数字土壤制图中人类活动影响因子的定量刻画

Choosing and obtaining soil environmental covariates is one of the key parts of digital soil mapping. Present digital soil mapping researches mainly use natural environmental factors, seldom consider human activity factor. Recently, human activities have become an important influencing factor of soil spatial variations. However, there are few studies on quantifying human activity impact factor. Because agricultural activity is one type of human activities, which influences soil distribution extensively and deeply, we take agricultural activity as an example to conduct our research in this project. This project will employ multi - temporal remote sensing data to extract environmental factor that can represent main impact of human activities. For those which can directly extract, such as cropping system, remote sensing interpretation will be used. For those which can not directly extract, such as farming management, multi-temporal spectral data will be selected according to crop growth period, based on which a human activity factor will be then constructed. Then we will use the extracted human activity factors in digital soil mapping and compare soil sampling and mapping using human activity factor with soil sampling and mapping with only natural environmental factors. The developed method can provide key techniques for soil investigation of areas under impact of human activities, and have a significant meaning for recognizing status and distribution rules of soil resources under impact of human activities.

协同环境因子的选择和获取是数字土壤制图的关键环节之一，现有土壤制图研究大多采用自然环境因子，鲜有考虑人类活动因子。近年来，人类活动成为土壤空间变异的重要影响因素，却鲜有对其空间化刻画的研究。本项目拟以农业活动为例，通过多期遥感影像的辅助，提取可度量主要人类活动方式的环境协同因子。针对可直接空间化的人类活动，如种植制度，采用遥感解译的方式获取；针对难以直接空间化的人类活动，如耕作管理方式，利用植被生长状况对其间接指示，根据植被生长周期选择时段获取多时序光谱数据，从而构建环境因子。基于提取的人类活动因子与土壤属性之间的关系，构建适宜人类活动密集区的土壤推测模型，并通过与仅采用自然环境因子的土壤制图对比，进行方法的效性评价。本研究所提出的方法可为农业活动密集区的土壤资源调查提供技术支撑，对认识高强度人类活动影响下土壤资源（通常是重要农业生产基地）的现状和分布规律具有十分重要的理论与实践意义。

协同环境因子的选择和获取是数字土壤制图的关键环节之一，现有土壤制图研究大多采用自然环境因子，对人类活动因子的考虑较少。近年来，人类活动成为土壤空间变异的重要影响因素，人类活动影响因子的加入对于土壤推测制图非常必要也具有重要作用。本项目以农业活动为例，通过对高时空分辨率的植被指数时序数据进行傅立叶转换，提取多个可体现作物生长变化周期的变量，将所提取的的环境变量、轮作类型和自然环境变量（包括气候、地形、母岩等）输入随机森林，根据重要性排序构建精度最高的表层土壤有机碳推测模型。案例研究表明，所提取的傅立叶分解因子可有效提高表层土壤有机碳制图精度，仅采用傅立叶分解因子和轮作类型变量可获取与常用自然环境因子相似的制图精度。本研究所提方法突破了目前数字土壤制图以自然环境因子为主要预测因子的局限，以农业活动为例，尝试把农业活动因子用于土壤调查与制图。所提方法可为农业活动密集区的土壤资源调查提供技术支撑。此外，在研究过程中，还提出将野外成本定量用于样点设计的验证采样方案。结果表明，所提方法可提供兼具高验证有效性、低成本的验证采样方案，为土壤调查或其他地理要素调查定量考量野外成本进行采样设计提供了途径和范例。. 基于本项目的支持，共发表21篇学术论文，包括11篇SCI论文（含一区期刊6篇，二区TOP期刊3篇）（第一标注9篇）和10篇中文核心期刊论文（第一标注3篇）。研究成果获《土壤学报》2015年度十大优秀论文奖（第一标注）。共培养3名硕士研究生。研究成果曾11次在国内外学术会议上作为报告进行学术交流，项目主持人作为国际土壤科学联合会（IUSS）土壤计量学会副主席参与组织2017年在荷兰举办的国际土壤计量学大会，受邀参加2018年在巴西举办的第21届国际土壤学大会（21st World Congress of Soil Sciences），并作为负责人组织“全球土壤碳模拟” 专题。此外，项目的主任人受邀成为土壤科学一区期刊Geoderma的编委。