【《耕地土壤pH数字制图结果分析案例》2900字（论文）】

耕地土壤pH数字制图结果分析案例1耕地土壤pH趋势项结果在进行耕地表层土壤预测时，选择代表环境作用的连续变量如气候、地形、植被覆盖度作为辅助变量进行预测。使用RF法和SVM法时，将13个辅助变量全部纳入模型中，遍历得到最优模型参数，由于这两种方法只能预测点位置的pH值，难以直接实现耕地土壤pH制图。因此，可以采取建立与辅助因子相同分辨率大小的密集渔网，用构建好的模型预测新生成渔网中心点上的pH值，最终对这些pH预测点进行OK插值得到两种模型的栅格制图。使用GWR法时，由于其对因子的多重共线性很敏感，可结合逐步线性回归法和共线性冗余（VIF<7.5）筛选因子，1980年和2017年参与建模的辅助因子分别为PRE、DEM和PRE、RF，该模型与前两种模型的主要区别在于可以计算并独立生成各辅助变量的变化系数空间分布图，模型预测结果更能够捕捉耕地表层pH值的局部变化特征。表4-2研究区耕地表层土壤pH趋势项预测结果Table4-2PredictionresultsofthetrenditemofsurfacesoilpHofcultivatedlandinthestudyarea年份方法极小值极大值均值十折交叉验证建模集测试集MSEMAER方MSEMAER方1980RF5.387.906.790.700.670.290.710.670.29SVR5.368.106.850.680.640.370.670.690.36GWR4.818.666.80.620.630.330.630.670.332017RF4.628.356.490.400.480.570.420.480.57SVR4.827.976.460.540.560.530.580.590.53GWR4.168.496.480.440.480.620.450.470.62湖北省耕地表层pH值各预测模型结果如表4-2所示。1980年，三种模型预测范围中GWR结果与样点统计描述最接近，pH范围为4.81-8.66，平均值在6.79-6.85之间，根据十折交叉验证结果显示，SVM的预测精度最高，建模集和测试集的R方分别0.37、0.36，说明模型稳定性较高，其次为GWR法、RF法。2017年，同样是GWR模型预测范围最接近实测样点，范围是4.16-8.49，平均值保持在6.46-6.49，相比1980年，均值下降了约5%，根据十折交叉验证结果看，GWR模型精度相对较高，建模集和测试集的R方达0.62，其次是RF法、SVM法。图4-3为三种制图方法得到的1980年和2017年耕地表层土壤pH的空间分布趋势图。不同时期下，各模型预测的耕地表层pH空间分布变化较为相似，具有明显的块状分布特征。1980年结果显示，高值区主要位于湖北省中南部，如天门市、仙桃市、潜江市和荆州市等，这些区域的耕地表层pH多为弱碱性土壤。低值区主要位于湖北省东部，如黄冈市、孝感市、鄂州市、黄石市、咸宁市等，部分位于湖北省西南部，如恩施州，这些区域的耕地表层pH多为弱酸性土壤。总体上湖北省耕地表层土壤pH空间分布表现为由中南部向东西两端降低的趋势。2017年耕层土壤pH空间分布趋势与1980年相似，同样表现为中南部高、东西部低的特征，但相较1980年，pH高值区面积明显减小，而低值区面积显著增加，且出现了明显的酸性和强酸性聚集区，高低值间过渡更加尖锐。图4-3不同数字制图方法预测耕地表层土壤pH空间分布Fig.4-3DifferentdigitalmappingmethodspredictthespatialdistributionofurfacesoilpHofcultivatedland2耕地土壤pH残差项空间自相关分析表4-3研究区各方法残差项分析Table4-3residualanalysisofeachmethodinthestudyarea年份变量分布类型MoranI指数p值z得分距离阈值（meter）1980RF残差正态分布-0.01130.0464-1.992026348.75SVR残差正态分布0.07990.000014.5246GWR残差正态分布-0.01450.0101-2.57342017RF残差正态分布0.00750.00642.726210693.77SVR残差正态分布0.26460.000095.6569GWR残差正态分布0.03180.00006.9119对研究区两个时期三种模型的残差进行空间自相关性分析，结果如表4-3所示，所有残差均为正态分布，符合分析前提。