土壤有机质是土壤的重要属性,是衡量土壤肥力的标志之一,对于保持土地资源可持续发展、提高土壤利用率、调整土壤结构具有重要意义。目前,对于全面获得区域土壤有机质的方法大多依靠实测,实测数据精度高,但是存在地形特殊难以实测或者实测过程费时费力,效率较低等问题。水热条件作为影响土壤有机质变异的重要环境因子,研究水热条件对于研究区有机质的预测有重要作用。本研究基于江苏省第二次土壤普查的土壤数据,遥感数据等,通过将年均温、年降水量、月均温、月降水量进行栅格统计、逐步回归、主成分分析、小波分析以及其他影响因素作为模型预测因子,利用统计学方法、线性混合模型、地理加权回归等方法,对江苏省有机质分布特征进行了预测。使用制图评价因子对模型预测精度进行了比较和评价。得出了以下结论:(1)江苏省土壤有机质变异系数为64.6%,属于中等强度变异。江苏省有机质含量为1.3～52.3g/kg,含量范围较广,中位数14.85g/kg,平均值16.30g/kg,分布较均匀。利用普通克里格法插值后结果范围是5.39～37.72g/kg,平均值是15.95g/kg,中位数是14.19g/kg,分布趋势为苏南高于苏北。年均温对于SOM含量独立解释能力最强,能独立解释研究区变异的47.5%,其次是土壤质地和年均降水量,能解释SOM空间变异的21.6%和12.3%。通过方差分析、相关性分析可以得出:水热条件和土壤质地对于有机质变异均有重要影响。(2)通过对月均温、月均降水量进行栅格统计、逐步回归、主成分分析、小波分析,选择降水与温度的相关变量,并结合土壤质地,利用线性混合模型、地理加权回归进行有机质预测,通过有机质预测范围、赤池信息准则、决定系数等进行了模型间的对比发现:基于水热条件的线性混合模型较GLS回归预测、基于水热条件的地理加权回归较OLS预测,模型精度有了一定提高;结合土壤质地的结果较仅使用水热条件进行预测,精度提高较多。(3)采用制图评价因子RMSE、ME、MAE进行了模型精度的对比,得到了以下结论:在利用水热条件进行有机质预测时,水热条件变量结合土壤质地的结果在线性混合模型和地理加权回归中均有较大提高;在利用线性混合模型、地理加权回归进行水热特征和结合土壤质地的有机质预测时,小波变换后的水热特征预测效果较好,为之后的有机质预测提供了一定依据。(4)利用ArcGIS对样本点进行百分比抽样,建模集分别为样本点的70%、60%、50%、40%、30%,以小波分析后的水热条件为例,利用线性混合模型和地理加权回归对于不同样本点进行建模对比,制图评价因子RMSE、ME、MAE结果显示,当建模集为样本点的50%时,利用两个模型建模的精度均较高,效果较好。对之后进行建模集、验证点的选取提供了一定的理论依据。图[36]表[13]参[96]