农用地质量因素与过程研究进展

1、农用地质量因素与过程研究进展农用地质量因素与过程研究进展 2013年春季学术报告会年春季学术报告会 创新良田工程科技创新良田工程科技 重构资源环境基础重构资源环境基础 电话：电话O）；）M） Email: YFHUANGCAU.EDU.CN 黄黄 元元 仿仿 提提 纲纲 一、研究方向与内容一、研究方向与内容 二、近期研究重点与远期规划二、近期研究重点与远期规划 三、部分研究进展三、部分研究进展 一、研究方向与内容一、研究方向与内容 通过开展农用地质量形成通过开展农用地质量形成 过程、演变规律及其驱动过程、演变规律及其驱动 因素的应用基础研究

2、，为因素的应用基础研究，为 建立农用地质量全面、高建立农用地质量全面、高 效、持续提升的长效机制，效、持续提升的长效机制， 提供关键理论支撑。提供关键理论支撑。 农用地质量农用地质量 因素与过程因素与过程 农用地多功能农用地多功能 诊断与评价诊断与评价 农用地质量与产能调控农用地质量与产能调控 农用地质量调查与监测农用地质量调查与监测 基本农田质量保护与管理基本农田质量保护与管理 一、研究方向与内容一、研究方向与内容 研究农用地质量关键要素的物理、化学和研究农用地质量关键要素的物理、化学和 生物过程的相互作用和耦合机制，揭示农生物过程的相互作用和耦合机制，揭示农 用地质量形成过程，实现过程定量

3、化；用地质量形成过程，实现过程定量化； 建立农用地质量要素的数学模型和评价方建立农用地质量要素的数学模型和评价方 法，分析农用地质量及其关键要素的时间法，分析农用地质量及其关键要素的时间 变化趋势和空间分布规律；变化趋势和空间分布规律； 研究农用地质量因素、指标和等级变化的研究农用地质量因素、指标和等级变化的 多尺度转换方法和模型；多尺度转换方法和模型； 研究农用地质量演变的驱动因素，揭示农研究农用地质量演变的驱动因素，揭示农 用地质量的演变趋势。用地质量的演变趋势。 二、近期研究重点与远期规划二、近期研究重点与远期规划 （一）近期研究重点（一）近期研究重点 以以耕地耕地及其及其生产力生产力为

4、重点，兼顾多功能，研究耕地质量因素为重点，兼顾多功能，研究耕地质量因素 （要素）。（要素）。 因素因素 地学因素地学因素 气候因素气候因素 工程（科技）因素工程（科技）因素 生态（健康）因素生态（健康）因素 耕地耕地 农用地功能功能 生产力生产力 多功能多功能 质量质量 认定管理认定管理 评价评价 模拟模拟 应用应用 提升技术提升技术 趋势分析趋势分析 时空变化规律与时空变化规律与 尺度转换研究尺度转换研究 二、近期研究重点与远期规划二、近期研究重点与远期规划 （一）近期研究重点（一）近期研究重点 关键关键地学地学要素的物理、化学和生物过程的相互作用要素的物理、化学和生物过程的相互作用及其及其

5、 与作物生产力与作物生产力耦合机制，实现过程定量化耦合机制，实现过程定量化。其中，重点。其中，重点 关注水及其驱动的水肥耦合过程与耕地生产力。关注水及其驱动的水肥耦合过程与耕地生产力。 关键要素的时间变化趋势关键要素的时间变化趋势与与空间分布规律空间分布规律，研究研究关键关键指指 标和等级变化的标和等级变化的空间空间尺度转换尺度转换。 研究耕地质量要素的综合方法，包括分等定级的研究耕地质量要素的综合方法，包括分等定级的评价方评价方 法法与农田生产力模型。与农田生产力模型。 选择耕地质量选择耕地质量关键要素关键要素，近期重点研究以下几方面：，近期重点研究以下几方面： 共性基础研究（共性基础研究（

