基于多源环境变量和随机森林的橡胶园土壤全氮含量预测
基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例
基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例韩杏杏;陈杰;王海洋;巫振富;程道全【摘要】耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义.本研究以河南省辉县市5922个耕地资源管理单元图斑中心点为基础数据,并分别按8:2、7:3、6:4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系.结果表明:①当训练集与检验集中样点数量的比例为8:2时,对应的随机森林模型总体上预测精度较高;②选用80％基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595.通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子.因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现.【期刊名称】《土壤》【年(卷),期】2019(051)001【总页数】8页(P152-159)【关键词】随机森林;土壤有机质;耕地预测制图;辉县市【作者】韩杏杏;陈杰;王海洋;巫振富;程道全【作者单位】郑州大学水利与环境学院,郑州 450001;郑州大学水利与环境学院,郑州 450001;郑州大学水利与环境学院,郑州 450001;郑州大学公共管理学院,郑州450001;河南省土壤肥料站,郑州 450002【正文语种】中文【中图分类】S159-3土壤有机质是土壤中最具有活力的成分，是土壤肥力的基础，是土壤质量最为重要的指标之一。
首先，土壤有机质含有作物和微生物所需要的几乎各种营养元素，土壤有机质含量高低在很大程度上决定着土壤的养分供给能力；其次，土壤有机质能有效促进土壤结构发育，提高土壤吸附能力、缓冲能力、持水及渗透能力，是土壤肥力得以稳定发挥的基础[1-4]；另外，土壤有机质是一种稳定而长效的碳源，土壤有机碳库是地球陆地碳库的重要组成部分，在陆地碳循环中有着重要的作用。
更新期橡胶人工林生态系统碳贮量及分布
（ ０～ １０ ｃ ， ｃｏ ｎ ｄｆｒ ４ ３ ０ ｍ） ａｃｕ ｔ ．６％．Ｔ ｅｃｒｏ ｔ ａｅ ｉｅ ｎ ｒａ ｓ ｅｅｐ ｓ ｉ ｌ ｒｌ ｅ ｅｂｏ ｅ ｏ３ ｈ ａｂ ｎｓ ｒｇｓｉ ｄｆ ｒ ｔ ｇｎ ｒ ｏｉｖ ｙ ｅ ｔ ｔ ｔ ｉ ｏ ｎ ｆｅ ｏ ｗ ｔｅ ａ ｄ ｏ ｈ —
５０ ８
林
业
科
学
研
究
第２ ４卷
森林 本身 维 持着 巨大 的碳 库 （ 占全 球 植 被 碳 约
库的８ ６％ 以上 ） ， … 同时 也维 持着 巨大 的 土壤 碳 库 （ 占全球 土 壤碳 库 的 ７ ％ ） 约 ３ 。ｊ 。森 林 生 态 系 统
２ 研 究方 法
２ １ 橡 胶树 不 同器 官生物 量测 定 ． 本 试验 研究 对 象 为处 于更 新 阶段 的 ３ Ｏ年 橡 胶 树无 性 系 Ｐ ０ 工 林 ， Ｒ１７人 平均 树 高 ２ ．６ ｍ， 均胸 １８ 平 径 ３ ．７ ａ 割 龄为 ２ ０ ０ ｍ， ２年 。在 样 地 （ ｍ ） ２ ｈ 内设 置
ｍａ ｓｏ ｏ ｒ ｓ ｏ ｄ ｎ ｒ ａ ｓ ｈ ｅ ｔ ｎ ｃ ｕ ｌ ｔｄ ｔ ｅ ｈ ｇ ｅ ｔ ａ ｂ ｎ ｓ ｒ ｇ ｎ ｏ ｒｓ ｄ ５ ． ４ ｓ ｆｃ ｒｅ ｐ ｎ ｉ ｇ ｏｇ ｎ ．Ｔ ｒ ｋ ａ ｃ ｍｕ ａｅ ｉｈ ｓ ｃ ｏ ｔ ａ ｅ ａ ｄ ｃ ｍｐ ｅ ５ ６ ％ ｏ ａ ｂ ｎ ｕ ｈ ｒ ｏ ｉ ｆｃ ｏ ｒ ｓ ｒ ｇ ｎ ａ ｏ ｅ ｒ ｕ ｄ ａ ｂ ｒ ｔ ａ ｅｉ ｂ ｖ ｇｏ ｎ ｏ． ｏ ｒ
西双版纳橡胶林土壤氮的分布特征及与橡胶树生长的关系
