基于地形分区IDW 的复垦排土场土壤养分空间分布_赵艳玲.pdf

第 48 卷 第 4 期 煤田地质与勘探 Vol. 48 No.4 2020 年 8 月 COAL GEOLOGY 2. Department of Land Management, Zhejiang University, Hangzhou 310058, China; 3. China ENFI Engineering Co. Ltd, Beijing 100083, China Abstract Accurately grasping the spatial distribution of soil nutrients is of great significance for uating the soil quality of reclamation dumps and ulating corresponding reclamation measures. The general interpolation of the complex terrain of the dump site has a poor prediction effect. The northern dump of Shengli No.1 open-pit mine in Xilinhot, Inner Mongolia was selected as an example in the paper. The soil nutrientsavailable ni- trogen, available potassium, available phosphorus and organic matter were spatially interpolated using the inverse distance weighting based on terrain partitioning, and compared with the conventional inverse distance weighting and kriging interpolation . The results show that the cross-validation accuracy obtained by using the partitioned inverse distance weighting was higher than that of the kriging interpolation and the inverse distance weighting . In addition, the R2 value of available phosphorus was 0.22, and the R2 value of available nitrogen was 0.37. The R2 values of available potassium and organic matter were 0.34 and 0.14, respectively. They were also higher than Kriging interpolation and inverse distance weighting. In addition, the partitioned inverse distance interpolation could accurately estimate the extreme points of the measured points, and could better reflect the details of the spatial distribution of soil nutrients in the dump. Keywords dump; soil nutrients; spatial distribution; subdivision IDW; Shengli mining area 露天矿的开采过程中，表土层的剥离堆存和回填不可避免地产生土壤养分流失，导致复垦土壤贫 ChaoXing 200 煤田地质与勘探 第 48 卷 瘠，植被恢复缓慢，使复垦区难以及时覆盖植被， 加重土壤侵蚀和退化，生态系统循环难以建立。