6、1-3） 二、近期研究重点与远期规划二、近期研究重点与远期规划 （一）近期研究重点（一）近期研究重点 全球气候变化与土地流转新形式下的耕地全球气候变化与土地流转新形式下的耕地质量演变趋势质量演变趋势 （宏观）（宏观） 全球气候变化对耕地生产能力影响过程，全球气候变化全球气候变化对耕地生产能力影响过程，全球气候变化 对中国耕地质量综合影响评估。对中国耕地质量综合影响评估。 今年中央一号文件就提出加大土地流转力度，组建家庭今年中央一号文件就提出加大土地流转力度，组建家庭 农场、农民合作社，把土地集中起来，两会多有关注（农场、农民合作社，把土地集中起来，两会多有关注（ 谢德体、秦博勇、黄志明等等）。

7、规模化、集约化、现谢德体、秦博勇、黄志明等等）。规模化、集约化、现 代化等新形式下的耕地质量演变？代化等新形式下的耕地质量演变？ 应用基础研究（应用基础研究（4-6） 二、近期研究重点与远期规划二、近期研究重点与远期规划 （一）近期研究重点（一）近期研究重点 中低等耕地质量形成过程与关键技术中低等耕地质量形成过程与关键技术 低等别耕地的障碍因素与质量提升技术，特别是新开垦（低等别耕地的障碍因素与质量提升技术，特别是新开垦（ 含复垦）耕地的质量控制与快速提升技术。含复垦）耕地的质量控制与快速提升技术。 中低等别（产）田占比近中低等别（产）田占比近70% ，是我国生产力的潜力所，是我国生产力的潜力

8、所 在。两会多有关注（谢德体、秦博勇等）。在。两会多有关注（谢德体、秦博勇等）。 高标准基本农田创建中的质量控制。高标准基本农田创建中的质量控制。 应用基础研究（应用基础研究（4-6） （摘自胡存智，2012） 二、近期研究重点与远期规划二、近期研究重点与远期规划 （一）近期研究重点（一）近期研究重点 高等别耕地的高产高效与质量定向培育关键技术高等别耕地的高产高效与质量定向培育关键技术 作物高产高效的耕地质量（如土壤条件）是什么？作物高产高效的耕地质量（如土壤条件）是什么？ 如何定向培育耕地质量（如土壤结构与过程），为高产如何定向培育耕地质量（如土壤结构与过程），为高产 高效创造土壤条件。高效

9、创造土壤条件。 高标准基本农田创建中的质量控制。高标准基本农田创建中的质量控制。 应用基础研究（应用基础研究（4-6） 二、近期研究重点与远期规划二、近期研究重点与远期规划 （二）中远期研究规划（二）中远期研究规划 从耕地扩展到农用地。从耕地扩展到农用地。 全面体现农用地多功能的质量要素与过程。全面体现农用地多功能的质量要素与过程。建设高标准基 本农田，不能唯产能提升论，要把握农用地（耕地）质量 的全面内涵，特别是耕地健康。 实现农用地多功能的关键技术与集成。实现农用地多功能的关键技术与集成。把农用地视为完整 的生态系统，维护农田生态系统循环过程及其与周边环境 的联系，协调人地关系，实现生态文

10、明。 三、部分研究进展三、部分研究进展 （一）土壤属性的时空分析（一）土壤属性的时空分析 （二）土壤（二）土壤-作物系统过程模型与应用作物系统过程模型与应用 （三）农田用水与水分生产力（李保国）（三）农田用水与水分生产力（李保国） （四）高产高效的土壤条件与过程（任图生）（四）高产高效的土壤条件与过程（任图生） 三、部分研究进展三、部分研究进展 （一）土壤属性的时空分析（一）土壤属性的时空分析 1、高程在土壤属性空间预测中的应用、高程在土壤属性空间预测中的应用 2、不同外部趋势变量（组合）与有机质空间预测、不同外部趋势变量（组合）与有机质空间预测 3、土壤质地空间预测方法的比较、土壤质地空间预

11、测方法的比较 4、土壤质地的空间三维模拟土壤质地的空间三维模拟 5、 空间分析的尺度效应空间分析的尺度效应 6、 土壤属性的时间演替土壤属性的时间演替 . 预测方法 近五年共发表论文约近五年共发表论文约30篇篇 （其中（其中SCI、EI收录收录20篇）篇） 研究区：北京市平谷区研究区：北京市平谷区 目标变量：土壤有机质（目标变量：土壤有机质（SOM） 土壤速效钾（土壤速效钾（K） 土壤有效磷（土壤有效磷（P） 土壤有效锰（土壤有效锰（Mn） 土壤有效铁（土壤有效铁（Fe） 土壤有效锌（土壤有效锌（Zn） 土壤土壤pH值值 样本点数：样本点数：887个训练点个训练点 222个验证点个验证点 辅助

