基于遙感數(shù)據(jù)的孝義市土壤有機碳空間格局

張紅麗，張吳平，冀美蓉，權(quán)騰

（山西農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院，山西 太谷030801）

土壤有機碳作為土壤肥力以及環(huán)境質(zhì)量狀況的重要特性，是制約土壤理化性質(zhì)的關(guān)鍵因素，保持土壤中充足的有機碳是土地可持續(xù)利用和作物高產(chǎn)的先決條件［1，2］。土壤有機碳空間格局的研究既是土地資源可持續(xù)利用的基礎(chǔ)，又對研究土壤碳循環(huán)和全球氣候變化相互作用具有重要意義。地統(tǒng)計學(xué)方法已經(jīng)被證明是分析土壤特性空間分布特征及其變異規(guī)律的有效方法之一［3］，但其較少考慮到影響土壤有機碳空間分布的過程因素，無法全面模擬環(huán)境因子對土壤有機碳分布的影響，而且地統(tǒng)計方法耗時耗力，具有一定的不確定性［4］。遙感技術(shù)具有信息量大、周期短、效率高等優(yōu)勢，加快了土壤有機碳空間格局的研究步伐，但由于實際中受到植被覆蓋等地面條件的限制，使得遙感技術(shù)測定的結(jié)果精度較低；地統(tǒng)計學(xué)方法雖然受到可獲取性和時限性等的影響，但其具有較強的空間分析功能。二者結(jié)合可取長補短，充分發(fā)揮各自優(yōu)勢，使測定結(jié)果與實際更吻合。為此本文運用遙感技術(shù)與地統(tǒng)計學(xué)相結(jié)合的方法，在縣域尺度上，對孝義市土壤有機碳空間格局進行了分析。并運用地統(tǒng)計方法印證基于遙感技術(shù)測定的土壤有機碳空間格局，使結(jié)果更符合實際情況，從而為田間的精確灌溉、精準施肥以及其他的農(nóng)田精準管理提供更加高效科學(xué)的依據(jù)。

1 材料和方法

1．1 研究區(qū)概況

孝義市位于呂梁山脈中段東麓，晉中盆地西南隅。其地理坐標(biāo)為東經(jīng)111°21′～111°56′，北緯36°56′～37°18′。北與汾陽市毗鄰，南與靈石縣相連，西與交口縣接壤，西北與中陽縣相依，東南與介休市隔汾河相望。境域東西直線最長處為46km，南北直線最寬處為26．55km。總面積為948 km2，其中耕地面積占總面積的35．6%。地形由西北向東南呈現(xiàn)緩傾單斜態(tài)勢。西部是石灰?guī)r干石山區(qū)，中部是黃土丘陵區(qū)和臺塬區(qū)，東部是平原區(qū)，海拔高度在731～1716m之間。孝義市屬于暖濕帶大陸性半干旱半濕潤氣候。孝義市年均氣溫10．1℃，年均日照2640．7h，年均降雨量486mm，其中年均降小雨63天，降中雨9天，降大雨3天。年均積雪深度6．5cm。全年平均無霜期為190天，霜凍期為10月上旬到次年4月中旬。

1．2 樣品采集與數(shù)據(jù)處理

2008年冬在孝義市均勻采集表層（0～20cm）土壤樣品200個，同時利用GPS記錄樣點坐標(biāo)，并測定其土壤有機碳含量，將測定的采樣點地理數(shù)據(jù)導(dǎo)入ArcGIS9．3中，生成土壤有機碳點狀矢量分布圖，并校正坐標(biāo)，建立樣點屬性數(shù)據(jù)庫。地理數(shù)據(jù)與屬性數(shù)據(jù)間以采樣點編號作為主鍵，將二者有機的結(jié)合起來。將制作好的分布圖轉(zhuǎn)換為．shp后綴格式，在ArcGIS 9．3中對數(shù)據(jù)進行正態(tài)性檢驗。為提高遙感影像測定土壤有機碳含量的精度，選取研究區(qū)影像來自國家資源遙感衛(wèi)星中心2008年12月18日的中巴影像圖，由于此時期的農(nóng)作物已經(jīng)收割完畢，多數(shù)土壤裸露，是遙感影像灰度值與地面對應(yīng)點土壤有機碳含量實測值相關(guān)性較好的時期，也是土壤有機碳受植被覆蓋影響較小的季節(jié)，有利于提高遙感影像測定土壤有機碳含量的精度。并對中巴影像進行了幾何校正和輻射校正，將影像和基礎(chǔ)地理數(shù)據(jù)投影轉(zhuǎn)化，統(tǒng)一采用 WGS＿1984地理坐標(biāo)系，最后用孝義市矢量圖對遙感影像進行裁剪。研究區(qū)及樣點空間分布如圖1所示。

