论文部分内容阅读
农田土壤碳库是土壤碳库中最活跃的组分,它随着农田种植和管理制度的变化作出快速响应,因此具有极大的固碳潜力,有助于实现我国的“碳中和”目标。土壤有机碳（soil organic carbon,SOC）含量及其变化直接反映了农田土壤碳的固定或流失。因此,监测农田SOC的空间分布有利于保障粮食安全和预测全球气候变化。当前数字土壤制图主要依赖SOC和环境变量之间的相关性,即使用易于获取的环境变量来预测SOC的空间分布。然而在平原农田地区,传统的高度依赖地形因子的回归模型对SOC变异的解释能力有限,平原农田区SOC的有效环境变量和主控因子尚不明确,因此对SOC预测效果较差。常用的机器学习算法如支持向量机和人工神经网络可以描述SOC与环境变量间复杂的非线性关系,但是存在容易过度拟合和模型参数可解释能力差等问题,需要寻找建模过程稳定且可解释性强的预测模型;此外,这些模型假设SOC与环境变量的关系在整个研究区平稳,忽略这种关系的分层和局部异质性。针对现有研究的不足,本文结合江汉平原汊河镇242个农田采样点,获取了多种自然要素、农田种植和管理因子和土地利用景观格局指数等潜在影响因子的空间分布,在初步筛选出SOC的显著影响因子后,使用逐步回归（Stepwise Linear Regression,SLR）、随机森林（random forest,RF）、Cubist、地理加权回归（Geographically Weighted Regression,GWR）和多尺度地理加权回归（Multiscale Geographically Weighted Regression,MGWR）等多种数据挖掘方法确定研究区SOC在全局尺度、不同层中和各局部点位的主控因子;之后结合这些环境变量和多种预测模型获取研究区SOC空间分布图,并确定其中的最优预测模型。本文的主要研究内容和成果如下:（1）获取了自然要素、农田种植与管理因子和土地利用景观格局指数的空间分布,并从中筛选出SOC的显著影响因子。本文利用HJ-1A/B和Landsat 8卫星的时间序列遥感影像获取了农作物类型、复种指数和残茬指数等农田种植与管理因子的空间分布;基于土地利用图获取了采样点周围不同缓冲区的景观格局指数;获得了开源的土壤类型、地形因子、气候因子和距离因子等自然要素的空间分布,并使用一元线性回归和单因素方差分析筛选SOC影响因子。结果表明高程、坡度、到湖泊的距离、农田土地利用类型、农作物类型、复种指数、种植系统、残茬指数,以及采样点周围300m缓冲区内的散布与并列指数IJI、坑塘面积比例和灌溉水渠面积比例等11个因子是研究区农田SOC的显著影响因子,且地形因子等自然要素对SOC的影响力较小。（2）结合筛选的显著影响因子和多种数据挖掘方法,确定了SOC在全局、各层和局部的主控因子。在上一章研究的基础上,使用SLR和RF、Cubist、GWR和MGWR分别探究了SOC与这些显著影响因子在全局尺度、不同层中和各局部点位的关系,并根据因子的相对重要性确定SOC主控因子。SLR和RF的结果均表明农田土地利用、复种指数、残茬指数和坑塘面积比例等人类活动因子是SOC在全局尺度的主控因子;Cubist的结果显示SOC与环境变量的关系存在分层异质性,主要表现为水浇地样点的SOC主要受到湖泊距离、坑塘面积比例和灌溉水渠面积比例等和水相关因子的影响,而水田采样点的SOC受到残茬覆盖度、地形因子和景观格局的影响;考虑了自变量差异化带宽的MGWR优于GWR,MGWR的结果表明SOC在不同点位的主控因子差异较大。总体而言,局部回归模型MGWR和分层回归模型Cubist优于SLR和RF等全局回归模型,SOC的主控因子在不同层中和各局部点位处差异较大。（3）结合环境变量和多种模型预测SOC空间分布,发现考虑残差空间依赖性的Cubist N9是本研究中最优预测模型,并获得了Cubist N9模型预测的SOC空间分布图。将上述的显著影响因子作为辅助变量,使用克里格模型、回归模型和回归-克里格模型等三类共计16个模型预测SOC空间分布。模型评估的结果表明普通克里格模型（Ordinary Kriging,OK）的预测效果较差;SLR、RF、GWR和Cubist等回归模型均优于OK,而这些回归模型与OK组成回归-克里格模型后预测精度进一步提升。在所有预测模型中,结合了邻近9个点残差均值的Cubist N9模型是本研究中最优SOC预测模型。Cubist N9获取的SOC空间分布图表明,SOC的空间分异总体呈现中间低四周高的趋势;四个SOC高值区分别位于研究区西部、西北部和东南部,以及中心城镇的西北部,而三个SOC低值区主要位于中心城镇的北部、西部和东南部。SOC的空间分异主要受农田土地利用和复种指数的控制,同时也受到残茬覆盖度、坑塘和灌溉水渠分布、高程和坡度等人类活动和自然要素的共同影响。这些结果表明农田种植与管理因子和土地利用景观格局是平原农田区SOC的有效环境变量,结合它们可以更好解释SOC变异和提高SOC预测精度;MGWR是有效的局部空间回归模型;Cubist不仅可以挖掘SOC与环境变量关系的分层异质性,还是平原农田区SOC的有效预测模型;SOC的主控因子在不同层中和不同点位处差异较大,获取这些知识可以帮助优化农田种植与管理制度和土地利用格局,以增加农田土壤碳储量、提升土壤肥力。