12、变量：高程辅助变量：高程 预测方法：预测方法：OK法、法、RK法、法、CK法法 1、 高程在土壤属性空间预测中的应用高程在土壤属性空间预测中的应用 三、部分研究进展三、部分研究进展 p 结论结论 高程作为辅助变量，可以提高土壤属性的空间预测精度，高程作为辅助变量，可以提高土壤属性的空间预测精度， 但并不适合所有土壤属性。但并不适合所有土壤属性。 相关因素分析表明，能否利用高程来辅助提高土壤属性的相关因素分析表明，能否利用高程来辅助提高土壤属性的 空间预测精度与土壤属性的空间自相关度具有明显的相关空间预测精度与土壤属性的空间自相关度具有明显的相关 关系。关系。 CK法和法和RK法在预测能力上法在

13、预测能力上没有表现出明显的差别。没有表现出明显的差别。 三、部分研究进展三、部分研究进展 高程辅助变量在不确定性分析中的应用高程辅助变量在不确定性分析中的应用 探讨在随机模拟计算环境下，是否可以利用高程探讨在随机模拟计算环境下，是否可以利用高程 辅助变量来提高土壤属性空间预测的准确性、局辅助变量来提高土壤属性空间预测的准确性、局 部不确定性模拟的准确性和空间不确定模拟的准部不确定性模拟的准确性和空间不确定模拟的准 确性。确性。 局部不确定性局部不确定性：单一点上预测值大于或小于阈值的概：单一点上预测值大于或小于阈值的概 率。率。 空间不确定性空间不确定性：所有预测点上的预测值同时大于或小：所有

14、预测点上的预测值同时大于或小 于阈值的概率。于阈值的概率。 三、部分研究进展三、部分研究进展 研究样区：密云样区、平谷样区研究样区：密云样区、平谷样区 密云样区：密云样区：284个样本点个样本点 平谷样区：平谷样区：547个样本点个样本点 目标变量：土壤有机质目标变量：土壤有机质 辅助变量：高程辅助变量：高程 方法：序贯高斯模拟法（方法：序贯高斯模拟法（SGS） 序贯高斯协模拟法（序贯高斯协模拟法（SGCS） 密云样区（a）和平谷样区（b）高程图 研究区位置与采样点分布图 结论结论 通过序贯高斯协模拟方法利用高程辅助变量通过序贯高斯协模拟方法利用高程辅助变量： （1）可以提高土壤有机质预测结果

15、的准确性可以提高土壤有机质预测结果的准确性 （2）可以提高土壤有机质空间不确定模拟的准确性）可以提高土壤有机质空间不确定模拟的准确性 （3）没能提高土壤有机质局部不确定性模拟的准确）没能提高土壤有机质局部不确定性模拟的准确 性性 三、部分研究进展三、部分研究进展 2、 利用不同外部趋势变量（组合）利用不同外部趋势变量（组合） 预测土壤有机质空间分布预测土壤有机质空间分布 探讨通过高程、坡度和地形湿度指数等地形指标之间探讨通过高程、坡度和地形湿度指数等地形指标之间 的组合，是否可以进一步提高土壤有机质空间预测精的组合，是否可以进一步提高土壤有机质空间预测精 度。度。 比较回归克里格法（比较回归克

16、里格法（RK）和有限最大似然法为基础的）和有限最大似然法为基础的 线性无偏最优估计法（线性无偏最优估计法（BLUP-REML）在不同外部趋）在不同外部趋 势度情况下预测能力的表现。势度情况下预测能力的表现。 三、部分研究进展三、部分研究进展 研究区位置及采样点分布图研究区位置及采样点分布图 研究区：北京市平谷研究区：北京市平谷 区区 样本点数：样本点数：70个训练个训练 点，点，131个验证点个验证点 目标变量：土壤有机目标变量：土壤有机 质质 辅助变量：高程、坡辅助变量：高程、坡 度、地形湿度指数度、地形湿度指数 三、部分研究进展三、部分研究进展 结论结论 高程、坡度和地形湿度指数等地形指标

