基于TM影像和地形數(shù)據(jù)的土壤有機(jī)質(zhì)空間分布

李潤(rùn)林++姚艷敏

摘要：在GIS技術(shù)的支持下，選擇遙感影像波段和地形因子，建立有機(jī)質(zhì)空間分布預(yù)測(cè)模型，采用回歸克里格方法，預(yù)測(cè)吉林省舒蘭市有機(jī)質(zhì)的空間分布。結(jié)果表明，在9個(gè)輔助因子中波段4、波段5、波段7、高程、坡度和坡度變率與土壤有機(jī)質(zhì)相關(guān)性顯著，而與波段1和波段2的相關(guān)性不顯著。因此，在回歸分析中選擇波段4、波段5、波段7、高程、坡度和坡度變率作為預(yù)測(cè)土壤有機(jī)質(zhì)的輔助因子。有機(jī)質(zhì)空間分布呈漸變趨勢(shì)，由西向東逐漸減少。預(yù)測(cè)檢驗(yàn)精度表明，回歸克里格能夠提高有機(jī)質(zhì)空間分布預(yù)測(cè)精度，是一種有效的空間分布插值方法。

關(guān)鍵詞：地統(tǒng)計(jì)學(xué)；土壤有機(jī)質(zhì)；空間變異；GIS

中圖分類號(hào)：S159 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2014）02-0312-04

Spatial Distribution of Soil Organic Matter Based on TM Image and Terrain Attributes

LI Run-lin1，2，YAO Yan-min3

（1.Lanzhou Scientific Obseration and Experiment Field Sation， Ministry of Agriculture for Ecological System in Loess Plateau Areas， Lanzhou 730050，China；2.Lanzhou Institute of Husbandry and Pharmaceutical，Chinese Academy of Agricultural Sciences， Lanzhou 730050，China；

3. Institute of Agricultural Resources and Regional Planning， Chinese Academy of Agricultural Sciences/ Key Laboratory of Agri-informatics， Ministry of Agriculture， Beijing 100081，China）

Abstract： The distribution of the soil organic matter can provide reliable and useful information for sustainable land management and land use planning. Regression kriging with environmental predictors was used to predict the distribution of soil organic matter in shulan city， Jilin province. The results showed that elevation， gradient， rate of gradient， Band 4， Band 5，Band 7 were significantly correlated with soil organic matter. Band 1 and Band 2 had no significant correlation with soil organic matter. Therefore， band 4， band 5， band 7， elevation， slope， slope of slope were used as auxiliary variables to predict soil organic matter in the regression analysis. Results of precision assessment showed that regression Kriging significantly improved the accuracy and it could be an effective method for evaluating the spatial distribution of soil organic matter.

Key words： geo-statistics； soil organic matter； spatial variability； GIS

土壤是一個(gè)時(shí)空連續(xù)的變異體，有機(jī)質(zhì)的空間變異特征具有很強(qiáng)的空間異質(zhì)性，主要受成土母質(zhì)、氣候、地形、成土過程以及一些人為因素的影響。隨著地統(tǒng)計(jì)學(xué)的發(fā)展，土壤的空間異質(zhì)性分析方法在不斷擴(kuò)展與更新，地統(tǒng)計(jì)學(xué)能夠很好地揭示各屬性變量在空間上的分布變異和相關(guān)特征[1，2]。運(yùn)用地統(tǒng)計(jì)學(xué)方法分析土壤有機(jī)質(zhì)空間變異特征，有助于了解土壤特性的空間變異性，對(duì)此進(jìn)行深入的土壤研究具有重要意義。