1．3 研究方法

1．3．1 研究技術(shù)路線

本研究綜合運用了遙感、傳統(tǒng)統(tǒng)計學(xué)、地統(tǒng)計學(xué)等相關(guān)學(xué)科的理論知識對土壤有機碳的空間格局進行分析研究，采用的技術(shù)路線如圖2所示。

圖1 研究區(qū)及樣點空間分布情況Fig．1 Illustration spatial distribution of study area and samples

圖2 技術(shù)路線圖Fig．2 Illustration of method in this study

1．3．2 遙感技術(shù)測定法

將遙感影像解譯后，對影像的B1～B5波段進行3×3中值濾波，達到平滑圖像的目的，然后在ENVI中提取樣本對應(yīng)點在各波段上的灰度值。從實測的200個地面樣點中選取100個點，在SAS軟件中采用相關(guān)分析、多元逐步回歸分析對土壤有機碳含量與遙感影像光譜值及其數(shù)學(xué)變換形式進行分析，建立土壤有機碳含量預(yù)測模型。通過相關(guān)分析發(fā)現(xiàn)土壤有機碳與（B1）2、（B3）2和 NDVI存在顯著的相關(guān)性。將實測100個樣點的土壤有機碳含量作為因變量，（B1）2、（B3）2和 NDVI作為自變量進行多元逐步回歸分析［5］，得到回歸方程：

從有機碳含量和遙感變量組的多元回歸模型得知，方程的F值為5．01，p＜0．05，r2＝0．38。用剩余100個樣點對模型進行驗證，并計算其誤差系數(shù)，驗證結(jié)果表明模型的預(yù)測結(jié)果較為理想，基本可以滿足土壤有機碳空間格局研究中對模型擬合精度的要求。最后在ArcGIS中將消除人為建筑的（B1）2、（B3）2和 NDVI波段為自變量代入模型計算得到孝義市土壤有機碳空間格局如圖3所示。

圖3 遙感技術(shù)測定土壤有機碳空間格局Fig．3 Spatial distribution of soil organic carbon estimated by RM data

1．3．2．1 計算碳儲量

根據(jù)測定的孝義市有機碳密度分布，分鄉(xiāng)統(tǒng)計得出孝義市土壤有機碳儲量分布，其對土壤碳循環(huán)研究具有重要意義。通過計算得出土壤有機碳儲量分布，見圖4。

圖4 土壤碳儲量分布Fig．4 The spatial distribution results of soil organic carbon Storage

1．3．3 地統(tǒng)計學(xué)的原理與方法

1．3．3．1 半方差函數(shù)

地統(tǒng)計學(xué)是研究具有隨機性和結(jié)構(gòu)性，或空間相關(guān)性和依賴性的自然現(xiàn)象的一門科學(xué)［6］。它是以區(qū)域化變量理論為基礎(chǔ)，以半方差函數(shù)為工具的一種數(shù)學(xué)方法，其基本原理與方法在許多文獻中都有較詳細的描述［7］。半方差函數(shù)可以描述土壤性質(zhì)的空間變異，反映出不同距離觀測值的空間自相關(guān)程度，是研究土壤特性空間變異的關(guān)鍵，同時也是估計空間布局的基礎(chǔ)［8］，其表達式為：

r（h）－距離為h的半方差函數(shù)；h－ 樣本距離；N（h）－距離為h的“樣本對”數(shù)；Z（xi）和Z（xi＋h）－區(qū)域化變量Z（x）分別在空間位置xi和xi＋h的實測值［9］。

