幾種地統(tǒng)計學方法在縣域土壤空間信息處理上的應用與研究.pdf

1、地統(tǒng)計學，自從誕生的那一刻開始，就和應用學科(如探礦)緊密結合，共同發(fā)展，已取得累累碩果。特別是近些年來，它越來越深入地滲透到了諸如土壤、環(huán)境、生態(tài)、氣象、經(jīng)濟和人文等領域，具有越來越重要的應用前景。當然，通過這種應用，地統(tǒng)計學在理論方法上也找到了新的增長點，出現(xiàn)了新的有意義的問題和嶄新的思維，這些新思想反過來又可以促進其應用在廣度和深度上進一步拓展。雖然本研究沒有涉及，但值得指出的是，近些年來還出現(xiàn)了一些克里格框架之外的地統(tǒng)計學理論和

2、方法，尚待發(fā)展和廣泛認可。
　　 在土壤和環(huán)境科學領域，許多研究者已經(jīng)對地統(tǒng)計學算法的特點進行了深入研究，并針對結合軟數(shù)據(jù)、空間不確定性評估等現(xiàn)實問題提出了許多改進方法。然而，無論從理論算法還是應用實踐層面仍有很多極具挑戰(zhàn)性的問題亟待解決，如：
　　 ·在土壤屬性的地統(tǒng)計學制圖領域，是否存在較以前的殘差克里格更好的結合范疇數(shù)據(jù)的方法？
　　 ·能否結合范疇數(shù)據(jù)進行隨機模擬，進而減小模擬結果的不確定性？
　　

3、 ·在重金屬污染源解析中，除了能夠利用樣本觀測數(shù)據(jù)定性推測排放源的數(shù)目及其性質(zhì)，能否進一步定量計算各個污染源所排放重金屬的空間分布格局？
　　 ·是否隨機模擬前一定需要對樣本觀測數(shù)據(jù)進行轉(zhuǎn)換？如何利用直接順序模擬的結果來評估土壤屬性的空間不確定性？
　　 ·由于克里格的平滑效應以及指示克里格中污染概率閾值的確定通常比較主觀，故直接采用克里格法和指示克里格法對污染物區(qū)域劃定是不合理的。那么是否存在一種較為客觀的污染范圍劃

4、定方案？
　　 ·如何在生態(tài)風險評價中考慮污染物的空間異質(zhì)性和空間不確定性？
　　 ·如何利用地統(tǒng)計學研究土壤主要營養(yǎng)元素的有效性比率？
　　 有鑒于此，本文以探索新的理論和方法、解決應用實際問題為目的，圍繞地統(tǒng)計學理論及其在土壤和環(huán)境科學中的應用問題做了多方面的研究，取得了如下七個方面的新成果：
　　 (1)將面點克里格引入土壤屬性制圖領域，為精準農(nóng)業(yè)和環(huán)境管理提供了一個更為適合的土壤屬性制圖方法。

5、r>　　 近十多年來，使用樣本觀測數(shù)據(jù)來對土壤養(yǎng)分進行空間分布的制圖引起了廣泛的關注。但為提高制圖質(zhì)量而在大尺度上進行大量高密度田間取樣在經(jīng)濟和勞力花費等方面都是不現(xiàn)實的，對于地形復雜和偏遠地區(qū)尤其如此。土地利用類型通常對局部土壤養(yǎng)分含量存在影響，那么對土地利用類型和土壤養(yǎng)分含量之間的這種關系加以利用，則可以達到以有限稀疏樣本數(shù)據(jù)進行較高質(zhì)量土壤和環(huán)境屬性制圖的目的。最近出現(xiàn)的面點克里格(AAPK：area-and-point kri

6、ging)為結合范疇信息提供了一個新的插值技術。本研究結合402個點樣本數(shù)據(jù)和土地利用信息，利用面點克里格制作了中國漢川縣土壤全氮(TN：total nitrogen)含量的空間分布圖。同時普通克里格(OK：ordinary kriging)和殘差克里格(RK：residual kriging)被用于參照方法，用來評價面點克里格的效果。結果表明：(1)土地利用類型對土壤全氮的空間分布有重要影響；
　　 (2)135個驗證位的實測

