土壤空间变异及其研究方法潘2012
不同尺度土壤性质空间变异研究进展
１ 不 同 尺度土壤 性质 空间变异 研 究现 状
的研 究 也表 明 ， 土地 使 用 方 式 和 耕 作 方式 影 响 土 壤
忡质 的空 间变 异 性 。曹 慧 等。 对 太 湖 丘 陵地 区 高 。 。 强 度开 发背景 条件 下土壤 肥 力质量 的空 问变 异研 究 发现 ， 土壤养 分 的空间 变异受 土地 利用 力 式 的影 响 ， 空间 ｆ ： 有一 定 的 自相 关性 ， 中 ， 地 、 田土 壤 其 菜 水 养分 含 量总体 较 高 ， 自然 林 Ｆ的 土 壤 养分 含 量 相 而 对 较低 。同时 ， 随着 农业 结构 的 调整 ， 期种 植 的经 短 济林 地 土壤 养 分 含艟 有 明 显 的 降低 。姚 丽 贤 等 Ｊ 研 究 ｒ广东 省 香蕉 园土 壤 养 分空 『 变异 性 ， 果 表 Ｈ 】 结
适的采 样 方 式 有 着 重要 的 意 义ｌ ］ ＿ 。而 且， 得 士 １ 获 壤空 间作用 与 土壤性 质 和作 物 的 关 系 ， 握 其作 用 掌
规律 的信 息 ， 实施 精 准农 业 的基 础和理 论依 据 。 是 大 尺度 的空间变 异研 究 町以改 进和 创新 土壤 分类 系
统 ． 高土壤 调 查 、 图 的质 量 和 精 度 ； 提 制 中小 尺 度 的
生 态环境 改善 提供理 沧依 据 。 。
土壤 性 质的审 问变 ： 既受 外部 因素 （ 自然 因素 、
土壤性 质空 间变 异研 究有 利于 合理 布局 种植 结构 和
改善 田问管 理 。通 过研 究 土壤 特 性 的 尺 度效 鹿 ， 阐
述 其 空 『变 异 Ｒ度 效 应 ， 现 不 同 空 间 尺度 间 的 转 日 】 实
人 为 素） 的影 响 ， 与 其本身 的特 性 （ 也 土壤类 型 、 土
空间分析方法在土壤变异研究中的应用
第 ４ 期
空 间 分 析 方 法 在 土 壤 变 异 研 究 中 的 应 用
方 元 。 ， 吴 志 峰 。 ，陈 利 燕 ‘ 胡 永 红 ‘ ‘ ，
（１ 中 国科 学 院 广 州地 球 化学 研究 所 ．广 州 ． ５０４ １ ６ ０；２ 广 尔 省 牛 态 环 境 土 壤 研 究 所 ，广 州 ５ ０ ５ ． １ ６ ０Ｊ 扰 着 土 壤 学
统 ｌ 法 已经 取 得 一 定 成 功 ，但 由于 其 本 质 上 是 定 性 方 的 ，很 多 情 况 下 很难 确 切 地 描 述 土 壤 性 质 的 空 间 分
地 统 计 学 首 先 是 由 法 国 数 学 家 Ｍ ｔ ｅ ｏ 于 ２ ａｈｒｎ Ｏ 世 纪 ６ 年 代 建 立 起 来 的 ， 区 域 化 变 量 、 机 函 数 和 ０ 以 随 平 稳 性 假 设 等 概 念 为基 础 ， 半 方 差 函数 为核 心 ， 以 以 Ｋ ｉ ｉ ｇ 值 为 手 段 ， 析 研 究 结 构 性 和 随 机 性 双 重 ｒｇｎ插 分 规 律 的 空 间 变 异 问题 引 。 土 壤 性 质 明 显 是 一 个 典 型 的 区 域 化 变 量 。就 是 说 ，土 壤 性 质 变化 不 是 随机 的 ，而 是 具 有 高 度 的空 间 相 关 性 。 于 具 有 空 间结 构 变 量 的空 间 变异 分 析 ， 对 采用 经 典 统 计 学来 分 析 是 远 远 不 够 的 。…： 目前 ， 。 ‘ 。 国 内外 对 土壤 空 间 变 异 研 究 最 多 的 是 采用 地 统 计 学 力 法 。地 统 计 学 对 于 土壤 空 间 变 异 研 究 的最 主 要 贡 ’
度 …。 但 是 这 种 方 法 只能 揭 示 研 究 区 内的 土壤 参 数 变 异 程 度 的 强 弱 ，它 忽 略 了研 究 区域 内 所 考 察 土 壤
土壤养分空间估测方法研究综述
质量评价是土地可持续利用的重要组成部分 ， 对于 提高耕地水肥利用效率 ，改善 田间管理 ，防止环境 的污 染具 有 直接 的现 实 意义 ，为 我 国精 细农业 的研 究和实施提供 了一定的供理论基础［ 】 ５。 ｛ 大尺度 的土 壤养分空间变异研究 ， 对于获取高精度的土壤养分 信息 ，为生态地理 区划 、土壤环境 、 农业宏观管理 决策等提供可靠 的数据基础［ ９ 】 。中小尺度的土壤养 分空间变异研究有利于合理布局种植制度 ， 改善 田 间管 理 ，制定 合 理 的施肥 灌 水 措施 ［１１。 同时土 ８０ １ ，－】 壤 养 分 空 间 变 异 定 量 研 究 能 将 空 间对 土 壤 以及 土 壤一 植物复合系统的不 同作用更好的展现出来 ， 使人 们能够更好地理解空间作用对土壤作物的重要性 ， 另外还 可以为确定 合理的采样尺度和采数 目提供 有效途径 ，降低采样分析费用。 本文就不 同方法在土壤养分 空间估测 方面的 应用进行综述 ， 并对每一种方法的适用范围 ， 存在
生态环境 学报 ２ １， ０８９： ３ ９１ ８ ０ ２ （－）１７ －３ ６ １
Ｅｃ ｌ ｇ ｎ ｎ ｉｏ ｍｅ ｔｌ ｃ ｅ ｃ ｓ ｏ ｏ ｙ ａ ｄ Ｅ ｖ ｒ ｎ ｎ ａ ｉｎ ｅ Ｓ
ｈｔ：ｗ ｗ．ｅｃ． ｍ ｔ ／ ｗ ｊ ｓｉ ｏ ｐ／ ｅ ｃ
Ｅ ｍａｌｅｉ ｒ ｅｓｉ ｏ － ｉ ｄｔ ＠ｊｅｃ． ｍ ： ｏ ｃ
中图分 类号 ：￥ ５ １ 文 献标 志码 ：Ａ 文章编号 ：１７ ．９ ６（ ０ １ ８０ ．３９０ ６ ４５ ０ ２ １ ）０ ．９ １７ ．８
土壤 是 覆 盖 于 地 球 表 面具 有 一 定 肥 力 并 能 生 长 植 物 的疏松 表 层 …，由于受 到 成土 母质 、气候 、
土壤湿度的空间变异特征及尺度效应分析