西双版纳橡胶林土壤氮的分布特征及与橡胶树生长的关系陈永川;刘忠妹;许木果;黎小清;丁华平;杨春霞;李春丽【摘要】[目的]研究不同品系橡胶树在西双版纳不同生态区种植对土壤氮的影响及其土壤氮变化与橡胶树生长的关系.[方法]分别采集了西双版纳州景洪、勐腊、勐海3个植胶区土壤、橡胶树叶片,并分析了不同割龄RRIM600、GT1、云研-774橡胶树土壤中不同形态氮和橡胶树叶片氮分布特征及关系.[结果]西双版纳州3个植胶地区中不同品系橡胶林土壤中氮的变化差异较大,景洪橡胶林土壤中全氮含量最高,勐腊、勐海相对较低;橡胶林土壤铵态氮和硝态氮较低,硝态氮变异最大;GT1品系橡胶林土壤中全氮含量较高,RRIM600、云研-774相对较低.土壤中全氮含量随割龄的增加而升高,碱解氮、铵态氮、硝态氮随割龄和品系不同而变化,并且土壤铵态氮和硝态氮以低割龄橡胶园相对较高,老割龄橡胶园相对较低;橡胶树叶全氮以景洪最高,勐腊、勐海相对较低,且随割龄的增加而降低.橡胶林保护带土壤全氮、碱解氮、铵态氮与橡胶树叶全氮含量呈显著正相关,而硝态氮与橡胶树叶全氮含量呈极显著正相关;种植带铵态氮和硝态氮与橡胶树叶片氮呈显著正相关.[结论]橡胶树及土壤氮含量随橡胶树品系、割龄、生长环境而变化,不同割龄、不同品系橡胶树对土壤氮具有显著的影响.【期刊名称】《西南农业学报》【年(卷),期】2019(032)003【总页数】6页(P584-589)【关键词】橡胶树;割龄;土壤;氮;空间变化【作者】陈永川;刘忠妹;许木果;黎小清;丁华平;杨春霞;李春丽【作者单位】云南省热带作物科学研究所,云南景洪666100;云南省热带作物科学研究所,云南景洪666100;云南省热带作物科学研究所,云南景洪666100;云南省热带作物科学研究所,云南景洪666100;云南省热带作物科学研究所,云南景洪666100;云南省热带作物科学研究所,云南景洪666100;云南省热带作物科学研究所,云南景洪666100【正文语种】中文【中图分类】S714【研究意义】氮是影响橡胶树生长的主要营养元素，土壤中氮素形态及其含量影响着橡胶树的生长发育以及橡胶树胶乳产量[1]，而不同品系橡胶树由于其遗传特性差异不同，对土壤养分需求不一样，因此对橡胶园土壤质量产生的影响也不一样。
基于随机森林算法高分土壤湿度产品的构建与评估
现代电子技术Modern Electronics TechniqueDec. 2023Vol. 46 No. 242023年12月15日第46卷第24期0 引 言干旱通常发生在农作物生长的重要时期，是影响农业生产最为严重的自然灾害[1]。
湖南地处青藏高原下方，是南北冷暖空气主要交汇地，地形多样、气候复杂，旱灾风险高，抗旱形势严峻。
2013年中国南方13省遭遇重大旱灾，湖南粮食减产超过16亿斤，是受灾最为严重的省份之一。
在全球气候变暖背景下，湖南天气气候极端事件增多增强，2022年湖南干旱覆盖范围广、持续时间长，创造了1961年以来最强高温干旱纪录，给农业生产带来了严重影响。
干旱灾害防御在湖南一直受到高度重视。
干旱过程与大气状态、土壤质地类型、土壤含水量及植被情况等多种因素相关。
其演变过程极其复杂，时间空间变化随机性强，不同地区干旱特征和趋DOI ：10.16652/j.issn.1004‐373x.2023.24.027引用格式：朱宏武，罗丹，朱亮，等.基于随机森林算法高分土壤湿度产品的构建与评估[J].现代电子技术，2023，46（24）：153‐158.基于随机森林算法高分土壤湿度产品的构建与评估朱宏武1，2， 罗 丹3， 朱 亮1， 贺 炜1（1.湖南省气象信息中心， 湖南 长沙 410118； 2.气象防灾减灾湖南省重点实验室， 湖南 长沙 410118；3.湖南省气象服务中心， 湖南 长沙 410118）摘 要： 以湖南地区干旱精细化监测业务需求为牵引，基于多源卫星遥感、实时地面观测、中国气象局模式等资料，应用随机森林学习算法，建立土壤湿度因子与降水、地温、地表反照率、蒸发、植被覆盖等多种卫星遥感影响因子的降尺度模型，研制一种高分辨率土壤湿度产品（1 km×1 km ）。
对建模形成的高分辨率产品进行评估，结果表明，该产品能够很好地模拟湖南地区0~10 cm 土壤湿度时空变化，平均偏差为-0.01 m 3/m 3，相关系数为0.9，在旱情较重的夏秋季准确性较高。
基于多元回归与人工神经网络的橡胶园树龄遥感反演研究
坐 标 为 东 经 109° 47′ ， 北 纬 度 19° 33′ （ 图 1 ）。 农 场 地形平坦 ， 土地肥沃 ， 橡胶种植面积达 2 700 多公 顷 （hm2）。 属典型的热带季风性气候 ， 该地区光 照 充足 、 雨量充沛 ， 年降雨量在 1 600 mm 左右 ， 其 中雨季 （5~10 月 ） 的降雨量占全年 89％ ， 年平均气 温 22.9 °C ， 非常适合农业发展 。
， 但是关于橡胶林