研究表明[3，4]，定量化的環(huán)境因子與土壤屬性之間存在很好的相關(guān)性，可以用來預(yù)測(cè)土壤屬性。隨著3S技術(shù)的發(fā)展，調(diào)查者越來越注重利用輔助變量來指導(dǎo)土壤制圖和土壤屬性分布的相關(guān)研究。數(shù)字地形、遙感影像、土壤屬性等輔助數(shù)據(jù)被大量應(yīng)用于土壤屬性的空間預(yù)測(cè)[5-9]。傳統(tǒng)的空間預(yù)測(cè)方法比較適合于地理環(huán)境比較均一的區(qū)域，這種理想的環(huán)境在實(shí)際中比較少見，常見的研究區(qū)域是地形復(fù)雜、土壤異質(zhì)性強(qiáng)、人為活動(dòng)干擾強(qiáng)的環(huán)境。

近年來，通過輔助變量以提高目標(biāo)變量估測(cè)精度的方法已有很多，包括傳統(tǒng)的多元線性回歸方法、協(xié)同克里格法和回歸克里格法等。Kay等[10]采用回歸克里格法預(yù)測(cè)了水稻土景觀尺度土壤屬性的空間分布；Endre等[11]以MODIS數(shù)據(jù)和DEM以及衍生數(shù)據(jù)為輔助數(shù)據(jù)，采用回歸克里格方法對(duì)匈牙利土壤有機(jī)質(zhì)空間分布進(jìn)行了預(yù)測(cè)。張素梅等[12]以TM數(shù)據(jù)和DEM以及衍生數(shù)據(jù)為輔助數(shù)據(jù)，采用逐步回歸克里格方法對(duì)吉林省安農(nóng)縣土壤有機(jī)質(zhì)和全氮分布進(jìn)行預(yù)測(cè)。Hengl等[13]研究結(jié)果表明，利用回歸克里格法和數(shù)字高程模型（Digital elevation model，DEM）數(shù)據(jù)預(yù)測(cè)土壤有機(jī)質(zhì)土壤耕層深度的空間分布圖均比普通克里格法更詳細(xì)更準(zhǔn)確。姜勇等[14]利用輔助變量對(duì)污染土壤鋅分布的克里格估值研究表明，回歸克里格估值效果明顯優(yōu)于普通克里格和協(xié)同克里格法。邱樂豐等[15]利用回歸克里格法所得土壤肥力的精度明顯高于普通克里格，其平均預(yù)測(cè)誤差和預(yù)測(cè)均方根誤差分布為0.028和0.108?；貧w克里格法是將普通克里格法與回歸模型相結(jié)合而形成的一種混合方法。研究表明，運(yùn)用回歸克里格方法進(jìn)行土壤特性的空間分布預(yù)測(cè)，考慮影像土壤分布的環(huán)境因素，同時(shí)結(jié)合地統(tǒng)計(jì)學(xué)，可以提高土壤特性空間分布的預(yù)測(cè)精度[16，17]。

本研究以吉林省舒蘭市為研究對(duì)象，以地形數(shù)據(jù)和遙感數(shù)據(jù)為輔助變量，運(yùn)用回歸Kriging 方法分析該區(qū)土壤有機(jī)質(zhì)空間分布，以期為農(nóng)業(yè)生產(chǎn)合理布局和土壤肥力的培育提供參考，為土壤制圖和精準(zhǔn)農(nóng)業(yè)提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

