（自然地理学专业论文）土壤电阻率估算及影响因素研究.pdf

j 一，。 t 、， 、 j ，。一。、 ， 本项研究受国家科技部公益行业专项“基于遥感的 雷暴云大气电场强度分布预测研究 ( g 唧2 0 0 8 0 6 0 1 4 ) 项 目资助 l 目录 j i i要i a b s t r a c t 第一章绪论1 1 1 研究背景与意义1 1 2 国内外土壤电阻率研究现状2 1 3 存在的主要问题6 1 4 本文的研究目标、内容及技术路线6 第二章土壤数据获取及分析方法9 2 1 研究区概况9 2 2 野外土壤样品采集9 2 3 土壤电阻率的测量1 0 2 3 土壤样品的实验室分析1 0 2 4 数据处理与分析方法l l 第三章不同覆盖类型下土壤电阻率及其它土壤性质特征1 9 3 1 不同覆盖类型下土壤电阻率特征1 9 3 2 不同覆盖类型下土壤物理性质特征。2 0 3 3 不同覆盖类型下土壤化学性质特征。2 1 3 4 不同覆盖类型下土壤电化学性质特征2 2 第四章土壤电阻率影响因素分析及主导因子确立2 5 4 1 土壤电阻率影响因素分析2 5 4 2 不同覆盖类型土壤电阻率影响因素分析3 1 4 3 基于灰色关联度分析和多元逐步回归的土壤电阻率主导因子确定。3 3 第五章不同覆盖类型土壤电阻率估算研究3 6 5 1 土壤电阻率估算研究3 6 5 2 草地土壤电阻率估算研究。4 l 5 3 林地土壤电阻率估算研究。4 3 5 4 农田土壤电阻率估算研究4 6 第六章结论和展望4 9 6 1 结论4 9 6 2 展望5l 参考文献5 2 j l 受谢! ；6 摘要 土壤电阻率是土壤电导学研究的一个重要内容，其大小是雷电发生的重 要条件，它的变化将直接改变接地装置的接地电阻，从而影响防雷设施的雷电 防护的效果。通过对表层土壤( o - 2 0 c m ) 电阻率分布状况及其影响因素的研究 可以进一步加深雷电放电机理的认识，进而为防雷减灾、电力通讯等工作提供 理论依据。 。 本文对草地、林地和农田三种覆盖类型的土壤电阻率、土壤温度及土壤容 重进行野外测定，并对采集的土壤样品进行室内理化性质分析。首先研究了不 同覆盖类型、不同层次土壤电阻率的变化规律；然后对不同覆盖类型下影响土 壤电阻率的土壤物理、化学、电化学性质的分布特征及其对土壤电阻率的影响 作用进行探讨；利用灰色关联度分析法和多元逐步回归法相结合，共同确定影 响土壤电阻率的主导因子；最后运用偏最小二乘回归法和b p 神经网络技术对不 同覆盖类型土壤电阻率进行估算。主要结论如下： o 一2 0 c m 土层中，不同土地覆盖类型土壤电阻率有显著差异，大小为：草地 林地 农田；l o - 2 0 e m 土层土壤电阻率总体高于o - l o c m 。土壤物理性质、化 学性质与土壤电阻率的倒数回归模型精度最高；土壤电化学性质与土壤电阻率 的对数回归建模型精度最高。土壤有机质、全氮、h c o ；与土壤电阻率显著相关， 土壤容重、土壤含水量、土壤温度、阳离子交换量( c e c ) 、可溶性盐总量、p h 、 c a 2 + 、m 9 2 + 、k + 、n a + 、s o ：与土壤电阻率相关性达到极显著水平，土壤全铁、c l - 与电阻率则相关不显著。与土壤电阻率的关联度大小排序为：土壤含水量 土 壤温度 可溶性盐总量 c e c n a + m 9 2 + c a 2 + k + p h s o ： 容重 有机质 h c o ； c l 一 全氮 全铁；影响土壤电阻率的主导因子是土壤含水量、土壤 温度、可溶性盐总量、c e c 。其中，影响草地土壤电阻率的主导因子是含水量、 土壤温度、s 0 2 , - 、c e c 和p h ；影响林地土壤电阻率的主导因子是含水量、s o ：、 容重、c a 2 + 和n a + ；影响农田土壤电阻率的主导因子是含水量、土壤温度、c e c 、 n a + 、可溶性盐总量。b p 神经网络模型与偏最小二乘回归模型对土壤电阻率估算 平均相对误差分别为 电阻率偏最小二乘回 算值和实测值的相关 较，草地、林地、农 1 、1 3 5 4 、5 9 1 ， 综合各项精度评价指 具有精确估算土壤电 逐步回归；偏最小二 a b s t r a c t s o i lr e s i s t i v i t y ( s r ) i so n eo ft h ei m p o r t a n tr e s e a r c hc o n t e n ti ns o i le l e c t r i c i t y i ti st h e i m p o r t a n tc o n d i t i o no ft h u n d e rh a p p e n i n 吕i td i r e c t l ya f f e c t st h ev a l u eg r o u n d i n gr e s i s t a n c eo f g