基于数字土壤制图和误差传递分析的土壤质量评价研究

Soil information users usually demand for information of soil functions, soil threats and soil risks, such as soil quality, soil erosion,soil pollution. Digital soil mapping cannot meet this demand, because it produces information of individual soil properties and types only. In order to meet this demand, digital soil assessment was recently proposed based on digital soil mapping and modeling to generate information of soil attributes that are set by users and easy to understand and use, as well as associated errors. Hence, digital soil assessment can meet various kinds of soil informaiton demands. However, few studies on soil quality evaluation so far have accounted for associated errors. Based on the theory of digital soil assessment, this study would first use digital soil mapping techinques to map soil quality indicators in a study area of about 12 km2, where mapping errors would be characterized using stochastic simulation. Second, soil quality evaulation systems will be constructed to evaluate soil quality of the study area using the maps and simulations of soil quality indicators as inputs. At the same time, error of the evaluation result will be characaterized and error sources identified. The objective of this study is to develop a method of soil quality assessment, which can analyze associated error and error sources.

土壤信息用户经常需要复杂、难以测定的土壤功能评价、威胁分析、风险评估，例如土壤质量、土壤侵蚀、土壤污染等。数字土壤制图仅对单一土壤属性或类型制图，远不能满足这些需求。新近提出的数字土壤评价以数字土壤制图为基础，通过模型分析，提供用户自己设定的、容易理解和使用的土壤信息，同时提供误差估计，因此可以满足不同用户的土壤信息需求。以往的土壤质量评价研究忽视了信息所具有的误差，给土壤管理带来不准确性。本研究基于数字土壤评价理论，在面积约12平方公里的研究区内，首先利用数字土壤制图方法，对土壤质量指标制图，并使用随机模拟方法分析制图误差；然后建立土壤质量评价系统，并依据土壤质量指标图和随机模拟图评价土壤质量，同时分析评价结果中的误差及其来源，目的在于提供一套可以评估误差及其来源的土壤质量评价方法。

准确分析土壤信息的不确定性及其在应用中的传递是数字土壤评价中的关键问题。本项目提出利用序贯高斯模拟来定量描述数字土壤图中的不确定性，再利用拉丁超立方抽样法对模拟值进行抽样选择，最后将抽样选择的模拟值应用于土壤评价中，从而准确、高效地解决该问题的方法。为了验证该方法的可用性，本项目选择了典型丘陵地带内的局部区域为研究区，进行数字土壤制图和土壤质量评价研究。结果表明，本项目提出的方法既保证了不确定性传递分析的准确性，又提高了分析的效率。同时，本项目围绕信息的不确定性问题，做了一系列相关研究：（1）将本研究所得的不确定性分析方法应用于城市化对土壤的影响研究中，解决了传统方法研究土壤时空变异时简单地比较不同时期土壤信息的不准确性问题；（2）对比分析了线性、非线性的土壤-地形因子关系模型，为降低由于模型引入的信息不确定性提供依据；（3）利用土壤信息的不确定性来更新数字土壤图，为数字土壤图在获得新数据后进行更新提供了基本方法。