1.2 數(shù)據(jù)收集

2010年7月，對(duì)土壤樣品采集區(qū)實(shí)行格網(wǎng)嵌套布點(diǎn)，在研究區(qū)選取樣點(diǎn)344個(gè)，樣點(diǎn)取0～20 cm的土壤表層，每一采樣點(diǎn)周圍選取5個(gè)點(diǎn)，以5個(gè)點(diǎn)的平均值為該樣點(diǎn)的最終數(shù)據(jù)，同時(shí)使用GPS儀記錄采樣點(diǎn)地理坐標(biāo)，以及各采樣田塊的基本信息，從而最終生成研究區(qū)的樣點(diǎn)分布圖（圖1），隨后將采集的樣品分別裝于采集袋中，帶回實(shí)驗(yàn)室，去除雜物，風(fēng)干，磨碎，過2 mm篩（分析測(cè)量時(shí)根據(jù)測(cè)定指標(biāo)再過不同規(guī)格的篩），分別裝于廣口瓶中，土壤有機(jī)質(zhì)含量采用重鎘酸鉀容量法測(cè)定。遙感影像采用舒蘭市2010年5月2日Landsat TM 7，選取每個(gè)采樣點(diǎn)所對(duì)應(yīng)的遙感影像波段（波段1、波段2、波段3、波段4、波段5、波段7）的亮度值，亮度值是遙感影像記錄地物的灰度值，而且不同采樣點(diǎn)在遙感不同波段上表現(xiàn)出亮度值不同。地形數(shù)據(jù)通過中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)中的科學(xué)數(shù)據(jù)中心網(wǎng)站（http：dataminirror.csdb.cn）下載的Aster gdem（30 m）數(shù)據(jù)轉(zhuǎn)換而來。通過Arc GIS10的空間分析工具來獲取樣點(diǎn)處的高程、坡度和坡度變率的信息。

1.3 研究方法

1.3.1 回歸克里格 有機(jī)質(zhì)是地理環(huán)境中一種地理要素，在分析有機(jī)質(zhì)分布過程中勢(shì)必要考慮地理環(huán)境，而地理環(huán)境是一個(gè)復(fù)雜的系統(tǒng)，其中存在很多隨機(jī)的不確定因素。對(duì)這些不確定的因素常采用趨勢(shì)性和隨機(jī)性來描述。

回歸克里格方法在分析地理現(xiàn)象的空間分布規(guī)律和影響因素時(shí)，它既能考慮主要影響因素也能考慮隨機(jī)因素，既模擬其空間分布趨勢(shì)也模擬不確定性。

利用SPSS軟件進(jìn)行環(huán)境因子和土壤有機(jī)質(zhì)的回歸方程擬合，得到最優(yōu)的土壤有機(jī)質(zhì)空間分布線性回歸模型。運(yùn)用 GS+軟件對(duì)回歸預(yù)測(cè)值和殘差值進(jìn)行半方差分析，得到最優(yōu)的半方差模型。然后在GIS 軟件平臺(tái)下分別對(duì)土壤有機(jī)質(zhì)多元回歸的回歸預(yù)測(cè)值和殘差值進(jìn)行普通克里格插值，同時(shí)運(yùn)用GIS的空間分析功能把兩者的插值結(jié)果進(jìn)行空間加和運(yùn)算，得到土壤有機(jī)質(zhì)的空間分布結(jié)果。

1.3.2 預(yù)測(cè)精度檢驗(yàn) 采用回歸克里格預(yù)測(cè)方法的均方根誤差（RMSERK）相對(duì)于參考方法的均方根誤差（RMSER）減少的百分?jǐn)?shù)（RMSSE）表示預(yù)測(cè)精度的提高程度。RMSSE值為正表明回歸克里格方法比參照方法的預(yù)測(cè)精度高，值越大說明預(yù)測(cè)精度提高得越多。相反，如果RMSSE值為負(fù)說明回歸克里格方法預(yù)測(cè)精度低于參照方法。

2 結(jié)果與分析

2.1 土壤有機(jī)質(zhì)的數(shù)據(jù)分析

土壤樣點(diǎn)中經(jīng)常存在一些異常值，異常值會(huì)影響半方差函數(shù)的穩(wěn)定性，因此需要剔除。運(yùn)用域值識(shí)別法，剔除樣點(diǎn)中的異常值。然后用SPSS統(tǒng)計(jì)軟件進(jìn)行有機(jī)質(zhì)的統(tǒng)計(jì)分析，結(jié)果見表1。由表1可見，有機(jī)質(zhì)的含量在0.95%～6.13%之間，平均值為2.54%，偏度和峰度較大，表明其變化范圍較大。變異系數(shù)表示土壤特性的空間變異性大小，有機(jī)質(zhì)的變異系數(shù)為32%，屬于中等變異。

