我国多数地区经过两次土壤普查以及科研工作者的野外调查,积累了一定数量的土壤样点"(已有样点")。本文在充分整合已有样点的基础上,提出了逐次、高效地设计补充样点的方案,它包括3个步骤:首先,确定已有样点集的空间代表范围"(可推测范围");然后,将已有样点集不能代表范围内的每一个栅格都看作一个候选样点,计算每一个候选样点的可扩推范围,选择可扩推范围最大的点作为第一个补充样点;最后,基于已有样点和补充样点更新样点集的空间代表范围图。重复以上过程,直至新样点集的空间代表范围能够覆盖整个研究区。该方法在充分利用已有样点资源的基础上,不仅能够确定补充样点的数量、位置,而且能够给定补充样点的重要性次序,在采样资源有限的情况下,为采样者合理地选择样点提供了重要依据。

【目的】土壤属性的空间分布是影响农业生产力、土地管理和生态安全的重要因素。通过土壤环境耦合关系,在机器学习算法框架下,定量预测出干旱区土壤酸碱度(pH)、土壤盐分含量(Soil Salt Content,SSC)与土壤有机质(Soil Organic Matter, SOM)3种土壤属性的空间分布,为干旱区农业生产和生态安全提供科学依据。【方法】在渭干河—库车河绿洲干旱区于2017年7月设计采集典型表层(0—20 cm)土壤样品82个,依据土壤-环境之间的关系,集成DEM数据和Landsat 8数据提取出32种环境协变量,利用栅格重采样将提取出的32种变量重采样为90 m空间分辨率并转换为Grid格式参与建模。借助梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型依次对3类土壤属性的32种环境协变量进行重要性排序,并通过均方根误差(Root Mean SquareError,RMSE)界定出协变量重要性阈值点,从而筛选出参与3类土壤属性制图的环境协变量。进而运用随机森林(Random Forest, RF)、Bagging和Cubist 3种非线性模型建模,并引入多元线性回归模型(Multiple Linear Regression,MLR)进行对比分析,选出最优模型并绘制出90 m分辨率新疆渭干河-库车河绿洲干旱区pH、SSC与SOM 3种土壤属性图。【结果】梯度提升决策树能有效筛选出重要协变量,高程(Elevation)、剖面曲率(Profile Curvature)、差值植被指数(Difference Vegetation Index)、扩展增强型植被指数(Extended Normalized Difference Vegetation Index)、调整土壤亮度植被指数(Modified Soil Adjusted Vegetation Index)、盐分指数S1(Salinity Index S1)以及盐分指数S6 (Salinity Index S6) 7类环境变量均参与3类土壤属性建模,其中SSC遴选出参与建模协变量15种,pH和SOM则均为17种,且遥感指标在预测土壤属性图中起到强大的作用。机器学习3种算法的结果均优于MLR。通过3种非线性模型对比发现,随机森林在3种土壤属性中均表现最佳。在随机森林预测的3种土壤属性中,土壤pH验证集效果R~2=0.6779,RMSE=0.2182,ρ_c=0.6084;在SSC预测中,验证集R~2=0.7945,RMSE=3.1803,ρ_c=0.8377;在SOM预测中,验证集R~2=0.7472,RMSE=3.5456,ρ_c=0.7009。【结论】GBDT所筛选出的重要性因子借助机器学习算法可以用于干旱区土壤属性制图,且随机森林模型均对3类土壤属性表现出最佳预测能力。依据所绘制的土壤属性图并结合土壤分类图厘清了3种制图属性的空间分布。

【目的】研究环境变量的筛选和土壤类型空间推理方法的选择，为有效提高县域数字土壤制图精度提供参考。【方法】以四川省盐源县为研究区，将气候要素、地形数据和遥感影像作为推理制图的辅助因子，利用野外采样点数据和环境协变量因子，采用决策树分类方法对环境特征进行重要性排序、特征筛选和组合优选，通过对比决策树分类、支持向量机和随机森林几种土壤分类方法的制图精度，探索基于土壤-环境关系理论提高具有立体气候特征的山区县域数字土壤制图精度的途径。【结果】①气候和地形特征在研究区土壤分类中起重要作用，采用单一气候因素作为土壤筛选分类的环境变量可获得土壤分类筛选精度为83.22%，依次增加地形和生物特征可分别使筛选精度提升至85.78%和89.43%；②与其他模型相比，随机森林模型制图效果更好，对比采样点数据的土壤分类总体精度为77.10%，Kappa系数为0.72；③气候因子以及地形因素对水热条件的影响是决定研究区土壤类型空间分布异质性的主要原因，年均气温、年积温、年降水量、相对湿度、高程、地形湿润度等环境特征因子与研究区主要土壤类型的空间分布有着密切关系。【结论】在具有立体气候特征的山区，基于随机森林方法使用气候、地形和遥感数据进行数字土壤分类制图有较好的效果。