r o u n d i n gd e v i c e ，w h i c ha f f e c t st h ew o r ko fl i g h t n i n gp r o t e c t i o nf a c i l i t i e sa n dt h ee f f e c t so f l i g h t n i n gp r o t e c t i o n t h es t u d yo fs u r f a c es o i lr e s i s t i v i t yd i s 伍b u f i o na n di t si n f l u e n c i n gf a c t o r s 啪g i v em o r eu n d e r s t a n d i n go ft h el i g h t n i n gd i s c h a r g em e c h a n i s m , w h i c hc a np r o v i d em o r e s c i e n t i f i ce v i d e n c e sf o rl i g h t n i n gp r o t e c t i o n , e l e c t r i cp o w e ra n dc o m m u n i c a t i o n t h e 伍e l ds u r v e yo fs s o i lt e m p e r a t u r ea n ds o i lb u l kd e n s i t yh a sb ec a r r i e do u tu n d e rt h r e e t y p e so fl a n dc o v e ri n c l u d i n gt h el a w n , f o r e s t l a n da n df a r m l a n d m e a n t i m e ，t h es o i lp h ) 7 s i c a la n d c h e m i c a lp r o p e r t i e so fs o i ls a m p l e sh a v eb e e n 砌y z o di nt h el a b o r a t o r y t h el a wo fs ri n d i f f e r e n td i f f e r e n ts o i ll a y e r sw i t hd i f f e r e n tl a n dc o v e rh a v eb e e ne x p l o r e d t h ec h a r a c t e r i s t i c so f s o i lp h y s i c a l ，c h e m i c a la n de l e c t r o c h e m i c a lp r o p e r t i e st h e s es o i l sa n dt h e i ri n f l u e n c eo ns ro f d i f f e r e n tc o v e rs o i l sh a v eb e e nd i s c u s s e d n ed o m i n a n tf a c t o r so fs rh a v eb e e nd e t e r m i n e db y g r a yc o r r e l a t i o na n a l y s i sa n dm u l t i p l e s t e p w i s er e g r e s s i o na n a l y s i s 1 f 1 他m o d e l so fp a r t i a l l e a s t - s q u a r e sr e g r e s s i o na n db pn e u r a ln e t w o r kh a v eb e e ne s t a b l i s h e dt oe s t i m a t es rw i t h d i f f e r e n tl a n dc o v e r t h em a j o rc o n c l u s i o n sa r ea sf o l l o w s ： t h es ri nl a y e ro f0 - 2 0 锄w i n ld i f f e r e n tl a n dc o v e rt y p e si ss i g n i f i c a n t l yd i f f e r e n tw i t ht h e o r d e ro fg r a s s l a n d f o r e s tl a n d f a r m l a n d a n dt h es ri n10 - 2 0 锄s o i li sh i g h e rt h a nt h a ti