17、可以作为辅助变量高程、坡度和地形湿度指数等地形指标可以作为辅助变量 用来提高土壤有机质的空间预测精度，尤其是通过不同的用来提高土壤有机质的空间预测精度，尤其是通过不同的 地形指标之间的组合，能进一步提高预测精度。地形指标之间的组合，能进一步提高预测精度。 在样本点数比较小的情况下，在预测具有空间趋势的土壤在样本点数比较小的情况下，在预测具有空间趋势的土壤 属性方面，有限最大似然法为基础的线性无偏最优估计法属性方面，有限最大似然法为基础的线性无偏最优估计法 （BLUP-REML）是一种比较可靠的预测方法）是一种比较可靠的预测方法 。 三、部分研究进展三、部分研究进展 以地形因素和分类变量组合辅助

18、变量的土壤有机质空间预测以地形因素和分类变量组合辅助变量的土壤有机质空间预测 地理位置与样点分布图地理位置与样点分布图 坡长因子图坡长因子图土壤质地图土壤质地图 三、部分研究进展三、部分研究进展 地形因素地形因素 基本属性基本属性 复合属性复合属性 分类变量分类变量 土壤质地土壤质地 土地利用土地利用 土壤有机质土壤有机质 辅助变量组合辅助变量组合1 辅助变量组合辅助变量组合2 土壤有机质空间分布土壤有机质空间分布 空间格局的环境相关分析空间格局的环境相关分析基于环境相关分析的空间预测基于环境相关分析的空间预测 方差分方差分 析析 皮尔森皮尔森 相关分相关分 析析 多元线多元线 性逐步性逐步

19、回归回归 普通克普通克 里格法里格法 回归克回归克 里格法里格法 分类变量以及何种分类变量对土壤有机质空间预测精度的影响分类变量以及何种分类变量对土壤有机质空间预测精度的影响 三、部分研究进展三、部分研究进展 结论结论 u地形因素、土壤质地和母质类型等自然、内在性质决定着土壤地形因素、土壤质地和母质类型等自然、内在性质决定着土壤 有机质的空间分布有机质的空间分布。 母质类型 样本数 （个） 显著性检 验结果 （g kg-1） 长石岩类风化物12214.72bcd 冲积物468.59e 非碳酸盐3512.33d 钙质岩类风化物3314.47bcd 耕种型8416.25abc 硅质岩类风化物341

20、8.04a 洪积冲积物5614.32bcd 黄土性母质2112.32d 人工堆垫物2213.42dc 铁镁质岩类风化 物 1616.94ab 不同高程组有机质含量盒形图不同高程组有机质含量盒形图 不同母质类型各颗粒组成均值两两比较结果不同母质类型各颗粒组成均值两两比较结果 三、部分研究进展三、部分研究进展 高程组（高程组（m） 土壤有机质含量（土壤有机质含量（g kg-1） 不同不同 母质母质 类型类型 间土间土 壤有壤有 机质机质 含量含量 差异差异 显著显著 u将分类变量和地形因素等将分类变量和地形因素等 考虑到空间预测中考虑到空间预测中较大幅度较大幅度 地提高土壤有机质空间预测地提高土壤

21、有机质空间预测 精度。精度。 不同辅助变量组合下的实测、预测对比图不同辅助变量组合下的实测、预测对比图 三、部分研究进展三、部分研究进展 （样点编号）（样点编号） 不同预测方法的不同预测方法的均方根误差均方根误差相对提高值（相对提高值（RI） M2变量组合下的回归克里变量组合下的回归克里 格法格法RI值达值达37.48% 辅助变量组合辅助变量组合1(M1):高程高程 辅助变量组合辅助变量组合2(M2):高程、母质高程、母质 回归预测和普通克里格模型平滑效应，回归预测和普通克里格模型平滑效应，趋趋 中趋势中趋势，须对残差再进行预测以降低预测，须对残差再进行预测以降低预测 残差。在残差。在M2辅助