由表2可知，土壤有機(jī)質(zhì)與環(huán)境因子之間存在著顯著的相關(guān)性。有機(jī)質(zhì)與TM影像（波段4、波段5和波段7）的亮度值存在極顯著負(fù)相關(guān)性，表明影像亮度值低的地方有機(jī)質(zhì)高。有機(jī)質(zhì)與高程之間極顯著負(fù)相關(guān)，說明海拔高的地方有機(jī)質(zhì)低。有機(jī)質(zhì)與坡度、坡度變率的顯著負(fù)相關(guān)性說明研究區(qū)的地形起伏影響有機(jī)質(zhì)的變化。其他因子與土壤有機(jī)質(zhì)的相關(guān)性不顯著，因此選擇波段4、波段5、波段7、高程、坡度、坡度變率與有機(jī)質(zhì)進(jìn)行回歸分析。

2.2 土壤有機(jī)質(zhì)的回歸分析

從有機(jī)質(zhì)多元回歸分析模型看出，擬合方程的決定系數(shù)不高，有機(jī)質(zhì)最優(yōu)模型的決定系數(shù)為0.3。以往的研究中也出現(xiàn)這種結(jié)果，如張素梅等[12]在安農(nóng)縣的有機(jī)質(zhì)預(yù)測(cè)中，有機(jī)質(zhì)最優(yōu)模型決定系數(shù)為0.22。

2.3 有機(jī)質(zhì)的回歸預(yù)測(cè)模型

2.3.1 半方差模型 土壤有機(jī)質(zhì)多元回歸預(yù)測(cè)方程的回歸預(yù)測(cè)值及殘差的半方差模型如圖2和表3。由表3可知，有機(jī)質(zhì)回歸值的空間自相關(guān)性很強(qiáng)，基臺(tái)效應(yīng)值為0.419，而殘差值的基臺(tái)效應(yīng)值為0.500，空間自相關(guān)性為中等。有機(jī)質(zhì)預(yù)測(cè)值和殘差的變程為65 100 m和33 000 m，這是因?yàn)榄h(huán)境因子在較大尺度上表現(xiàn)出相似性，因此擬合的回歸值和殘差值也將具有較大范圍的空間自相關(guān)性。

2.3.2 土壤有機(jī)質(zhì)的空間分布 根據(jù)半方差模型，對(duì)有機(jī)質(zhì)的回歸預(yù)測(cè)值和殘差進(jìn)行普通克里格插值，將插值結(jié)果進(jìn)行空間加和運(yùn)算得到有機(jī)質(zhì)的空間分布結(jié)果，見圖3。從圖3可以看出有機(jī)質(zhì)的分布呈漸變趨勢(shì)，由西向東逐漸減少。其中一些高值區(qū)集中在西部，中部的有機(jī)質(zhì)含量最低。

2.4 精度分析

選擇常用的插值方法（協(xié)同克里格和普通克里格方法）作為參照，用以說明回歸克里格方法在本研究中對(duì)土壤有機(jī)質(zhì)的預(yù)測(cè)精度，利用公式（1）計(jì)算，結(jié)果如表4所示。回歸克里格相對(duì)于兩種參照方法精度均顯著提高。相對(duì)于協(xié)同克里格提高的精度用（RMSSECK）表示；相對(duì)于普通克里格提高的精度用（RMSSEUK）表示。回歸克里格方法相對(duì)于協(xié)同克里格和普通克里格提高的精度分別為62%和 41%，提高幅度非常顯著。

