摘要
土壤养分是土壤最重要的属性之一，也是土壤肥力的重要体现，对植物的生长发育起着至关重要的作用。借助空间预测模型研究土壤养分的空间分布，并探究土壤养分与土壤水文性质和环境因子之间的关系，为调节生态系统结构和功能、改善生态环境提供科学依据。土壤水文性质是指影响土壤水文过程的土壤有关的物理化学性质，其可以通过影响土壤的水文过程和土壤内部环境的水热平衡进而影响土壤养分，已有很多研究证明气候、植被、地形、和母质等因子对土壤养分的影响显著，但是关于土壤水文性质对土壤养分的影响研究相对较少。本文在研究环境因子的基础上，还加入了土壤水文性质，揭示土壤养分与环境因素及土壤水文性质之间的关系。 本文以三峡库区张家冲小流域为例，利用网格法密集采集土壤样品测定土壤养分及土壤水文性质，并同时获取样点的地形、土地利用等环境因子。基于不同土地利用和层次下的土壤养分和土壤水文性质，使用Lasso回归、主成分分析、递归消除三种方法筛选影响土壤养分的主要的土壤水文性质和环境因子，然后与机器学习算法中的随机森林和支持向量机算法相结合，建立土壤养分空间预测模型，以相关的模型评价指标为基础，选择最优空间预测模型对土壤养分进行空间预测，并分析其空间分布特征。使用地理探测器分析单因子和双因子交互作用下对土壤养分的解释度，并对不同影响因子的不同等级下的土壤养分含量进行分析。研究结果表明: (1)研究区内土壤容重范围为1.11g/cm3～1.39g/cm3,总孔隙度范围为47.50％～58.15％,砂粒含量的范围为61.43％～89.42％,以上表现为低变异性(4.54％～9.62％)。饱和导水率范围为1.06cm/h～11.17cm/h,土层厚度范围为2cm～40cm,粉粒含量的范围为1.72％～26.77％,粘粒含量的范围为3.35％～14.77％,以上都表现为中等变异性(30.50％～65.34％)。土壤有机碳含量的范围为9.69g/kg～43.55g/kg,土壤全氮含量的范围为0.17g/kg～2.65g/kg,土壤全磷含量的范围为0.13g/kg～1.09g/kg,土壤养分都表现为中等变异性(28.14％～53.27％)。双因子方差分析结果表明，不同土地利用和不同土壤层次交互对饱和导水率、土壤孔隙度、砂粒、土壤有机碳、土壤全氮、土壤全磷等有显著影响，对土壤容重没有显著影响。单因子方差分析结果表明不同土地利用类型的土壤孔隙度、饱和导水率、粘粒、砂粒、土壤有机碳、土壤全氮、土壤全磷有显著差异，不同层次的土壤孔隙度、饱和导水率、机械组成、土壤有机碳有显著差异。土壤水文性质在流域内的空间分布主要表现为流域中下游茶园的粉粒含量较高，上游东北部茶园的砂粒含量较高;土壤容重在中游林地较高，下游茶园含量较低;饱和导水率和总孔隙度在流域中游林地较高。 （2）以特征处理和机器学习为基础的组合模型在数据降维和模型精度提升方面都具有良好的表现。在研究区内进行土壤养分空间预测，随机森林的组合模型明显优于支持向量机组，组合模型在模型精度和稳定性方面都超过原来的单一模型，其中Lasso-随机森林在土壤养分的空间预测方面的精度最高。从土壤养分空间分布图来看，土壤有机碳和土壤全氮的空间分布相似，都表现为上游林地茶园含量较高，土壤全磷的空间分布表现出上游高而下游低的空间格局。相比较于传统空间预测方式，Lasso-随机森林法反映了环境因子、土壤水文属性和土壤养分之间复杂的相关关系，基于机理对土壤养分的空间分布进行预测，使得结果更加准确合理。 （3）地理探测器能够很好的从多维度解释环境因子和土壤水文性质对土壤养分的影响。因子分析结果表明:土壤有机碳影响因子解释度从大到小依次为:饱和导水率＞土地利用＞层次＞总孔隙度＞容重＞粉粒＞高程＞土层厚度＞TPI（地形位置指数）＞坡度＞TWI（地形湿度指数）;土壤全氮影响因子解释度从大到小依次为:土地利用＞总孔隙度＞砂粒＞总孔隙度＞粘粒＞高程＞坡度＞TWI＞SPI（汇流动力指数）＞土层厚度＞TP1;土壤全磷影响因子解释度从小到大以此为:土地利用＞高程＞砂粒＞TPI＞TWI＞坡度＞粘粒＞容重＞SPI＞土层厚度＞STI（泥沙转移指数）＞层次。交互探测结果表明:各因子交互作用以后，其对于土壤养分的解释度均高于单因子对土壤养分的解释度，说明双因子的交互作用对土壤养分空间分布的影响大于单因子作用的影响，因子间的相互作用主要为非线性增强和双因子增强。风险探测结果表明土壤养分含量在影响因子不同等级之间具有显著差异:所有土壤养分都随高程增加而增加，土壤有机碳和全氮主要在土壤水文性质的不同大小之间具有显著差异，土壤全磷在地形因子的不同大小和土壤水文性质的不同都有显著差异，说明土壤有机碳和全氮主要受到土壤水文性质的影响，土壤全磷受到地形和土壤水文性质的共同影响。
NETL