融合環(huán)境因素的大尺度土壤有機(jī)碳空間分布模擬方法
【專利摘要】本發(fā)明公開了融合環(huán)境因素的大尺度土壤有機(jī)碳空間分布模擬方法，涉及土壤數(shù)字土壤制圖【技術(shù)領(lǐng)域】。包括以下步驟：(1)將植被類型圖和土壤類型圖疊加生成植被-土類單元組合的空間分布圖，以建模點(diǎn)統(tǒng)計(jì)得到的各植被-土類單元的土壤有機(jī)碳含量均值賦值到圖中對應(yīng)的圖斑，得到1km分辨率的土壤有機(jī)碳均值空間分布曲面m(k)；(2)以神經(jīng)網(wǎng)絡(luò)模型表達(dá)植被-土類均值殘差與定量環(huán)境因子間的關(guān)系，獲得植被-土類均值殘差的空間分布曲面f’(xi,k,yj,k)；(3)以HASM模型模擬剩余殘差的空間分布曲面r’(xi,k,yj,k)；(4)最后將m(k)、f’(xi,k,yj,k)和r’(xi,k,yj,k)相加得到HASM_EF方法對土壤有機(jī)碳空間分布的模擬結(jié)果。本發(fā)明為國家尺度上土壤有機(jī)碳儲(chǔ)量的精準(zhǔn)估算和大尺度土壤性質(zhì)的時(shí)空變化研究提供參考。
【專利說明】融合環(huán)境因素的大尺度土壤有機(jī)碳空間分布模擬方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是土壤數(shù)字土壤制圖【技術(shù)領(lǐng)域】，具體涉及一種融合環(huán)境因素的大尺 度土壤有機(jī)碳空間分布模擬方法。

【背景技術(shù)】
[0002] 土壤是陸地表層系統(tǒng)中最大的有機(jī)碳庫，土壤中有機(jī)碳的儲(chǔ)量和動(dòng)態(tài)直接影響著 全球碳循環(huán)，是地理學(xué)研究和"未來地球"研究計(jì)劃的重要內(nèi)容。而高精度的土壤有機(jī)碳空 間變化信息，不僅是準(zhǔn)確估算區(qū)域土壤有機(jī)碳儲(chǔ)量的基礎(chǔ)，也是研究以碳為基礎(chǔ)的溫室氣 體收支平衡的基礎(chǔ)資料和有效運(yùn)行各種耦合土壤信息的陸面模型的重要輸入?yún)?shù)。中國陸 地面積約為全球的6. 4%，其精準(zhǔn)的土壤有機(jī)碳空間變化信息一直是學(xué)界關(guān)注和探討的熱 點(diǎn)。然而由于尺度大，影響因素復(fù)雜，中國國家尺度上土壤性質(zhì)空間變異強(qiáng)烈，獲取國家尺 度上較高精度的土壤有機(jī)碳空間分布信息并不容易。
[0003] 空間模擬或插值是獲取土壤性質(zhì)空間變化的重要手段。由于土壤性質(zhì)的空間異質(zhì) 性是在各種環(huán)境因素的綜合作用下形成的，引入環(huán)境因子作為輔助變量的空間模擬方法利 用了土壤與各因子間的對應(yīng)關(guān)系，其精度明顯高于僅基于樣點(diǎn)值進(jìn)行空間內(nèi)插的方法。然 而，國家尺度上影響土壤性質(zhì)的因素包括土壤概念模型中的所有要素（母質(zhì)、氣候、地形、 植被及人類活動(dòng)等），不同因素對土壤性質(zhì)空間異質(zhì)性形成的作用不同。土地利用方式、土 壤類型和母質(zhì)類型等定性因素對土壤性質(zhì)空間分布的影響顯著，甚至?xí)绊懚恳蛩氐淖?用強(qiáng)度。同時(shí)引入定性和定量輔助因子的方法，其精度明顯優(yōu)于僅融合定性或定量因子的 模擬方法。而土壤性質(zhì)與定量因子間的關(guān)系具有明顯的非線性和空間非平穩(wěn)性，這決定了 在整個(gè)大尺度上采用一個(gè)簡單的線性模型很難準(zhǔn)確揭示復(fù)雜環(huán)境條件下土壤與定量因子 間的復(fù)雜關(guān)系。此外，各因素間存在不同程度的共線性?；谕寥腊l(fā)生學(xué)理論提出的土壤 概念模型給出了土壤與各成土因素間的一般關(guān)系，但并未具體化。因此，合理選擇輔助因子 以及準(zhǔn)確表達(dá)土壤性質(zhì)與各因子間的定量關(guān)系，成為了土壤性質(zhì)空間分布高精度模擬的關(guān) 鍵。之前的研究對國家尺度上土壤性質(zhì)空間分布的高精度模擬方法進(jìn)行了探索，取得了一 定的成果，但方法中對不同因子作用的表達(dá)仍需進(jìn)一步改進(jìn)，模擬結(jié)果精度也還有待于進(jìn) 一步提商。