1．3．3．2 土壤有機碳的統(tǒng)計特征值

對100個樣本有機碳含量的觀測數(shù)據(jù)進行描述性統(tǒng)計，結(jié)果見表1。

表1 土壤有機碳含量統(tǒng)計特征值Table 1 Statistical characters of soil organic carbon

從表1可以看出，所取樣本土壤有機碳的變異系數(shù)為1．69，屬于強變異性。由于土壤有機碳的傳統(tǒng)統(tǒng)計分析方法只能概括出土壤有機碳變化的全貌，而不能反映其局部的變化特征，即只能在一定程度上反映樣本的總體，不能定量刻畫出有機碳的獨立性和相關(guān)性、隨機性和結(jié)構(gòu)性。為解決這些問題，必須采用半方差函數(shù)擬合及空間插值進一步分析和探討土壤有機碳的空間變異結(jié)構(gòu)［10］。

1．3．3．3 半方差函數(shù)擬合及空間插值

在 ArcGIS9．3中以 Geostatisical Analyst地統(tǒng)計分析模塊對采樣點數(shù)據(jù)進行正態(tài)分布檢驗，表明土壤有機碳含量符合正態(tài)分布，滿足空間統(tǒng)計學(xué)克立格方法分析土壤有機碳空間特性的前提，可以使用地統(tǒng)計學(xué)方法進行空間分析。將樣本數(shù)據(jù)代入地統(tǒng)計分析模塊，選用球狀模型進行半方差函數(shù)擬合，得到研究區(qū)土壤有機碳含量的半方差函數(shù)模型，結(jié)果見表2。

表2 土壤有機碳的半方差球狀模型Table 2 The Parameters of statistical model for the soil organic carbon

利用地統(tǒng)計分析模塊中的克里格插值方法生成土壤有機碳含量插值結(jié)果圖，然后將插值結(jié)果圖與孝義市行政轄區(qū)圖進行空間疊加，得到整個孝義市土壤有機碳含量的空間分布插值圖，如圖5所示。

2 結(jié)果與分析

2．1 表層土壤有機碳空間分布格局

由遙感技術(shù)測定的土壤有機碳空間格局看出，孝義市土壤有機碳存在著明顯的趨勢效應(yīng)，表現(xiàn)為從西到東逐漸升高的趨勢。具體來講，土壤有機碳的空間分布為東部平原區(qū)含量最高，中部黃土丘陵區(qū)和臺塬區(qū)次之，西部石灰?guī)r干石山區(qū)最低。這是由于研究區(qū)域地勢西北向東南呈現(xiàn)緩傾單斜態(tài)勢。西部山區(qū)侵蝕強度較大，坡度較陡，砂巖母質(zhì)裸露，而且鄉(xiāng)鎮(zhèn)的農(nóng)機裝備比較薄弱，保護性耕作技術(shù)推廣較遲緩，使得土壤有機碳含量最低；中部黃土丘陵區(qū)地形破碎，受人為因素耕作、施肥等影響，加上河流等結(jié)構(gòu)性因素造成了土壤有機碳含量較高；東部平原區(qū)以亞粘土、碳酸鹽型粘土為主，水土流失較少，使得該區(qū)土壤有機碳含量最高。

圖5 土壤有機碳空間分布插值圖Fig．5 The spatial distribution results of soil organic carbon by the geostatistics

遙感技術(shù)測定法是利用地面土壤有機碳實測點與遙感影像對應(yīng)像元灰度值間的相互關(guān)系來預(yù)測其他像元點有機碳的含量，受樣點分布的影響小，所以在生成的土壤有機碳空間格局中斑塊的梯度效應(yīng)不明顯，而在局部細節(jié)表達上較高［11］。但由于近年來全市森林覆蓋度的增加，導(dǎo)致在具有一定植被覆蓋度的地區(qū)土壤有機碳測定的結(jié)果精度較低，這是由于植被覆蓋對于測定土壤有機碳空間格局的影響較大。植被覆蓋度的變化主要取決于地形條件的差異，地勢較低的平地和溝谷，由于人為活動較頻繁，對植被的干擾程度大，植被覆蓋度低且兩期間的變化較大；而山區(qū)的地形條件限制了對土地的大規(guī)模利用，使得植被覆蓋度相對較高，兩期間的變化也較?。?2］。