冠层参数反演的研究还不多 ， 目前主要有 Suratman 等在马来西亚开展利用 TM 影像提取橡胶园树龄和 木 材 蓄 积 量 的 研 究 [9-11] 。 尽 管 如 此 ， 在 林 学 领 域 ， 利用 遥 感 技 术 反 演 森 林 生 物 物 理 参 数 如 树 龄 [12-17] 、 叶 面 积 指 数 [17-20] 、 生 物 量 [18, 21-22] 等 一 直 是 研 究 的 热 点 ， 这些研究为橡胶园的林冠层参数反演提供了良 好的思路和方法 。 多元回归模 型法 （Multrivariate regression ） 和 人 工 神 经 网 络 法 （Artificial neural network ， ANN ） 是 目前常用的树龄遥感反演方法 。 多元回归模型要求 自变量与因变量之间存在线性关系 ， 残差呈正态分 布等条件 [23]， 但在实际的应用中很难同时满足 。 人 工神经网络是由大量功能简单的处理单元 （ 神经元 ） 相互连接形成的复杂非线性系统 ， 能克服非正态和 非线性及共线的影响 ， 适于模拟复杂系统 ， 且具有 自学习、 联想存贮和高速寻找优化解的功能
海南儋州571737中国热带农业科学院橡胶研究所农业部橡胶树生物学重点开放实验室海南儋州571737农业部儋州热带农业资源与生态环境重点野外科学观测试验站摘要树龄是生产管理森林生态系统研究如叶面积指数lai反演
基于生态位模型的南、北五味子潜在适生区预测及其影响因子研究
收稿日期：2022-08-05基金项目：陕西省教育厅2019年度专项科学研究计划项目（19JK0984）；杨凌职业技术学院“博士+高职生”工作室建设项目（BG202005；BG2022003）；杨凌职业技术学院自然科学研究基金项目（ZK20-73）；杨凌职业技术学院基地建设项目（JD20-02）作者简介：张迪（1988-），男，河北辛集人，讲师，博士，主要从事农业生态系统模拟研究，（电话）187****9918（电子信箱）********************；通信作者，刘金娜，女，讲师，博士，主要从事中药材栽培与质量评价研究，（电子信箱）*****************。
张迪，薛明珂，刘明，等.基于生态位模型的南、北五味子潜在适生区预测及其影响因子研究［J ］.湖北农业科学，2024，63（1）：116-121．基于生态位模型的南、北五味子潜在适生区预测及其影响因子研究张迪1，2，薛明珂1，刘明1，尚晓峰1，张旭彤1，刘金娜1（1.杨凌职业技术学院，陕西杨凌712100；2.中国农业科学院农业环境与可持续发展研究所，北京100081）摘要：基于184条南五味子（Schisandra sphenanthera ）地理分布记录、129条北五味子（Schisandra chinensis ）地理分布记录以及23个环境因子数据，采用MaxEnt 生态位模型预测南、北五味子潜在适宜分布区，评估了制约其地理分布的主要环境因子。
结果表明，北五味子和南五味子MaxEnt 模型训练集和验证集曲线下面积（AUC ）均大于0.90，建立的模型预测结果准确。
北五味子最佳生境主要分布在辽宁省和吉林省的长白山区域以及北京市；南五味子的最佳生境主要分布在秦巴山区内，以及湖南省武陵山脉，郴州市、株洲市和衡阳市，浙江省金华市等地区。
限制北五味子生长的重要环境因子变量分别是最湿月份降水量、最热月份最高温度、土壤酸碱度、最暖季平均降水量、最冷季平均降水量和昼夜温差月均值；限制南五味子分布的环境因子变量分别是最冷月份最低温温度、年平均降水量、温度变化方差和降水量变化方差。
西南岩溶区土壤全氮含量的空间变异分析
西南岩溶区土壤全氮含量的空间变异分析李文军;杨奇勇;彭保发;赵迪【摘要】选择典型的岩溶峰丛洼地区域,在利用多元逐步回归分析研究0～20 cm 深度土壤全氮含量与地形指数因子关系的基础上,利用普通克里格法(OK)、单变量协同克里格法(COK)和多变量协同克里格法(MCOK)对土壤全氮含量的空间变异性进行了分析.结果表明:研究区域土壤全氮含量空间分布可以用两个回归模型来表征.克里格插值分析表明,当全氮含量与地形指数因子相关系数较低时,COK法并不能有效提高全氮预测精度;随着协同变量的增加,MCOK法能够显著提高全氮预测精度.【期刊名称】《农业机械学报》【年(卷),期】2014(045)009【总页数】5页(P150-154)【关键词】西南岩溶地区;土壤全氮含量;半方差函数;协同克里格【作者】李文军;杨奇勇;彭保发;赵迪【作者单位】湖南文理学院资源环境与旅游学院,常德415000;中国地质科学院岩溶地质研究所,桂林541004;湖南文理学院资源环境与旅游学院,常德415000;湖南文理学院资源环境与旅游学院,常德415000【正文语种】中文【中图分类】S158.3引言石漠化是我国西南岩溶地区土地退化的顶级形式，目前已成为备受关注的研究热点和生态环境治理的重点[1]。
在岩溶区生态重建过程中，植被恢复是关键。
而氮在植物所有必需营养元素中，是影响植物生长和产量形成的首要因素[2]。