第４１卷第４期 中国矿业大学学报 Ｖｏｌ．４１Ｎｏ．４２０１２年７月 Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ ＆Ｔｅｃｈｎｏｌｏｇｙ Ｊｕｌ．２０１２土壤湿度的空间变异特征及尺度效应分析宋小宁，朱小华，李新辉（中国科学院研究生院资源与环境学院，北京 １０００４９）摘要：基于遥感信息分析了土壤湿度的空间变异及尺度效应问题．利用多尺度遥感数据获得了归一化植被指数和地表温度，并基于此参数提取了干旱／半干旱地区的土壤湿度指数；基于分形理论，利用表面积计算方法，通过计算一系列不同尺度窗口像元的曲面面积，研究了三维曲面面积随尺度变化的规律，即定量描述了不同尺度遥感图像提取的土壤湿度指数值的变化特性，随着尺度的增加，驻点像元数减少，说明其空间异质性降低；并利用半变差函数研究了不同空间分辨率下土壤湿度的异质性特征．结果表明：空间分辨率越大，其整体空间异质性程度越小，与实际情况相符，说明利用分形几何学和地统计学方法分析土壤湿度指数的空间异质性特征是可行的．通过该研究可以有效地确定土壤湿度遥感监测的尺度，更好地了解区域尺度的土壤干旱程度及水资源情况．关键词：遥感；土壤湿度；空间异质性；分形几何；尺度效应中图分类号：ＴＰ ７９文献标识码：Ａ文章编号：１０００－１９６４（２０１２）０４－０６９１－０６Ｓｐａｔｉａｌ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ａｎｄ ｓｃａｌｅ ｅｆｆｅｃｔ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅＳＯＮＧ Ｘｉａｏ－ｎｉｎｇ，ＺＨＵ Ｘｉａｏ－ｈｕａ，ＬＩ Ｘｉｎ－ｈｕｉ（Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，Ｇｒａｄｕａｔｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００４９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ，ｗｅ ｍａｉｎｌｙ ｓｔｕｄｉｅｄ ｓｐａｔｉａｌ ｖａｒｉａｔｉｏｎ ａｎｄ ｓｃａｌｅｅｆｆｅｃｔ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅ，ｏｂｔａｉｎｅｄ ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ ａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅｕｓｉｎｇ ｍｕｌｔｉ－ｓｃａｌｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ，ａｎｄ ｅｘｔｒａｃｔｅｄ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎｄｅｘ ｏｆ ａｒｉｄ ａｎｄ ｓｅｍｉａｒｉｄ ａｒ－ｅａｓ ｕｔｉｌｉｚｉｎｇ ｔｈｅ ｔｗｏ ｐａｒａｍｅｔｅｒｓ．Ａｎｄ ｔｈｅｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｆｒａｃｔａｌ ｇｅｏｍｅｔｒｙ，ａｎｄ ｓｕｒｆａｃｅ ａｒｅａ ｃａｌ－ｃｕｌａｔｉｏｎ ｍｅｔｈｏｄ，ｗｅ ｃａｌｃｕｌａｔｅｄ ｃｕｒｖｅｄ ｓｕｒｆａｃｅ ａｒｅａｓ ｏｆ ｓｅｒｉｅｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｓｃａｌｅ ｗｉｎｄｏｗｓ ａｎｄ ａｆ－ｔｅｒ ｔｈａｔ ｃａｌｃｕｌａｔｅｄ ｓｕｒｆａｃｅ ｆｒａｃｔａｌ ｄｉｍｅｎｓｉｏｎ，ｓｏ ａｓ ｔｏ ｒｅｓｅａｒｃｈ ｔｈｅ ｃｈａｎｇｅ ｒｕｌｅｓ ｏｆ ３Ｄｓｕｒｆａｃｅａｒｅａ ｗｉｔｈ ｓｃａｌｅ ａｌｔｅｒａｔｉｏｎ，ｔｈａｔ ｉｓ，ｑｕａｎｔｉｆｉｃａｔｉｏｎａｌｌｙ ｄｅｓｃｒｉｂｉｎｇ ｖａｒｉａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｓｏｉｌｍｏｉｓｔｕｒｅ ｉｎｄｅｘ ｅｘｔｒａｃｔｅｄ ｆｒｏｍ ｄｉｆｆｅｒｅｎｔ ｓｃａｌｅｓ ｏｆ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅｓ．Ａｄｄｉｔｉｏｎａｌｌｙ，ｕｎｄｅｒｄｉｆｆｅｒｅｎｔ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎｓ，ｗｅ ｕｓｅｄ ｌａｎｄ ｓｔａｔｉｓｔｉｃａｌ ｍｅｔｈｏｄｓ ｔｏ ｃａｌｃｕｌａｔｅ ｓｅｍｉ－ｖａｒｉｏｇｒａｍ ｉｎ ｏｒ－ｄｅｒ ｔｏ ｑｕａｎｔｉｆｉｃａｔｉｏｎａｌｌｙ ｄｅｓｃｒｉｂｅ ｔｈｅ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅｈｉｇｈｅｒ ｔｈｅ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎ，ｔｈｅ ｓｍａｌｌｅｒ ｔｈｅ ｄｅｇｒｅｅ ｏｆ ｓｐａｃｅ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｃａｕｓｅｄ ｂｙ ｓｐａｔｉａｌｓｅｌｆ－ｃｏｒｒｅｌａｔｉｏｎ ｐａｒｔｓ，ｗｈｉｃｈ ａｃｃｏｒｄｓ ｗｉｔｈ ａｃｔｕａｌ ｓｉｔｕａｔｉｏｎ ａｎｄ ａｌｓｏ ｅｘｐｌａｉｎｓ ｔｈａｔ ｉｔ ｉｓ ｆｅａｓｉｂｌｅ ｔｏａｎａｌｙｚｅ ｓｐａｔｉａｌ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎｄｅｘ ｕｓｉｎｇ ｔｈｅ ｆｒａｃｔａｌ ｇｅｏｍｅｔｒｙ ａｎｄ ｓｔａｔｉｓｔｉｃａｌｍｅｔｈｏｄｓ．Ｔｈｒｏｕｇｈ ｔｈｉｓ ｒｅｓｅａｒｃｈ，ｗｅ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｄｅｔｅｒｍｉｎｅ ｓｏｉｌ ｍｏｉｓｔｕｒｅ’ｓ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇｍｏｎｉｔｏｒｉｎｇ ｓｃａｌｅ ａｎｄ ｍｏｄｅｌ，ａｎｄ ｂｅｔｔｅｒ ｕｎｄｅｒｓｔａｎｄ ｒｅｇｉｏｎａｌ ｓｃａｌｅ ｓｏｉｌ ｄｒｏｕｇｈｔ ａｎｄ ｗａｔｅｒ ｌｅｖｅｌ．