【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)上存在的不足，本發(fā)明目的是在于提供一種融合環(huán)境因素的大尺度 土壤有機(jī)碳空間分布模擬方法，以土壤發(fā)生學(xué)提出的土壤概念模型為基礎(chǔ)，構(gòu)建融合多種 因素并合理表達(dá)各因素作用的土壤有機(jī)碳空間分布模擬方法，模擬中國表層土壤有機(jī)碳的 空間分布格局，以期為國家尺度上土壤有機(jī)碳儲(chǔ)量的精準(zhǔn)估算和大尺度土壤性質(zhì)的時(shí)空變 化研究提供參考。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明是通過如下的技術(shù)方案來實(shí)現(xiàn)：融合環(huán)境因素的大尺 度土壤有機(jī)碳空間分布模擬方法，將土壤樣點(diǎn)的有機(jī)碳實(shí)測值劃分為由不同因素決定的3 個(gè)部分：
[0006] Z (xi；k, yJ；k) = m(k) +f (xi；k, yJ；k) +r (xi；k, yJ；k) (I)
[0007] 式中：Z(Xi，k，hk)表示在點(diǎn)（ Xi，yp處屬于第k種定性因素或定性因素組合的土 壤樣點(diǎn)的有機(jī)碳含量實(shí)測值，（Xi，yP為點(diǎn)位坐標(biāo)；m(k)為第k種定性因素或定性因素組合 的土壤有機(jī)碳含量平均值，該均值差異反映由不同定性因素或定性因素組合引起的土壤有 機(jī)碳含量空間變異；f(Xi，k，yu)為點(diǎn)位（Xi，yP處去除定性因素影響后由該點(diǎn)位處氣象、地 形及植被蓋度等點(diǎn)位環(huán)境因素差異引起的土壤有機(jī)碳含量變異；r(Xi，k，hk)為點(diǎn)位（ Xi，yj) 處去除研究中所選因素的影響后剩余的殘差項(xiàng)，由研究中未考慮到的其它因素或點(diǎn)位處其 它因素引起。
[0008] 假設(shè)3個(gè)部分相互獨(dú)立，可由分別不同的方法獲?。?br> [0009] (l)m(k):由定性因素決定的土壤有機(jī)碳空間變異部分。研究表明，土壤類型和土 地利用方式在不同尺度上均是土壤有機(jī)碳空間分布的重要影響因子，且分類級(jí)別越低，對 土壤有機(jī)碳空間變異的反映能力越高。本研究中m(k)部分以土壤類型和土地類型2個(gè)因素 不同組合類型下土壤有機(jī)碳的均值來表示。根據(jù)之前的研究結(jié)果以及考慮到不同組合類型 下需要有一定數(shù)量的樣本數(shù)進(jìn)行統(tǒng)計(jì)，研究中根據(jù)土地類型劃分出自然植被（包括林地、 草地灌木和荒漠）和農(nóng)業(yè)植被（包括耕地和果園）2個(gè)類型，將2個(gè)植被類型與58個(gè)土類進(jìn) 行組合，部分組合中土壤樣本數(shù)少于3個(gè)，則將其合并到相同植被類型下相同土綱內(nèi)統(tǒng)計(jì) 均值最接近的其它植被-土類組合中，共獲得97個(gè)植被-土類分類單元（landscape-soil group unit，LS)。最后以建模樣點(diǎn)數(shù)據(jù)分別統(tǒng)計(jì)各植被-土類單元土壤有機(jī)碳含量均值。