岩溶峰丛洼地水土流失严重，造成大量养分元素的流失。
土壤氮素的流失不但造成农业水土环境污染，而且也成了岩溶区植被恢复的限制性因素。
因此，全面掌握该区域土壤全氮含量的空间分布状况，对岩溶区生态重建、植被恢复具有指导意义。
地统计学方法是研究空间变异最有效的手段[3－5]，其中最常用的就是普通克里格法（Ordinary Kriging，OK），它可以给出有限区域内区域变量的最佳线性无偏估计量。
研究表明，利用辅助数据进行协同克里格估计能有效提高土壤属性的预测精度，或者在精度可接受的情况下减少采样点数量[6－8]。
基于高光谱遥感技术对土壤氮磷钾的估算
基于高光谱遥感技术对土壤氮磷钾的估算作者：乔璐陈立新董诚明来源：《森林工程》2018年第06期摘要：本文旨在研究高光谱遥感分析技术对大面积土壤全氮（Total Nitrogen TN）、全磷（Total Phosphorus TP）、全钾（Total Potassium TK）实时监测的可行性。
采用野外调查与室内高光谱（350 ～ 2 500 nm）数据测定相结合的研究方法，分析黑龙江省大庆市区和四县（肇源县、肇州县、杜蒙、林甸县）土壤的光谱特征和土壤养分指标，计算出土壤光谱反射率的变化：一阶微分（R）′、倒数（1/R）、倒数一阶微分（1/R）′、对数（logR）等形式;利用一元线性回归（ULR）、多元线性回归（SMLR）和偏最小二乘法（PLSR）建立全氮（TN）、全磷（TP）、全钾（TK）含量的估算模型。
并用独立样本对校正模型进行验证。
结果显示：土壤全氮（TN）、全磷（TP）、全钾（TK）的最佳吸收波段分别为TN（802 nm，1 108 nm），TP（784 nm，1 085 nm），TK（1 079 nm，1 578 nm）;偏最小二乘法（PLSR）的建模精度高于多元线性回归模型和一元线性回归模型，分别为N（R2 = 0.831，RMSE = 2.506g/kg），P（R2 = 0.687，RMSE = 0.844 g/kg），K（R2 =; 0.832，RMSE = 0.097 g/kg）。
全氮（TN）、全钾（TK）预测精度较高，全磷预测结果相对较低，但也可用来粗略估算。
同时利用MODIS影像对土壤全氮、全磷、全钾含量专项制图。
该研究证实，利用高光谱技术结合特定算法能够较好预测差异性较大的土壤全氮、全钾、全磷含量，并可以实现预测信息可视化。
这对于实时快速监测大面积土壤环境变化、预测土壤信息变化趋势、监测生环境、建立我国土壤养分数据库和降低土壤成分监测成本具有重要的现实意义。
关键词：高光谱;全磷（TP）;全钾（TK）;全氮（TN）;多元线性回归;偏最小二乘法; MODIS影像中图分类号：S153.6;TP72 文献标识码： A 文章编号： 1006-8023（2018）06-0025-08Estimates of Soil N， P， K Concentration by Using Hyperspectral Remote Sensing TechnologyQIAO Lu1， CHEN Lixin2*， DONG Chengming1（1. College of Pharmacy， Henan University of Traditional Chinese Medicine， Zhengzhou 450000; 2. College of Forestry， Northeast Forestry University， Harbin 150040）Abstract： The purpose of this paper is to study the feasibility of real-time monitoring soil total nitrogen （TN）， total phosphorus （TP） and total potassium （TK） in large area by using Hyperspectral Remote Sensing technology. Based on the combined methods of field investigation and indoor data from hyperspectral measurement（350-2 500 nm）， the soils in four counties （zhaoyuan county， zhaozhou county， dumeng county， and lindian county）， and daqing urban area， Heilongjiang province were