《[精选]农用地质量因素与过程研究进展》由会员分享，可在线阅读，更多相关《[精选]农用地质量因素与过程研究进展（49页珍藏版）》请在金锄头文库上搜索。
1、农用地质量因素与过程研究进展,2013年春季学术报告会,创新良田工程科技 重构资源环境基础,电话：010-62732963（O）；13910564564（M） Email: YFHUANGCAU.EDU.CN,黄 元 仿,提 纲,一、研究方向与内容 二、近期研究重点与远期规划 三、部分研究进展,一、研究方向与内容,通过开展农用地质量形成过程、演变规律及其驱动因素的应用基础研究，为建立农用地质量全面、高效、持续提升的长效机制，提供关键理论支撑。,一、研究方向与内容,研究农用地质量关键要素的物理、化学和生物过程的相互作用和耦合机制，揭示农用地质量形成过程，实现过程定量化； 建立农用地质量要素的数学
2、模型和评价方法，分析农用地质量及其关键要素的时间变化趋势和空间分布规律； 研究农用地质量因素、指标和等级变化的多尺度转换方法和模型； 研究农用地质量演变的驱动因素，揭示农用地质量的演变趋势。,二、近期研究重点与远期规划,（一）近期研究重点,以耕地及其生产力为重点，兼顾多功能，研究耕地质量因素（要素）。,因素,地学因素,气候因素,工程（科技）因素,生态（健康）因素,耕地,农用地,功能,生产力,多功能,质量,认定管理,评价,模拟,应用,提升技术,趋势分析,时空变化规律与尺度转换研究,二、近期研究重点与远期规划,（一）近期研究重点,关键地学要素的物理、化学和生物过程的相互作用及其与作物生产力耦合机制
3、，实现过程定量化。其中，重点关注水及其驱动的水肥耦合过程与耕地生产力。 关键要素的时间变化趋势与空间分布规律，研究关键指标和等级变化的空间尺度转换。 研究耕地质量要素的综合方法，包括分等定级的评价方法与农田生产力模型。,选择耕地质量关键要素，近期重点研究以下几方面：,共性基础研究（1-3）,二、近期研究重点与远期规划,（一）近期研究重点,全球气候变化与土地流转新形式下的耕地质量演变趋势（宏观） 全球气候变化对耕地生产能力影响过程，全球气候变化对中国耕地质量综合影响评估。 今年中央一号文件就提出加大土地流转力度，组建家庭农场、农民合作社，把土地集中起来，多有关注（谢德体、秦博勇、黄志明等等）。规
4、模化、集约化、现代化等新形式下的耕地质量演变？,应用基础研究（4-6）,二、近期研究重点与远期规划,（一）近期研究重点,中低等耕地质量形成过程与关键技术 低等别耕地的障碍因素与质量提升技术，特别是新开垦（含复垦）耕地的质量控制与快速提升技术。 中低等别（产）田占比近70% ，是我国生产力的潜力所在。多有关注（谢德体、秦博勇等）。 高标准基本农田创建中的质量控制。,应用基础研究（4-6）,（摘自胡存智，2012）,二、近期研究重点与远期规划,（一）近期研究重点,高等别耕地的高产高效与质量定向培育关键技术 作物高产高效的耕地质量（如土壤条件）是什么？ 如何定向培育耕地质量（如土壤结构与过程），为高
5、产高效创造土壤条件。 高标准基本农田创建中的质量控制。,应用基础研究（4-6）,二、近期研究重点与远期规划,（二）中远期研究规划,从耕地扩展到农用地。 全面体现农用地多功能的质量要素与过程。建设高标准基本农田，不能唯产能提升论，要把握农用地（耕地）质量的全面内涵，特别是耕地健康。 实现农用地多功能的关键技术与集成。把农用地视为完整的生态系统，维护农田生态系统循环过程及其与周边环境的联系，协调人地关系，实现生态文明。,三、部分研究进展,（一）土壤属性的时空分析 （二）土壤-作物系统过程模型与应用 （三）农田用水与水分生产力（李保国） （四）高产高效的土壤条件与过程（任图生）,三、部分研究进展,（