Ｉｔ ｈａｓ ｃｅｒｔａｉｎ ｓｃｉｅｎｔｉｆｉｃ ｓｉｇｎｉｆｉｃａｎｃｅ．Ｋｅｙ ｗｏｒｄｓ：ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ；ｓｏｉｌ ｍｏｉｓｔｕｒｅ；ｓｐａｔｉａｌ ｈｅｔｅｒｏｇｅｎｅｉｔｙ；ｆｒａｃｔａｌ ｇｅｏｍｅｔｒｙ；ｓｃａｌｅ ｅｆｆｅｃｔ收稿日期：２０１１－０７－０２基金项目：中国科学院知识创新工程重要方向项目（ＸＭＸＸ２８０７２２）；国家重点基础研究发展计划（９７３）项目（２００７ＣＢ７１４４００）作者简介：宋小宁（１９７５－），女，山西省长治市人，副教授，工学博士，从事定量遥感方面的研究．Ｅ－ｍａｉｌ：ｓｏｎｇｘｎ＠ｇｕｃａｓ．ａｃ．ｃｎ Ｔｅｌ：１３１４１３８８３３６ 中国矿业大学学报 第４１卷土壤水分是水量平衡的一个重要分量，在地－气界面间物质、能量交换中起着重要的作用．传统的土壤湿度监测方法很多，但只能得到单点的数据，需要大量的人力物力，不仅费时，而且成本高，很难高效率地获取大范围的土壤湿度；不仅如此，由于土壤、地形、植被覆盖上的空间差异使单点的代表性差，也限制了它的应用范围［１－２］．大范围土壤湿度的监测与反演成为遥感技术应用研究的前沿问题，而且伴随着遥感技术的不断发展，遥感监测土壤湿度的方法也在不断发展和完善，先后出现了基于不同遥感原理的监测方法，如热惯量法、作物缺水指数法、植被指数距平法、温度植被干旱指数（ＴＶＤＩ）法、微波遥感方法等．但由于地表空间异质性的存在，不同分辨率的遥感图像包含信息也有差异，使得空间变异及其尺度问题成为遥感土壤湿度研究的热点之一．从景观生态学的角度，已发展了一系列尺度分析的方法和理论，为遥感的尺度研究奠定了基础．本文针对干旱／半干旱地区的地表特征，利用分形几何学和地统计学，研究了土壤湿度遥感监测中存在的尺度效应问题．１研究区和数据源本文选择西部干旱区的黑河流域中游作为示范区，遥感数据源主要采用高级星载热辐射热反射探测仪（ＡＳＴＥＲ）和中等分辨率成像光谱辐射仪（ＭＯＤＩＳ）数据，为了更有效地进行土壤湿度遥感监测，还辅以土地利用图及其它区域背景资料．为了保证土壤湿度指数的准确性，本文对遥感数据进行了大气校正、几何校正等预处理，其具体过程见文献［３］．２研究方法２．１土壤湿度指数提取鉴于多数利用遥感来提取土壤湿度的方法，需要大量的地面实测数据或较长时间序列的遥感图像资料，在实际应用中受到一定的限制．因此，本文拟基于植被供水指数来定量研究干旱地区的土壤湿度．植被供水指数法的原理是：当土壤湿度正常时，植物供水正常，植被指数和冠层温度也在一定的范围之内；若土壤湿度低于正常范围，植物供水不足，植物被迫关闭一部分气孔，导致植被冠层温度升高，叶面积指数减小．因此，利用植被指数和温度可以表征土壤湿度状况［４－５］Ｗ＝Ｖ／Ｔｓ，（１）式中：Ｗ为植被供水指数（ＶＳＷＩ）；Ｖ为归一化植被指数（ＮＤＶＩ）；Ｔｓ为地表温度．２．２空间异质性表达及尺度效应分析考虑到地表空间异质性的存在，利用不同分辨率遥感图像获得的植被指数和温度信息很大程度上会受到影响．空间异质性是指某种变量在空间分布上的不均匀性及复杂程度，是空间斑块性和空间梯度的综合反映，主要强调其特征在空间上的非均匀性和尺度依赖性．针对遥感信息的空间尺度效应则主要是指遥感图像信息对空间分辨率的依赖性，使得利用不同分辨率遥感图像反演的地表参数存在一定的差异．本文拟采用基于分形理论的表面积法———图像曲面的分维数和地统计学的变差函数来分析土壤湿度指数的空间异质性［６－７］．２．２．１基于分形几何学的空间异质性分析表面积法是将灰度图像表面看成是一个空间曲面，通过不同尺度下空间曲面面积的数值来求解分维数．设灰度图像（ｘ，ｙ）处的像元灰度值为ｚ（ｘ，ｙ），将ｚ（ｘ，ｙ）作为ｚ坐标，则（ｘ，ｙ，ｚ（ｘ，ｙ））成为三维空间的一个空间点．将灰度图像所有的像元处理成这样的空间点，用最小二乘法将这些空间点拟合出一个空间曲面，其表面积即为灰度图像的表面积，其表面的复杂性就代表了图像像元值的变化特性，其复杂性可以用分维数进行定量的描述．本文采用三角棱柱法计算每个像元曲面面积．三角棱柱法是通过比较在不同尺度观测图像“表面”时表面积大小的变化情况，是计算曲面分维数的一种方法．遥感图像中的各像元并不是完全独立的，在空间结构上与相邻位置像元存在相似相关特征．因此，本文利用遥感图像相邻像元的灰度值来近似计算核心像元的值（如图１）．图１ 计算像元曲面面积示意［４］Ｆｉｇ．１Ｄｉａｇｒａｍ ｏｆ ｐｉｘｅｌ ｓｕｒｆａｃｅ ａｒｅａ ｃａｌｃｕｌａｔｉｏｎ 针对特定空间分辨率遥感图像，对于每一个像元Ａ，Ｂ，Ｃ，Ｄ，其各自灰度值作为ｚ值，即ｚＡＥ，ｚＢＨ，ｚＣＧ，ｚＤＦ．从栅格中心引一条线段ＯＰ，其长度为ｚＯＰ＝（ｚＡＥ＋ｚＢＨ＋ｚＣＧ＋ｚＤＦ）／４．（２）则所构建三角棱柱的４个三角形（△ＡＯＢ，２９６第４期 宋小宁等：土壤湿度的空间变异特征及尺度效应分析△ＢＯＣ，△ＣＯＤ，△ＡＯＤ）的各边都可以获得，其面积可通过海伦公式计算，即Ｓｉ＝ｐｉ（ｐｉ－ａｉ）（ｐｉ－ｂｉ）（ｐｉ－ｃｉ槡），（３）ｐｉ＝（ａｉ＋ｂｉ＋ｃｉ）／２，（４）式中：下标ｉ代表４个三角形（△ＡＯＢ，△ＢＯＣ，△ＣＯＤ，△ＡＯＤ）；Ｓｉ为下标ｉ所示三角形的面积；ａｉ，ｂｉ，ｃｉ分别为下标ｉ所示三角形的３条边；ｐｉ为下标ｉ所示三角形周长的一半．则曲面面积和面积比值分别为Ｓ（ｒ）曲＝Ｓ△ＡＯＢ＋Ｓ△ＢＯＣ＋Ｓ△ＣＯＤ＋Ｓ△ＡＯＤ，（５）ｂ（ｒ）＝Ｓ（ｒ）曲Ｓｒ像≥１，（６）式中：Ｓ（ｒ）曲为曲面面积；ｒ为不同的尺度；Ｓ（ｒ）像为像元面积；ｂ（ｒ）为曲面面积与像元面积的比值．利用表面积方法计算一系列不同尺度窗口像元的曲面面积，从而得到三维曲面面积随尺度变化的规律．尺度上推过程中会出现以下情况：１）当遥感图像中ｍ×ｎ聚合窗口中各像元具有相同的灰度值（ｚ（ｘ，ｙ）），升尺度处理后，该曲面面积将等于像元面积，即ｂ（ｒ）＝１，表明地表情况不存在差异，即空间异质性低；２）当ｍ×ｎ聚合窗口中，空间信息复杂，即各像元灰度值均不相同，则升尺度处理后，该曲面面积与像元面积必然不相等，如像元值变化剧烈，理想状态下可达到ｂ（ｒ）趋于无穷．