[0010] (2)f(Xi，k，yj;k):反映點(diǎn)位（ Xi，yj)處某一定性因素組合內(nèi)部的土壤有機(jī)碳含量變 異，由該點(diǎn)位處氣象、地形及植被蓋度等點(diǎn)位環(huán)境因素差異決定，通過樣點(diǎn)實(shí)測值減去該樣 點(diǎn)所屬的植被_土類單元均值獲得?？紤]到土壤有機(jī)碳與各定量因子間的非線性關(guān)系，采 用徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)模型（Radial Basis Function Neural Network，RBFNN)來表 達(dá)fUi+hk)與氣象、地形及植被指數(shù)因子間的非線性關(guān)系，其中模型輸入變量為由各定 量環(huán)境因子轉(zhuǎn)化而來的主成分。該神經(jīng)網(wǎng)絡(luò)模型能較好地刻畫多元變量間的非線性映射關(guān) 系，在土壤性質(zhì)空間分布預(yù)測中取得了較成功的應(yīng)用。同時(shí)考慮到土壤有機(jī)碳與各定量因 子間的空間非平穩(wěn)性以及之前研究結(jié)果，按土綱和植被類型劃分出22個(gè)植被-土綱單元， 分別在每一個(gè)植被-土綱單元中構(gòu)建一個(gè)RBFNN模型，以表達(dá)在不同空間單元內(nèi)土壤有機(jī) 碳與各因子間不同的非線性關(guān)系，其表達(dá)式如下：
[0011] f ' (xi；k, yJ； k) = RBFNNn [PCI (xi；k, yJ； k), PC2 (xi；k, yJ； k), . . . , PCll (xi；k, Yjjk)] (2)式中，f'（Xi，k，yj，k)為神經(jīng)網(wǎng)絡(luò)模型對f (Xi，k，yj，k)的預(yù)測值；PCI (Xi，k，yj，k)? PCll (Xi，k，yj，k)為神經(jīng)網(wǎng)絡(luò)模型的輸入變量，由氣象、地形及植被指數(shù)等11個(gè)定量環(huán)境因子 通過主成分分析轉(zhuǎn)化而來，表示點(diǎn)位（Xi, y」）處的11個(gè)主成分值；n = 1,2,…，22,表示22 個(gè)植被-土綱單元。
[0012] (3)r (Xi,k，y」,k):為點(diǎn)位（Xi，y」）處去除研究中所選因素的影響后剩余的殘差項(xiàng)，由 樣點(diǎn)實(shí)測值減去樣點(diǎn)所屬的植被-土類單元均值和RBFNN模型對f(xi;k，hk)的預(yù)測值獲 得。該部分的空間變化采用高精度曲面模型（High accuracy surface modeling,HASM)來 進(jìn)行模擬。該模型已在模擬氣象、地形和土壤性質(zhì)等生態(tài)因子空間變化的研究中取得了較 好的效果。
[0013] 所述的該融合環(huán)境因素的土壤有機(jī)碳空間分布模擬方法（HASM_EF)模擬過程如 下：
[0014] (1)將植被類型圖和土壤類型圖進(jìn)行疊加，得到植被-土類單元組合的空間分布 圖；再以利用建模點(diǎn)統(tǒng)計(jì)得到的各植被-土類單元的土壤有機(jī)碳含量均值對圖中相應(yīng)的圖 斑進(jìn)行賦值，生成Ikm分辨率土壤有機(jī)碳的各植被-土類單元均值空間分布曲面m(k)。
[0015] (2)以樣點(diǎn)實(shí)測值減去樣點(diǎn)所屬的植被-土類單元均值，得到各樣點(diǎn)的植被-土 類均值殘差，對該殘差值進(jìn)行必要的變換后（正態(tài)變換，圖2c)，在每一個(gè)植被-土綱單元 中以該殘差變換值為輸出變量，以環(huán)境因子主成分為輸入變量，在軟件MATLAB中分別訓(xùn)練 適合于對應(yīng)植被-土綱單元的RBFNN模型；然后將各環(huán)境因子主成分和植被-土綱單元組 合空間分布柵格數(shù)據(jù)轉(zhuǎn)換為矩陣數(shù)據(jù)，以植被-土綱單元組合為控制條件，在MATLAB中完 成對植被-土類均值殘差f'（Xi，k，ylk)空間分布的預(yù)測，并將預(yù)測結(jié)果以文本文件導(dǎo)出，在 ArcGIS軟件中轉(zhuǎn)化為Ikm分辨率的柵格數(shù)據(jù)。