6、一）土壤属性的时空分析,1、高程在土壤属性空间预测中的应用 2、不同外部趋势变量（组合）与有机质空间预测 3、土壤质地空间预测方法的比较 4、土壤质地的空间三维模拟 5、 空间分析的尺度效应 6、 土壤属性的时间演替 .,预测方法,近五年共发表论文约30篇 （其中SCI、EI收录20篇）,研究区：北京市平谷区 目标变量：土壤有机质（SOM） 土壤速效钾（K） 土壤有效磷（P） 土壤有效锰（Mn） 土壤有效铁（Fe） 土壤有效锌（Zn） 土壤pH值 样本点数：887个训练点 222个验证点 辅助变量：高程 预测方法：OK法、RK法、CK法,1、 高程在土壤属性空间预测中的应用,三、部分研究进展,
7、结论,高程作为辅助变量，可以提高土壤属性的空间预测精度，但并不适合所有土壤属性。 相关因素分析表明，能否利用高程来辅助提高土壤属性的空间预测精度与土壤属性的空间自相关度具有明显的相关关系。 CK法和RK法在预测能力上没有表现出明显的差别。,三、部分研究进展,高程辅助变量在不确定性分析中的应用,探讨在随机模拟计算环境下，是否可以利用高程辅助变量来提高土壤属性空间预测的准确性、局部不确定性模拟的准确性和空间不确定模拟的准确性。,局部不确定性：单一点上预测值大于或小于阈值的概率。 空间不确定性：所有预测点上的预测值同时大于或小于阈值的概率。,三、部分研究进展,研究样区：密云样区、平谷样区 密云样区：
8、284个样本点 平谷样区：547个样本点 目标变量：土壤有机质 辅助变量：高程 方法：序贯高斯模拟法（SGS） 序贯高斯协模拟法（SGCS）,密云样区（a）和平谷样区（b）高程图,研究区位置与采样点分布图,结论,通过序贯高斯协模拟方法利用高程辅助变量： （1）可以提高土壤有机质预测结果的准确性 （2）可以提高土壤有机质空间不确定模拟的准确性 （3）没能提高土壤有机质局部不确定性模拟的准确性,三、部分研究进展,2、 利用不同外部趋势变量（组合） 预测土壤有机质空间分布,探讨通过高程、坡度和地形湿度指数等地形指标之间的组合，是否可以进一步提高土壤有机质空间预测精度。 比较回归克里格法（RK）和有限
9、最大似然法为基础的线性无偏最优估计法（BLUP-REML）在不同外部趋势度情况下预测能力的表现。,三、部分研究进展,研究区位置及采样点分布图,研究区：北京市平谷区 样本点数：70个训练点，131个验证点 目标变量：土壤有机质 辅助变量：高程、坡度、地形湿度指数,三、部分研究进展,结论,高程、坡度和地形湿度指数等地形指标可以作为辅助变量用来提高土壤有机质的空间预测精度，尤其是通过不同的地形指标之间的组合，能进一步提高预测精度。 在样本点数比较小的情况下，在预测具有空间趋势的土壤属性方面，有限最大似然法为基础的线性无偏最优估计法（BLUP-REML）是一种比较可靠的预测方法 。,三、部分研究进展,
10、以地形因素和分类变量组合辅助变量的土壤有机质空间预测,地理位置与样点分布图,坡长因子图,土壤质地图,三、部分研究进展,地形因素,基本属性,复合属性,分类变量,土壤质地,土地利用,土壤有机质,辅助变量组合1,辅助变量组合2,土壤有机质空间分布,空间格局的环境相关分析,基于环境相关分析的空间预测,方差分析,皮尔森相关分析,多元线性逐步回归,普通克里格法,回归克里格法,分类变量以及何种分类变量对土壤有机质空间预测精度的影响,三、部分研究进展,结论,地形因素、土壤质地和母质类型等自然、内在性质决定着土壤有机质的空间分布。,不同高程组有机质含量盒形图,不同母质类型各颗粒组成均值两两比较结果,三、部分研究
11、进展,高程组（m）,土壤有机质含量（g kg-1）,不同母质类型间土壤有机质含量差异显著,将分类变量和地形因素等考虑到空间预测中较大幅度地提高土壤有机质空间预测精度。,不同辅助变量组合下的实测、预测对比图,三、部分研究进展,（样点编号）,不同预测方法的均方根误差相对提高值（RI）,M2变量组合下的回归克里格法RI值达37.48%,辅助变量组合1(M1):高程 辅助变量组合2(M2):高程、母质,回归预测和普通克里格模型平滑效应，趋中趋势，须对残差再进行预测以降低预测残差。在M2辅助下的回归克里格法预测结果与实测值最为接近。,研究区：北京市延庆县南部 采样间隔：300m 300m 采样点：210