王 金满等[1]通过对露天煤矿排土场的研究认为，土壤 养分对植物生长起到促进作用；肖礼等[2]通过对露 天煤矿排土场土壤与植被间关系研究发现，土壤养 分对于植被恢复有着重要意义；为准确掌握土壤养 分的空间分布，王党朝等[3]利用传统克里金插值法 对胜利露天矿进行空间插值，发现排土场边坡与平 台土壤的物理性质具有明显的空间差异；郭凌俐 等 [4]根据传统克里金插值法对排土场土壤进行研 究，发现传统克里金插值法能直观揭示复垦区不同 层次土壤颗粒的空间分布特征；王子良[5]通过对铜 陵矿区土壤元素的插值，发现在最优情况下，IDW 插值方法具有良好稳定的插值效果。但由于研究区 不同，无法对插值方法做出明确的优劣性判断，同 时，对于地形复杂、人类活动干扰较多且变化强烈 的地区如排土场，一些学者认为全局插值方式并 不能直观有效地对区域信息进行预测，而应将研究 区域通过特征变量进行分区，并对其分别插值，此 种方式能够提高空间预测的精度。胡刚等[6]通过分 区插值方法，发现不同地形使用不同的插值方法可 以有效提高预测精度；U. Mishra 等[7]以印第安纳州 为研究区，将剖面深度作为辅助变量和传统克里金 插值结合使用， 有效预测了表层土壤有机碳的含量。 排土场是由人工堆积而成，地形复杂，且边坡 和平台的过渡较自然地形更为明显。 基于以往研究， 本文提出在矿区排土场中结合地形将其分为边坡与 平台 2 类地形，采用分区反距离权重法对排土场土 壤养分进行插值，同时与传统克里金插值法和反距 离权重法进行比较。通过对 3 种插值方式预测精度 的比较，选出最适宜的估算模型，作为排土场土壤 养分含量预测的方法， 为排土场土壤评价奠定基础。 1 材料与方法 1.1 研究区概况 研究区位于内蒙古自治区锡林浩特市北郊，地 理 坐 标 为 东 经 11530′～11626′ ， 北 纬 4357′～ 4414′。研究区属半干旱草原气候，年温差较大， 1 月平均气温-18.8℃，7 月平均气温 21.2℃，年平 均气温 2.6℃。受季风影响，降雨多集中在夏季。年 平均降水量294.74 mm， 年平均蒸发量1 794.64 mm。 由于研究区降雨少蒸发强，导致植被多为耐旱性植 物且植被覆盖率低。随着矿区不断开发，煤炭大量 开采，矿区植被受到人为破坏，生态环境不断恶化， 因此，需进行土地复垦与植被重建。胜利煤田一号 露天矿北排土场于 2006 年开始治理，治理时间为 3 a，治理面积 107 万 m2，排土场高度为 60 m，共分为 4 个平台平台 1平台 4，3 个边坡边坡 1边坡 3， 绿化面积为 101 万 m2， 其中坡面 35.5 万 m2、平台面 积为 65.5 万 m2。研究区位置及地形如图 1 所示。 1.2 样品采集与测定 2017 年 6 月，对胜利一号露天矿北排土场进行 实地调查及土壤采样，采样点分布如图 1 所示。利 用网格法布设采样点， 并考虑北排土场的地形因素， 图 1 研究区位置及地形分区 Fig.1 Study area location and terrain division ChaoXing 第 4 期 赵艳玲等 基于地形分区 IDW 的复垦排土场土壤养分空间分布 201 增加边坡采样点，共获得 117 个土壤样品，舍弃 17 个不合格样品，最终采用 100 个样品。所有样品均 来自 0～10 cm 的表土层，利用环刀采集土样后放入 铝盒，装入自封袋，采样同时记录样点编号、取样 坐标等信息。带回实验室后，测定土壤有机质、速 效氮、有效磷、速效钾含量等。 土壤有机质SOM含量通过在加热条件下，用 一定量的重铬酸钾-硫酸溶液氧化土壤中的有机碳， 并使用油浴锅分析获得；速效氮含量使用半微量凯 氏定氮法获得；有效磷含量使用 Olsen 法测定；速效 钾含量通过乙酸铵浸提-火焰光度法测定[8-10]。 1.3 插值方法 1.3.1 传统克里金插值法 克里金空间插值法是基于变异函数模型在有限 区域内对区域化变量的取值进行无偏最优估计的空 间插值方法[11-13]。半方差函数是地统计学中用以研 究土壤空间变异性的关键函数之一，能够定量反映 土壤性质在不同距离上观察值之间的变化。在一维 条件下， 区域化变量 Zx在 x 轴方向上的变异函数， 被定义为区域变量 Zx在点 x 和 xh 处的值 Zx与 Zxh差的方差的一半， 表示为 yh， 计算公式如下 2 1 1 [ ] 2 N h ii i y hN hZ xZ xh - ∑ 1 根据实测数据及半方差函数，计算获取变量的 线性加权组合， 以此对预测值进行无偏的最佳估计。 