[发明专利]一种顾及SOCD空间异质性的克里格插值模型构建方法

说明书

本发明公开了一种顾及SOCD空间异质性的克里格插值模型构建方法，结合土地利用信息降低空间异质性和空间异常值对普通克里格法的影响，且根据不同的趋势项函数，所述克里格插值模型包括虚拟变量回归克里格法、均值中心化克里格法和中位数中心化克里格法。并利用模型实现更高精度的SOCD预测和制图，最后根据模型评价指标值选择最佳预测方法及其预测结果。本发明的模型可靠性、预测合理性、预测精度和决定系数R²均显著提高；同时，模型实现了更高精度的SOCD空间制图，对实现精确农业和提高农业生产效率有重要意义。

技术领域

本发明属于土壤质量评价技术领域，涉及一种土壤有机碳密度(SOCD)空间分布预测和制图方法，特别涉及一种顾及土壤有机碳密度空间异质性的土地利用-克里格插值模型构建方法。

背景技术

土壤有机碳密度(SOCD)是评价土壤质量的重要指标，深刻影响着土壤的物理化学性质。准确描述区域土壤有机碳密度的空间分布特征，完成SOCD空间分布的精确制图，对实现精确农业、指导农业生产和提高农业生产效率有重要意义。普通克里格法(OK)作为线性无偏最优的空间插值方法，可以根据采样点属性值的空间统计规律，得到区域化变量在全域的空间分布特征。但是，由于外界因素的综合干扰，使得区域化变量SOCD在全域内存在空间异质性，甚至出现空间异常值，违背了OK的平稳性前提假设，导致模型的可靠性和预测精度下降。

现有研究通常引入辅助环境变量提升模型对SOCD空间变异的解释能力，主要包括气候因素(张慧智等，2008年)、植被覆盖状况(邱乐丰等，2010年)、土地利用类型(顾成军等，2014年)、地形地貌(杨顺华等，2015年)、和土壤类型(Ku Wang等，2013年)等；近年来，学者们还引入了模糊坡位信息(Qin等，2012年)、高时间分辨率遥感数据(刘峰等，2011年)和近地高光谱信息(刘艳芳等，2017年)用于数字土壤制图。但是，在人类活动对土壤属性影响较大的平原农田地区，由于地形起伏度小、区域内自然植被已经基本被农作物取代、区域范围内的气候降水差异较小等原因，使用传统自然要素作为辅助变量时与土壤属性值的协同程度较低，难以提升模型预测精度。

由于土地利用类型可以由遥感影像直接解译得到、获取方便，因此结合土地利用类型提升土壤属性空间插值模型的精度成为当前平原农田地区精细数字土壤研究的重要方向。在结合土地利用信息进行土壤属性克里格插值的研究中，有学者根据土地利用类型进行空间分区，分别实现子区域空间插值后将结果合并，但这种方法多用于土地利用方式在空间上大面积连续的情况(Wu Qian等，2017年)；此外还有学者根据土地利用类型属于名义变量的特性，使用均值中心化与克里格结合的方法(顾成军等，2014年)或虚拟变量回归克里格法(Wen Wen等，2015年)进行土壤属性值空间预测，但是目前还没有一种模型可以将这两种方法统一起来，并进行两种方法预测精度的比较；此外，当校正集存在空间异常值时，这两种方法的预测精度还有待提升。

发明内容

为了解决上述技术问题，本发明提出了一种顾及空间异质性的土地利用-克里格模型，应用于受人类影响深刻的平原农田地区，目的是实现更高精度的SOCD空间分布预测及制图，指导农业生产、实现精确农业。

本发明提供的一种顾及土壤有机碳密度空间异质性的克里格插值模型构建方法，其特征在于：结合土地利用信息降低空间异质性和空间异常值对普通克里格法的影响，且根据不同的趋势项函数，所述克里格插值模型包括虚拟变量回归克里格法(DV_RK)、均值中心化克里格法(MC_OK1)和中位数中心化克里格法(MC_OK2)。