖 Fig.1 Location map of the study area and distribution of the sampling sites

研究區(qū)位于天山北坡東段,準(zhǔn)噶爾盆地南緣,地理位置為87°44′—88°46′E,43°29′—45°45′N,為典型的干旱荒漠區(qū)。該區(qū)氣候?qū)儆谥袦貛Т箨懶詺夂?冬季長(zhǎng)干冷、嚴(yán)寒多雪,夏季短干熱,春秋季節(jié)不明顯,蒸發(fā)強(qiáng)烈,年均氣溫6.6℃,光照充足,熱量豐富,溫差大,降水稀少且空間分布不均,年降水量?jī)H186mm,年蒸發(fā)潛力2064mm左右。土壤類型為灰漠土。

根據(jù)研究區(qū)土壤受人類活動(dòng)的干擾程度,將其劃分為3個(gè)區(qū)域(圖1)。無(wú)人為干擾區(qū)(A區(qū))幾乎沒有受到人為活動(dòng)的干擾,基本保持景觀的原有風(fēng)貌,地表植被相對(duì)豐富,部分地點(diǎn)蓋度更高、植株較大,有梭梭、琵琶柴、鹽爪爪、白刺、紅柳及成片的鹽生雜草等,植被覆蓋度約為30%,且整個(gè)區(qū)域有大量較厚且發(fā)育良好的黑色生物結(jié)皮；人為干擾區(qū)(B區(qū))內(nèi)主要為棄耕地,地表被犁翻耕且有很明顯的駱駝踩踏痕跡。有豬毛菜及少量琵琶柴、梭梭、紅柳、鹽爪爪等植被,但植被覆蓋度相對(duì)較低約15%—20%,區(qū)內(nèi)土壤表面生物結(jié)皮較少,發(fā)育較差,部分地表無(wú)生物結(jié)皮,人為干擾較強(qiáng)烈；重度人為干擾區(qū)(C區(qū))包含兩片農(nóng)場(chǎng),受到強(qiáng)烈的人為干擾。土地全部被翻耕,人工種植的榆樹林行間距均為3.5m,榆樹林株距分別為3m和1.2m,平均高度為3m左右,最高的植株約4.3m,冠幅分別為0.5m×0.5m和1.1m×1.0m。3個(gè)區(qū)域相鄰僅以欄網(wǎng)或溝渠相隔,整個(gè)研究區(qū)位于綠洲下緣的平原區(qū),其地形、土壤屬性、光照時(shí)長(zhǎng)、熱量分布、降水量、溫度濕度等自然條件基本相似。因此,在干擾等級(jí)進(jìn)行劃分時(shí),主要考慮的是土壤受人類活動(dòng)的干擾程度。

雖然各區(qū)面積大小不同,根據(jù)野外實(shí)地考察情況,使得各區(qū)采樣線間距設(shè)置有所差異,不能將其等分,但各區(qū)均采用網(wǎng)格法布設(shè)樣點(diǎn)(圖1)。這樣就在各區(qū)形成可以全面控制該區(qū)土壤有機(jī)質(zhì)變化情況的網(wǎng)格,以保證數(shù)據(jù)的代表性和合理性。A區(qū)位于研究區(qū)東部,由南向北布設(shè)5條采樣線,每條采樣線上分布6個(gè)樣點(diǎn)；C區(qū)位于A區(qū)西側(cè),由南向北布設(shè)6條采樣線,每條采樣線上設(shè)置5個(gè)樣點(diǎn)；B區(qū)位于C區(qū)北部,由南向北布設(shè)5條采樣線,依據(jù)當(dāng)?shù)貙?shí)際情況,每條采樣線上設(shè)定5—7個(gè)樣點(diǎn),3個(gè)區(qū)域均設(shè)置30個(gè)采樣點(diǎn),每個(gè)樣點(diǎn)間距保持在300—400m左右,盡可能均勻分布。