[0016] (3)再以樣點(diǎn)實(shí)測值減去前兩部分的預(yù)測結(jié)果，得到去除所選因素影響后剩余的 殘差項(xiàng)r (Xi，k，yj，k)，以HASM模型進(jìn)行模擬，得到對該殘差項(xiàng)r (Xi，k，yj，k)空間變化的模擬結(jié) 果 r'（xi，k，yj，k)。
[0017] (4)最后將 m(k)、f'（Xi，k，y」，k)和 r'（Xi，k，y」，k)3 個(gè)部分相加，即得到 HASM_EF 方 法對土壤有機(jī)碳空間分布的模擬結(jié)果。
[0018] 本發(fā)明的有益效果：本發(fā)明的建模過程考慮了不同因素對國家尺度上土壤有機(jī)碳 空間變異的解釋能力；以環(huán)境因子主成分代替原環(huán)境因子作為模型輸入變量，消除了原環(huán) 境變量間的共線性；而在不同植被-土綱單元內(nèi)建立神經(jīng)網(wǎng)絡(luò)模型則解決了其非線性問題 以及在一定程度上考慮了其空間非平穩(wěn)性問題；同時(shí)對殘差的空間分布也進(jìn)行了模擬。該 方法不僅能反映土壤有機(jī)碳空間分布的宏觀格局，還能較好地揭示土壤有機(jī)碳空間變化的 細(xì)節(jié)信息，預(yù)測精度高。

【專利附圖】

【附圖說明】
[0019] 下面結(jié)合附圖和【具體實(shí)施方式】來詳細(xì)說明本發(fā)明；
[0020] 圖1為本發(fā)明的建模點(diǎn)和驗(yàn)證點(diǎn)空間分布圖；
[0021] 圖2為本發(fā)明的土壤有機(jī)碳含量值、自然對數(shù)轉(zhuǎn)換值及植被土類均值殘差 Johnson轉(zhuǎn)換值的頻率分布圖；
[0022] 圖3為本發(fā)明的土壤有機(jī)碳各數(shù)據(jù)項(xiàng)的半方差函數(shù)圖
[0023] 圖4為本發(fā)明的不同方法對驗(yàn)證點(diǎn)有機(jī)碳的預(yù)測值與實(shí)測值間的線性關(guān)系圖。

【具體實(shí)施方式】
[0024] 為使本發(fā)明實(shí)現(xiàn)的技術(shù)手段、創(chuàng)作特征、達(dá)成目的與功效易于明白了解，下面結(jié)合

【具體實(shí)施方式】，進(jìn)一步闡述本發(fā)明。
[0025] 參照圖1至圖4,本【具體實(shí)施方式】采用以下技術(shù)方案：所述的該融合環(huán)境因素的土 壤有機(jī)碳空間分布模擬方法（HASM_EF)模擬過程如下：
[0026] (1)將植被類型圖和土壤類型圖進(jìn)行疊加，得到植被-土類單元組合的空間分布 圖；再以利用建模點(diǎn)統(tǒng)計(jì)得到的各植被_ 土類單元的土壤有機(jī)碳含量均值對圖中相應(yīng)的圖 斑進(jìn)行賦值，生成Ikm分辨率土壤有機(jī)碳的各植被-土類單元均值空間分布曲面m(k)。
[0027] (2)以樣點(diǎn)實(shí)測值減去樣點(diǎn)所屬的植被-土類單元均值，得到各樣點(diǎn)的植被-土 類均值殘差，對該殘差值進(jìn)行必要的變換后（正態(tài)變換，圖2c)，在每一個(gè)植被-土綱單元 中以該殘差變換值為輸出變量，以環(huán)境因子主成分為輸入變量，在軟件MATLAB中分別訓(xùn)練 適合于對應(yīng)植被-土綱單元的RBFNN模型；然后將各環(huán)境因子主成分和植被-土綱單元組 合空間分布柵格數(shù)據(jù)轉(zhuǎn)換為矩陣數(shù)據(jù)，以植被-土綱單元組合為控制條件，在MATLAB中完 成對植被-土類均值殘差f'（Xi，k，ylk)空間分布的預(yù)測，并將預(yù)測結(jié)果以文本文件導(dǎo)出，在 ArcGIS軟件中轉(zhuǎn)化為Ikm分辨率的柵格數(shù)據(jù)。