3 討論

土壤有機(jī)質(zhì)的空間分布與環(huán)境因素密切相關(guān)，相關(guān)分析表明高程、坡度、坡度變率與土壤有機(jī)質(zhì)呈顯著負(fù)相關(guān)，這是因?yàn)殡S著海拔的升高，降雨侵蝕強(qiáng)度變大，土壤養(yǎng)分易于流失，從而導(dǎo)致海拔高的地方土壤有機(jī)質(zhì)含量相對(duì)較低。不同坡度具有不同的水熱分配條件和物質(zhì)運(yùn)移堆積特點(diǎn)，同時(shí)坡度又和土地利用密切相關(guān)。本研究以舒蘭市的遙感影像作為數(shù)據(jù)元，在研究區(qū)的大部分耕地處于裸露狀態(tài)，因此遙感影像（波段4、波段5和波段7）波段亮度值與有機(jī)質(zhì)呈極顯著負(fù)相關(guān)性。遙感數(shù)據(jù)和地形數(shù)據(jù)可以很好反映土壤要素的空間分布，能夠用于預(yù)測(cè)地理要素的空間分布。回歸克里格方法對(duì)土壤有機(jī)質(zhì)空間分布的預(yù)測(cè)精度相對(duì)參考方法得到大幅度提高，該方法是提高土壤有機(jī)質(zhì)空間分布預(yù)測(cè)精度的有效方法。并且隨著GIS和遙感技術(shù)的發(fā)展，DEM 和遙感數(shù)據(jù)的精度會(huì)不斷提高，將進(jìn)一步提高回歸克里格方法的預(yù)測(cè)精度。

4 結(jié)論

本文以吉林省舒蘭市為研究對(duì)象，在回歸克里格插值方法的理論框架下，利用地形因子、遙感影像數(shù)據(jù)與該市土壤有機(jī)質(zhì)值進(jìn)行多元回歸方程擬合，運(yùn)用普通克里格插值方法對(duì)線性回歸的預(yù)測(cè)結(jié)果和殘差結(jié)果進(jìn)行空間分布模擬，進(jìn)而得到回歸克里格插值方法的土壤有機(jī)質(zhì)空間分布圖。

1）在所選擇的環(huán)境因子中，波段4、波段5、波段7、高程、坡度、坡度變率與土壤有機(jī)質(zhì)空間分布關(guān)系密切，是預(yù)測(cè)土壤有機(jī)質(zhì)分布的最優(yōu)因子。舒蘭市土壤有機(jī)質(zhì)空間分布呈漸變趨勢(shì)，由西向東逐漸減少。

2）相比協(xié)同克里格和普通克里格插值方法，回歸克里格方法對(duì)土壤養(yǎng)分空間分布的模擬精度最高，表明該方法可有效提高土壤養(yǎng)分空間分布預(yù)測(cè)精度。

參考文獻(xiàn)：

[1] 連 綱， 郭旭東，傅伯杰，等.黃土丘陵溝壑區(qū)縣域土壤有機(jī)質(zhì)空間分布特征及預(yù)測(cè)[J].地理科學(xué)進(jìn)展，2006，25（2）：113-122.

[2] 路 鵬，彭佩欽，宋變蘭，等.洞庭湖平原區(qū)土壤全磷含量地統(tǒng)計(jì)學(xué)和GIS分析[J].中國(guó)農(nóng)業(yè)科學(xué)，2005，38（6）：1204-1212.

[3] MCKENZIE N J， AUSTIN M P. A quantitative Australian approach to medium and small scale surveys based on soil stratigraphy and environmental correlation[J]. Geoderma，1993， 57（4）：329-355.

[4] ODEHA I O A， MCBRATNEY A B， CHITTLEBOROUGH D J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model[J]. Geoderma，1994，63（3/4）：197-214.

[5] 連 綱，郭旭東，傅伯杰，等. 基于環(huán)境相關(guān)法的土壤屬性空間分布特征研究-以黃土丘陵溝壑區(qū)小流域?yàn)槔齕J].地理科學(xué)，2008，28（4）：555-558.