1.2 樣品采集與處理

以Landsat系列遙感影像數(shù)據(jù)為參考,于2017年10月進(jìn)行野外土壤樣品采集。根據(jù)樣點(diǎn)設(shè)置,按照一致性、同質(zhì)性和代表性原則先選擇10m×10m范圍的植物樣方,主要記錄每個(gè)樣方內(nèi)植被種類、個(gè)體數(shù),總蓋度、高度以及土壤表層生物結(jié)皮生長(zhǎng)情況,同時(shí),詳細(xì)記錄每個(gè)樣點(diǎn)周邊環(huán)境特征。為使土壤樣品代表性更強(qiáng),先測(cè)完植被樣方,然后在樣點(diǎn)周圍2m范圍內(nèi)以梅花樁方式采集5處土樣混合均勻后放入密封袋中,封口標(biāo)記編號(hào),并用GPS定位。

將采集的土壤樣品經(jīng)過預(yù)處理之后送至中國(guó)科學(xué)院新疆生態(tài)與地理研究所理化測(cè)試中心,進(jìn)行土壤有機(jī)質(zhì)數(shù)據(jù)的測(cè)定。

1.3 數(shù)據(jù)處理方法與檢驗(yàn)

采用4種方法對(duì)不同干擾程度下土壤有機(jī)質(zhì)進(jìn)行空間插值分析,并對(duì)不同插值法進(jìn)行交叉驗(yàn)證,獲得精度評(píng)價(jià)結(jié)果,得到基于最優(yōu)插值方法的不同干擾程度下土壤有機(jī)質(zhì)含量空間分布圖。

1.3.1普通克里格(OK)空間插值法

普通克里格插值法(Ordinary Kriging)的適用條件是區(qū)域化變量具有空間相關(guān)性[24]。利用半變異函數(shù),選取球狀模型和高斯模型,來反映各區(qū)域變量的結(jié)構(gòu)性和隨機(jī)性。

1.3.2反距離加權(quán)(IDW)插值法

反距離加權(quán)插值(Inverse Distance Weighted)基于相近相似的原理：即兩個(gè)物體的性質(zhì)是否相似取決于兩者距離的遠(yuǎn)近,離得越近性質(zhì)越相似,反之,離得遠(yuǎn)則相似性小[25]。

1.3.3徑向基函數(shù)(RBF)插值法

徑向基函數(shù)(Radial Basis Function)插值法是一種精確的非線性計(jì)算工具[26]。每個(gè)點(diǎn)都能用幾個(gè)高斯函數(shù)的疊加進(jìn)行逼近[27],對(duì)于距離較遠(yuǎn)的點(diǎn),其影響小于距離較近的點(diǎn),這一特性排除了遠(yuǎn)距離點(diǎn)的干擾,使訓(xùn)練速度更快。

1.3.4局部多項(xiàng)式(LPI)插值法

局部多項(xiàng)式內(nèi)插(Local Polynomial Interpolation)基于局部加權(quán)最小二乘法對(duì)處在特定重疊鄰近區(qū)域內(nèi)的多個(gè)多項(xiàng)式進(jìn)行擬合的一種近似插值法[28]。

1.3.5插值結(jié)果的精度檢驗(yàn)

插值的精度分析采用交叉驗(yàn)證的K折交叉驗(yàn)證(K-fold cross-validation),它是一種能快速評(píng)價(jià)插值結(jié)果質(zhì)量的方法[29]。為更加準(zhǔn)確地評(píng)估預(yù)測(cè)模型精度,采用最常用的十折交叉驗(yàn)證法,即將樣本隨機(jī)分成10份,輪流將其中的9份用于訓(xùn)練,剩余一份用于評(píng)估,循環(huán)10次后所有數(shù)據(jù)都會(huì)被驗(yàn)證一次,取10次結(jié)果的均值為最終預(yù)測(cè)誤差。該方法的特點(diǎn)是可直接進(jìn)行誤差的估算無(wú)需任何要求,操作便捷、適用性強(qiáng)；尤其是數(shù)據(jù)量較小時(shí)計(jì)算效率會(huì)更高,數(shù)據(jù)的循環(huán)使用能更接近原始樣本分布且不容易受到隨機(jī)因素的影響。