[0028] (3)再以樣點(diǎn)實(shí)測值減去前兩部分的預(yù)測結(jié)果，得到去除所選因素影響后剩余的 殘差項(xiàng)r (Xi，k，yj，k)，以HASM模型進(jìn)行模擬，得到對該殘差項(xiàng)r (Xi，k，yj，k)空間變化的模擬結(jié) 果 r'（xi，k，yj，k)。
[0029] (4)最后將 m(k)、f '（Xi，k，y」，k)和 r'（Xi，k，y」，k) 3 個(gè)部分相加，即得到 HASM_EF 方 法對土壤有機(jī)碳空間分布的模擬結(jié)果。
[0030] 土壤有機(jī)碳數(shù)據(jù)來自于第二次全國土壤普查時(shí)采集的典型土壤剖面。這些典型土 壤剖面數(shù)據(jù)資料記錄在《中國土種志》及各省級(jí)土種志中，每一個(gè)剖面都較詳細(xì)地記錄了該 土壤剖面的采樣地點(diǎn)、成土母質(zhì)、土壤類型、地形特征、土地利用類型以及土壤理化性質(zhì)等 信息。本研究收集整理了這些資料，建立了第二次全國土壤普查的典型土壤剖面數(shù)據(jù)庫，并 結(jié)合全國行政區(qū)劃、全國居民點(diǎn)空間分布數(shù)據(jù)、土壤類型圖、母質(zhì)圖、植被類型圖、90m分辨 率D EM和1 :25萬地形圖等輔助資料對各剖面點(diǎn)位置逐一進(jìn)行了定位，盡可能使各土壤剖 面的位置接近原采樣點(diǎn)位置，同時(shí)使定位處的環(huán)境條件符合各土壤剖面記錄的環(huán)境信息； 共整理獲得6000多個(gè)具有相對準(zhǔn)確位置信息的典型剖面。作為方法探討，本研究僅選擇表 層土壤有機(jī)碳作為研究對象。
[0031] 個(gè)別樣點(diǎn)由于受到點(diǎn)位異常環(huán)境因素影響，可能出現(xiàn)極端異常值，從而掩蓋土壤 有機(jī)碳與環(huán)境因素間的普遍關(guān)系，進(jìn)而影響到預(yù)測結(jié)果的可靠性，因此需要對極端異常值 進(jìn)行排除。研究中采用樣本平均值加減三倍標(biāo)準(zhǔn)差的方法在58 土類和6種土地利用方式 (林地、灌木、草地和3種不同熟制的農(nóng)地）中標(biāo)記異常值，同時(shí)在各土類和土地利用方式 中標(biāo)記為異常值的剖面點(diǎn)被最終確定為異常值進(jìn)行剔除，研究中實(shí)際使用的樣點(diǎn)數(shù)為6179 個(gè)（圖1)。為評價(jià)模擬方法的精度，在ArcGIS的地統(tǒng)計(jì)學(xué)模塊中將6179個(gè)樣點(diǎn)隨機(jī)分為 建模數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集，分別包含5561個(gè)樣點(diǎn)（90% )和618個(gè)樣點(diǎn)（10% )，其空間分 布見圖Ia和圖lb。
[0032] 根據(jù)土壤概念模型以及融合環(huán)境因子進(jìn)行土壤性質(zhì)空間分布模擬的相關(guān)研究，選 擇與幾大成土因素相關(guān)的指標(biāo)作為建模的輔助因子，包括氣象、地形、植被、土地利用方式 和土壤類型等定性和定量因子。定量因子中，氣象數(shù)據(jù)來自于全國671個(gè)氣象站1971年至 2000年30年的統(tǒng)計(jì)數(shù)據(jù)；由于氣象因子具有較高的空間自相關(guān)性，研究中采用普通克里格 法生成全國Ikm分辨率的多年平均氣溫（Temperature, T)、降水（Precipitation, P)、相對 濕度（Relative Humidity，RH)、日照時(shí)數(shù)（Duration of Sunshine，DS)、太陽福射（Solar Radiation)和 >10°C積溫（Accumulated Temperature, AT)的空間分布柵格數(shù)據(jù)。