[6] 孫孝林，趙玉國(guó)，趙 量，等.應(yīng)用土壤-景觀定量模型預(yù)測(cè)土壤屬性空間分布及制圖[J].土壤，2008，40（5）：837-842.

[7] 張發(fā)升，曲 威，尹光華，等.基于多光譜遙感影像的表層土壤有機(jī)質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報(bào)，2010，21（4）：883-888.

[8] 李欣宇，宇萬太，李秀珍.基于TM影像的表層土壤有機(jī)碳空間格局[J].生態(tài)學(xué)雜志， 2008，27（3）：333-338.

[9] 劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機(jī)質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（8）：211-215.

[10] KAY S， RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J].Ecological Indicators，2008（8）：485-501.

[11] ENDRE D， LUCA M， THIERRY N， et al. A regional scale soil mapping approach using integrated AVHRR and DEM data [J]. International Journal of Applied Earth Observation and Geoinformation，2001，3（1）：30-42.

[12] 張素梅，王宗明，張 柏，等.利用地形和遙感數(shù)據(jù)預(yù)測(cè)土壤養(yǎng)分空間分布[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（5）：188-194.

[13] HENGL T，HEUVELINK G B M，STEIN A. A generic frame work for spatial prediction of soil variables based on regression-kriging[J]. Geoderma，2004，120（1/2）：75-93.

[14] 姜 勇，李 琪，張曉珂，等. 利用輔助變量對(duì)污染土壤鋅分布的克里格估值[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2006，17（1）：97-101.

[15] 邱樂豐，楊 超，林芬芳，等.基于環(huán)境輔助變量的拔山茶園土壤肥力空間預(yù)測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào)，2010，21（12）：3099-3104.

[16] STACEY K F， LARK R M， WHITMORE A P， et al. Using a process model and regression kriging to improve predictions of nitrous oxide emissions from soil[J]. Geoderma，2006，135（1/2）：107-117.

[17] SIMBAHAN G C， DOBERMANN A， GOOVAERTS P， et al. Fine-resolution mapping of soil organic carbon based on multivariate secondary data[J]. Geoderma，2006，132（3/4）：471-489.

4 結(jié)論

本文以吉林省舒蘭市為研究對(duì)象，在回歸克里格插值方法的理論框架下，利用地形因子、遙感影像數(shù)據(jù)與該市土壤有機(jī)質(zhì)值進(jìn)行多元回歸方程擬合，運(yùn)用普通克里格插值方法對(duì)線性回歸的預(yù)測(cè)結(jié)果和殘差結(jié)果進(jìn)行空間分布模擬，進(jìn)而得到回歸克里格插值方法的土壤有機(jī)質(zhì)空間分布圖。

1）在所選擇的環(huán)境因子中，波段4、波段5、波段7、高程、坡度、坡度變率與土壤有機(jī)質(zhì)空間分布關(guān)系密切，是預(yù)測(cè)土壤有機(jī)質(zhì)分布的最優(yōu)因子。舒蘭市土壤有機(jī)質(zhì)空間分布呈漸變趨勢(shì)，由西向東逐漸減少。

2）相比協(xié)同克里格和普通克里格插值方法，回歸克里格方法對(duì)土壤養(yǎng)分空間分布的模擬精度最高，表明該方法可有效提高土壤養(yǎng)分空間分布預(yù)測(cè)精度。

參考文獻(xiàn)：

[1] 連 綱， 郭旭東，傅伯杰，等.黃土丘陵溝壑區(qū)縣域土壤有機(jī)質(zhì)空間分布特征及預(yù)測(cè)[J].地理科學(xué)進(jìn)展，2006，25（2）：113-122.

[2] 路 鵬，彭佩欽，宋變蘭，等.洞庭湖平原區(qū)土壤全磷含量地統(tǒng)計(jì)學(xué)和GIS分析[J].中國(guó)農(nóng)業(yè)科學(xué)，2005，38（6）：1204-1212.