本文将利用ＡＳＴＥＲ数据计算得到的归一化植被指数值进行０～２５５拉伸处理，并用相应的像元值模拟遥感图像的空间三维结构，并将用于聚合的不同形状（方向）、不同尺度的聚合窗口分别设置如下：正方形窗口：２×２，３×３，４×４，５×５，６×６，７×７，８×８，９×９，１０×１０，１１×１１，１２×１２，１３×１３； 横向窗口：２×４，２×６，３×６，３×９，４×８，４×１２，５×１０，６×１２，５×１５，７×１４，６×１８，８×１６，９×１８；纵向窗口：４×２，６×２，６×３，９×３，８×４，１２×４，１０×５，１２×６，１５×５，１４×７，１８×６，１６×８，１８×９．设置动态阈值ｂ（ｒ）≤２，分析在升尺度处理过程中地表特征的变化规律（如图２）．从图２中可看出，随着窗口尺度的增加，遥感图像中驻点像元数Ｎ呈幂指数的形式减少，并且正方形窗口驻点像元减少的速度最快，其次为纵向窗口，横向窗口像元数减少最慢，但是纵向、横向变化比率相差不大．该统计结果符合客观规律，如４×４窗口内像元值相似的概率要大于２×８窗口，在尺度较小时，正方形窗口内统计的驻点像元数目较横向和纵向窗口的多．随着窗口尺度的增加，窗口内信息逐渐减弱． 对于同一尺度的窗口，随着阈值ｂ（ｒ）的增大，驻点像元数目都呈增加趋势（如表１和图３），表明其空间异质性越高．图２ 驻点像元数Ｎ与窗口面积Ｓ之间的回归关系Ｆｉｇ．２Ｒｅｇｒｅｓｓｉｏｎ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｒｅｓｉｄｅｎｔｐｉｘｅｌ ｎｕｍｂｅｒ ａｎｄ ｗｉｎｄｏｗ ａｒｅａ ｉｎ ｄｉｆｆｅｒｅｎｔ ｄｉｒｅｃｔｉｏｎｓａｎｄ ｓｃａｌｅ ｐｏｌｙｍｅｒｉｚａｔｉｏｎ ｗｉｎｄｏｗ表１ 不同窗口尺度不同阈值下像元数变化情况统计（正方形窗口）Ｔａｂｌｅ １ Ｐｉｘｅｌ ｎｕｍｂｅｒ ｃｈａｎｇｅｓ ｓｔａｔｉｓｔｉｃｓ ｉｎ ｄｉｆｆｅｒｅｎｔ ｓｃａｌｅｓ ａｎｄ ｄｉｆｆｅｒｅｎｔ ｔｈｒｅｓｈｏｌｄｓ（ｓｑｕａｒｅ ｗｉｎｄｏｗ）窗口尺度ｂ（ｒ）≤１．１ ｂ（ｒ）≤１．５ ｂ（ｒ）≤２ ｂ（ｒ）≤３ ｂ（ｒ）≤４ ｂ（ｒ）≤５ ｂ（ｒ）≤１０ ｂ（ｒ）≤１５２ １ ４６３ ０７０ １ ７３９ ５７２ １ ８９６ ６８４ ２ ００８ ６２２ ２ ０９６ ５７６ ２ ３５７ ３５４ ２ ５０１ １８９ ２ ５１６ １９９３ １ １５９ ７３６ １ ４２０ ０５８ １ ５７２ ４３８ １ ６８４ ９２５ １ ７７７ ９７１ ２ １１６ ７４１ ２ ４０９ ６１８ ２ ４８８ ４２８４ １ ０４６ ６６６ １ ２８９ ９０４ １ ４３２ ８６８ １ ５４１ ３０４ １ ６３２ ９６０ １ ９９２ ９５９ ２ ３４８ ６７４ ２ ４６２ ７８７５ ９９９ ３０３ １ ２２６ ６１８ １ ３６０ ６４５ １ ４６４ ５７３ １ ５５３ ８７２ １ ９２１ ００９ ２ ３１１ ０４２ ２ ４４５ ５８６６ ９６０ １８９ １ １８３ ８４４ １ ３１３ １８４ １ ４１３ ７７５ １ ５０１ ２１６ １ ８７０ １００ ２ ２８１ ２３９ ２ ４３０ ７１７７ ９３６ ９０４ １ １５３ ６０６ １ ２７９ ４５２ １ ３７６ ７７６ １ ４６２ ４６９ １ ８３１ ３４５ ２ ２５５ ９８０ ２ ４１８ ２７４８ ９１２ ７６４ １ １２８ ５０３ １ ２５１ ２６８ １ ３４７ ００１ １ ４３１ １４１ １ ７９９ ８７８ ２ ２３５ ９２０ ２ ４０７ ５２５９ ８９７ ６５１ １ １０７ ４１５ １ ２２７ ７１６ １ ３２１ ９１３ １ ４０５ ０９９ １ ７７３ ８８１ ２ ２１９ ８５５ ２ ３９８ ９５６１０ ８７９ ５４１ １ ０８９ ０３４ １ ２０７ ２８８ １ ２９９ ９５６ １ ３８２ ２７２ １ ７５１ ２３１ ２ ２０５ ３４７ ２ ３９１ ０９４１１ ８６６ ７８７ １ ０７２ ３７４ １ １８９ ０６０ １ ２８０ ７０９ １ ３６２ ０８７ １ ７３０ ７２３ ２ １９２ ０４１ ２ ３８４ ０１０１２ ８５１ ９３１ １ ０５７ ９３３ １ １７２ ６３５ １ ２６３ １８０ １ ３４３ ７２２ １ ７１２ ４３８ ２ １７９ ６５８ ２ ３７７ ０５５１３ ８４１ ２１１ １ ０４３ ７３０ １ １５８ １３７ １ ２４７ ４１７ １ ３２７ ００６ １ ６９４ ６４０ ２ １６８ ６１９ ２ ３７０ ２９１３９６ 中国矿业大学学报 第４１卷图３ 动态阈值下驻点像元数随窗口面积变化的双对数回归关系Ｆｉｇ．３Ｌｏｇ－ｌｏｇ ｒｅｇｒｅｓｓｉｏｎ ｒｅｌａｔｉｏｎｓｈｉｐ ｒｅｓｉｄｅｎｔ ｐｉｘｅｌｎｕｍｂｅｒ ｗｉｔｈ ｔｈｅ ｗｉｎｄｏｗ ｓｉｚｅ ｕｎｄｅｒ ｄｙｎａｍｉｃ ｔｈｒｅｓｈｏｌｄ图４分别是基于ＡＳＴＥＲ数据提取的９０ｍ分辨率的植被供水指数（图４ａ）、聚合后得到１ ０００ｍ分辨率的植被供水指数（图４ｂ）及基于ＭＯＤＩＳ提取的１ ０００ｍ分辨率的植被供水指数（图４ｃ）．由图４可以看出，由高分辨率的图像聚合后得到低分辨率的植被供水指数图，与直接由低分辨率的图像得到的植被供水指数图相比，其层次更分明．图５为面积比值图，图５中越亮的地方代表异质性越大．从图５中可以看到，比值较高的情况主要出现在特征地类交界上，尺度上推后，大尺度地类为原小尺度像元地类组合，因此像元值不能代表地类的真实情况．即由于空间异质性的影响，不同分辨率的遥感数据提取的土壤湿度指数存在尺度效应．为了进一步定量分析其尺度误差，本文计算了尺度上推的误差因子，其误差定义为ｅ＝｜Ｗａ－Ｗｍ｜，（７）式中：ｅ为尺度上推的误差因子；Ｗａ为植被供水指数图像聚合后的指数；Ｗｍ为直接由低分辨率图像提取的指数．图４ 植被供水指数Ｆｉｇ．４Ｖｅｇｅｔｉｏｎ ｓｕｐｐｌｙ ｗａｔｅｒ ｉｎｄｅｘ ｉｍａｇｅ图５ 面积比值Ｆｉｇ．５Ｆｉｇｕｒｅ ｏｆ ａｒｅａ ｒａｔｉｏ图６为误差因子图，图６中越亮的地方代表其误差越大，也呈现出地物边界处误差较大的特征，这与面积比值的分布特征一致．同时，通过回归分析，得到了曲面面积与像元面积比值ｂ（ｒ）与误差因子ｅ之间的拟合图（图７）．