土壤的空间分布是土壤形成与发展过程的体现。数字土壤制图是一种新兴的、高效表达土壤空间分布的技术方法,在过去的30年取得了飞速发展。其理论基础为土壤成土因子学说和地理学第一定律。国内外学者在获取环境变量数据、采样方法、制图模型方法和土壤图产生及评价方面开展了大量的研究,应用案例也从小范围到大区域,甚至是全球尺度。未来数字土壤制图的发展方向包括:环境变量刻画的新技术,特别是体现人类活动方面的环境因子;新型数据和遗留数据的有效利用;土壤发生学知识与数学模型的紧密结合的新型推理方法;支持大数据多终端的计算模式。

土壤调查与制图课程是农业资源与环境专业的核心课程,分析了该课程的教学现状,并针对存在的主要问题,结合沈阳农业大学土壤调查与制图课程的教学实践改革,提出推动教学质量提升的相关对策。

为探究林场土壤全氮含量的空间分布特征及对环境因素的响应，以旺业甸实验林场为研究区，采用随机森林模型和Cubist模型建立了不同土层深度（0～10、10～30、30～50 cm）土壤全氮含量与环境协变量（海拔、归一化植被指数、年平均降水量、年平均气温、y坐标和坡向）之间的定量关系模型，对该区土壤全氮含量进行预测并制图，并分析了影响土壤全氮空间变异的控制性因素。研究结果显示：0～10、10～30、30～50 cm土层实测全氮含量的均值分别为3.20、2.02、1.47 g/kg，土壤全氮的平均含量随土层深度的增加而降低；3个土层深度土壤全氮预测随机森林模型的决定系数R2分别为0.59、0.42和0.39，均优于决定系数R2分别为0.56、0.38和0.34的Cubist模型，2种模型预测精度都随土层深度的增加而降低，各环境因素对土壤全氮空间分布的影响作用随土层深度的增加而减小；从随机森林模型土壤全氮预测图来看，不同土层深度土壤全氮含量均呈现西部、北部和中部低，西南、东南和东部高的空间格局，不确定性图显示随机森林模型预测土壤全氮含量分布具有较低的标准差；海拔对土壤全氮含量的影响最大，其他依次为：归一化植被指数>年平均降水量>年平均气温>y坐标>坡向。结果表明，随机森林模型可以作为有效预测该林场不同土层深度土壤全氮含量的方法。

以湖南省安仁县的豪山乡(山地地形)和渡口乡(丘陵区)为研究对象,根据传统统计学和地统计学的相关原理,运用变异函数分析法和空间插值估计法,研究耕地土壤养分碱解氮含量、有效磷含量、速效钾含量、有机质含量的空间变异及其分布特征,研究不同地形条件样点密度对插值精度的影响。结果表明:土壤养分变异系数为16.56%～97.9%,属于中等变异;山地地区碱解氮含量、速效钾含量、有机质含量的基底效应值

鉴于经典采样和空间采样存在的局限性,提出了一种旨在寻找典型点的目的性采样设计方法。该方法通过分析与目标地理要素空间分布具有协同变化关系的环境因子,提取地理要素空间变化的典型模式,进而在典型模式上布设样点,即可获得典型点,从而减少所需样本量。以位于黑龙江鹤山农场的2个研究区为例,分别选择土壤厚度和表层有机质2个土壤属性,通过对土壤属性空间变化的4个协同环境因子进行模糊c均值聚类,获得对应土壤属性空间变化模式的环境因子组合;根据其模糊隶属度结果设计典型点并进行采样,最后结合典型点的属性值与环境因子组合模糊隶属度结果,采用加权平均模型得到土壤属性空间分布图,反映了土壤属性随地形变化的连续性分布。基于独立野外验证点,选择了4个评价指标对所得属性图进行定量评价。结果表明:2个研究区验证点集的预测值和观测值一致性指数均较高,可见本研究提出的方法是一种有效的样点布设方法。研究还对在每一环境组合类设计不同数量典型点所得土壤属性制图结果的差异进行了讨论,认为典型点增多并不一定能提高土壤属性空间推测的精度。

