[发明专利]一种基于近地传感器技术的土壤采样方法

说明书

技术领域

本发明涉及一种土壤采样方法，尤其涉及一种基于近地传感器技术的土壤采样方法。

背景技术

对土壤肥力及其空间分布的准确认识，是充分、合理、持久地利用土壤资源的基础。由于不可能测得区域内所有位置的土壤肥力特性，采样调查便成为获取土壤肥力信息及其空间分布的基本方法。采样设计直接影响到利用样点进行土壤制图的精度，因而成为土壤采样调查中的关键环节，也是国内外相关领域的研究热点。目前，常用于土壤肥力空间分布推测制图的采样方法包括经典采样方法和基于地统计学的空间采样方法。经典采样方法通常假定采样区土壤性质的空间变异是随机的，样本之间完全独立且服从某种类型的概率分布，可用样本均值和方差来描述土壤特性，用标准差、变异函数和置信区间来表征估计精度。经典采样简单易行，应用广泛，但这类采样方法通常需要大量样点才能全面准确地获取土壤性状的空间分布特征，受资金、时间和人力资源的限制。另外，研究表明许多土壤性质的空间变异并非完全随机，在不同尺度上都呈现出一定的空间结构，具有明显的空间自相关性（Burgess等，1980；Webster，1985），而经典的土壤采样方法由于未考虑土壤性状的空间自相关性，往往难以避免局部样点冗余和局部样点密度无法满足制图精度的情况。

基于地统计学的空间采样方法通过建立待测土壤要素的变异函数，根据克立格估计方差进行采样数量的优选，并利用克立格插值方法获得待推测土壤要素在空间的连续性分布。相比经典采样方法，在一个既定的置信水平上，满足同一精度的条件下，这种方法所需要的样本数比传统的采样方法所需的样品少得多。许多研究者曾应用地统计学理论和方法研究土壤肥力的空间变异和空间相关性，并在土壤制图中进行土壤肥力的局部估计和采样方案设计（McBratney和Webster，1983；Di等，1989；史舟等，2000；Ferreyra等，2002；李艳等，2007；庞夙等，2009）。

但是，基于地统计学的空间采样方法仍存在一些问题：（1）采样方案的设计依赖于变异函数，而变异函数通常只有在采样后才能获知。有人建议可通过已有类似研究的毗邻田块来获取待采样田块土壤肥力特性的变异函数空间自相关信息，或者从相关文献中找到一些相似变量的信息，进行一个初步采样勘测采集部分样本，根据这些样本获取变异函数的初步信息并以此进一步修改采样方案（Flatman等，1984；张仁铎，2005）。但无论采用哪种建议，都会使采样设计要么流于繁琐，要么失之精确。（2）稳健的变异函数需要大量样本才能建立。Webster和Oliver（1992）的研究表明：如果变异是各向同性的，需要100-150个样点才能建立有效的变异函数，如果变异是各向异性的，由于要计算不同方向上的变异函数，则至少需要250个采样点。Stein等（1998）研究表明，随着样本数减少，普通克立格法对土壤性质的预测精度显著降低。这些研究说明，当样本较小时，所得到的变异函数是不稳定的。因此，需要尽可能大的样本来得到稳健的变异函数。（3）变异函数的建立需满足两个假设：二阶平稳假设和本征假设，而这两个假设在复杂的实际野外条件下经常很难得到满足。

可见，尽管相比于经典采样方法，基于地统计学的空间采样方法在采样成本和效率方面具有一定优势，但在不具备研究区域的先验知识时，只能通过实地采样来获取样点，此时样本点的设计仍要依赖于经典采样（姚荣江等，2006）。计算变异函数的实测样本数到底需要多少，这是引起广泛争议的问题。尽管一般认为样点数据越多计算出的变异函数就越精确，但多数情况下，所要求的精度是未知的，而传统的置信区间公式在此不能应用，除非采样本身就是为此目的设计的（Webster和Oliver，2001）。另外，如果某土壤属性同时在多个空间尺度上存在变异，那么如何设计采样方案？这些都是目前较多讨论的问题。

近年来，数据获取技术和现代信息技术的发展为推测土壤肥力的空间分布提供了越来越多的辅助环境数据，如土壤表征电导率（ECa）、遥感影像、高光谱数据、高精度数字高程模型等。这些辅助环境数据一般与土壤特性具有较好的相关性，可以用来推测待测土壤性质的空间分布并辅助空间采样设计。尤其是利用EM38大地电导仪获取的土壤ECa，数据获取快速，质量可靠，且常常可以与多个影响土壤生产力的参数（如盐分、土壤质地、土壤含水量等）建立直接或间接的函数关系，在过去20年来受到越到越多的关注（Johnson等，2003；Corwin和Lesch，2003）。