从图７可以看出，面积比值因子与误差因子呈现出较好的相关性，这说明该空间异质性表达方法能较好地反映遥感应用于土壤湿度研究中的尺度效应问题．图６误差因子Ｆｉｇ．６Ｅｒｒｏｒ ｍａｐ图７ 面积比值与误差因子之间的拟合曲线Ｆｉｇ．７Ｆｉｔｔｉｎｇ ｃｕｒｖｅ ｂｅｔｗｅｅｎ ａｒｅａ ｒａｔｉｏｆａｃｔｏｒ ａｎｄ ｅｒｒｏｒ ｆａｃｔｏｒ２．２．２基于地统计学的空间异质性分析鉴于该区域土壤湿度存在空间异质性，空间尺度过大，大量细节被省略，成为“有偏”估计；空间尺度过小，陷入局部而不能窥其全貌．因此，选择合适空间分辨率的遥感数据来提取，才能很好地反映研究区的土壤湿度状况．地统计学就是以区域化变量理论为基础，以变差函数为基本工具，研究那些在空间分布上既具有随机性又具有结构性的自然现象的科学．变差函数既能描述区域化变量的结构性变化，又能描述其随机性变化．一维情况下变差函数的定义为［８］γ（ｘ，ｈ）＝１２Ｅ［Ｚ（ｘ）－Ｚ（ｘ＋ｈ）］２－ １２｛Ｅ［Ｚ（ｘ）］－Ｅ［Ｚ（ｘ＋ｈ）］｝２，（８）４９６第４期 宋小宁等：土壤湿度的空间变异特征及尺度效应分析式中：γ（ｘ，ｈ）为半变差函数；Ｅ为期望值；Ｚ为定义在一维轴上的一个区域化变量；Ｚ（ｘ），Ｚ（ｘ＋ｈ）分别为变量Ｚ在ｘ和ｘ＋ｈ处的取值；ｘ为某个点的位置；ｈ为两个点之间的间距．在大多数情况下，变差函数γ（ｘ，ｈ）的取值仅仅依赖于有方向的距离ｈ，而与位置ｘ无关，γ（ｘ，ｈ）可改写为γ（ｈ），即γ（ｈ）＝１２Ｅ［Ｚ（ｘ）－Ｚ（ｘ＋ｈ）］２．（９） 变差函数图的形状可以反映分析对象空间分布的结构或空间相关的类型，同时给出这种空间相关的范围，如果存在空间相关，γ（ｈ）将随ｈ的增大而增大，当γ（ｈ）增大到平衡状态才停止，达到平衡值（称为基台值Ｃ０＋Ｃ，理论上Ｃ０＝０）后，γ（ｈ）就稳定在该值附近，这时ｈ（＝ａ）称为相关程或变程，即存在空间相关的最大距离［９］．图８为不同分辨率的变差函数散点图，由散点图可以看出在不同空间分辨率条件下，植被供水指数的空间分布趋势相一致，其中，空间分辨率分别为１２０，６０，３０，１５ｍ时，其变差函数达到了相同的基台值，就稳定在该值附近，而基台值代表变量本身的结构方差，这说明１２０ｍ的空间分辨率能够充分体现本区域的空间分布特征，因此，基于９０ｍ空间分辨率所提取的湿度指数能够确切反映区域的土壤湿度状况．从空间尺度上看，本文所提取的湿度指数是合理的，能够较准确地反映该研究区的土壤湿度分布状况．图８ 基于不同空间分辨率的植被供水指数变差函数散点图Ｆｉｇ．８Ｖａｒｉｏｇｒａｍ ｓｃａｔｔｅｒ ｏｆ ＶＳＷＩ ｂａｓｅｄ ｏｎｄｉｆｆｅｒｅｎｔ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎ利用变差函数分析空间异质性，其中，块金值（Ｃ０）表示随机部分的空间异质性，由实验误差和小于实验取样尺度引起的变异，较大的块金方差表明较小尺度上的某种过程不容忽视．基台值（Ｃ＋Ｃ０）又称为平顶值或顶坎值，基台值越大表示总的空间异质性程度越高，是半变差函数达到的极限值，在该值附近半变差函数值不再单调递增，而是围绕这一值上下摆动，且该值是半变差函数随间距增加到一定程度后出现的平稳值．块金值和基台值之比（Ｃ０／（Ｃ０＋Ｃ））反映随机变异占总变异的大小，如果该比值较高，说明由随机部分引起的空间异质性程度较高；相反，则由空间自相关部分引起的空间异质性程度较大；如果该比值接近１，则说明该变量在整个尺度上具有恒定的变异．从结构性因子角度来看，Ｃ０／（Ｃ０＋Ｃ）的比值可表示系统变量的空间相关性程度，比值＜２５％，２５％～７５％，＞７５％分别表示变量的空间相关性较强、中等、较弱［１０－１１］．表２是通过地统计学分析得到的块金值（Ｃ０）、基台值（Ｃ＋Ｃ０）、块金值和基台值的比值（Ｃ０／（Ｃ＋Ｃ０））．从表２中可以看出，随着空间分辨率的依次增大，其基台值逐渐降低，说明其整体空间异质性降低；块金值和基台值的比值都比较大（４０％～７０％），说明该区域由空间自相关部分引起的空间异质性程度较大，而且随着空间分辨率的增大而减小，这表明空间分辨率越大，由空间自相关部分引起的空间异质性程度越小，这与实际情况相符．表２ 空间异质性分析结果Ｔａｂｌｅ ２ Ｓｐａｔｉａｌ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ａｎａｌｙｓｉｓ空间分辨率／ｍ ９６０ ４８０ ２４０ １２０ ６０ ３０ １５Ｃ００．０８３ ０．０４８ ０．０４６ ０．０４２ ０．０３６ ０．０３１ ０．０２７Ｃ０＋Ｃ ０．１４５ ０．０７２ ０．０６８ ０．０６９ ０．０６７ ０．０６６ ０．０６４Ｃ０／（Ｃ０＋Ｃ）０．５７１ ０．６６１ ０．６７３ ０．６０８ ０．５３７ ０．４６７ ０．４１９３结论利用分形几何学和地统计学的方法，对基于不同空间分辨率遥感图像提取的土壤湿度指数进行了空间异质性分析．利用“曲面面元”概念，计算了不同尺度窗口像元曲面面积和分维数，定量描述了图像像元值的变化特性．结果表明，空间分辨率越高，其图像的信息越丰富，其空间异质性特征越明显，而且相比由低空间分辨率图像提取的土壤湿度指数，由高空间分辨率图像聚合后的指数表现出的空间异质性更强．通过地统计学方法分析可知，随着空间分辨率的增大，其整体的空间异质性降低，并且块金值和基台值的比值达到了４０％～７０％，说明该研究区的空间自相关部分引起的空间异质性较大，而且随着空间分辨率的增大，由空间自相关部分引起的空间异质性会减小，通过分析确定了适合于本研究区土壤湿度研究的最佳空间分辨率．致谢：本文所用ＭＯＤＩＳ数据由美国ＤＡＡＣ数据５９６ 中国矿业大学学报 第４１卷中心提供，ＡＳＴＥＲ数据得到了９７３项目“陆表生态环境要素主被动遥感协同反演理论与方法”（２００７ＣＢ７１４４００）与中国科学院西部行动计划（二期）项目“黑河流域遥感－地面观测同步试验与综合模拟平台建设”（ＫＺＣＸ２－ＸＢ２－０９）的支持，在此一并表示感谢！参考文献：［１］赵立军．基于ＭＯＤＩＳ数据的北京地区土壤含水量遥感信息模型研究［Ｍ］．北京：中国农业大学出版社，２００４：３４－３７．