n 0 - 1 0c n l t h er e c i p r o c a lm o d e lp o s s e s st h eh i g h e s tp r e c i s i o nf o rt h em o d e lo fs o i lp h y s i c a l c h e m i c a l p r o p e r t i e sv s s r t h el o g a r i t h mm o d e l i st h eh i g h e s tf o rt h a to ft h es o i le l e c t r o c h e m i c a l p e r f o r m a n c ey s s r i ti ss i g n i f i c a n tc o r r e l a t e dw i t hs o i lo r g a n i cm a t t e r , t o t a ln i t r o g e na n d b i c a r b o n a t ei o n s 口 s o i ls o l u b l es a l tc o n t e n t c e c n r m g e + c a 2 + k + p h s o l 。 s o i lb u l kd e n s i t y s o i lo r g a n i cm a t t e r h c o ； c l 。 t o t a ls o i l n i t r o g e n t o t a li r o n t h ed o m i n a n tf a c t o r si ns o i la f f e c t m gs ra r es o i lm o i s t u r e , s o i lt e m p e r a t u r e ， s o l u b l es a l tc o n t e n ta n dc e cf o rl a w n , t l l e ya f ew a l e rc o n t e n ti ns o i l ，s o i lt e m p e r a t u r e ，c e ca n d p hf o rf o r e s t l a n d ；t h e ya r es o i lm o i s t u r e ，s o i lb u l kd e n s i t y , c a 2 + a n dn a 十f o rf a r m l a n d ；t h e ya r e s o i lm o i s t u r e , s o i lt e m p e r a t u r e ，c e c ，n a + a n ds o i ls o l u b l es a l tc o n t e n l ，n 坞a c c u r a c yo fs r e s t i m a t i o nb yb pn e u r a ln e t w o r kt e c h n i q u ea n dp a r t i a ll e a s t - s q u a r er e g r e s s i o nm o d e la l li sh i 啦 t h ec o r r e l a t i o nc o e f f i c i e n ta n da v e r a g er e l a t i v e 锄rc h e c k e db yt h em e a s u r e dv a l u e si s0 9 5 3 ， m r e s p e c t i v e l y , a n dt h ec o r r e l a t i o nc o e f f i c i e n to f0 9 9 2 ，0 9 7 4a n d0 9 7 9 ，r e s p e c t i v e l y t h e r e f o r e ， 恤b pn e u r a ln e t w o r kt e c h n i q u eh a st h em o s tp o t e n t i a lt op r e c i s e l ye s t i m a t es rw i t hh i g h a c c u r a c ya n dl o w 咖r k e yw o r d s ：s o i lr e s i s t i v i t y ：l a n dc o v e rt y p l 络gg r e yc o r r e l a t i o n ：s t e p w i s em u l t i p l el i n e a r r e g r e s s i o n ；p a r t i a ll e a s ts q u a r er e g r e s s i o n ：b pn e u r a ln e t w o r k i v 第一章绪论 i 1 研究背景与意义 第一章绪论 雷电是发生在大气层中的激烈天气现象，它不仅威胁着人类的生命安全，常对建筑、 电力、电子设备通信和航空、航天等诸多部门造成严重破坏。