評(píng)價(jià)指標(biāo)采用決定系數(shù)(R2)平均預(yù)測(cè)誤差(ME)和均方根預(yù)測(cè)誤差(RMSE),依據(jù)R2越接近1、ME越接近0、RMSE越小其預(yù)測(cè)精度越高的原則,尋求最優(yōu)插值方法。各指標(biāo)計(jì)算公式如下：

(1)

(2)

(3)

式中,n為樣本數(shù),Xi為實(shí)測(cè)值,Xj為預(yù)測(cè)值。

2 結(jié)果與分析

2.1 不同干擾程度土壤有機(jī)質(zhì)統(tǒng)計(jì)特征

從無(wú)人為干擾、人為干擾到重度人為干擾的梯度上,土壤有機(jī)質(zhì)含量最大值、最小值、均值均逐漸減小,而標(biāo)準(zhǔn)差逐漸增大,即有機(jī)質(zhì)含量逐漸減小(表1)。根據(jù)全國(guó)第二次土壤普查有機(jī)質(zhì)分級(jí)標(biāo)準(zhǔn)[30],無(wú)人為干擾區(qū)處于四級(jí)中下等水平,人為干擾及重度人為干擾區(qū)均為五級(jí)缺乏水平。變異系數(shù)(CV)反映數(shù)據(jù)的離散程度,CV<10%為弱變異；10%≤CV≤100%為中等變異；CV>100%為強(qiáng)變異[31]。即無(wú)人為干擾區(qū)呈現(xiàn)弱變異,人為干擾及重度人為干擾區(qū)為中等變異。

表1 不同干擾程度土壤有機(jī)質(zhì)的描述性統(tǒng)計(jì)和K-S檢驗(yàn)

N表示符合正態(tài)分布檢驗(yàn)，標(biāo)準(zhǔn)差S.D.(Standard Deviation)，變異系數(shù)CV(Coefficient of Variation)，K-S檢驗(yàn)(Kolmogorov-Smirnov)

2.2 不同干擾程度土壤有機(jī)質(zhì)空間變異特征

利用地統(tǒng)計(jì)學(xué)方法對(duì)研究區(qū)不同干擾程度下土壤有機(jī)質(zhì)進(jìn)行模型擬合,比較各模型的決定系數(shù)(R2)和殘差平方和(RSS),選取R2更接近1 且RSS較小的最優(yōu)理論模型,得到模型相關(guān)參數(shù)值(表2)。隨著干擾程度的加劇,R2逐漸減小,由0.932下降到0.764,減小了0.168；RSS逐漸增大,由0.027增大到1.24。無(wú)人為干擾區(qū)(A區(qū))土壤有機(jī)質(zhì)最優(yōu)理論模型為球狀模型,人為干擾區(qū)(B區(qū))和重度人為干擾區(qū)(C區(qū))為高斯模型。當(dāng)塊基比C0/(C0+C)<25%則以結(jié)構(gòu)性變異為主,具有強(qiáng)烈的空間相關(guān)性；比值>75%表示其空間變異以隨機(jī)性因素為主,空間相關(guān)性很弱；在25%—75%之間,則說明受結(jié)構(gòu)性和隨機(jī)性因素共同影響[32],空間相關(guān)性中等。無(wú)人為干擾區(qū)有機(jī)質(zhì)塊基比為12.26%,空間結(jié)構(gòu)性極強(qiáng),人為干擾區(qū)塊基比為35.9%,空間相關(guān)性中等,而重度干擾區(qū)塊基比為76.21%,說明在該區(qū)內(nèi)土壤有機(jī)質(zhì)含量的空間變異受隨機(jī)性因素影響很大。