[3] MCKENZIE N J， AUSTIN M P. A quantitative Australian approach to medium and small scale surveys based on soil stratigraphy and environmental correlation[J]. Geoderma，1993， 57（4）：329-355.

[4] ODEHA I O A， MCBRATNEY A B， CHITTLEBOROUGH D J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model[J]. Geoderma，1994，63（3/4）：197-214.

[5] 連 綱，郭旭東，傅伯杰，等. 基于環(huán)境相關(guān)法的土壤屬性空間分布特征研究-以黃土丘陵溝壑區(qū)小流域?yàn)槔齕J].地理科學(xué)，2008，28（4）：555-558.

[6] 孫孝林，趙玉國(guó)，趙 量，等.應(yīng)用土壤-景觀定量模型預(yù)測(cè)土壤屬性空間分布及制圖[J].土壤，2008，40（5）：837-842.

[7] 張發(fā)升，曲 威，尹光華，等.基于多光譜遙感影像的表層土壤有機(jī)質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報(bào)，2010，21（4）：883-888.

[8] 李欣宇，宇萬太，李秀珍.基于TM影像的表層土壤有機(jī)碳空間格局[J].生態(tài)學(xué)雜志， 2008，27（3）：333-338.

[9] 劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機(jī)質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（8）：211-215.

[10] KAY S， RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J].Ecological Indicators，2008（8）：485-501.

[11] ENDRE D， LUCA M， THIERRY N， et al. A regional scale soil mapping approach using integrated AVHRR and DEM data [J]. International Journal of Applied Earth Observation and Geoinformation，2001，3（1）：30-42.

[12] 張素梅，王宗明，張 柏，等.利用地形和遙感數(shù)據(jù)預(yù)測(cè)土壤養(yǎng)分空間分布[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（5）：188-194.

[13] HENGL T，HEUVELINK G B M，STEIN A. A generic frame work for spatial prediction of soil variables based on regression-kriging[J]. Geoderma，2004，120（1/2）：75-93.

[14] 姜 勇，李 琪，張曉珂，等. 利用輔助變量對(duì)污染土壤鋅分布的克里格估值[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2006，17（1）：97-101.

[15] 邱樂豐，楊 超，林芬芳，等.基于環(huán)境輔助變量的拔山茶園土壤肥力空間預(yù)測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào)，2010，21（12）：3099-3104.

[16] STACEY K F， LARK R M， WHITMORE A P， et al. Using a process model and regression kriging to improve predictions of nitrous oxide emissions from soil[J]. Geoderma，2006，135（1/2）：107-117.

[17] SIMBAHAN G C， DOBERMANN A， GOOVAERTS P， et al. Fine-resolution mapping of soil organic carbon based on multivariate secondary data[J]. Geoderma，2006，132（3/4）：471-489.

4 結(jié)論

本文以吉林省舒蘭市為研究對(duì)象，在回歸克里格插值方法的理論框架下，利用地形因子、遙感影像數(shù)據(jù)與該市土壤有機(jī)質(zhì)值進(jìn)行多元回歸方程擬合，運(yùn)用普通克里格插值方法對(duì)線性回歸的預(yù)測(cè)結(jié)果和殘差結(jié)果進(jìn)行空間分布模擬，進(jìn)而得到回歸克里格插值方法的土壤有機(jī)質(zhì)空間分布圖。

1）在所選擇的環(huán)境因子中，波段4、波段5、波段7、高程、坡度、坡度變率與土壤有機(jī)質(zhì)空間分布關(guān)系密切，是預(yù)測(cè)土壤有機(jī)質(zhì)分布的最優(yōu)因子。舒蘭市土壤有機(jī)質(zhì)空間分布呈漸變趨勢(shì)，由西向東逐漸減少。

2）相比協(xié)同克里格和普通克里格插值方法，回歸克里格方法對(duì)土壤養(yǎng)分空間分布的模擬精度最高，表明該方法可有效提高土壤養(yǎng)分空間分布預(yù)測(cè)精度。

參考文獻(xiàn)：

[1] 連 綱， 郭旭東，傅伯杰，等.黃土丘陵溝壑區(qū)縣域土壤有機(jī)質(zhì)空間分布特征及預(yù)測(cè)[J].地理科學(xué)進(jìn)展，2006，25（2）：113-122.