国内外近3 0 年来的自然灾害 统计表明，雷电给人类生活和生产活动造成的损失已经远远超过了水灾、火灾，成为一种 最严重的自然灾害u 1 。然而，迄今为止，人们还无法有效地阻止雷电的发生，力所能及的 工作是：( i ) 观测雷电现象，认识雷电发生发展过程，分析雷电的成因，预报雷电的发生； ( 2 ) 开展雷电防护，限制雷击所造成的破坏作用，将雷击的危害减小到最小程度。雷电所 造成的破坏和影响与地面状态息息相关。土壤电阻率的分布状况，不仅可以促使雷电的发 生，而且影响着放电的区域。在地面土壤电阻率小的地方，雷击的概率就大。吕晓东( 1 9 9 9 ) 、 李志江( 2 0 0 1 ) 降3 1 等人指出土壤电阻率的确定对雷电流尽快地散逸大地，达到足够小的接 地电阻、以及地下部分的合理布局都起到一定的作用。土壤电阻率沿地层深度的变化规律 也是选择接地装置类型和大小的主要根据h 1 。因此，在防雷工程设计和施工前，必须了解 接地装置设置处土壤电阻率的有关情况。 随着精细农作研究的兴起，土壤电阻率越来越引起国内外广大土壤学家、农业学家的 关注。土壤电阻率是土壤电化学性质，而土壤电化学性质是反映土壤肥力的基础指标，土 壤的保肥供肥特性、结构特性、水动力特性都与土壤胶体的电化学特性有着密切的关系。 土壤物理学的研究结果表明土壤电阻率本身包含了反映土壤品质与物理性质的丰富信息 m 1 。例如，土壤的质地结构、容重、土壤中的水分、盐分、有机质含量、阳离子交换含量 等都不同程度地影响着土壤电阻率的改变。即使对于非盐渍化土壤，电阻率所反映的导电 离子总量作为土壤肥力的一个综合性参考指标，仍是可行的幛1 。因此，有效的获取土壤电 阻率，对于确定各种田间参数时空分布的差异具有重大意义，从而也为现代精细农业的普 及推广打下坚实的基础。 此外，随着经济社会发展，土壤电阻率在电力、通讯的接地工程、地下金属设施的防 腐工程、交通、石油化工、矿藏的探测以及地球物理测量等方面应用发挥着越来越重要的 作用。由于土壤电阻率是土壤多种性质的综合表征盯1 。因此深入研究土壤理化因子对电阻 率的影响作用，确定影响土壤电阻率的主要因子，对于有效地改善土壤电阻率具有重要的 意义。 前能 长的正立方体土壤任意两个相对面之间的电阻值。一般取1 m 3 的正方体土壤电阻值为该土壤 电阻率p ，单位为q m 1 劓。 国内外对土壤电阻率的研究最早始于上世纪初。s u n d b e r g ( 1 9 1 2 ) 最早将研究地下物 质的电阻率用于地质的电法勘探中，通过观测与研究人工建立的地下电流场的分布规律来 达到区分地下物质的种类和分布情况的目的。他把饱和岩土壤的电阻率和孔隙水的电阻率 的比值定义为电阻率结构因子，初步建立了它和土壤孔隙率之间的假设关系n 舶。阿尔奇 ( 1 9 4 2 ) 提出一个由地层电阻率因数、孔隙度、含水饱和度模拟地层电阻率的经验关系式， 被称为a r c h i e 第一定律。a r c h i e 第一定律适用于无粘性、饱和岩土壤的情况。k e l l e 和 f r i s c h k n e c h t ( 1 9 6 6 ) ，p a r k h o m e n k o ( 1 9 6 7 ) ，a r u l a n a n d a na n dn u r a l e e t h a r a n ( 1 9 8 8 ) 则进一步研究指出土壤的电阻率与土壤基本的物理力学参数密切相关，如孔隙形状、孔隙 率、孔隙结构、饱和度、孔隙液电阻率、固体颗粒成分、颗粒形状、以及胶结状态等n 劓。 同时，很多学者都对土壤的电阻率结构因子进行了试验研究，得到了土壤电阻率结构因子 的理论表达式以及与各种因素之间的关系式，包括w y l l i e 和g r e g o r y ( 1 9 5 3 ) ，j a c k s o n ， k u t t e r ( 1 9 7 8 ) a r u l a n a n d a n 和k u t t e r ( 1 9 7 8 ) ，a r u l m o l i ( 1 9 8 0 、1 9 8 2 ) 等，试验结果 表明结构因子f 与土壤颗粒的形状、长轴方位、接触排列、孔隙率、胶结状况、饱和度等 因素有关n 1 射。由于a r c h i e 第一定律只是在纯净、饱和的砂土、温度为2 5 、孔隙水溶液 为饱和的n a c l 电解质溶液的基础之上提出来的，对于粘性土或者其它类型的土壤以及孔隙 水不是n a c l 电解质溶液则不适用n 引。f u k u e ( 1 9 9 9 ) 则第一次提出粘土电阻率结构模型， 他指出粘土的电阻率结构模型由土壤三相介质一液相、固相、气相组成。由于气相和固相 相对绝缘，因此土壤电阻率主要与土壤三相中的液相相关“7 1 。