12、个（训练点186个，验证点24个） 插值方法： 基于对称对数比方法转换的普通克里格法 基于非对称对数比方法转换的普通克里格法 成分克里格法,3、土壤质地空间预测方法的比较,三、部分研究进展,结果表明 成分克里格方法预测精度最高，RMSE相对提高将近17%。成分克里格是直接对土壤质地进行插值，能保证其是最优无偏估计。,非对称对数比转换的普通克里格,基于成分数据特征和环境变量辅助的土壤质地空间插值,地理位置、样点和高程图,土地利用与土壤图,三、部分研究进展,土壤有机质,土壤类型,土壤容重,高程,土壤质地,土 壤 质 地 空 间 分 布,已考虑成分数据特征的方法,方差分析,成分克里格法（CK）,基于
13、对称对数比转换的普通克里格法（OK-SLR）,基于对称对数比转换的回归克里格法(RK-SLR）,将成分数据特征和环境变量考虑到土壤质地空间插值中,最优辅助变量组合,数据转换,三、部分研究进展,对称对数比转换 （SLR）,结论,综合考虑均方根误差（RMSE）、标准化克里格方差（MSDR） 、RMSE相对提高值和Aitchisons distance (DA) ，成分克里格（CK）预测精度最高。,RI相对提高值，以对称对数比转换的普通克里格法为参考方法,（成分克里格法）,（基于对称对数比转换的回归克里格法）,（土壤颗粒）,均方根误差提高值,三、部分研究进展,47%,13 %,46%,46%,8%,
14、6%,不同预测方法的Aitchisons distance图,t检验显示，成分克里格法与基于对称对数比转换的回归克里格法与基于对称对数比转换的普通克里格法DA存在显著差异，表明前两种方法明显优于后者。,CK较为集中,三、部分研究进展,（1）顺序指示模拟算法在土壤质地空间分布三维模拟中的应用,15 km2区域，139个土壤剖面，运用指示变异函数和顺序指示模拟算法分析和模拟土壤质地的空间分布。,4、土壤质地的空间分布三维模拟算法研究,三、部分研究进展,三维顺序指示模拟实现,结果表明，土壤质地在垂直方向上具有很强的空间自相关性；而在水平方向上空间自相关性较弱，表明土壤质地有可能在水平方向变异较大，或
15、者本研究所采样的水平采样间隔稍大。 顺序指示模拟算法在这种尺度下能够反映土壤质地层次的空间变异。,三、部分研究进展,（2）顺序指示和转移概率指示模拟方法对小尺度土壤粘粒含量空间模拟的对比研究,以1 m3土体，运用激光粒径分析仪对粘粒含量进行了测定，并将测定数据转化为指示数据。分别运用指示变异函数和转移概率变异函数进行空间变异分析。,三、部分研究进展,顺序指示模拟（SIS）方法低估了主变量，同时高估了辅变量，而转移概率指示模拟（TPROGS）能将这两种变量很好的再现。此外，与实测数据相比，在SIS结果中粘粒含量分布的空间连贯性显著地减少，而在TPROGS中却能很好的再现。因此，TPROGS更能够
16、反映粘粒含量的三维空间分布特征。,顺序指示模拟结果三维实现,转移概率指示模拟结果三维实现,三、部分研究进展,5、 空间分析的尺度效应,对比分析不同空间尺度下矩量法（MoM）和有限最大似然法（REML）在计算变异函数准确性方面的表现。,三、部分研究进展,空间尺度对变异函数的影响,研究区位置：北京市大兴区尺度样区选择：40km、30km、20km、10km目标变量：土壤有机质、土壤有效锰,有限最大似然法在提高空间预测精度方面效果是否明显与研究区的空间尺度紧紧相关。 土壤有机质和土壤速效锰的分析结果表明，有限最大似然法在20km和30km尺度具有比较好的表现 。,三、部分研究进展,三、部分研究进展,6、 土壤属性的时间演替,(a) 1980,(b) 2000,(c) 2000-1980,(a)1980,(b)2000,(c)2000-1980,土壤有机质含量变化,平均增长46.81% (从 8.78 到 12.89g/kg ),三、部分研究进展,1980-2008,土壤有机质含量下降？ 过量施用化肥，综合影响，综合因素！ 土壤有机质也有质量问题秸秆还田、绿肥作物！,三、部分研究进展,