2．2 地統(tǒng)計方法分析土壤有機碳的空間格局

運用地統(tǒng)計學(xué)方法測定的土壤有機碳空間格局與遙感技術(shù)基本一致，由土壤有機碳的空間分布插值圖可以看出，有機碳含量呈現(xiàn)出明顯的斑塊狀和片狀的梯度變化。通過地統(tǒng)計分析結(jié)果顯示，土壤有機碳含量的塊金效應(yīng)為43%，介于25%～75%之間，說明其具有中度的空間相關(guān)性，表明孝義市土壤有機碳含量的變化是結(jié)構(gòu)性因素（自然過程）和隨機性因素（人為過程）共同作用的結(jié)果［13］。

自然因素是土壤有機碳空間變異的內(nèi)部驅(qū)動力，它有利于土壤有機碳空間變異結(jié)構(gòu)性的加強和相關(guān)性的提高，尤其在較大的尺度水平上表現(xiàn)更明顯；而人為因素是土壤有機碳變異的外部影響因素，表現(xiàn)出較大的隨機性，它一般對有機碳空間變異的相關(guān)性和結(jié)構(gòu)性有削減作用，使得土壤空間分布朝著均一化發(fā)展［14～15］。地統(tǒng)計學(xué)方法較少考慮影響土壤有機碳空間分布的過程因素，而且由于部分區(qū)域樣點分布不均勻以及樣點過少，使得隨機因素對插值結(jié)果的影響有所增加，降低了模型的精度，導(dǎo)致模擬結(jié)果不能全面準確地反映土壤有機碳的空間格局，所以只利用地統(tǒng)計學(xué)方法研究土壤有機碳的空間格局也有一定不足之處［11］。

2．3 遙感技術(shù)和地統(tǒng)計方法相結(jié)合分析土壤有機碳的空間格局

將遙感技術(shù)效率高、信息量大等顯著優(yōu)勢與地統(tǒng)計學(xué)方法較強的空間分析功能結(jié)合起來分析土壤有機碳空間格局，二者取長補短，充分發(fā)揮各自優(yōu)勢。運用地統(tǒng)計方法驗證基于遙感技術(shù)測定的土壤有機碳空間格局，結(jié)果顯示，兩種方法測定的土壤有機碳空間格局基本一致，但在細節(jié)表達上有所不同。這是由于在實際中受植被覆蓋等地面條件的限制，使得測定結(jié)果有一定誤差。

從兩種方法結(jié)合來分析土壤有機碳空間格局可知，孝義市有植被覆蓋的西部山區(qū)也有一定含量的土壤有機碳。這是由于近年來保護性耕作技術(shù)的推廣應(yīng)用，有效地增加了西部山區(qū)土壤有機碳的含量，提高了土壤的蓄水量，減少了土壤的流失，培肥地力，這些與實際情況更為相符。使用地統(tǒng)計方法驗證遙感技術(shù)測定的結(jié)果，消除了平滑效應(yīng)，從而提高了測定土壤有機碳空間格局的細節(jié)表達精度，二者的結(jié)合為提高土壤有機碳空間分布的預(yù)測精度提供了一種科學(xué)有效的方法。

3 結(jié)論

運用遙感技術(shù)與地統(tǒng)計學(xué)相結(jié)合的方法研究了孝義市土壤有機碳的空間格局。

1）遙感技術(shù)在測定土壤有機碳空間格局方面具有信息量大、周期短、效率高等顯著優(yōu)勢，從遙感技術(shù)測定的土壤有機碳空間格局可知，土壤有機碳存在著從西到東逐漸升高的趨勢效應(yīng)，土壤有機碳斑塊的梯度效應(yīng)并不明顯，但由于孝義市西部山區(qū)長青植被分布較多，導(dǎo)致在西部地區(qū)測定的土壤有機碳分布的精度較低。

