基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究
基于安徽省140个采样点的土壤pH数据,综合考虑土壤、地形、气候、生物等因子对土壤pH的影响,采用地理加权回归(Geographically Weighted Regression,GWR)、主成分地理加权回归(Principal Component Geographic-ally Weighted Regression,PCA-GWR)和混合地理加权回归(Mixed Geographically Weighted Regression,M-GWR)3种模型对安徽省土壤pH空间分布进行建模预测,揭示环境因子对土壤pH的影响在空间上的差异,最后以多元线性回归模型(Multiple Linear Regression,MLR)为基准比较3种GWR模型的精度.研究表明:①安徽省土壤pH具有空间异质性,且集聚特征明显.②3种GWR模型中M-GWR模型略优,GWR、PCA-GWR和M-GWR的建模集调整后决定系数(Radj2)分别为0.59、0.62和0.63;对比MLR模型,3种GWR模型的Radj2分别提升了 23%、31%和35%.M-GWR生成的预测图在空间上过渡平滑,建模效果稳定,其预测结果表明安徽省淮河以北地区多为碱性土壤,长江以南多为中性或酸性土壤,符合"南酸北碱"特征.③GWR及其改进模型可以有效地预测土壤pH属性,反映环境因子在不同空间位置上对土壤pH的影响程度,而M-GWR兼具变量作用的全局性和和局部性,进而提升了模型解释能力,为大区域数字土壤制图提供了重要的参考方法.
土壤pH、地理加权回归、数字土壤制图、安徽省
43
S159.9(土壤学)
国家自然科学基金;安徽省自然科学基金;安徽省高校自然科学研究项目;安徽理工大学人才引进项目
2023-03-13(万方平台首次上网日期,不代表论文的发表时间)
共11页
173-183