1980年，在距离阈值26348.75m内，RF和GWR残差的MoranI值均为负值，根据p值和z得分可判断这两种模型得到的残差在空间上表现为显著离散关系，即离散程度越大，则差异性越大，SVM残差的MoranI值则相反，为正值，且p值和z得分表明结果自相关显著，即其残差值在空间上聚合程度越大，则相关性越大。2017年，空间自相关分析的距离阈值为10693.77m，RF、SVM、GWR残差的MoranI值均为正值，参考三者的p值和z得分可判断其残差在空间上聚集明显。综上分析，可知1980年和2017年三种模型残差在空间上表现除了不同程度的空间自相关性，说明预测结果有可能忽略了空间非平稳性所掩盖的信息，因此有必要对这三种预测模型的残差进行插值分析。3耕地土壤pH空间制图及精度评价将残差项引入三种模型后得到1980年和2017年耕地表层土壤pH空间分布情况，如图4-4所示。相较于图4-3可明显发现引入残差项后的pH预测结果图阈值范围变大，且所显示的细节变异特征更加丰富。从局部细节变异特征来看，1980年时期，通过RFK和SVRK预测制图法得到的耕地表层pH空间分布结果较为相似，这与其输入的辅助变量相同且建模流程大致类似有关，图示表明高值区除了中南部，还有部分分布在研究区北部的襄阳市；GWRK预测制图法得到的pH空间分布显示出了小范围聚集的强酸性及酸性耕地，主要分布在湖北省的东部，如黄冈市、武汉市、鄂州市、孝感市等，究其原因，受辅助变量PRE和DEM的局部变异特征及残差项弥补的确定性分量中潜在误差的影响，提高了局部特征信息的丰富度。2017年时期，SVRK和GWRK法预测得到的耕地表层pH空间分布有一定的相似性，差异主要体现在研究区中南部耕地土壤pH的分布特征上，前者比后者的pH图斑更为破碎，具体表现为弱碱性和弱酸性耕地面积减少、中性和酸性耕地面积增加；RFK法得到的耕地表层pH空间分布图中低值区信息更加丰富，有少量的强酸性耕地土壤分布在湖北省东部，如武汉市，中部及北部区域酸性和弱酸性耕地土壤呈块状聚集，如襄阳市、随州市、荆门市、宜昌市等，说明这些地方耕地土壤的酸性较高。对比两期耕地土壤pH空间分布图可发现，主要耕地土壤酸化区域出现在中部及东部，如襄阳市、随州市、武汉市、黄冈市等，超过一半的耕地土壤pH由弱碱性、中性下降为酸性、强酸性，这是由于这些区域地形较为平缓，耕地分布集中，由于化肥施用、农业机械等的投入增加，使这些区域耕地土壤pH的空间异质性逐渐增大，同时较高的降雨强度，加剧了对土壤中碱性物质的淋失，使耕地土壤对氢离子的缓冲性降低，导致该区域耕地土壤酸化趋势明显。北部及西部也有部分区域出现酸化现象，如十堰市、恩施州等，耕地土壤pH由中性、弱酸性变成了酸性、强酸性。总体来说，近40年湖北省耕地土壤酸化趋势明显，东部酸化程度高于西部，酸化程度严重，范围广泛，应当引起重视，并及时开展有效而合理的防治措施。图4-4不同数字制图方法引入残差项后预测耕地表层土壤pH空间分布Fig.4-4PredictionofurfacesoilpHofcultivatedlandspatialdistributionbyintroducingresidualtermintodifferentdigitalmappingmethods对不同模型引入残差项的结果进行分析，表4-4显示1980年RFK、SVRK、GWRK法得到的耕地pH极差分别为3.26、3.31、4.5，均值保持在6.80-6.82，使用测试集对三种模型进行验证，除SVRK法较SVR法提升精度不高外，RFK法、GWRK法分别较RF法、GWR法提升了17.24%、18.18%，最终经GWRK法预测pH值的MSE和MAE中等，R2最高，拟合效果较好。2017年RFK、SVRK、GWRK法得到的耕地pH极差分别为5.52、3.76、5.11，均值保持在6.42-6.48之间，同样使用测试集数据对这三种模型进行验证，RFK较RF提升的精度最高，达22.97%，其余两个模型提升精度超过10%，最终经RFK法预测pH的效果最好，MSE和MAE相对接近0，R2达0.74。对比验证指标可发现并不是R2越高MSE和MAE越低，这是由于回归拟合结果为非线性的原因，因此在评价结果精度时，应相互对比验证指标结果以进行综合评判。另外通过RI值可发现引入残差项制图的综合效果均高于只考虑关键辅助变量与pH间回归关系的制图方法。因此当基础数字土壤制图无法提升预测精度时，可引入具有空间自相关性的残差项以揭示土壤属性局部变异性特征。表4-4不同数字制图方法引入残差项后预测精度分析Table4-4Pedictionaccuracyanalysisofdifferentdigitalmappingmethodsafterintroducingresidualterm年份方法极小值极大值均值MSEMAER