22、下的回归克里格法预测结辅助下的回归克里格法预测结 果与实测值最为接近。果与实测值最为接近。 研究区：北京市延庆县南部北京市延庆县南部 采样间隔：300m 300m 采样点：210个（训练点 186个，验证点24个） 插值方法： 基于基于对称对数比方法转换对称对数比方法转换的的 普通克里格法普通克里格法 基于非对称对数比方法转换基于非对称对数比方法转换 的普通克里格法的普通克里格法 成分克里格成分克里格法法 3、土壤质地空间预测方法的比较、土壤质地空间预测方法的比较 三、部分研究进展三、部分研究进展 结果结果表明表明 成分克里格方法预测精度最高，RMSE相对提高将近 17%。成分克里格是直接对土

23、壤质地进行插值，能保证其是 最优无偏估计。 非对称对数比转换的非对称对数比转换的 普通克里格普通克里格 基于成分数据特征和环境变量辅助的土壤质地空间插值基于成分数据特征和环境变量辅助的土壤质地空间插值 地理位置、样点和高程图地理位置、样点和高程图 土地利用与土壤图土地利用与土壤图 三、部分研究进展三、部分研究进展 土壤有机质土壤有机质 土壤类型土壤类型 土壤容重土壤容重 高程高程 土壤质地土壤质地 土土 壤壤 质质 地地 空空 间间 分分 布布 已考虑成分数据特征的方法已考虑成分数据特征的方法 方差分方差分 析析 成分克里格成分克里格 法（法（CK） 基于对称对基于对称对 数比转换的数比转换的

24、 普通克里格普通克里格 法（法（ O K - SLR） ） 基于对称基于对称 对数比转对数比转 换的回归换的回归 克里格法克里格法 (RK-SLR） ） 将成分数据特征和环境变量考虑到土壤质地空间插值中将成分数据特征和环境变量考虑到土壤质地空间插值中 最优辅最优辅 助变量助变量 组合组合 数据转换数据转换 三、部分研究进展三、部分研究进展 对称对数比转换对称对数比转换 （SLR） 结论结论 u综合考虑综合考虑均方根误差均方根误差（RMSE）、标准化克里格方差标准化克里格方差 （MSDR） 、RMSE相对提高值和相对提高值和Aitchisons distance (DA) ，成，成 分克里格（分

25、克里格（CK）预测精度最高。）预测精度最高。 RIRI相对提高值，以对称对数比转换的普通克里格法为参考方法相对提高值，以对称对数比转换的普通克里格法为参考方法 （成分克里格法）（成分克里格法） （基于对称对数比转（基于对称对数比转 换的回归克里格法）换的回归克里格法） （土壤颗粒）（土壤颗粒） 均方根误差提高值均方根误差提高值 三、部分研究进展三、部分研究进展 47% 13 % 46%46% 8% 6% 不同预测方法的不同预测方法的Aitchisons distance图图 t检验显示，成分克里格法与基于对称对数比转换的检验显示，成分克里格法与基于对称对数比转换的 回归克里格法与基于对称对数比

26、转换的普通克里格法回归克里格法与基于对称对数比转换的普通克里格法 DA存在显著差异，表明前两种方法明显优于后者。存在显著差异，表明前两种方法明显优于后者。 CK较为集中较为集中 三、部分研究进展三、部分研究进展 ( ) i z x （1）顺序指示模拟算法在土壤质地空间分布三维模顺序指示模拟算法在土壤质地空间分布三维模 拟中的应用拟中的应用 15 km2区域，139个土壤剖面，运用指示变异函 数和顺序指示模拟算法分析和模拟土壤质地的空间 分布。 4、土壤质地的空间分布三维模拟算法研究土壤质地的空间分布三维模拟算法研究 三、部分研究进展三、部分研究进展 三维顺序指示模拟实现三维顺序指示模拟实现 结

27、果表明，土壤质地在垂直方向上具有很强的空间自 相关性；而在水平方向上空间自相关性较弱，表明土壤质 地有可能在水平方向变异较大，或者本研究所采样的水平 采样间隔稍大。 顺序指示模拟算法在这种尺度下能够反映土壤质地层 次的空间变异。 三、部分研究进展三、部分研究进展 （2）顺序指示和转移概率指示模拟方法对小尺度土壤顺序指示和转移概率指示模拟方法对小尺度土壤 粘粒含量空间模拟的对比研究粘粒含量空间模拟的对比研究 以1 m3土体，运用激光粒径分析仪对粘粒含量进行了测定， 并将测定数据转化为指示数据。分别运用指示变异函数和转移概 率变异函数进行空间变异分析。 三、部分研究进展三、部分研究进展 顺序指示模