變程和分形維數(shù)(D)亦可反映區(qū)域化變量的空間自相關(guān)性大小及空間變異范圍尺度,D值越小,由空間自相關(guān)部分引起的空間變異性越弱,結(jié)構(gòu)性越好,受隨機(jī)因素影響越小[33]。從無(wú)人為干擾區(qū)(A區(qū))、人為干擾區(qū)(B區(qū))到重度干擾區(qū)(C區(qū)),土壤有機(jī)質(zhì)的變程和分形維數(shù)均在逐漸增大,說明隨著人類活動(dòng)力度的加大,隨機(jī)因素對(duì)土壤有機(jī)質(zhì)含量作用越來越強(qiáng),空間自相關(guān)部分引起的空間變異性越高?？梢?半方差函數(shù)充分反映了對(duì)不同程度人為干擾下土壤有機(jī)質(zhì)的空間變異特點(diǎn)。

表2 不同干擾程度土壤有機(jī)質(zhì)的半方差理論模型及其參數(shù)

S表示球狀模型;G表示高斯模型;決定系數(shù)R2(Coefficient of determination)，殘差平方和RSS(Residual sum of squares)，分形維數(shù)D(Dimension)

2.3 不同干擾程度土壤有機(jī)質(zhì)空間插值結(jié)果的交叉驗(yàn)證

不同插值的交叉驗(yàn)證結(jié)果知(表3),各方法均有誤差存在。A區(qū)土壤有機(jī)質(zhì)的4種插值方法中,R2最大、RMSE最小,且ME最接近0的是OK法,其次是IDW法,而后為RBF法,LPI法插值能力相對(duì)較弱；而對(duì)B區(qū)和C區(qū)土壤有機(jī)質(zhì)而言,各插值方法的精度分別為RBF法>IDW法>OK法>LPI法,RBF法>IDW法>LPI法>OK法,即RBF法能更精確地對(duì)B區(qū)及C區(qū)內(nèi)土壤有機(jī)質(zhì)含量進(jìn)行空間插值分析。不同干擾程度下4種插值方法精度均表現(xiàn)為A區(qū)>B區(qū)>C區(qū),其中OK法的R2變化范圍較大,為0.312—0.625,且其對(duì)A區(qū)土壤有機(jī)質(zhì)的插值精度最高(RMSE為2.049)。在B區(qū)和C區(qū),OK法的插值精度相對(duì)變低,與A區(qū)相比較RMSE分別升高了0.482和1.033,R2分別下降了0.129和0.313；而RBF法和IDW法的RMSE較A區(qū)雖有所增大,R2雖有所減小,但其精度均高于OK法?？梢?人為干擾程度的加劇對(duì)各插值方法的精度都會(huì)產(chǎn)生影響,這是因?yàn)椴煌瑥?qiáng)度的人類活動(dòng)對(duì)土壤屬性造成的干擾不同,使其理化特征發(fā)生改變,導(dǎo)致數(shù)據(jù)的離散程度各異,且各插值方法對(duì)不同區(qū)域內(nèi)土壤理化性質(zhì)變化的適用性有所差異。尤其是OK法的插值效果更易受隨機(jī)因素左右,在人類干擾強(qiáng)度大,土壤屬性變化強(qiáng)烈的區(qū)域進(jìn)行插值是有一定局限的。

表3 不同干擾程度土壤有機(jī)質(zhì)插值方法精度檢驗(yàn)

普通克里金OK，反距離加權(quán)IDW，徑向基函數(shù)RBF,局部多項(xiàng)式LPI，平均誤差ME (Mean Error)

2.4 基于最優(yōu)插值法土壤有機(jī)質(zhì)的空間預(yù)測(cè)