对于非饱和土壤，r h o a d e s 2 墨二雯笙丝 和f r o h l i c h ( 1 9 8 9 ) 最早进行了研究，并提出了一个非饱和土壤电阻率模型，但此模型没 有考虑土壤孔隙率对电阻率的影响n 们。p a b i t r an s e n e t a l ( 1 9 9 7 ) 、刘国华( 2 0 0 4 ) 则 在a r c h i e 经典公式基础之上建立了非饱和土壤电阻率结构模型n 射。 长期以来，国内外学者主要应用土壤电阻率反映土壤的含水量、孔隙率、含盐量等特 性n 钔。s a m o u e l i a n 等( 1 9 9 3 ) 阐述了电阻率在土壤科学中的应用，指出土壤电阻率是土壤 理化因子的函数，这些因子包括土壤颗粒的大小、土壤矿物质、土壤孔隙大小、土壤水分 和土壤溶质的含量、土壤温度等嘲。d e l a n e y ，p e a p p l e s 和a r c o n e ( 2 0 0 1 ) 对石油污染土和冻 土的电阻率特性进行了研究，得出了砾石、粉土和粘土的电阻率随温度的变化趋势，电阻 率随着含冰量的增加而增加，研究了冻土、非冻土和油污染土电阻率随深度的变化以及电 阻率与油的含量之间的变化关系。国内东南大学岩土工程研究所于小军博士对电阻率结构 模型进行了探索性的研究，分别建立了地区性膨胀土、水泥土、海相软土的电阻率结构模 型，将其应用于这些土样的结构性研究中。刘国华、王振宇昭采用改进的m i l l e rs o i lb o x 进行土样的室内电阻率试验，根据4 因素3 水平正交试验得出影响土的电阻率变化的主次因 素顺序是：含水率、孔隙水的导电性、饱和度、土的种类，并建立一个基于推广阿尔奇公式 的黏土电阻率模型。孙宇瑞( 2 0 0 0 ) 1 以壤土作为研究对象，对土壤含水量、土壤盐分与 土壤电导率之间的相互关系进行了试验研究，结果表明，土壤盐分对土壤电导率的影响较 土壤含水量大得多。章钢娅等( 2 0 0 6 ) 脚1 通过对塔里木地区土壤电阻率的测定，分析了土 壤含水量、砾石含量和密实度对砂土电阻率的影响作用。曹晓斌等( 2 0 0 7 ) 啪1 引入渗流物 理学中的多孔介质模型，根据土壤的结构特点，对土壤导电机理进行了解释，并通过实验 定性地研究了温度与土壤电阻率的关系，指出土壤孔隙水对土壤电阻率具有重要的影响。 k u m a r is u d h a ，m i s r a i l ( 2 0 0 8 ) 滔1 将土壤电阻率二维成像( e r t ) 与标准贯入试验、动态锥 渗透测试( d c p t ) 相结合，应用于热发电厂的岩土考察中。结果表明：电阻率的变化与土壤 基质、粒度分布相关、胶结性、孔隙度和饱和度相关。刘春泉等( 2 0 0 8 ) 研究表明在宁 夏地区，气温和土壤湿度是影响土壤电阻率的两个最主要的因素。特别是在西部干旱地区， 主要是平均气温影响土壤电阻率，而在不同土质条件下，气温和土壤湿度对土壤电阻率的 影响程度也不同。 国内外的研究表明土壤的各个理化因子与土壤电阻率之间有着密切的关系。包括土壤 的结构( 如黑土、粘土、沙土、沙砾和岩石等) 、土壤的紧密程度、湿度、温度以及土壤中 含有可溶性的电解质( 如酸、碱、盐等) 有关。这些参数在不同程度上、不同方式地影响着 土壤电阻率的大小。因此土壤电阻率p 可表示为踟 p = f ( x ，y ，z ，) ( 1 ) 3 土壤电阻率主要反映土壤的盐分状况，其大小基本上随土壤溶液主要盐分离子总量的 变化而变化，是反映土壤盐分含量状况的重要指标，是测定土壤含盐状况的首选方法睁7 。， 主要为盐碱土的利用改良提供科学的依据。一般而言，在一定条件下，含盐量越大，土壤 的电导率就越大，土壤电阻率越低，电阻率与含盐盐量呈极显著负相关阳卜捌。欧美国家一 般直接用土壤饱和泥浆浸提液电导率来表示土壤含盐水平，早在1 9 1 5 年美国科学家 f w e n n e r 提出了测量地阻的装置，1 9 7 1 年美国科学家j r h o a d e 等证明了四电极法测土壤 电导率在土壤盐分研究中的适用性，他们在野外直接测定土壤电导率，近年又用电磁感应 仪测定土壤电导率。用仪器测定电导率具有快速、准确的特点，近十年来我国已经广泛的 4 第一章绪论 运用盐分传感器、交流或直流四电极法定位测定土壤电导率。电导法测定土壤水溶性盐的 总量比较简单方便、快速，也适用于田间原状土壤盐分浓度动态的定位监测附3 。张晓琴 等啪1 采用电导法测定了甘肃临泽小泉子地区土壤含盐量的大小，结果表明：采用水土比5 ： l ，振荡时间为3 分钟的方法测定出来的土壤电导率表征的土壤全盐量含量能得到最佳效 果。丁建丽等( 2 0 0 8 ) 1 研究了渭一库绿洲盐渍化土壤特征( 含盐量和电导率) 的空间变 异性。结果表明：表层土壤电导率和含盐量具有较强的空间相关性。 ( 5 ) 土壤离子类型、浓度 过去的5 0 年里，不少学者研究了离子类型与浓度对土壤的电学性能的影响。土壤电阻 率与其土壤溶液中所含的离子总的数量、各种离子的比例有关。结果表明，土壤电阻率与 孔隙液中离子的类型与浓度具有相关性。s h e aa n dl u t h i n ( 1 9 6 1 ) 发现土壤含水量从饱和 到水势为- 3 0 0 0 p a 的电阻率与含盐量之间的近似线性关系。因此，土壤盐分浓度的预测同 样可以采取与电阻率的关系来探究汹1 。k a l i n s k ia n dk e l l y ( 1 9 9 3 ) 啪1 发现，溶液中不同 的离子( 1 i + 、o 町、s o ：。、n a + 、c l 一、) 由于流动性的不同，不会采用同种方式影响土壤 电阻率。这就解释了为何相同浓度的土壤溶液具有不同导电性的原因。n o w r o o z ie ta 1 ， ( 1 9 9 9 ) ；a c w o r t h ，( 1 9 9 9 ) ；y a r a m a n c i 等利用饱和淡水和饱和盐水电阻率的巨大差异研 究了沿海地区海水入侵的效应n 刀。a r u l a n a n d a n 和s m i t h ( 1 9 7 3 ) 评价了电解液类型( n a + ， l i + ) 与数量( 如n a + ) 对于土壤的电流扩散特征的影响。土壤中离子含量的多少决定了其 电阻率的大小。离子含量的增大将导致整个土壤电阻率的下降：绝缘性的物质进入孔隙水 中则会导致土壤电阻率的升高。 ( ) 土壤温度 土壤温度对土壤电阻率的影响也较大。由于离子的激发性随着温度升高而增强，因此， 土壤电阻率随温度的升高而下降。通常情况下土壤温度每升高1 ，土壤电阻率将提高约2 ；在o 时土壤由于水份冻结而使电阻率迅速增加，因此，一般都将接地极放在冰冻层 以下，以避免产生很高的流散电阻，通常最少埋深为o 5m ( 北方地区应为当地冻土层以下 为宜) 。温度自o 继续上升时，由于溶解盐的作用，电阻率逐渐减小；温度达到1 0 0 时， 由于土壤中的水分蒸发，电阻率又增高。土壤电阻率这些特性在接地装置设计中有着重要 的实际应用意义肾饕1 。在一年之中，同一地方，由于气温和天气的变化，受一定的气象因 素影响，土壤中含水量和温度都不相同，因此土壤电阻率也不断的变化，其中以表土最为 显著矧。 在土壤学研究中，一年中土壤温度的变化一般基于两种时间尺度：日变化和年变化。 5 研究内容： ( 1 ) o - l o c m 、1 0 - 2 0 c m 土壤电阻率分布特征： ( 2 ) 不同覆盖类型下土壤物理、化学、电化学性质分布特征； ( 3 ) 分析土壤电阻率变化的影响因素，找出不同覆盖类型下影响土壤电阻率的主导因 子： ( 4 ) 对不同覆盖类型土壤电阻率进行估算研究。 6 第一章绪论 技术路线： 根据已经确定的研究内容，收集研究区域土壤普查资料及各种图件，实地采集土壤样 品及调查种植制度、耕作方式等相关资料，室内分析土壤样品，对实验结果进行分析评价， 得出不同覆盖类型下土壤电阻率的空间变化规律，分析土壤电阻率变化的影响因素，找出 影响土壤电阻率变化的主导因子，从而对土壤电阻率进行模拟估算。具体流程图见图1 。 7 南京信息工程大学硕士学位论文 8 第二章土壤数据获取及分析方法 2 1 研究区概况 第二章土壤数据获取及分析方法 本实验选择气象行业专项大气电场仪安装区域开展土壤电阻率观测试验，同时对仪征 地区、南京信息工程大学附近的草地、林地、农田三种覆盖类型进行加密观测。大气电场 仪安装区域主要为我国东南沿海、长江下游地区的南京、六合、镇江、扬中、扬州、江都、 仪征、常州等1 6 个市( 县) 2 4 个气象局。研究区主要由长江携带的丰富泥沙经历百余万年 持续堆积演变，呈现今的广袤平原。土地面积约为1 1 0 0 0 平方公里，区内气候温和，雨量充 沛，地势平坦，江、河、湖、荡密布，社会经济和自然条件优越，农业土壤主要为水耕人 为土，多稻一麦轮作h 州1 。 2 2 野外土壤样品采集 在大气电场仪安装地区，土壤点位数据采用g p s 定位技术定位，共采集耕层土壤0 l o c m 、1 0 - - 一2 0 c m 土样各4 0 个，每个取样点的土壤样品由多个点混合经四分法提取而成， 所采土壤样品为林地、草地、农田( 水稻田) 。采样时间为2 0 1 0 年7 月。仪征地区，分 别在草地、林地及农田( 水稻田) 三种不同地表覆盖类型上进行，每种类型的样点间距设 置为8 公里，共计3 0 个点分布在整个仪征市范围内。采集表层土壤0 l o c m 、1 0 2 0 c m 土 样各3 0 个，采样时间为2 0 1 0 年7 月。南京信息工程大学附近采集表层土壤0 l o c m 、1 0 2 0 c m 土样各2 2 个，采样时间为2 0 1 0 年2 月至2 0 1 0 年6 月。图2 - 1 ，图2 - 2 分别为大气电场 仪安装区域，仪征地区采样点分布图。 