地形 因子包括全國Ikm分辨率的DEM，以及利用Ikm DEM數(shù)據(jù)生成的坡度（Slope，S)、匯流面積 (Catchment area, CA)和地形濕度指數(shù)（Topographic index, TI)。歸一化植被指數(shù)（NDVI) 采用分辨率為lkm、與第二次土壤普查時(shí)間最接近的1992年4月至1993年3月的36旬 AVHRR 數(shù)據(jù)平均值（來源于 USGS:http://edc2. usgs. gov/KM/lkmhomepage. php)?？紤]到 定量因子間存在不同程度的共線性，采用主成分分析方法將11個(gè)定量指標(biāo)轉(zhuǎn)化為11個(gè)互 不相關(guān)的主成分（Principal Component, PC)作為模型的輸入變量。定性因素選擇了土壤 類型和植被類型，研究中使用的全國1 :1〇〇萬的土壤類型圖和植被類型圖來源于中國科學(xué) 院資源環(huán)境數(shù)據(jù)中心。
[0033] 本【具體實(shí)施方式】利用了不同環(huán)境因素對國家尺度上土壤有機(jī)碳空間異質(zhì)性形成 的作用及解釋能力，考慮了土壤有機(jī)碳與環(huán)境因子間關(guān)系的非線性、空間非平穩(wěn)性以及各 因子間的共線性，有效地提高了模擬精度，且模擬結(jié)果更符合實(shí)際情況，各項(xiàng)預(yù)測誤差降低 了 16. 86 %?47. 46%，有效地提高了模擬精度；模型性能指數(shù)為2. 26,達(dá)到了高精度模擬 標(biāo)準(zhǔn)。實(shí)現(xiàn)了國家尺度上土壤有機(jī)碳空間分布的高精度模擬，同時(shí)也可為較大尺度上土壤 性質(zhì)的時(shí)空變化研究提供方法參考。
[0034] 實(shí)施例1 :對5561個(gè)建模樣點(diǎn)的統(tǒng)計(jì)結(jié)果表明，中國表層土壤有機(jī)碳含量范圍在 0. 35?262. 74g/kg之間，平均值為16. 96g/kg，變異系數(shù)達(dá)到116. 11%，屬于極強(qiáng)烈的空間 變異（表1)。從數(shù)據(jù)的分布形態(tài)來看，原始數(shù)據(jù)呈明顯的偏態(tài)分布（圖2a)，通過自然對數(shù) 轉(zhuǎn)換后其偏度值和峰度值以及分布頻率圖明顯接近正態(tài)分布（圖2b)。而植被土類均值殘 差經(jīng)Johnson變換后的值更符合正態(tài)分布（圖2c)，因此將符合正態(tài)分布的數(shù)據(jù)項(xiàng)用于相應(yīng) 的普通克里格插值、相關(guān)分析、回歸分析以及神經(jīng)網(wǎng)絡(luò)建模。
[0035] 不同土地利用方式下土壤有機(jī)碳含量差異明顯，自然植被土壤有機(jī)碳含量明顯高 于農(nóng)業(yè)植被（表1)。自然植被中，林地土壤有機(jī)碳含量最大，為28. 63g/kg，其次是草荒地 23. 13g/kg，灌木地最小為20. 14g/kg。3種自然植被類型下土壤有機(jī)碳含量差異達(dá)到極顯 著（P〈0. 001)。農(nóng)業(yè)植被的3種熟制中，一年三熟農(nóng)地土壤有機(jī)碳含量略大于其他2種熟 制類型，但差異不顯著。從變異系數(shù)來看，農(nóng)業(yè)植被下土壤有機(jī)碳含量變異系數(shù)在48. 80? 76. 42%之間，均屬于中等程度的變異性。自然植被下土壤有機(jī)碳含量變異性明顯大于農(nóng)業(yè) 植被；其中林地土壤有機(jī)碳含量變異系數(shù)為93. 72%，接近極強(qiáng)的變異性，灌木和草荒地土 壤有機(jī)碳含量變異系數(shù)均超過100%，屬于極強(qiáng)烈的空間變異性。