28、拟（SIS）方法低估了主变量，同时高估 了辅变量，而转移概率指示模拟（TPROGS）能将这两种 变量很好的再现。此外，与实测数据相比，在SIS结果中粘 粒含量分布的空间连贯性显著地减少，而在TPROGS中却 能很好的再现。因此，TPROGS更能够反映粘粒含量的三 维空间分布特征。 顺序指示模拟结果三维实现顺序指示模拟结果三维实现转移概率指示模拟结果三维实现转移概率指示模拟结果三维实现 三、部分研究进展三、部分研究进展 5、 空间分析的尺度效应空间分析的尺度效应 对比分析不同空间尺度对比分析不同空间尺度 下矩量法（下矩量法（MoM）和有）和有 限最大似然法（限最大似然法（REML） 在计算变异函

29、数准确性在计算变异函数准确性 方面的表现。方面的表现。 三、部分研究进展三、部分研究进展 空间尺度对变异函数的影响空间尺度对变异函数的影响 研究区位置：北京市大兴区研究区位置：北京市大兴区 尺度样区选择：尺度样区选择：40km、30km、20km、10km 目标变量：土壤有机质、土壤有效锰目标变量：土壤有机质、土壤有效锰 有限最大似然法在提高空间预测精度方面效果是否明显与有限最大似然法在提高空间预测精度方面效果是否明显与 研究区的空间尺度紧紧相关。研究区的空间尺度紧紧相关。 土壤有机质和土壤速效锰的分析结果表明，有限最大似然土壤有机质和土壤速效锰的分析结果表明，有限最大似然 法在法在20km和

30、和30km尺度具有比较好的表现尺度具有比较好的表现 。 三、部分研究进展三、部分研究进展 三、部分研究进展三、部分研究进展 6、 土壤属性的时间演替土壤属性的时间演替 -6.00 0.00 3.00 6.00 OM 2000-1980 0km5km10km15km20km (a) 1980(b) 2000(c) 2000-1980 0.00 6.00 10.00 20.00 30.00 0km5km10km15km20km OM 2000 0.00 6.00 10.00 20.00 30.00 0KM5KM10KM15KM20KM OM 1980 (a)1980(b)2000(c)2000-1

31、980 土壤有机质含量变化土壤有机质含量变化 平均增长平均增长46.81% (从从 8.78 到到 12.89g/kg ) 三、部分研究进展三、部分研究进展 大华山镇 峪口镇 靠山集乡 镇罗营乡 王辛庄乡 黄松峪乡 夏各庄镇 熊儿寨乡 东高村镇 南独乐河镇 马坊镇 韩庄地区 山东庄镇 平谷镇 刘家店乡 马昌营镇 大兴庄乡 海子水库 1980-2005年平谷区农用地有机质含量变化图 048km 单位：g/kg -14 - -8 -8 - -4 -4 - 0 0 - 2 2 - 5 5 - 7 7 - 10 1980-2008 土壤有机质含量下降？土壤有机质含量下降？ 过量施用化肥，综合影响，过量

32、施用化肥，综合影响， 综合因素！综合因素！ 土壤有机质也有质量问题土壤有机质也有质量问题 秸秆还田、绿肥作物！秸秆还田、绿肥作物！ 三、部分研究进展三、部分研究进展 （二）土壤（二）土壤-作物系统过程模型与应用作物系统过程模型与应用 土壤水分胁迫修正 氮素转化运移参数修正 土壤氮素胁迫修正 土壤水分模 拟子模块 土壤热运动参数修正 氮素转化运移参数修正 作物根系吸水 水氮优化管理措施 土壤温度模 拟子模块 作物生长发育 模拟子模块 土壤氮素模 拟子模块 作物根系吸水 不同的水氮管理措施 图图 5.1 联合模型总体关系图联合模型总体关系图 Fig 5.1 Framework of main model 联合模型总体关系图联合模型总体关系图 土壤水土壤水 分模拟分模拟 子模块子模块 土壤氮土壤氮 素模拟素模拟 子模块子模块 综合了胡克林、李保国、陈研等人的部分研究成果综合了胡克林、李