[2] 路 鵬，彭佩欽，宋變蘭，等.洞庭湖平原區(qū)土壤全磷含量地統(tǒng)計(jì)學(xué)和GIS分析[J].中國(guó)農(nóng)業(yè)科學(xué)，2005，38（6）：1204-1212.

[3] MCKENZIE N J， AUSTIN M P. A quantitative Australian approach to medium and small scale surveys based on soil stratigraphy and environmental correlation[J]. Geoderma，1993， 57（4）：329-355.

[4] ODEHA I O A， MCBRATNEY A B， CHITTLEBOROUGH D J. Spatial prediction of soil properties from landform attributes derived from a digital elevation model[J]. Geoderma，1994，63（3/4）：197-214.

[5] 連 綱，郭旭東，傅伯杰，等. 基于環(huán)境相關(guān)法的土壤屬性空間分布特征研究-以黃土丘陵溝壑區(qū)小流域?yàn)槔齕J].地理科學(xué)，2008，28（4）：555-558.

[6] 孫孝林，趙玉國(guó)，趙 量，等.應(yīng)用土壤-景觀定量模型預(yù)測(cè)土壤屬性空間分布及制圖[J].土壤，2008，40（5）：837-842.

[7] 張發(fā)升，曲 威，尹光華，等.基于多光譜遙感影像的表層土壤有機(jī)質(zhì)空間格局反演[J].應(yīng)用生態(tài)學(xué)報(bào)，2010，21（4）：883-888.

[8] 李欣宇，宇萬太，李秀珍.基于TM影像的表層土壤有機(jī)碳空間格局[J].生態(tài)學(xué)雜志， 2008，27（3）：333-338.

[9] 劉煥軍，趙春江，王紀(jì)華，等.黑土典型區(qū)土壤有機(jī)質(zhì)遙感反演[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（8）：211-215.

[10] KAY S， RAINER D. Prediction of soil property distribution in paddy soil landscapes using terrain data and satellite information as indicators[J].Ecological Indicators，2008（8）：485-501.

[11] ENDRE D， LUCA M， THIERRY N， et al. A regional scale soil mapping approach using integrated AVHRR and DEM data [J]. International Journal of Applied Earth Observation and Geoinformation，2001，3（1）：30-42.

[12] 張素梅，王宗明，張 柏，等.利用地形和遙感數(shù)據(jù)預(yù)測(cè)土壤養(yǎng)分空間分布[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（5）：188-194.

[13] HENGL T，HEUVELINK G B M，STEIN A. A generic frame work for spatial prediction of soil variables based on regression-kriging[J]. Geoderma，2004，120（1/2）：75-93.

[14] 姜 勇，李 琪，張曉珂，等. 利用輔助變量對(duì)污染土壤鋅分布的克里格估值[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2006，17（1）：97-101.

[15] 邱樂豐，楊 超，林芬芳，等.基于環(huán)境輔助變量的拔山茶園土壤肥力空間預(yù)測(cè)[J].應(yīng)用生態(tài)學(xué)報(bào)，2010，21（12）：3099-3104.

[16] STACEY K F， LARK R M， WHITMORE A P， et al. Using a process model and regression kriging to improve predictions of nitrous oxide emissions from soil[J]. Geoderma，2006，135（1/2）：107-117.

[17] SIMBAHAN G C， DOBERMANN A， GOOVAERTS P， et al. Fine-resolution mapping of soil organic carbon based on multivariate secondary data[J]. Geoderma，2006，132（3/4）：471-489.