9 用。 从野外取回的土样，经登记编号后，进行风干、研细、过筛、装瓶，以备各项测定之 1 0 第二章土壤数据获取及分析方法 风干：将采回的土样，放在木盘中，摊成薄薄的一层，置于实验室内通风阴干。在土 样半干时，将大土块捏碎，以免完全干后结成硬块，难以磨细。风干场所保持干燥通风， 并防止酸蒸气、氨气和灰尘的污染。将样品风干后，拣去动植物残体如根、茎、叶、虫体 等和石块。将含石子过多的土样拣出的石子称重，记下所占的百分比。 粉碎过筛：风干后的土样，倒入玻璃底的木盘上，用玻璃棒研细，使之全部通过1 衄 或0 5 衄孔径的筛子，作为化学分析之用。 保存：样品用磨口塞的广口瓶保存，以备必要时查核之用。本实验在样品瓶上的标签 上注明样号、采样地点、土类名称、试验区号、深度、采样日期、筛孔等项目耱删。 土样含水量和容重由南京信息工程大学遥感应用实验室测定，其它土壤物理、化学及 电化学性质分析由中科院江西红壤生态试验站完成。 表2 - i 土壤样品分析测定m 1 2 5 数据处理与分析方法概述 本文应用统计分析软件s p s s l 9 0 对收集到的所有土壤参数进行了极大值、极小值、平 均值、标准差、变异程度等常规项目的统计总结，采用d p s 7 0 5 软件包进行简单相关分析， 灰色关联度分析，利用s i m c a - p 1 2 软件进行土壤电阻率偏最, j 、- - 乘回归模型建立，通过 m a t l a b 编程引入b p 神经网络法对土壤电阻率大小进行估算。 南京信息t 程大学硕士学位论文 表2 - 2 土壤样品测定结果 指标平均值 容重( g c m 3 ) 1 2 4 物理性质土壤含水量( ) 2 3 9 3 土壤温度( ) 2 5 3 有机质( g k g ) 1 3 0 2 化学性质全氮(gkg)093 全铁( = g k g ) 2 8 7 7 阳离子交换量( c m o l k g ) 1 3 6 3 p h 6 8 6 可溶盐总量( g k g ) 0 1 8 0 6 钠(gkg)00158 电化学性质 詈 乡意； ：罂鬈 镁(gkg)00070 碳酸氢根( g k s ) 0 0 5 7 4 硫酸根( g k g ) 0 0 3 5 9 氯离子( g k g ) 0 0 1 8 1 2 4 1 灰色关联度分析 灰色关联是指事物之间的不确定关联，或系统因子之间、因子对主行为之间的不确定 关联。灰色关联度分析就是通过对各因素变化特性的数据序列进行几何比较，从而度量因 素之间关联程度，找出影响最大因素的方法帅1 。灰色关联分析步骤如下：原始数据变 换；计算关联系数；求关联度；排关联序； 设有m 个时间序列 t z z l l dz z 2 蠢2 z 薪 册z z 即 k ：o ) ( f ) j ，坎) ( f ) j ，k 乳) ，t = 1 ，2 ，n ( 2 - 2 ) 式2 - 2 中，n 为各序列的长度即数据个数，这m 个序列代表m 个因素( 变量) 。另设时间 序列 k o ) ，t = l 。2 ，n 1 2 第二章土壤数据获取及分析方法 该时间序列称为母序列，而上述m 个时间序列称为子序列。关联度是两个序列关联性大小 的度量。根据这一观点，可给关联度一个简化模型，其计算方法与步骤具体如下： ( 1 ) 原始数据变换 由于系统中各因素的量纲( 或单位) 不一定相同，这样的数据很难直接进行比较，而 它们的几何曲线比列也不同。因此，对原始数据需要消除量纲( 或单位) ，转换为比较的数 据数列。目前，原始数据的变换主要有均值化变换、初值化变换、标准化变换方法三种方 法。 ( 2 ) 计算关联系数 经数据变换的母数列记为。( f ) j ，子数列记为惋( f ) ，则在时刻t = k 时目序列汲。o ) j 与子序列o ) 的关联系数c 可由下列计算： 厶。( 七)= 丛! 丛( 2 - 3 ) 厶( 七) + p a 一 式2 3 中，甜似) 表示k 时刻两比较序列的绝对差，即氏( | ) = ix o ( k ) 。函( 七) i ( 1 i m ) ； a 和a 分别表示所有比较序列各个时刻绝对差中的极大值与极小值。因为比较序列相 j - - _ 交，故一般取= 0 ：p 称为分辨系数，其意义是削弱最大绝对差数值太大引起的失真， 提高关联系数之间的差异显著性，p ( o ，1 ) ，一般情况下取o 1 旬5 。 关联系数反映两个被比较序列在某一时刻的紧密程度。如在a时刻，l - 1 ；而在a ti-医 时刻则相关系数为极小值。因此，关联系数的范围为o - ( y i 号) 其中y t 为实际值， 夕为预测值； 假设回归模型到目前为止已经入选了x - ，】【2 ，x h 个自变量，对于第i 个自变量孙- 来说， f ：兰璺呈! 兰! ：兰丝：兰生! ：兰! ! ：兰兰呈! 兰! ：兰! ! 咖眦 s s e ( x l - - x h ) n - h - 1 ( 2 - 6 ) 多元逐步回归方法建模步骤如下： 计算每个自变量的f 柏。