［２］ＬＥＩ Ｓｈａｏ－ｇａｎｇ，ＢＩＡＮ Ｚｈｅｎｇ－ｆｕ，ＤＡＮＩＥＬＳ Ｊ Ｌ，ｅｔａｌ．Ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ ｖａｒｉａｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｉｎ ａｎ ａｒｉｄａｎｄ ｖｕｌｎｅｒａｂｌｅ ｃｏａｌ ｍｉｎｉｎｇ ｒｅｇｉｏｎ［Ｊ］．Ｍｉｎｉｎｇ Ｓｃｉｅｎｃｅａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，２０１０，２０（２）：４８５－４９０．［３］宋小宁．基于植被蒸散法的区域缺水遥感监测方法研究［Ｄ］．北京：中国科学院研究生院，２００４．［４］宋小宁，赵英时．基于ＭＯＤＩＳ数据的组分温度反演研究［Ｊ］．中国矿业大学学报，２００４，３３（４）：４０６－４１１．ＳＯＮＧ Ｘｉａｏ－ｎｉｎｇ，ＺＨＡＯ Ｙｉｎｇ－ｓｈｉ．Ｉｎｖｅｒｓｉｏｎ ｏｆ ｃｏｍ－ｐｏｎｅｎｔ ｔｅｍｐｅｒａｔｕｒｅｓ ｂａｓｅｄ ｏｎ ＭＯＤＩＳ ｄａｔａ［Ｊ］．Ｊｏｕｒ－ｎａｌ ｏｆ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ ＆Ｔｅｃｈｎｏｌｏｇｙ，２００４，３３（４）：４０６－４１１．［５］姚春生，张增祥，汪 潇．使用温度植被干旱指数法（ＴＶＤＩ）反演新疆土壤湿度［Ｊ］．遥感技术与应用，２００４，１９（６）：４７３－４７８．ＹＡＯ Ｃｈｕｎ－ｓｈｅｎｇ，ＺＨＡＮＧ Ｚｅｎｇ－ｘｉａｎｇ，ＷＡＮＧ Ｘｉ－ａｏ．Ｅｖａｌｕａｔｉｎｇ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｓｔａｔｕｓ ｉｎ Ｘｉｎｊｉａｎｇ ｕｓｉｎｇｔｈｅｔｅｍｐｅｒａｔｕｒｅ ｖｅｇｅｔａｔｉｏｎ ｄｒｙｎｅｓｓ ｉｎｄｅｘ（ＴＶＤＩ）［Ｊ］．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ，２００４，１９（６）：４７３－４７８．［６］郭建明．分形理论在遥感影像空间尺度转换中的应用研究［Ｄ］．西安：西北大学城市与资源学院，２００８．［７］王政权．地统计学及在生态学中的应用［Ｍ］．北京：科学出版社，１９９９：１３５－１４２．［８］李小涛，潘世兵，宋小宁．基于地质统计学纹理特征的遥感影像分类方法研究［Ｊ］．地理与地理信息科学，２００９，２５（２）：３０－３３．ＬＩ Ｘｉａｏ－ｔａｏ，ＰＡＮ Ｓｈｉ－ｂｉｎｇ，ＳＯＮＧ Ｘｉａｏ－ｎｉｎｇ．Ｒｅ－ｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍａｇｅ ｃｌａｓｓｉｆ ｉｃａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎｇｅｏｓｔａｔｉｓｔｉｃｓ ｔｅｘｔｕｒｅ［Ｊ］．Ｇｅｏｇｒａｐｈｙ ａｎｄ Ｇｅｏ－Ｉｎｆｏｒｍａ－ｔｉｏｎ Ｓｃｉｅｎｃｅ，２００９，２５（２）：３０－３３．［９］李元寿，王根绪，丁永建，等．青藏高原高寒草甸区土壤水分的空间异质性［Ｊ］．水科学进展，２００８，１９（１）：６１－６７．ＬＩ Ｙｕａｎ－ｓｈｏｕ，ＷＡＮＧ Ｇｅｎ－ｘｕ，ＤＩＮＧ Ｙｏｎｇ－ｊｉａｎ，ｅｔａｌ．Ｓｐａｔｉａｌ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｉｎ ａｌｐｉｎｅｍｅａｄｏｗ ａｒｅａ ｏｆ ｔｈｅ Ｑｉｎｇｈａｉ－Ｘｉｚａｎｇ Ｐｌａｔｅａｕ［Ｊ］．Ａｄ－ｖａｎｃｅｓ ｉｎ Ｗａｔｅｒ Ｓｃｉｅｎｃｅ，２００８，１９（１）：６１－６７．［１０］ＬＩ Ｈ，ＲＥＹＮＯＬＤＳ Ｊ Ｆ．Ｏｎ ｄｅｆｉｎｉｔｉｏｎ ａｎｄ ｑｕａｎｔｉｆｉ－ｃａｔｉｏｎ ｏｆ ｈｅｔｅｒｏｇｅｎｅｉｔｙ［Ｊ］．Ｏｉｋｏｓ，１９９５，７３（２）：２８０－２８４．［１１］郭达志，方 涛，杜培军，等．论复杂系统研究的等级结构与尺度推绎［Ｊ］．中国矿业大学学报，２００３，３２（３）：２１３－２１７．ＧＵＯ Ｄａ－ｚｈｉ，ＦＡＮＧ Ｔａｏ，ＤＵ Ｐｅｉ－ｊｕｎ，ｅｔ ａｌ．Ｈｉｅｒａｒ－ｃｈｉｃａｌ ｓｔｒｕｃｔｕｒａｌ ａｎｄ ｓｃａｌｉｎｇ ｆｏｒ ｃｏｍｐｌｅｘ ｓｙｓｔｅｍ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ ＆Ｔｅｃｈｎｏｌｏ－ｇｙ，２００３，３２（３）：２１３－２１７．（责任编辑邓群）６９６。
农田土壤重金属空间变异多尺度研究
农田土壤重金属空间变异多尺度研究刘伟;郜允兵;潘瑜春【摘要】土壤重金属的特征尺度是确定适宜采样尺度的重要参考依据.采用尺度方差分析方法,并辅以半方差函数,对北京市顺义区农田土壤中砷(As)含量的空间异质性进行多尺度分析,其中半方差函数分析了土壤As含量的空间等级结构,尺度方差则识别了土壤As含量空间变异的特征尺度.结果表明:研究区内土壤中As含量具有较强的空间自相关性,存在空间多尺度结构.2.4、9.6 km左右为土壤As含量的特征尺度.在2.4 km尺度上,土地利用、河流以及畜禽养殖对土壤As含量的空间异质性影响较大;在9.6 km尺度上,土壤As含量的空间异质性受控于土壤质地等自然因素影响.【期刊名称】《江苏农业科学》【年(卷),期】2018(046)023【总页数】5页(P357-361)【关键词】土壤重金属;As含量;空间异质性;多尺度;特征尺度;空间自相关性;自然因素【作者】刘伟;郜允兵;潘瑜春【作者单位】中国矿业大学(北京)地球科学与测绘工程学院,北京100083;国家农业信息化工程技术研究中心,北京100097;农业部农业信息技术重点实验室,北京100097;北京市农业物联网工程技术研究中心,北京100097;国家农业信息化工程技术研究中心,北京100097;农业部农业信息技术重点实验室,北京100097;北京市农业物联网工程技术研究中心,北京100097【正文语种】中文【中图分类】X53土壤重金属是表征土壤环境质量的重要因素，如何掌握重金属含量的空间异质性及其空间结构，对区域农田土壤环境的监控具有重要的生产意义。
