论文部分内容阅读
土壤颜色是土壤对可见光波段的反射光谱特性,是土壤的重要特征之一。随着科学技术的进步,土壤颜色能够通过CM600d分光测色计准确测定,来预测土壤pH值及有机质含量。本研究以实地采集测定的187个土壤剖面数据为基础,通过方差分析、克里格插值、真彩色实现系统等方法,准确揭示成都平原核心区土壤颜色CIE L*a*b*(L*为亮度,a*为红度,b*为黄度)和RGB(红、绿、蓝)空间分布格局,并运用相关分析和多元回归分析方法,分别以环境辅助变量为输入和以土壤颜色及环境辅助变量为输入的两种方式建立预测模型,预测了各层土壤pH值和有机质含量。得出结果如下:(1)土壤颜色L*、a*、b*、R和G值均表现出显著的剖面递增趋势,且各土层之间差异显著(P<0.05),而B值随土层深度增加无显著变化(P>0.05)。研究区0~20cm、20~40、40~60和60~100 cm土层,土壤颜色a*值均值分别为-0.12、0.13、0.42和0.59;相对表层土壤(0~20cm),20~40、40~60和60~100 cm土层土壤颜色L*值的均值分别增加3.17%、5.97%和5.93%,土壤颜色b*值的均值分别增加19.27%、29.30%和31.14%,土壤颜色R值的均值分别增加4.69%、842%和8.42%.,土壤颜色G值的均值分别增加3.12%、5,94%和5.81%。(2)0~20 cm土层,土壤颜色L*值主要受随机因素影响;20~60 cm的各土层,L*值受结构性因素和随机性因素共同影响;60~100cm土层,L*值主要受结构性因素影响。0~60 cm各土层,土壤颜色a*值主要受结构性因素影响,60~100cm土层a*值受结构性因素和随机性因素的共同影响。土壤颜色b*值在表层(0~20cm)具有强烈的空间自相关性,其余各土层属于中等程度的空间自相关性。土壤颜色R和B值的空间变异均受结构性因素和随机性因素的共同影响。0~60cm各土层土壤颜色G值的块金效应均介于25%~75%之间,属于中等程度的空间自相关,60~100cm土层土壤颜色G值的块金效应小于25%,具有强烈的自相关。土壤颜色L*、a*、b*和RGB在空间分布上有明显变化,且具有良好的空间结构。(3)在Windows7系统下,采用Visual Studio 2010集成开发环境,基于ArcGS Engine组件技术,以C#语言为主开发了土壤真彩色空间分布系统,该系统能实现土壤真彩色空间格局分布。成都平原核心区不同土层土壤真彩色空间分布格局大致相似,中部色彩均以灰色为主,色度偏深,而东北部和西南部以棕黄色为主,色度偏浅。土壤真彩色空间分布格局与研究区成土母质类型的分布规律一致,说明土壤颜色的空间分布格局能在一定程度上揭示成土母质类型的分布特征。(4)各层土壤pH值和有机质含量与土壤颜色参数和环境辅助变量之间的关系均较为显著。0~100cm土层,土壤pH值与土壤颜色a*值、母质类型、轮作方式和水系距离呈显著相关关系(P<0.05);0~100cm土层,土壤有机质含量与土壤颜色L*、a*、b*、R和G值均有显著相关关系(P<0.05),与环境辅助变量土壤类型和母质类型呈极显著正相关关系(P<0.01)。(5)仅引入环境辅助变量作为输入和引入土壤颜色及环境辅助变量作为输入的两种方式均能很好的用来预测土壤pH值和有机质含量,其中,引入土壤颜色的预测模型效果更佳。引入土壤颜色及环境辅助变量的预测模型对各土层土壤pH值的预测结果决定系数R~2较仅以环境辅助变量的预测模型分别提高108.00%、13.55%、14.55%和10.46%;验证样点预测结果的平均绝对误差MAE、均方根误差RMSE和平均相对误差MRE分别降低9.84%、15.19%和12.79%;9.52%、8.93%和10.15%;9.30%、1.96%和3.98%;9.09%,13.79%和12.65%;验证样点实测值和预测值的对比分析中,决定系数R~2分别增加44.03%、34.16%、99.12%和83.78%。引入土壤颜色及环境辅助变量的预测模型对各土层土壤有机质含量的预测结果决定系数R~2较仅以环境辅助变量的预测模型分别提高13.37%、47.58%、58.49%和27.04%;验证样点预测结果的MAE、RMSE和MRE分别降低7.93%、7.06%和9.72%;11.4%、10.31%和11.02%;0.40%、5.32%和20.61%;6.03%、4.36%和9.61%;验证样点实测值和预测值的对比分析中,决定系数R~2分别增加29.92%、21.84%、0.26%和43.66%。