利用各區(qū)域的最適插值方法：A區(qū)采用OK法、B區(qū)和C區(qū)采用RBF法,對(duì)不同干擾程度下土壤有機(jī)質(zhì)進(jìn)行空間預(yù)測(cè),分析其空間分布特征(圖2)。A區(qū)土壤有機(jī)質(zhì)東部及東南部高,西部及東北部較低；B區(qū)中部及東部高,南部、西北部較低；C區(qū)在北部出現(xiàn)高值,中部及南部較低,且含量極值差距較大?？梢?種植、翻耕、灌溉等人為因素對(duì)土壤有機(jī)質(zhì)含量的分布格局有很大的影響,與近乎自然狀態(tài)下的A區(qū)相比,B區(qū)和C區(qū)干擾程度不同,對(duì)土壤有機(jī)質(zhì)分布特征產(chǎn)生的影響有所差異。這些分布特點(diǎn)與各區(qū)域土地利用類型、植被條件以及人類活動(dòng)干擾程度等關(guān)系密切,A區(qū)以荒地為主,地表植被較豐富,幾乎沒有受到人為活動(dòng)的干擾,從西至東有機(jī)質(zhì)變化平緩；B區(qū)以半荒地、棄耕地為主,覆蓋度相對(duì)較低,人為干擾具有隨機(jī)性,有機(jī)質(zhì)變化復(fù)雜；C區(qū)為棄耕地、人工林地,土壤全部被翻耕,人工林地種有梭梭林和榆樹林,受人為干擾最強(qiáng)烈。

圖2 不同干擾程度土壤有機(jī)質(zhì)含量空間分布預(yù)測(cè)Fig.2 Prediction of spatial distribution of soil organic matter in different disturbance districts

圖3 基于最適插值方法土壤有機(jī)質(zhì)預(yù)測(cè)值和實(shí)測(cè)值散點(diǎn)圖Fig.3 Scatter plot of predicted values and measured values of soil organic matter based on optimal interpolation method

基于各區(qū)域最優(yōu)空間預(yù)測(cè)模型,繪制出不同干擾程度下土壤有機(jī)質(zhì)預(yù)測(cè)值和實(shí)測(cè)值的散點(diǎn)圖(圖3),分析數(shù)據(jù)較為均勻地布局在1∶1線的兩側(cè),說明預(yù)測(cè)值和實(shí)測(cè)值總體上呈現(xiàn)出相對(duì)較好的線性關(guān)系。無(wú)人為干擾區(qū)有機(jī)質(zhì)含量值相對(duì)較高,且數(shù)據(jù)分布較集中,而隨人類干擾程度加劇,有機(jī)質(zhì)值越低,且含量變化越大,分布越分散。

3 討論

對(duì)于同一區(qū)域,采用不同的插值方法所得結(jié)果有所不同,同類插值方法在不同區(qū)域產(chǎn)生的效果亦會(huì)有差異。空間插值沒有一個(gè)通用的、普適的模型,而是需要根據(jù)不同特征的研究對(duì)象來選擇相對(duì)適宜的插值方法和相關(guān)參數(shù)[34]。

OK法多適用于具有強(qiáng)烈空間相關(guān)性的插值分析中,因?yàn)槠淇臻g插值精度一定程度上取決于待插值土壤屬性的空間變異特征,這與前人研究結(jié)果一致[35-36]。OK法雖然取得了較好的成果[37-38],但對(duì)不同干擾程度下土壤有機(jī)質(zhì)進(jìn)行空間插值分析,并比較不同插值方法的精度,發(fā)現(xiàn)在樣點(diǎn)數(shù)量不變的條件下(各區(qū)采樣點(diǎn)均為30個(gè)),OK法僅對(duì)空間自相關(guān)性較強(qiáng)的、變異性較弱的無(wú)人為干擾區(qū)土壤有機(jī)質(zhì)插值效果最好,而在人為干擾區(qū)插值精度偏低,在重度人為干擾區(qū)最低。主要是由于其首先考慮的是空間屬性在空間位置上的變異分布,受人為干擾等隨機(jī)因素導(dǎo)致空間變異性較高,僅依據(jù)樣點(diǎn)間的地理位置信息對(duì)其進(jìn)行插值必然會(huì)使其精度有所下降。因此,在不能充分滿足克里格插值前提條件且土壤屬性變化強(qiáng)烈的地區(qū)進(jìn)行插值,會(huì)導(dǎo)致其精度偏低。同時(shí),其算法較復(fù)雜,在選定變異函數(shù)時(shí)具有主觀性。