2）使用地統(tǒng)計方法研究土壤有機碳空間格局時，測得土壤有機碳樣本數(shù)據(jù)呈正態(tài)分布。土壤有機碳的塊金效應(yīng)為0．43，表明在變程范圍內(nèi)具有中等的空間相關(guān)性。從克里格插值圖可知，運用地統(tǒng)計方法測定的土壤有機碳空間格局與遙感技術(shù)基本一致，但其插值圖中呈現(xiàn)出明顯的斑塊狀和片狀的梯度變化。而且由于部分區(qū)域樣點分布的不均勻，導(dǎo)致隨機因素對插值結(jié)果產(chǎn)生影響，降低了模型的精度。所以只用地統(tǒng)計方法研究土壤有機碳的空間格局也有一定的不足之處。

3）運用遙感技術(shù)和地統(tǒng)計學(xué)相結(jié)合的方法來測定土壤有機碳空間格局，即用地統(tǒng)計方法所得土壤有機碳插值結(jié)果驗證遙感法對土壤有機碳的測定結(jié)果，最終顯示兩種方法測得土壤有機碳空間格局基本一致。從二者結(jié)合的角度分析土壤有機碳空間格局，進一步提高了孝義市土壤有機碳測定的精度，使得測定結(jié)果與實際情況更為相符。

［1］耿元波，董云社，孟維奇．陸地碳循環(huán)研究進展田［J］．地理科學(xué)進展，2000，19（4）：297－306．

［2］劉守贊，郭勝利，白巖．黃土高原溝壑區(qū)梁坡地土壤有機碳質(zhì)量分數(shù)與土地利用方式的響應(yīng)明［J］．浙江林學(xué)院學(xué)報，2005，22（5）：490－494．

［3］楊勁松，姚榮江，劉廣明，等．黃河三角洲地區(qū)土壤鹽分的空間變異性及其Cokriging估值［J］．干旱區(qū)研究，2006，23（3）：439－445．

［4］張素梅，王宗明，張柏，等．利用地形和遙感數(shù)據(jù)預(yù)測土壤養(yǎng)分空間分布［J］．農(nóng)業(yè)工程學(xué)報，2010，5，26（5）：188－194．

［5］Bhatti AU，Bakhsh A，Afza1M，et a1．Spatial variability of soil properties and wheat yields in an irrigated field［J］．Communications in soil Science and Plant Analysis，1999，30（9－10）：1279－1299．

［6］張一揚，周冀衡，楊虹琦，等．基于地統(tǒng)計與 GIS的土壤有機碳空間變異性研究［J］．青島農(nóng)業(yè)大學(xué)學(xué)報，2008，25（1）：48－52．

［7］任春穎，張柏，王宗明，等．松嫩平原西部土壤有機碳空間變異研究［J］．干旱區(qū)研究，2008，9．25（5）：5．

［8］王政權(quán)．地統(tǒng)計學(xué)及在生態(tài)學(xué)中的應(yīng)用［M］．北京：科學(xué)出版社，1999：1－3．

［9］張淑娟，何勇，方慧．基于 GPS和 GIS的田間土壤特性空間變異性的研究［J］．農(nóng)業(yè)工程學(xué)報，2003，3，19（2）：39－44．

［10］倪俊，楊良華，雷能忠．基于 GIS的舒城縣土壤養(yǎng)分綜合評價［J］．皖西學(xué)院學(xué)報，2008，10，24（5）：153－156．

［11］李欣宇，宇萬太，李秀珍．遙感與地統(tǒng)計方法在表層土壤有機碳空間格局研究中的應(yīng)用比較［J］．農(nóng)業(yè)工程學(xué)報，2009，3，25（3）：149－151．

［12］李苗苗，吳炳方，顏長珍，等．密云水庫上游植被覆蓋度的遙感估算［J］．資源科學(xué)，2004，7，26（4）：154－159．

［13］蘇偉，聶宜民，胡曉潔，等．利用Kriging插值方法研究山東龍口北馬鎮(zhèn)農(nóng)田土壤養(yǎng)分的空間變異［J］．安徽農(nóng)業(yè)大學(xué)學(xué)報，2004，31（1）：76－81．

［14］沈掌泉，周斌，孔繁勝，等．應(yīng)用廣義回歸神經(jīng)網(wǎng)絡(luò)進行土壤空間變異研究［J］．土壤學(xué)報，2004，41（3）：471－475．

［15］S Han，S M Schneider，R G Evans．Evaluating cokriging for improving soil nutrient sampling efficiency［J］．Transactions of the ASAE，2003，46（3）：845－849．