《IEEE Access》:A novel sampling design that considers local soil heterogeneity in both geographical and feature spaces for mapping multiple soil properties at the farm level
编辑推荐:
为解决传统采样方法在农田尺度难以同时兼顾地理空间和特征空间覆盖度、且忽视局部土壤异质性导致样本代表性不足的问题,研究人员开展了一项融合局部土壤异质性的新型采样设计研究。该方法通过地形变异系数推断局部异质性,结合异质性变化算法划分空间连续子区域,并利用模糊C均值聚类与空间覆盖优化确定关键采样点。实验表明,相较于分层随机采样、K均值采样和条件拉丁超立方采样,该方法在土壤有机质(SOM)、pH、全氮(TN)、有效磷(AP)和有效钾(AK)的普通克里金(OK)制图中均表现出更高精度和鲁棒性,为精准农业的土壤变异管理提供了更可靠的采样方案。
在精准农业蓬勃发展的今天,如何精准捕捉农田土壤的空间变异规律成为提升施肥效率、评估土壤质量的关键。传统土壤采样方法往往面临一个两难困境:若只关注采样点的地理分布均匀性,可能忽略土壤属性在环境特征空间中的内在关联;而过度依赖特征空间优化,又容易导致采样点在地理上聚集,难以支撑可靠的空间插值。更棘手的是,农田土壤受人类活动影响显著,其变异具有强烈的局部性,但现有方法多从全局视角设计采样方案,未能充分考虑这种局部异质性,使得样本在高度变异区域的代表性不足,最终影响数字土壤制图(DSM)的准确性。
针对这一难题,来自郑州大学、河南农业大学等机构的研究团队在《IEEE Access》上发表了一项创新研究,提出了一种同时考虑地理空间和特征空间局部土壤异质性的新型采样设计方法。该方法的核心思想是:通过分析地形等环境协变量推断局部异质性程度,据此将研究区划分为具有相似异质性的空间连续子区域,实现样本量的合理分配;然后在每个子区域内,综合运用模糊C均值(FCM)聚类和异质性变化(HC)区域合并技术,选取那些在特征空间中最具代表性且地理分布良好的点位作为关键采样点。这种“先分区、后优化”的策略,确保了采样方案既能捕捉局部细节,又兼顾全局覆盖。
为验证方法的有效性,研究团队在内蒙古东北部一处面积708.46公顷的农业区域开展了案例研究。该区域以暗栗钙土为主,地势起伏,种植制度为一年一熟。研究使用了由专家基于103个样本绘制的土壤图(包含SOM、pH、TN、AP、AK五种属性)作为验证基准,并选取了数字高程模型(DEM)、坡度、坡向、平面曲率(PLAN)、剖面曲率(PROF)和归一化植被指数(NDVI)六个环境协变量。
研究的关键技术方法主要包括:首先,利用移动窗口计算DEM的变异系数(CV)来量化局部土壤异质性,并通过分析CV均值和方差随窗口大小的变化曲线,确定最佳窗口尺寸(21×21像素)。其次,采用异质性变化(HC)算法对研究区进行区域合并,生成不同数量的子区域候选方案,再结合整体优度(OG)指标(综合考量组内方差WV和全局莫兰指数MI)评估划分质量,最终选定最优子区域数量(12个)。接着,在各子区域内,使用模糊C均值(FCM)对环境协变量进行聚类,并通过Q指标确定最佳聚类数,从而确定该子区域的样本量(总计51个)。最后,对FCM聚类结果和HC分割结果进行叠加分析,在每个分割单元中选取对其主要类别隶属度最高的点位作为最终采样点。
采样点选取过程
结果显示,在630×630 m的窗口下计算的CV能有效反映局部异质性差异。当子区域数量为12时,OG值最高,表明此时子区域内部同质性和区域间异质性达到最佳平衡。通过Q指标分析,为12个子区域分别确定了合适的FCM聚类数(总计51类),进而确定了总样本量。叠加分析后生成的采样计划,其采样点分布在地理空间和特征空间均表现出良好的覆盖性。
方法有效性分析
研究人员设置了四个对比案例:Case 1(本文方法)、Case 2(未考虑局部异质性的FCM-HC叠加)、Case 3(仅FCM)、Case 4(仅HC)。描述性统计显示,Case 1获得的样本在多数土壤属性上具有更高的标准差,表明其更能捕捉土壤属性的空间变异。莫兰指数检验证实所有案例的土壤属性均存在空间自相关性,适合使用普通克里金(OK)进行插值。使用200组独立验证样本对OK制图精度进行评价,结果表明:对于SOM和AK,Case 1的均方根误差(RMSE)和平均绝对误差(MAE)均最低;对于pH和TN,四种策略精度相当;对于AP,Case 1、2、4精度相近且高于Case 3。总体而言,Case 1在多种土壤属性制图中表现出最强的鲁棒性。
与传统方法对比
进一步与分层随机采样(SRS)、K均值采样(KMS)和条件拉丁超立方采样(cLHS)对比。核密度分析表明,本文方法采样点空间聚集度最低,分布最均匀。样本值范围箱线图显示,本文方法能获得数值范围更广、更稳定的土壤样本。OK制图精度比较显示,对于SOM和AK,本文方法精度显著优于其他三种方法;对于pH,本文方法、KMS和cLHS精度相当且高于SRS;对于TN,本文方法和cLHS精度较高;对于AP,四种方法精度相近。本文方法在多种土壤属性制图中均表现出稳定且较高的精度。
多土属性制图成果
应用本文方法确定的51个采样点,成功绘制了五种土壤属性的空间分布图。结果显示,SOM含量从西南向东北递增;土壤pH普遍大于7,呈碱性;TN含量在农田中部较高,西部和东部较低;AP和AK的空间分布与TN呈相反趋势。这些详细的空间变异信息为制定差异化的施肥、作物布局和轮作制度提供了直接依据。
结论与讨论
本研究成功开发了一种综合考虑地理空间和特征空间局部土壤异质性的新型采样设计方法。该方法通过量化局部异质性指导样本量的空间分配,并利用模糊隶属度优化关键点位选取,实现了采样方案在“两空间”覆盖上的有效平衡。实验证明,该方法在农田尺度的多土属性制图中优于传统方法,显著提升了采样方案的鲁棒性和制图精度。研究的创新之处在于将局部异质性分析融入采样设计框架,使样本更能真实反映土壤的空间变异结构。尽管研究存在尺度局限性和环境协变量选择有限的不足,但为精准农业的土壤资源精细管理提供了有力的技术支撑。未来研究将聚焦于窗口大小自动选择、子区域划分策略优化以及大尺度应用拓展。