【目的】分析健康生姜(Zingiber officinale Rosc.)和患病生姜样地根际土壤丛枝菌根(Arbuscular mycorrhiza, AM)真菌群落组成,为利用微生态调控手段进行姜瘟病综合防治提供理论依据。【方法】采集广西桂林、柳州和百色三地姜田的健康和患病生姜根际土壤样品10个(健康生姜土壤样品为KJJ2_S、BMJ1_S、LCJ1_S、FGJ_S和NGJ_S,患病生姜土壤样品为KJB2_S、BMB1_S、LCB1_S、FGB_S和NGB_S),采用Illumina MiSeq高通量测序技术,分析其AM真菌的多样性及群落结构,结合冗余分析(RDA)明确AM真菌群落结构与土壤养分含量的相关性。【结果】在97%相似度水平下,所有患病生姜土壤样品的操作分类单元(OTU)数和Chao 1指数均高于健康生姜土壤样品;健康生姜土壤样品的Shannon指数和Simpson指数均高于患病生姜土壤样品,即健康生姜土壤样品AM真菌的物种多样性指数均高于患病生姜土壤样品。在群落组成方面,在属分类水平上,312个OTUs被分为类球囊霉属(Paraglomus)、无梗囊霉属(Acaulospora)、球囊霉属(Glomus)、球囊霉纲未分类属(unclassified_c_Glomeromycetes)和其他类别。冗余分析结果表明,土壤速效P含量对AM真菌群落组成具有显著影响(P0.05);Heatmap图分析结果表明,Paraglomus与有效P含量呈极显著负相关(P<0.01),与有机质含量呈显著负相关。【结论】健康生姜样地和患病生姜样地土壤的AM真菌群落组成存在明显差异,患姜瘟病生姜根际土壤AM真菌的OTUs数和丰度均高于健康生姜根际土壤,但其多样性低于健康生姜根际土壤;不同采样点生姜根际土壤AM真菌的优势种属存在差异,其多样性、丰度及群落组成结构主要受有效P含量影响。

利用地理加权回归(Geographically Weighted Regression,GWR)模型,对环鄱阳湖区农田土壤有机碳(Soil Organic Carbon, SOC)影响因子的空间分布格局进行系统分析,结合克里格插值方法进行土壤有机碳制图研究,同时综合比较了地理加权回归方法(GWRK)与回归克里格(Return Kriging,RK)方法在预测土壤有机碳储量结果之间存在的差异。结果表明:(1)根据Pearson相关性分析结果,所选取的各环境影响因素均与土壤有机碳具有相关性(P

[目的]数字高程模型（Digital Elevation Model， DEM）的分辨率大小决定区域地貌形态特征的表达程度，但目前DEM对于局部地形变异大的平原地区土壤有机碳制图精度的影响尚不明确。[方法]基于此，本研究以江苏北部耕地区域为例，利用随机森林算法，建立不同分辨率DEM下的地形、气候、植被、土壤、成土母质与土壤有机碳之间的关系模型，分析DEM分辨率对局部地形变异大的平原区土壤有机碳制图精度的影响程度。[结果]1）不同DEM分辨率下，地形、气候、植被、土壤与成土母质五类因子对土壤有机碳含量的影响程度依次降低；2）当DEM分辨率在大于150 m的范围内变化时，环境特征因DEM的“概化”而逐步缺失细节信息，从而导致土壤有机碳含量预测精度随分辨率的增加而降低；3）地形是苏北耕地区域土壤有机碳空间分布差异的最重要影响因子。[结论]综上所述，DEM分辨率在60－90 m范围内时，整体平坦但局部地形变异程度较大的苏北地区土壤有机碳制图效果最佳。本研究为进一步提高我国相似地貌类型区土壤有机碳制图精度提供了理论依据。

以三峡库区草堂河流域为研究区,利用网格布点,共采集102个土壤样点,分析测定土壤的pH值,结合成土母质和地形等10个环境因子,以样点总数的85%作为训练集进行预测模型构建,15%作为验证集检验模型精度,利用随机森林(Random Forest, RF)模型对研究区土壤pH进行空间分布预测并制图。结果表明:土壤pH与谷深、坡长呈显著正相关,与海拔、距河网垂直距离、坡高呈显著负相关。三叠系大冶组灰岩发育的土壤pH值高于三叠系须家河组石英砂岩发育的土壤pH值。基于环境因子的RF预测模型,平均绝对误差(MAE)为0.47、均方根误差(RMSE)为0.59、决定系数(R~2)为0.85,能解释研究区土壤pH值85%的空间变异。对土壤pH值产生主要影响的环境因子为成土母质和海拔。可见,基于环境因子的RF预测模型,预测精度高,可以作为土壤pH空间分布预测的有效方法,能为流域尺度下其他土壤属性的空间分布预测提供依据和借鉴。

土壤-景观推理模型(soil land inference model,SoLIM)在提高土壤普查效率和精度、降低普查成本方面具有显著优势,已经在美国得到推广应用(Shiet al.,2004;杨琳等,2009;2010)。SoLIM中专家知识可以通过基于规则的方法或者基于案例推理的

传统np控制图设计常忽视控制图设计的经济后果且对工序的细微变化反应迟钝,在倡导经济高效生产化的今天已很难适应。在这种背景下,提出了一种基于经济设计的双抽样可变抽样间隔型np控制图设计方案,并优化分析了控制图各参数变化对于控制图设计的影响。实验发现,文章所提出的np控制图相较于双抽样型np控制图和调整抽样间隔型np控制图平均提高了9.95%和4%的经济效益。

文章主要讨论质量特性值服从泊松分布时,可变抽样区间的指数加权移动平均(EWMA)控制图的经济设计问题。首先建立可变抽样区间泊松EWMA控制图的经济模型,使期望总费用期望总费用最小来确定参数的最优值;其次用遗传算法来寻找经济模型的最优解;最后对可变抽样区间泊松EWMA控制图的经济模型进行最优性分析。