[0036] 表1不同土地利用方式下土壤有機(jī)碳含量統(tǒng)計(jì)特征
[0037]

【權(quán)利要求】
1. 融合環(huán)境因素的大尺度土壤有機(jī)碳空間分布模擬方法，其特征在于，包括以下步驟： (1)將植被類型圖和土壤類型圖進(jìn)行疊加，得到植被-土類單元組合的空間分布圖；再以利 用建模點(diǎn)統(tǒng)計(jì)得到的各植被-土類單元的土壤有機(jī)碳含量均值對圖中相應(yīng)的圖斑進(jìn)行賦 值，生成lkm分辨率土壤有機(jī)碳的各植被-土類單元均值空間分布曲面m(k); (2) 以樣點(diǎn)實(shí)測值減去樣點(diǎn)所屬的植被-土類單元均值，得到各樣點(diǎn)的植被-土類均值 殘差，對該殘差值進(jìn)行必要的變換后，在每一個(gè)植被-土綱單元中以該殘差變換值為輸出 變量，以環(huán)境因子主成分為輸入變量，在軟件MATLAB中分別訓(xùn)練適合于對應(yīng)植被-土綱單 元的RBFNN模型；然后將各環(huán)境因子主成分和植被-土綱單元組合空間分布柵格數(shù)據(jù)轉(zhuǎn)換 為矩陣數(shù)據(jù)，以植被-土綱單元組合為控制條件，在MATLAB中完成對植被-土類均值殘差 空間分布的預(yù)測，并將預(yù)測結(jié)果以文本文件導(dǎo)出，在ArcGIS軟件中轉(zhuǎn)化為lkm 分辨率的柵格數(shù)據(jù)； (3) 再以樣點(diǎn)實(shí)測值減去前兩部分的預(yù)測結(jié)果，得到去除所選因素影響后剩余的殘差 項(xiàng)r (Xi，k，yj，k)，以HASM模型進(jìn)行模擬，得到對該殘差項(xiàng)r (Xi，k，yj，k)空間變化的模擬結(jié)果 r'（xi，k，yj，k); ⑷最后將m(k)、f'（Xi，k，yj;k)和r'（Xi， k，yj;k)三個(gè)部分相加，即得到HASM_EF方法對 土壤有機(jī)碳空間分布的模擬結(jié)果。
2. 根據(jù)權(quán)利要求1所述的融合環(huán)境因素的大尺度土壤有機(jī)碳空間分布模擬方法，其特 征在于，所述的步驟（2)和步驟（3)的樣點(diǎn)實(shí)測值由不同因素決定的3個(gè)部分： z (xi, k. Yj, k) = m (k) +f (xi； k, yJ； k) +r (xi； k, yJ； k) (1) 式中：Z(Xi，k，hk)表示在點(diǎn)（Xi， yp處屬于第k種定性因素或定性因素組合的土壤樣點(diǎn) 的有機(jī)碳含量實(shí)測值，（Xi，yP為點(diǎn)位坐標(biāo);m(k)為第k種定性因素或定性因素組合的土壤 有機(jī)碳含量平均值，該均值差異反映由不同定性因素或定性因素組合引起的土壤有機(jī)碳含 量空間變異汀('1;，7」，1;)為點(diǎn)位0^7」）處去除定性因素影響后由該點(diǎn)位處氣象、地形及植 被蓋度等點(diǎn)位環(huán)境因素差異引起的土壤有機(jī)碳含量變異；r(Xi，k，hk)為點(diǎn)位（ Xi，yp處去 除研究中所選因素的影響后剩余的殘差項(xiàng)，由研究中未考慮到的其它因素或點(diǎn)位處其它因 素引起； 假設(shè)3個(gè)部分相互獨(dú)立，可由分別不同的方法獲?。? (1) m(k):由定性因素決定的土壤有機(jī)碳空間變異部分；研究表明，土壤類型和土地利 用方式在不同尺度上均是土壤有機(jī)碳空間分布的重要影響因子，且分類級(jí)別越低，對土壤 有機(jī)碳空間變異的反映能力越高；本研究中m(k)部分以土壤類型和土地類型2個(gè)因素不 