7、值與AAPK預測值之間相比與RK和OK預測值之間具有更強的相關性、更低的平均誤差和均方根誤差；(3)AAPK較RK和OK產(chǎn)生更小的誤差方差。這意味著AAPK為增加土壤全氮插值精度的有效方法。
　　 (2)提出了一種新的結合范疇數(shù)據(jù)的隨機模擬方法，并運用于實際的案例研究，豐富和發(fā)展了隨機模擬理論。
　　 地統(tǒng)計學經(jīng)常被用來描述土壤屬性含量的空間變異。然而，由地統(tǒng)計學隨機算法產(chǎn)生的模擬實現(xiàn)圖能夠更好的代表實際的空間分布狀況。

8、土地利用類型通常會影響局部土壤氮的含量水平，故將土地利用類型結合進土壤氮的地統(tǒng)計學隨機模擬中是可取的。據(jù)此，作者提出了sequential Gaussian simulation incorporating land useinformation(SGSLU)的隨機模擬算法。在這項研究中，402個采樣點的土壤全氮觀測數(shù)據(jù)與土地利用范疇信息相結合，利用作者提出的SGSLU算法來模擬了土壤全氮的空間分布，并將SGSLU與OK和順序高斯模擬(

9、SGS：sequential Gaussian simulation)的預測結果做了比較。其中135個驗證數(shù)據(jù)被用來評估SGSLU在提高預測精度和減小預測不確定性方面的改善程度。結果表明，驗證數(shù)據(jù)與SGSLU的最佳預測(即E-type估計)的相關性更大，且平均誤差和均方根誤差更小。而且根據(jù)精確圖和最佳統(tǒng)計量G，SGUSLU在減小預測結果的不確定性方面優(yōu)于SGS。故SGSLU在提高預測的準確性和減少土壤全氮預測的不確定性方面，是一種行之有

10、效的方法，同時模擬實現(xiàn)之間的差異代表了土壤全氮預測的空間不確定性。這些知識為土壤全氮缺乏和豐富區(qū)域的劃定提供了定量信息。
　　 (3)將主成份分析/絕對主成分分數(shù)(PCA/APCS)模型引入土壤污染源解析領域，同時將其與地統(tǒng)計學結合，提出了一個土壤重金屬污染源解析的綜合方法。
　　 目前在土壤污染源確定方面，主成份分析(PCA)是最常用的工具。源解析是在源確定方面進一步的定量化。PCA/APCS不需要事先了解源的個數(shù)及其

11、特點，也就是說可以在源未知的情況下進行源解析，因此該模型被廣泛應用。源解析技術已被廣泛應用于大氣環(huán)境和水環(huán)境研究中，但目前在土壤重金屬污染領域運用該技術的研究還鮮有報道。PCA的結果與源貢獻相關，但是并不成比例，故其結果只能定性的推測潛在的污染源而不能直接用于源解析。應用PCA/APCS受體模型不但可以定量地確定每個變量對每個源的載荷，還可以定量確定源對其重金屬的平均貢獻量和在每個采樣點的貢獻量。但受體模型源解析的結果仍缺乏直觀視覺效果

12、，不利于在源未知的情況下利用源解析結果進行源識別(如隱蔽性污染源)。為了便于直觀理解每個污染源的貢獻量的空間分布和在源未知的情況下推測具體的污染源，我們在本文中將地統(tǒng)計學和受體模型結合起來，利用普通克里格法對由PCA/APCS受體模型獲得的采樣點的源絕對貢獻量插值。因此該研究的目的是提出一個土壤重金屬污染源解析的綜合方法。同時我們根據(jù)污染數(shù)據(jù)集所能提取的信息的不同，如是否能直接從PCA推斷污染源的性質(zhì)，單個重金屬污染物的源解析是否需要多

13、元數(shù)據(jù)集的源解析技術等問題，用兩個案例加以展示說明。
　　 (4)將直接順序模擬技術引入土壤和環(huán)境屬性的不確定性評估中，擴展了直接順序模擬的應用范圍。
　　 最常用的隨機模擬方法為順序高斯模擬和順序指示模擬，這兩種模擬方法使用前必須進行數(shù)據(jù)轉(zhuǎn)換，而數(shù)據(jù)轉(zhuǎn)換必然伴隨著模擬結果精度的降低。最近出現(xiàn)的直接順序模擬克服了這一弱點。本研究采用直接順序模擬這一新的模擬技術模擬了土壤全氮的空間分布。利用模擬的結果，定量評估了土壤全氮的

