强烈自然和人为作用下的土壤制图及其不确定性评估

High precision soil map is the basic information for the implementation of precision agriculture and soil environmental management. However, with the increase of natural, especially human activities, the spatial correlation of soil properties is becoming more and more localization; At the same time, the outliers of soil samples increase gradually. These factors strongly deviate from the basic assumptions of the traditional geostatistics - the intrinsic hypothesis, thus significantly reducing the spatial prediction accuracy of soil properties. On the basis of traditional geostatistical interpolation and simulation models, this project intends (1) to combine the local spatial correlation of soil properties into the geostatistical models; (2) to build a robust geostatistical model to reduce or eliminate the impact from outliers in soil samples; and (3) to build a comprehensive geostatistical method system, which could fully extract auxiliary information, and also could combined different types of auxiliary information into models to achieve high precision soil property mapping. This project would combine theoretical research, technology development, comparative study and case verification and would improve the spatial prediction accuracy of traditional geostatistical models based on the characteristics of soil in the region. The results would lay the theoretical and technical foundation for the high precision spatial interpolation and simulation of soil properties in the region with strongly natural and anthropogenic influences.

高精度的土壤图是精准管理区域土壤肥力及环境的基础。然而，随着自然特别是人为作用的加剧，土壤属性的空间相关性越来越局部化；同时，自然和人类活动产生的局部土壤离群值也逐渐增多。这些因素导致土壤样本值强烈偏离传统地统计学的基本前提-本征假设，进而显著降低其空间预测的精度。在传统地统计学插值及模拟模型基础之上，本项目拟1.构建局部半方差函数将土壤属性的局部空间相关性结合进地统计学模型；2.构建稳健的地统计学模型以降低或消除土壤样本离群值的影响；3.构建一套综合的地统计学方法体系，使其能充分提取相关辅助信息，并能将不同类型的辅助信息进行有效结合，以便利用较低成本的辅助信息进行更高精度的土壤预测制图。本项目采用理论拓展、技术开发、比较研究和案例实证相结合的方法，针对该类型区域土壤特点，对传统地统计模型作进一步方法和技术拓展，进而为强烈自然和人为作用区域土壤的高精度空间模拟奠定理论和技术基础。

人类活动的加剧往往导致土壤属性的空间自相关性呈现局部化的趋势；土壤离群样本也逐渐增多。上述因素均偏离传统地统计学空间预测模型的前提假设。而且，在对土壤属性进行空间预测模拟时基于的是有限样本，所得结果必然存在一定的空间不确定性。对于传统的实验室测定方法，增加样点数据的密度必然耗费大量人力和物力。在本项目的支持下，申请人针对上述问题，在土壤属性空间预测模拟的方法上做了多方面的探索：[1]提出了一套削弱多元点状辅助变量间局部多重共线性，并有效提取回归残差中有用信息的空间预测模型，即：将地理加权滑动窗口技术融入传统主成分分析，以削弱多元点状辅助变量之间的局部多重共线性；并在此基础上提出地理加权主成分分析/地理加权回归克里格(GWPCA/GWRK)，以进一步提高对回归残差中有用信息的利用率。[2]提出了一种有效结合面状范畴辅助变量的稳健空间插值方法，即：提出稳健残差克里格模型(RRK)来结合面状范畴辅助变量，且能有效削弱离群值对空间插值结果的影响。[3]提出了有效校准原位便携式X射线荧光光谱(PXRF)数据，并将其有效融合进空间插值和随机模拟的方法，即：首先构建稳健地理加权回归(RGWR)来校准原位PXRF数据，然后利用校准后的PXRF数据作为空间插值和模拟中的硬数据，以便使PXRF数据的利用率最大化。[4]提出了有效利用校准后的PXRF数据进行高精度土壤调查和污染区域划定的新方法。[5]构建稳健地理加权回归(RGWR)，揭示了相关环境因子对目标污染物累积量的空间非平稳影响，服务于精准土壤环境监测。[6]提出了一种稳健局部源解析受体模型，为区域土壤污染源解析提供了一个有效工具。[7]提出了源解析受体模型中范畴辅助信息融合的方法，增加了源解析中信息的输入量。本项目发表第一/通讯作者论文21篇（SCI论文18篇论），其中第一标注17篇，第二标注4篇。本项目为区域土壤属性的高精度时空预测模拟提供了新的方法，具有重要的科学意义和应用价值。