受错综复杂的自然因素和长期小规模、破碎化的土地利用生产方式的影响，我国土壤重金属空间变异大，空间结构复杂，当前的采样调查结果通常不足以准确地反映实际情况，更难用于对某个具体地块的污染范围划定和防治指导[1]。
这些特征意味着：采样尺度过大时，小尺度的空间变异信息常常被减弱或丢失[2]；采样尺度过小时，大尺度上的空间变异由于比较微弱而被作为“随机成分”处理[3]，同时也会导致采样工作成本高、效率低下。
绿洲农田土壤养分时空变异及精确分区管理研究
绿洲农田土壤养分时空变异及精确分区管理研究摘要：土壤养分是农田健康生产的重要因素之一，其时空变异性对于精确农田管理和高效施肥具有重要意义。
本文通过对绿洲农田土壤养分的时空变异进行研究，旨在为实施精确分区管理提供依据。
一、引言绿洲地区的农业生产受限于干旱和水资源稀缺的条件，合理管理土壤养分是提高农田生产力的关键。
而农田土壤养分的时空变异性对高效施肥和农田管理至关重要。
二、研究内容1.农田土壤养分的时空变异土壤养分的变异性由多种因素决定，包括土壤类型、气候条件、农田管理措施等。
通过采集不同时间和空间的土壤样品，分析其中的养分含量，可以得出土壤养分时空分布的特点和变异规律。
研究表明，绿洲农田土壤养分的时空变异性较大，主要有以下几方面特点：（1）时变性：不同季节和年份农田土壤养分含量会发生变化，主要受到降水、温度等气候因素的影响。
（2）空变性：不同地点农田土壤养分含量存在差异，主要受到土壤类型、地形和水分状况等因素的影响。
2.精确分区管理理念精确分区管理是指根据农田土壤的空间变异性，将农田分成不同的管理单元，并根据每个管理单元的特点进行精确施肥和农田管理。
通过合理调整施肥的方式和量，可以提高农田的施肥效果，减少农田养分的浪费，并降低对环境的影响。
精确分区管理是实现可持续农田发展的重要途径。
三、方法和结果1.样地选取和采样选取不同农田样地进行采样，保证样本的代表性。
根据采样地点的不同，将农田分为不同的空间单元。
2.养分分析采集土壤样品后，进行养分分析，包括有机质、氮、磷、钾等养分的含量测定。
3.数据处理与分析利用地理信息系统（GIS）和统计学方法，对采样数据进行处理和分析，得出农田土壤养分的时空变异图和精确分区图。
四、讨论通过对绿洲农田土壤养分的时空变异进行研究，可以为精确施肥和农田管理提供科学依据。
根据土壤养分的时变性和空变性，合理调整施肥措施和量，可以提高施肥效果，减少养分的浪费，实现农田的高效利用。
土壤水分空间变异研究
Ｓ ｕｄｙｌ Ｖａ ｉ ｂｉ ｙ ｏ ｉ Ｗ ｔ ｒ ｉ
０ ｌ － ６ ｌ２ ０ ）５ ０ ９ ９ ０ ５ ７ ６ １ （０ ８ ｏ — １ ９ — ３
Ｌ Ｘｉｎ － ｅ ｔ ｌ （ ｓｉ ｔ ｆ ｎ ｒ ｔ ｎ Ｔａｊ ｃ ｄ ｍｙ ｆ ｒｃ ｌ ｒｌ ｃｅｃ ｓＴａｊｎ３ ０ ９ ） Ｖ ｏ ｇｊ ｉ ｅ ａ Ｉ ｔｕｅ ｆ ｍａｉ ｉｎｉ Ａ ａ ｅ ｉｕｔ ａ ｉｎｅ， ｉｎｉ ０ １ ２ ｎ ｔ ｏ Ｉｏ ｏ ｎ ｏ Ａｇ ｕ Ｓ Ａｂ ｔａ ｔ Ｔ ｋｎ ｎｅ ｈ ａ ｆ ｌ ０ ） ｆ ｉｇ ａ ｃ ｕ ｔ ｓｅ ｒ ｓ ｘ ｅｉ ｎａ ｌｔｓｍｐｉｇｂ ｅｕａ ｒ ｉ ｉ ０ｍｘ ｉ ｓｒ ｃ ａｉｇ ｗｉｔｒ ｅｔ ｅｄｆ ４ ０ｍ２ｏ ｎ ｈ ｉ ｏ ｎｙ ｅ ｄｆ ｍ ａ ｐ ｒ ａ ｗ ｉ ４ Ｊ ａ ｅ ｍｅ ｔｌ ｏ，ａ ｌ ｙｒｇ ｌｒ ｉ ｗｔ ｗｔ １ ｐ ｎ ｇｄ ｈ ｈ ｌ ｎ Ｏ
吕 雄杰， 陆文龙， 宋治文， 昱 天 市 业 学 信 研 所 天 ０９ 张 （津 农 科 院 息 究 ，津３ １） ０２
摘 要 以天 津市静 海县 良种 场 内一块 长约 １ ０ｍ， １ 宽约 ４ 的冬 小麦 田作 为试 验 区， 用规 则格 网采 样 ， 照 １ ｌ ｎ设置 格 网 ， ０ｍ 采 按 ０ｍｘ ＯＩ 共设 ４ ８个采样 点 ， 通过 Ｇ Ｓ Ｐ 手持 机 进行 定位 ， 别 于小麦越 冬 前 、 节期 、 浆期 ， 用便 携 式 土壤 湿度数 据 采集 器对 试验 地 各 个采 分 拔 灌 利 样 点 ０ ２ 、０ ４ ｍ 深 度土壤 含 水量 进行 了测 定 ， 用 Ａ ／ Ｏ的 地统 计 分析 模块 绘 制 了冬 小麦 ３个 不 同生 育期试 验 区土 壤 ～ ０ ２ ～ ０ｃ ２种 利 ＲＣＩ ＮＦ
土壤养分变异系数
土壤养分变异系数摘要：1.土壤养分变异系数的概念和意义2.土壤养分变异系数的划分标准3.土壤养分变异系数的影响因素4.土壤养分变异系数的研究方法和应用5.土壤养分变异系数对农业生产的指导意义正文：一、土壤养分变异系数的概念和意义土壤养分变异系数是用来描述土壤养分在空间上和时间上的变化程度的一个参数，它能够反映土壤养分的差异性和分布特征。
在农业生产中，了解土壤养分变异系数有助于指导农民合理施肥，提高农作物产量和土壤肥力，从而实现农业可持续发展。
二、土壤养分变异系数的划分标准土壤养分变异系数通常根据以下几个等级进行划分：1.弱变异：变异系数小于0.2，表示土壤养分变化较小，施肥效果不明显。
2.中等变异：变异系数在0.2 至0.5 之间，表示土壤养分有一定变化，施肥效果较为显著。
3.强变异：变异系数大于0.5，表示土壤养分变化较大，施肥效果非常显著。
三、土壤养分变异系数的影响因素土壤养分变异系数受多种因素影响，主要包括：1.地理位置：不同地区的土壤类型、气候条件和植被覆盖等差异，会导致土壤养分变异系数不同。
2.土壤性质：土壤的有机质、全氮、有效磷和有效钾等养分含量及其比例，会影响土壤养分变异系数。
3.农业生产措施：耕作方式、施肥方法和作物种植制度等，也会对土壤养分变异系数产生影响。
四、土壤养分变异系数的研究方法和应用研究土壤养分变异系数的方法主要有地统计学、遥感技术和实验室分析等。
通过对土壤养分的时空变异规律进行研究，可以为农业生产提供有针对性的指导建议。
在实际应用中，土壤养分变异系数可以用于制定施肥方案、评价耕地地力和监测土壤环境质量等。
五、土壤养分变异系数对农业生产的指导意义土壤养分变异系数的研究成果可以为农业生产提供依据，帮助农民优化施肥方案，提高农作物产量。