studied and analyzed for the characteristics of soil spectrumand soil nutrient index. The variation in soil spectral reflectance was calculated in the form of first-order differential （R）′， reciprocal （1/R）， reciprocal first-order differential （1/R）′，logarithm （log R） and so on. Then the estimating models of TN， TP and TK were established by unary linear regression（ULR）， multivariate linear regression （MLR） and partial least squares （PLSR）， and calibration model is verified by independent samples. The results showed that the optimum absorption bands of TN， TP and TK were TN （802 nm， 1 108 nm）， TP （784 nm，1 085 nm）， TK （1 079 nm， 1 578 nm）， respectively， the precision of partial least squares （PLSR） was higher than that of Multivariate linear regression（MLR） model and unary linear regression model（ULR）， which were TN （R2 =; 0.831， RMSE = 2.506g/kg）， TP （ R2 = 0.687， RMSE = 0.844 g/kg ）， TK （R2 = 0.832， RMSE = 0.097g/kg）. The prediction accuracy of TN and TK was higher， while the prediction result of TP was relatively lower， but it can also be used for rough estimation. Meanwhile， MODIS images were used to map the concentrations of TN， TP and TK in soil. This study confirmed that hyperspectral technology combined with specific algorithms can better predict the concentrations of TN， TP and TK in soils with larger differences， and the visualization of predictive information can be realized. It is of great practical significance for real-time and rapidly monitoring large-scale changes in soil environment，predicting the trend of soil information changes， monitoring ecological environment， establishing soil nutrient database in China and reducing the monitoring cost of soil composition.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第5期
郭澎涛等：基于多源环境变量和随机森林的橡胶园土壤全氮含量预测
195
易过度拟合[14,17-18]。此外，CART 模型还存在不够稳定的缺 陷，训练集的微小变化就可能导致模型结构发生变化[19]。 而 ANN 模型计算比较繁琐，比较耗费时间，且计算结果不 易解释。最近，一个较新的模型，随机森林（random forest， RF）[20]被应用到土壤属性预测制图领域，其由 CART 模型 发展而来，克服了 CART 模型易于过度拟合和不稳定的缺 陷，同时与 ANN 模型相比，计算也相对简单。目前，该方 法在数字土壤制图领域的应用还比较少，仅见于土壤有机 质或有机碳含量空间分布预测研究[21- 23]。
