土壤学报

作者：郝辰恺，孙孝林，王会利

单位：郝辰恺，中山大学地理科学与规划学院, 广州 510275；,孙孝林，中山大学地理科学与规划学院, 广州 510275；sun_xiaolin@yahoo.com,王会利，广西壮族自治区林业科学研究院, 南宁 530002；,

关键词：数字土壤制图;土壤计量学;广义线性地统计模型

基金：国家自然科学基金项目(42071062,41771246)资助

数字土壤制图在当前的应用越来越广泛，其方法主要包括环境相关模型、空间自相关模型，以及这些模型的混合模型。理论上，混合模型相对单一模型具有明显的优势。广义线性地统计模型（GLGM）也是一种混合模型，相对于最常用的混合模型——回归克里格（RK），又具有能加入随机效应来解决土壤变异的非平稳性等优势。然而，GLGM因计算繁琐等缺点，在国内外应用较少。本文以广西南宁高峰林场内一小面积（3.03km2）丘陵为研究区，以14个地形因子为预测变量，使用广义线性混合模型（GLMM）及其与普通克里格（OK）相结合的模型（即GLGM），对土壤有机碳（SOC）、pH、黏粒和阳离子交换量（CEC）的空间分布进行预测，并与常用的多元线性回归（MLR）、地理加权回归（GWR）、回归森林（RF）、OK、RK和广义可加模型（GAM）进行比较。结果表明：GLMM在预测黏粒上准确度较高；GLMM和GLGM在预测CEC上准确度中等，但在预测SOC和pH上准确度较低。综合线性回归模型的调整决定系数、块金效应和全局莫兰指数，本文认为，当土壤属性与环境变量具有较低的线性回归调整决定系数（即小于5%）、土壤属性具有较弱的空间自相关性（即块金效应大于71%）和较强的局部空间变异（即全局莫兰指数小于0.09）时，GLMM和GLGM具有较高的适用性，例如本文中的黏粒。反之，GLMM和GLGM的适用性不好，例如SOC和pH。鉴于土壤空间变异的高度异质性和多尺度性，GLMM和GLGM具有较好的应用前景。但是，今后研究还需进一步探讨如何提高GLMM和GLGM的模拟效率。

来源：2023年第4期

《土壤学报》期刊编辑部

查看土壤学报杂志2023年第4期