RBF法適合于需要將樣本值和擬合值保持一致的應(yīng)用中,原因是它一定程度上能克服平滑效應(yīng),是一種精確的非線性插值方法,其結(jié)果會(huì)盡可能地保留元素含量的極值信息[39]。尤其是在數(shù)據(jù)較少,土壤有機(jī)質(zhì)變異程度相對(duì)較大的情況下(人為干擾和重度人為干擾區(qū))進(jìn)行空間插值效果較好。同時(shí),其最大的特點(diǎn)是能在高維空間中利用高斯函數(shù)[40],可以不受任何約束地逼近任意函數(shù),而人為干擾區(qū)和重度人為干擾區(qū)土壤有機(jī)質(zhì)的空間變異特征均符合高斯模型,因此,RBF法更勝一籌。

IDW法一般應(yīng)用于對(duì)極值不要求度量的插值模型中,其算法相對(duì)簡(jiǎn)單,較易實(shí)現(xiàn),適合分布較均勻且密集的樣點(diǎn)。但選擇函數(shù)冪次時(shí)具有敏感性,易受采樣集群影響造成“牛眼”現(xiàn)象[41]。與OK法和RBF法相比,它基于相近相似原理,又不能對(duì)樣本中的極大極小值進(jìn)行預(yù)測(cè),所以此法雖然能實(shí)現(xiàn)對(duì)各區(qū)域土壤有機(jī)質(zhì)插值運(yùn)算,但精度不如前兩者高。而LPI法多適宜于解釋小范圍的局部變異,且平滑性較好的數(shù)據(jù)情況,因?yàn)樗米钚《朔〝M合元素含量的空間分布趨勢(shì),趨向于得到一個(gè)平滑的表面[42],且其平滑作用比其他3種方法更加明顯。雖然它是一種非參數(shù)估計(jì)法,能消除異方差的影響[43],但其僅考慮樣本局部范圍趨勢(shì),針對(duì)特定空間領(lǐng)域內(nèi)信息進(jìn)行分析,所以不論在哪種情況下,LPI法的插值精度均不是最佳,其對(duì)各區(qū)域土壤有機(jī)質(zhì)含量的插值分析局限性較大。

影響空間插值精度和效果的因素有很多,比如：環(huán)境背景、相關(guān)參數(shù)的選擇以及采樣點(diǎn)分布密度狀況等。今后對(duì)土壤有機(jī)質(zhì)的空間特征進(jìn)行討論時(shí),應(yīng)首先區(qū)別其是否受到人類活動(dòng)的干擾,其次應(yīng)詳細(xì)區(qū)分其受人類干擾的強(qiáng)度,然后再對(duì)其分析研究。這樣更有利于尋求不同干擾情況下土壤屬性的最優(yōu)插值方法,而后才能更加精準(zhǔn)地進(jìn)行空間分析。

4 結(jié)論

不同干擾程度下土壤有機(jī)質(zhì)均呈正態(tài)分布,且無(wú)人為干擾區(qū)有機(jī)質(zhì)具有弱變異性和強(qiáng)烈的空間自相關(guān)性,人為干擾區(qū)空間變異及相關(guān)性均呈中等強(qiáng)度,重度人為干擾區(qū)為中等變異,而空間相關(guān)性較弱。土壤有機(jī)質(zhì)含量受人為干擾活動(dòng)等隨機(jī)因素作用越強(qiáng),空間自相關(guān)部分引起的空間變異性越高。

隨著干擾程度加劇,無(wú)論采用哪種方法對(duì)土壤有機(jī)質(zhì)空間插值分析,其精度均在降低。從無(wú)人為干擾區(qū)到人為干擾區(qū)再至重度干擾區(qū),各種方法的插值精度R2由0.487—0.625降低為0.425—0.562再降至0.312—0.434。其中OK法一定程度上依賴于有機(jī)質(zhì)的空間變異特征,在空間結(jié)構(gòu)性強(qiáng)的無(wú)人為干擾區(qū),其插值精度最高；而在人為干擾和重度人為干擾區(qū)插值效果最好的是RBF法。