因此，本研究旨在结合易获取的多源环境变量，利 用 RF 模型对区域尺度上的橡胶园土壤全氮含量空间分 布进行预测，以期为海南岛橡胶园土壤肥力评估及氮素 循环研究提供必要数据支撑。
石炭纪、第四纪、白垩纪和第四纪，它们的面积分别占研 究区总面积的 45.17%、24.89%、14.57%、7.73%和 6.23%。 1.3.2 气候因子
1 材料与方法
1.1 研究区概况 研 究 区 位 于 海 南 省 儋 州 市 境 内 ， 19°19′36″ ～
19°51′48″N 、 109°03′48″ ～ 109°44′56″E ， 面 积 约 99 600 hm2。该区属于热带湿润季风气候，年平均气温 23.3°C，年平均降雨量 1826 mm，主要集中于 5－10 月， 占全年降雨量 80%以上。研究区地貌以丘陵为主，海拔 最高点 659.2 m，最低点 0.5 m，坡度范围 0～32.1°，平 均坡度 2.6°。土壤类型为砖红壤。 1.2 土壤样品采集和化验分析
（1. 中国热带农业科学院橡胶研究所，儋州 571737； 2. 中国热带农业科学院科技信息研究所，儋州 571737； 3. 海南农垦科学院，海口 570206）
摘 要：土壤全氮与土壤肥力和土壤氮循环紧密相关。掌握土壤全氮详细的空间分布信息对提高土壤肥力管理效率和更
好地了解土壤氮循环至关重要。该文以儋州国营橡胶园为研究区域，采集 2511 个土壤样品，利用随机森林（random forest，
图 1 研究区采样点与母质分布图
Fig.1 Distribution of soil sampling points and parent materials in
1.3 环境变量
study area
1.3.1 成土母质
研究区成土母质从矢量化的海南省土壤母质图（比例
尺为 1：50 万）中提取，然后利用 ArcGIS 9.3 软件中的 Feature
然后，再以该 DEM 为数据源，运用 SimDTA 1.0.2
软件[25]生成研究区 9 个地形因子，分别为：坡度（Slope， SLO）、坡向（aspect，ASP）、地形起伏度（relief，REL）、 汇聚指数（convergence index，CI）、水平曲率（horizontal curvature，HORIZC）、剖面曲率（profile curvature， PROFC）、相对坡位指数（relative position index，RPI）、 径流强度指数（stream power index，SPI）和地形湿度指 数（topographic wetness index，TWI）（图 4b-j）。
图 3 研究区归一化植被指数 Fig.3 Normalized difference vegetation index of study area
196
农业工程学报
2015 年
1.3.4 地形因子 以研究区等高距为 2.5 m 的等高线和 49 487 个具
有高程值的调查点为数据源，利用 ArcGIS 9.3 软件中 的 Topo to Raster 工具生成研究区的数字高程模型 （digital elevation model，DEM）（图 4a），分辨率为 90 m。
土壤属性（包括土壤全氮）的空间分布受到多种环 境变量的影响，如成土母质、气候、地形和植被[8]。近年 来，随着“3S”技术的迅速发展，这些环境变量变得越 来越易获取，并被广泛地用于土壤属性空间分布预测与 制图研究中。
在数字土壤制图（digital soil mapping，DSM）[9]领域， 多种方法和模型被用来预测土壤属性的空间分布。其中， 多元线性回归（multiple linear regression，MLR）模型应 用最为广泛。主要原因是其结构简单、易于计算和解释 [10]。该模型假设土壤属性与环境变量之间的关系是线性 的，但实际情况是这两者之间的关系往往非常复杂且是 非线性的[11]。为了捕捉到这种复杂的非线性关系，分类 与回归树（classification and regression tree，CART）[12]和人 工神经网络（artificial neural network，ANN）[13]模型被引入 到数字土壤制图领域，这些模型相对 MLR 模型确实能提高 土壤属性预测的精度[14-16]，但也存在比较明显的缺陷，即容
第 31 卷 第 5 期 194 2015 年 3 月