- 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)。
土壤空间变异研究：why
经典统计分析方法的实现
是以概率论为基础的、研究随机现象统计规律的应用数学学科。研究 的变量为纯随机变量，理论上可以进行无限次重复和大量重复观测试验。 每次取样需要单独进行，样本中各个取值之间需要互相独立。
例1：研究某县土壤有机质含量情况
由于不可能获得该区域所有土壤的有机质状况，遵循经典统计学方法 需要在该区域不同地点、不同类型土壤上采样，样点分布要符合随机抽样 要求。经过化学分析获得各个土壤样品的土壤有机质含量。
土壤空间变异及其研究 方法潘2012
2020年4月20日星期一
主要内容
基本概念 空间变异性分析 （半变异函数） 空间插值方法 （Kriging方法） 其它研究方法及应用
70年代以后，地统计学被应用于土壤学和水资源研究，广泛应用克立格 法来预测非采样点土壤属性。70年代后期，美国陆续将其应用于土壤调 查制图及土壤变异性的研究中。J.B.Campbell在研究两个土壤制图单元 中砂粒含量和pH空间变异时首先采用地统计学。
用于确定合理的取样或观测点的数目; 对未测点的参数进行最优估值，还可结合标定理论的应用分析
预测状态变量的空间分布; 提高土壤调查和制图精度，改进土壤分类系统的诊断精度; 完善对不同空间尺度上土壤过程的预测和模拟－空间尺度转换
。
空间变异性的研究方法
地统计学方法
以区域化变量、随机函数和平稳性假设等概念 为基础，以变异函数为核心，以空间插值法为 手段，研究自然现象的空间变异问题。
相关性与协方差(correlation/covariance)
统计学中，当两个变量之间存在联系，一个变量会随着 另外一个变量变化。有正相关和负相关之分。相关性并不 描述两个变量之间的因果关系。 相关系数r
协方差cov
空间自相关的概念 （spatial autocorrelation）
当变量在空间一些位置的值依赖于该变量在其它位置的 值时，就存在着空间自相关，亦即空间自相关描述了同一 变量在不同位置的依赖性。
依赖于空间分布位置的变量称为区域化变量 （Regionalized Variable）
对于一个变量 Z（比如土壤有机质含量），随不
同空间位置i 而变化，该变量的变化决定于三个
差
是大于0，而东南部的误差却都小
分
于0，误差之间存在空间关联性。
布
土壤数据具有空间相关性
例2 A、B两个区域速效钾的变异
两组数据统计特征基本一致 直方图显示，两组数据几乎相同
从空间分布来看，左图空间变化更快，右图稍缓。 两组数据差异表现在空间变异性差别，而不是数量的变异性。 这种空间变异的变化将影响采样设计、空间预测、制图等。
基本概念 空间变异性分析 （半变异函数） 空间插值方法 （Kriging方法） 其它研究方法
地理学第一定律
地理学第一定律由美国地理学家W.R.Tobler在1970年提出 :
Everything is related to everything else, but near things are more related than distant things.
空间自相关是针对同一个属性变量而言的，当某一样点 属性值高，而其相邻点同一属性值也高时，为空间正相关 ；反之，为空间负相关。
Moran’s I值
其中Wij为权重矩阵
土壤空间自相关图
土壤有机质
土壤有机质自相关各向异性
区域化变量概念
有些变量，在考虑空间或时间时，变量往往不是随 机的（或者说数据不是完全独立的），因而，计算这些 变量的特征时，除了变量的均值、方差等统计量，还需 要计算变量的空间结构。
后来人们也称之为Tobler 第一定律( TFL ).
All Things by a immortal power, Near or far
Hiddenly to each other linked are, That thou canst not stir a flower Without the troubling of a star
采用经典的统计方法，计算均值、标准差、变异系数等，从而得出有 机质含量最终结果。
这种方法可以在样本少、材料多样和环境多变情况下获取最多的信息 ，因此我国的大多数土壤工作者至今 机 质
从有机质分布看，西北高，中间低，
而东南较高，分布有空间规律性。
误
从误差分布来看，西北角的误差都
80年代，Webster，McBratney, Burgess，Burrough，Trangmar将地统计 学引入土壤科学研究，并做了大量介绍和实例研究，这方面的研究已成 为土壤科学的重要内容之一。
在我国1977年开始介绍地统计学。随后也开始了土壤、水资源系统中参 数的空间变异研究。
目前，国内外已开展了许多有关土壤物理、化学性质方面的空间变异研 究，前者主要集中于土壤水分（包括饱和导水率、渗透率等）、容重、 机械组成等；后者主要包括有机质、营养元素以及重金属元素等。
空间变异性
土壤是不均匀和变化的连续体，即使在土壤类型相同的 区域内，土壤属性值在不同空间位置上也具有明显差异 。土壤属性在空间分布上的非均一性，称为土壤属性的 空间变异性。
空间变异的研究目的:
根据不同空间位置的土壤观测或取样测定的资料，分析土壤各 特性参数的空间变化特征、参数自身及各参数间的空间关系;
英国诗人Francis Thompson，The Mistress of Vision
随机变量概念
统计学中，通常假设某随机变量取值是完全随机的，或 在空间上、时间上是完全独立的；简单理解，这个变量取 下一个数值时，不需要考虑过去的数值或者周围的数值。
就土壤来说：土壤的各种属性，比如大范围的有机质等 景观特性等等
全局的空间分析会掩盖其在不同方向上的差别。
例如：丘陵斜坡上采样，顺坡和横坡方向上变异差别比 较大，全局的分析会掩盖这种差异。
不同方向的空间分析可以发现土壤属性的各向异性
土壤性质各向异性
土壤数据具有空间变异性 具有空间关联性 具有空间结构 传统统计学方法已经难以解决空间数据
问题
主要内容