同組合類型下土壤有機(jī)碳的均值來表示；根據(jù)之前的研究結(jié)果以及考慮到不同組合類型下 需要有一定數(shù)量的樣本數(shù)進(jìn)行統(tǒng)計(jì)，研究中根據(jù)土地類型劃分出自然植被和農(nóng)業(yè)植被2個(gè) 類型，將2個(gè)植被類型與58個(gè)土類進(jìn)行組合，部分組合中土壤樣本數(shù)少于3個(gè)，則將其合 并到相同植被類型下相同土綱內(nèi)統(tǒng)計(jì)均值最接近的其它植被-土類組合中，共獲得97個(gè) 植被-土類分類單元；最后以建模樣點(diǎn)數(shù)據(jù)分別統(tǒng)計(jì)各植被-土類單元土壤有機(jī)碳含量均 值； (2) f (Xi，k，yj，k):反映點(diǎn)位（Xi， yj)處某一定性因素組合內(nèi)部的土壤有機(jī)碳含量變異，由 該點(diǎn)位處氣象、地形及植被蓋度等點(diǎn)位環(huán)境因素差異決定，通過樣點(diǎn)實(shí)測值減去該樣點(diǎn)所 屬的植被-土類單元均值獲得；考慮到土壤有機(jī)碳與各定量因子間的非線性關(guān)系，采用徑 向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)模型來表達(dá)f(Xi，k，yj，k)與氣象、地形及植被指數(shù)因子間的非線性關(guān) 系，其中模型輸入變量為由各定量環(huán)境因子轉(zhuǎn)化而來的主成分；該神經(jīng)網(wǎng)絡(luò)模型能較好地 刻畫多元變量間的非線性映射關(guān)系，在土壤性質(zhì)空間分布預(yù)測中取得了較成功的應(yīng)用；同 時(shí)考慮到土壤有機(jī)碳與各定量因子間的空間非平穩(wěn)性以及之前研究結(jié)果，按土綱和植被類 型劃分出22個(gè)植被-土綱單元，分別在每一個(gè)植被-土綱單元中構(gòu)建一個(gè)RBFNN模型，以 表達(dá)在不同空間單元內(nèi)土壤有機(jī)碳與各因子間不同的非線性關(guān)系，其表達(dá)式如下： f ' (xi;k, yJ;k) = RBFNNJPC1 (xi；k, yJ；k), PC2 (xi；k, yJ；k), ..., PC11 (xi；k, yJ；k)] (2) 式中，f'（Xi，k, y」，k)為神經(jīng)網(wǎng)絡(luò)模型對f (Xi，k, y」，k)的預(yù)測值；PCI (Xi，k, y」，k)? PC11 (Xi，k，yj，k)為神經(jīng)網(wǎng)絡(luò)模型的輸入變量，由氣象、地形及植被指數(shù)等11個(gè)定量環(huán)境因子 通過主成分分析轉(zhuǎn)化而來，表示點(diǎn)位（Xi, y」）處的11個(gè)主成分值；n = 1,2,…，22,表示22 個(gè)植被-土綱單元； (3)r (Xi，k，hk):為點(diǎn)位（Xi，以處去除研究中所選因素的影響后剩余的殘差項(xiàng)，由樣點(diǎn) 實(shí)測值減去樣點(diǎn)所屬的植被-土類單元均值和RBFNN模型對f(xi;k，ylk)的預(yù)測值獲得；該 部分的空間變化采用高精度曲面模型（High accuracy surface modeling，HASM)來進(jìn)行模 擬；該模型已在模擬氣象、地形和土壤性質(zhì)等生態(tài)因子空間變化的研究中取得了較好的效 果。
【文檔編號(hào)】G06F17/50GK104408258SQ201410717756
【公開日】2015年3月11日 申請日期:2014年12月1日 優(yōu)先權(quán)日:2014年12月1日
【發(fā)明者】李啟權(quán), 王昌全, 高雪松, 李冰, 袁大剛, 岳天祥, 杜正平, 史文嬌 申請人:四川農(nóng)業(yè)大學(xué)