农业工程学报 Transactions of the Chinese Society of Agricultural Engineering
Vol.31 No.5 Mar. 2015
基于多源环境变量和随机森林的橡胶园土壤全氮含量预测
郭澎涛 1，李茂芬 2，罗 微 1※，林清火 1，唐群锋 3，刘志崴 3
海南岛是中国最大的热带地区，具有高温、高湿、 多雨的气候条件，较适宜橡胶树的生长。1906 年橡胶树 被引种到海南岛[7]，从上世纪 50 年代开始，橡胶树种植 面积迅速扩大，至今已达到 5.3×105 hm2，成为海南岛最
收稿日期：2014-12-23 修订日期：2015-02-10 基金项目：国家科技支撑计划课题（2009BADA1B04）；国家天然橡胶产业 技术体系（CARS-34） 作者简介：郭澎涛，男，河南郑州人，博士，助理研究员，主要从事 GIS 和土壤-景观关系研究。儋州 中国热带农业科学院橡胶研究所，571737。 Email：glpt2011@ ※通信作者：罗 微，男，四川宜宾人，研究员，主要从事农业信息化研究 工作。儋州 中国热带农业科学院橡胶研究所，571737。 Email：13976588176@
0引言
植物生长所必需的营养元素中，氮素是植物生长和 产量形成的首要因素[1]，因此，土壤氮素含量是土壤肥力 高低的重要指示指标[2-3]。但是，土壤中过量的氮往往会 通过淋溶作用、径流或土壤侵蚀进入水体，引起水体富 营养化[4]。此外，土壤中的氮素还可通过硝化和反硝化作 用直接形成温室气体（N2O 和 NO）进入大气[5]或通过影 响土壤碳循环间接影响土壤温室气体排放[6]，进而引起全 球气候变化。因此，掌握土壤氮素含量及其空间分布， 对评估土壤肥力、环境质量和全球气候变化都具有非常 重要的意义。
大的人工生态系统。随着橡胶园面积的扩张，原始森林 或其他植被类型的面积逐渐缩小。这种由原始森林或其 他植被类型向人工橡胶园的转变势必会引起土壤氮库的 变化，进而影响到土壤肥力和氮循环。因此，很有必要 掌握橡胶园土壤氮素的空间变异规律，以便对这种由人 工橡胶林替代原始森林或其他植被类型引起的土壤肥力 变化和氮循环进行评估。但是，到目前为止，很少有研 究对海南岛橡胶园土壤全氮空间分布在区域尺度上进行 预测。
2006 年 11－12 月对研究区土壤进行样品采集，以随 机法进行取样，平均每 20 hm2 取 1 个样。样品采集时在 典型地块内按照“S”型路线均匀随机采取 0～20 cm 土 层 10 个样点进行混合作为该地块的样点，并在该地块的 中心用 GPS 记录经纬度值作为该采样点的地理坐标，共 采集土壤样点 2511 个（图 1）。土壤全氮（total nitrogen， TN）用半微量开氏法[24]进行测定。
结果能反映更为详细的局部土壤全氮含量空间变化信息，与实际情况更为接近。可见，RF 模型可作为橡胶园土壤全氮含
量空间分布预测的高效方法，为其他土壤属性的空间分布预测提供了一种新的方法。
关键词：土壤；氮；降雨; 数字土壤制图；区域尺度；肥力；空间分布；橡胶树
doi：10.3969/j.issn.1002-6819.2015.05.028
化植被指数）对研究区橡胶园土壤全氮含量进行空间预测，并通过 754 个独立验证点比较了 4 种模型的预测精度。结果
表明 RF 对土壤全氮的预测值和实测值的相关系数（0.82）明显高于 SLR（0.68）、GAMM（0.70）和 CART（0.69），而
RF 的预测平均绝对误差(0.08836 g/kg)和均方根误差（0.13090 g/kg）均低于 SLR、GAMM 和 CART。此外，RF 模型预测
中图分类号：S158.9; S127
文献标志码：A
文章编号：1002-6819(2015)-05-0194-09
郭澎涛，李茂芬，罗 微，等. 基于多源环境变量和随机森林的橡胶园土壤全氮含量预测[J]. 农业工程学报，2015，31(5)： 194－202.
Guo Pengtao, Li Maofen, Luo Wei, et al. Prediction of soil total nitrogen for rubber plantation at regional scale based on environmental variables and random forest approach [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 194－202. (in Chinese with English abstract)