14、空間不確定性。同時普通克里格被用于參照方法，用于說明直接順序模擬技術在不確定性評估方面的優(yōu)點。
　　 (5)使用順序高斯模擬和傳遞函數(shù)模擬了由劃定土壤鎳污染范圍所引起的健康風險損失和補救風險損失，并提出了一個基于最小化期望損失標準的污染區(qū)域劃定方案。
　　 由于克里格插值的平滑效應，采用克里格插值的結果作為污染范圍的劃定是不恰當?shù)摹６怕书撝捣桨钢?，由于概率閾值的設定通常比較主觀，故這一劃定方案也缺乏客觀的科學依據(jù)。地

15、統(tǒng)計學模擬實現(xiàn)值因克服了插值的平滑效應，故較克里格最佳預測值更能準確的代表所研究變量的空間異質(zhì)性。模擬實現(xiàn)之間的差異代表了空間的不確定性。這些實現(xiàn)可以作為傳遞函數(shù)的輸入數(shù)據(jù)，以進一步評估產(chǎn)生的因變量的不確定性。本研究將研究區(qū)域的鎳模擬實現(xiàn)值輸入傳遞函數(shù)，以計算健康風險損失(低估其含量而未補救)和補救風險損失(高估其含量，采取補救措施)。模擬的鎳含量的不確定性通過傳遞函數(shù)傳播，導致不確定性的健康風險損失和補救風險損失。這樣，兩種風險損失就

16、可以通過鎳的反應值來評估。同時在該研究中，由于不同的土地利用類型中鎳的危害程度不同，本研究也在傳遞函數(shù)中加以考慮。最后作者依據(jù)最小化風險損失為標準，劃定了重金屬鎳污染的范圍。這樣為污染的劃定提供了一個新的思路。
　　 (6)結合地統(tǒng)計學隨機模擬模型和Hakanson潛在生態(tài)風險指數(shù)法，提出了一種生態(tài)風險空間分析的綜合方法。
　　 Hakanson潛在生態(tài)風險指數(shù)法不但考慮了土壤沉積物中重金屬的毒性、重金屬在沉積物中普遍的

17、遷移轉(zhuǎn)化規(guī)律以及評價區(qū)域?qū)χ亟饘傥廴镜拿舾行?，而且利用重金屬總量分析測試結果與區(qū)域背景值進行比較，消除了區(qū)域差異及異源污染影響。目前該方法已被國內(nèi)外廣泛接受，已成為生態(tài)風險評價方面最常使用的方法之一。地統(tǒng)計學在生態(tài)風險評估領域是個被忽視的方法。本研究以結合地統(tǒng)計學隨機模擬和Hakanson潛在生態(tài)風險指數(shù)法，提出了一種綜合的空間分析生態(tài)風險的方法。本研究先對各個重金屬元素含量進行地統(tǒng)計學隨機模擬，然后將模擬實現(xiàn)值輸入Hakanson潛在

18、生態(tài)風險指數(shù)法，得到每個重金屬元素所引起的生態(tài)風險系數(shù)，這樣由各個重金屬元素所引起的生態(tài)風險的空間不確定性被量化。而且由所有重金屬元素引起的生態(tài)風險指數(shù)的最佳估計可由各個重金屬元素的生態(tài)風險系數(shù)的期望值之和得到。
　　 (7)地統(tǒng)計學在土壤主要營養(yǎng)元素有效性比率分布格局上的-個應用。
　　 全氮(TN)、全磷(TP)、全鉀(TK)、AN、AP和AK的含量及土壤各主要元素的有效性比率(即氮、磷和鉀元素的有效量與全量之比)為

19、土壤系統(tǒng)主要營養(yǎng)的重要指標。對于農(nóng)業(yè)生產(chǎn)和環(huán)境保護至關重要。土壤營養(yǎng)元素中，比較高的有效性比率意味著該元素更加有利于植物的吸收，同時也暗示該元素更加容易進入水體。因此，為了更加有效的對農(nóng)作物施肥和環(huán)境進行管理，了解主要營養(yǎng)物質(zhì)的有效量、全量和有效性比率的空間分布格局顯得非常必要。在過去的幾十年內(nèi)，很多研究者研究了氮、磷和鉀各中形態(tài)的空間分布格局。但這些研究主要是關注這些主要營養(yǎng)元素的全量或有效量，缺少對其有效性比率的研究記錄。本研究采用