摘要
耕地是人类赖以生存和发展的物质基础，耕地质量关系着国家粮食安全。土壤是耕地质量的重要载体，耕地土壤养分是耕地土壤资源的基本属性之一，土壤养分丰缺状况直接影响耕地土壤肥力的高低及作物产量。准确高效地预测土壤养分的空间分布，明确不同影响因素的影响程度，能够为实现合理利用耕地资源、调整农业产业结构提供依据。 本文以广东省高州市作为研究区域，综合考虑地形数据、植被数据、气象数据，分别采用多元线性回归（MLR）、地理加权回归（GWR）、支持向量机（SVM）、随机森林（RF）、随机森林空间插值（RFSI）以及上述回归模型的克里格预测模型，对高州市耕地土壤养分（有机质、全氮、有效磷、速效钾、土壤pH）进行预测。对比不同模型预测精度，选取最优预测模型对耕地土壤养分进行空间制图，分析各养分的空间分布格局。利用地理探测器分析各影响因子对五种土壤养分的解释能力及各影响因素之间的交互作用，并对不同因子等级的养分含量进行风险探测。得出研究结论如下： （1）通过对比五种回归模型及其克里格模型对研究区土壤养分空间分布的预测精度，表明 RFSI 模型能够有效提高土壤养分插值精度，显著优于其他模型。此外，通过结合残差项构建的预测模型插值精度显著高于原回归模型。结合残差的随机森林空间插值模型（RFSIK）为高州市耕地土壤养分的最优预测方法。 （2）基于最优预测方法，分析各养分的空间分布格局。高州市土壤有机质含量总体偏高，分布呈现东北低，西南部高；土壤全氮的分布与有机质较为一致；全氮整体呈片状分布；土壤有效磷含量整体较高，大部分处于极丰、丰富水平；土壤速效钾整体较低，不同含量等级分布较为零散；大部分区域土壤pH为酸性和弱酸性。 （3）利用地理探测器分析影响土壤养分变化因素。结果表明，海拔、年均降水量和NDVI对土壤有机质的影响较为明显；年均降水量、海拔和地形指数是影响土壤全氮的主要因素；有效磷空间变异的主导因素是NDVI、EVI和海拔；海拔及年均降水量是影响土壤pH以及速效钾的主要因素。各影响因子交互作用主要表现为双因子增强作用和非线性增强作用。海拔是所有养分的主要影响因素。
NETL