，值，并选定f m 值，将大于珏的自变量中所具有最大艮。，值 得自变量选入回归模型； 再计算所剩的自变量的f 帕。，值，将大于如腿的自变量中所具有的最大f 柏m 值的自变量 选入回归模型； 对入选回归模型的每个自变量计算f r 一。，值，并选定h 嘲晚值，将小于f 髓唧值的白变量 中所具有最小f 。值的自变量剔除； 重复步骤，直到回归模型中每个自变量的f 。产值都大于f 阻啪，然后进行下一步的 选入： 1 4 第二章土壤数据获取及分析方法 重复步骤，直到所有自变量全部选择完毕。 回归方程精度评价主要通过判定系数酽和均方根误差r i s e 来验证。铲计算公式为： 1 1 2 ：卜婴( 2 - 7 ) s s y 式2 - 7 中，s s e 为y 的预测误差平方和，s s y 为y 的离差平方和。 r 螂e 的计算公式为： r 脚= 式2 - 8 中，y i 为实际值，夕为预测值，n 为样本量 2 4 - 3 偏最小二乘回归法 ( 2 - 8 ) 偏最小二乘方法是一种新型的多元统计数据分析方法。偏最小二乘回归方法与普通最 、- - 乘回归方法在思路上的主要区别是它在回归建模过程中采用了信息综合与筛选技术。 它不再直接考虑因变量和自变量集合的回归建模，而是在变量系统中提取若干对系统具有 最佳解释能力的新综合变量( 即成分提取) ，然后利用它们进行回归建模。偏最小二乘回归 将多元线性回归分析、变量的主成分分析和变量间的典型相关分析有机的结合起来，在一 个算法下，同时实现了回归建模、数据结构简化和两组变量间的相关分析，给多元数据分 析带来了极大的便利。偏最小二乘回归方法在处理样本容量小、自变量多、变量间存在严 重多重相关性问题方面具有独特的优势哺1 。 单因变量偏最小二乘回归方法的思路如下：设已知因变量y 和k 个自变量x - ，x ：， 硒样本数为n ，构成数据表x ： x - ，】【2 ，x k m 和y ：e y 删。在x 中提取成分t - ，t - 是 x - ，x 。，x - 的线性组合，要求t t 尽可能大地携带x 矩阵中的变异信息，且与y 的相关程度 最大。这样，t ，既能很好的代表x 的信息，同时对y 又具有最强的解释能力。提取第一个 主成分t 。后，实施y 对t 。的回归，如果此时回归方程已经达到满意的精度，则算法停止； 否则，将利用x 被t 。解释后的残余信息以及y 被t - 解释后的残余信息再进行回归分析。如 此反复，直到能达到一个较满意的精度为止。 2 4 4b p 神经网络法 ( 1 ) 人工神经网络概述 神经网络又称人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) ，是一个具有高度非 1 5 所组成的 功能的基 拟人工智 输入，并 现了从输 ，每个神 各个神经 行运算的 统所能实 功能，神 起反映了 出存储信 习得到。 断变化， 从而提高 和预测有 反馈神经 、确定型 络；按照 型。常见 、径向基 函数神经网络、自组织竞争神经网络、回归神经网络等嘲。不同类型的人工神经网络模型， 其拓扑结构、传递函数和学习规则是有一定区别的。 ( 2 ) 即神经网络的原理 b p ( b a c kp r o p a g a t i o n ) 神经网络，即误差反传误差反向传播算法的学习过程，由信 1 6 笙三皇圭堡墼塑鏊壑垦坌堑查鲨 息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入 信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变 化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各 神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输 出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输 出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息 正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过 程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数 为止伽1 。 图2 3b p 神经网络模型 ( 3 ) b p 神经网络模式的传播过程 设输入的样本向量为x k = ( x i ，x 2 ，x n ) ，k = 1 ，2 ，m ，这里r t 为训练的样本数， n 为输入层的神经元数，与输入样本相对应的希望输出向量为y k = ( y l ，y 2 ，y q ) ，q 为输出层的神经元数旧1 ，则 隐含层节点的输入为 墨