本研究区为排土场，根据各个采样点获取的实测数 据并利用传统克里金插值法进行插值，在结合半方 差函数 yh的基础上，使用若干实测点 Zxi来推求 出未知点的 Z0x0， 通过采用线性加权法表达未测点 x0的预测值，具体见式2 00 1 n ii i ZxW Z x ∑ 2 式中yh为半方差函数；h 为样本间距；Nh表示 间距为矢量 h 的所有观测点个数；Zxi、Zxih为 Zx在 xi和xi h位置上的实测值；Z0x0为未知点 处 x0的线性、无偏、最优估计值；n 为实测值个数； Wi为各实测点权重。 1.3.2 反距离权重插值法IDW IDW 即使用若干个实测点 Zxi,yi来推求未知点 Z0x0,y0的一种方法，一般来说，首先要计算出预测 点周围每个实测点的权重，然后根据线性加权法计 算出 Z0的预测值[14]，具体见式3、式4 1 1/ 1/ ∑ i i n i i d W d 3 000 1 ,, n iii i Zxyλ Z x y ∑ 4 式中di为预测点周围各实测点到预测点之间的 距离。 1.3.3 分区反距离权重插值法PIDW 结合排土场的地形特征，将排土场分为 7 个子 区，利用反距离权重法在每个分区分别进行插值， 获取各个分区的空间分布图，并整合为整个研究区 的空间分布预测图。 1.3.4 模型验证方案 为检验插值方法预测土壤养分空间分布的效 果，以平均误差 ME、相对误差 RE、均方根误差 RMSE、平均绝对误差 MAE 以及 R2这 5 个指标来 比较不同插值方法的插值精度。多种误差指标的综 合使用能更好地反映预测值误差的实际情况[15-16]。 2 结果分析 2.1 土壤养分指标的描述性统计分析 研究区土壤养分的描述性统计结果见表 1。根 据变异系数CV等级划分，CV＜10属于弱变异 性，若 10≤CV≤100则为中等变异，当 CV＞ 100是强变异性。表 1 显示，速效氮、有效磷、速 效钾及有机质的变异系数均大于 10却小于 100。 由此，4 种养分元素都属于中等变异程度。 描述性统计分析仅能表示各种土壤养分含量的 特征，不能反映整个研究区各土壤养分的空间分布 情况及边坡与平台之间的空间分布差异。因此，需 绘制土壤养分空间分布图。 表 1 土壤养分基本信息 Table 1 Basic ination of soil nutrients 指 标 含量 标准差 σ 方差 变异系数 CV/ 偏度 BS 峰度 BK 有效磷P 0.88～6.76/2.94 1.23 1.51 41.83 0.95 0.81 速效氮N 8.09～63.95/32.97 11.03 121.71 33.46 0.53 0.49 速效钾K 37.19～488.26/214.34 92.96 8 641.43 43.37 0.77 0.32 有机质SOM 2.08～21.30/12.02 3.51 12.33 29.22 0.19 0.05 注速效氮、有效磷、速效钾含量单位均为 mg/kg，有机质单位为 g/kg；0.88～6.76/2.94 表示最小～最大/平均，其他同。 ChaoXing 202 煤田地质与勘探 第 48 卷 2.2 不同插值方法的结果 在进行克里金插值时，要求插值数据符合正态 分布。本文对不符合正态分布的 4 种养分数据进行 对数转换后再进行 K-S 检验，结果显示，有效磷、 速效氮、速效钾、有机质 4 种养分均符合正态分布。 本次选取反距离权重法与传统克里金插值法进 行插值，同时由于边坡与平台土壤养分含量差异较 大，再选取反距离权重法进行分区插值，共 3 种空 间插值方法。通过 ME、MAE、RMSE、RE、R2共 5 个指标的验证结果，得出最适合研究区的插值方 法。表 2 为 3 种插值方法交叉验证结果。 据表 2 可知，4 种养分的空间分布插值结果中， 插值效果最好的方法均为分区反距离权重法。对有 效磷和有机质而言，反距离权重法次之，传统克里 金插值法精度最差。对速效氮而言，传统克里金插 值法次之，反距离权重法精度最差。对速效钾而言， 各种指标均为 3 种方法的最小值。 根据图 2 显示，4 种土壤养分元素采用分区反 表 2 不同插值法交叉验证结果 Table 2 Cross-validation results for different interpolation s 养分名称 插值方法 平均误差 ME 平均绝对误差 MAE 均方根误差 RMSE 相对误差 RE R2 IDW 0.09 0.14 0.17 0.33 0.08 OK 0.07 0.16 0.19 0.39 0.02 有效磷P PIDW 0.11 0.14 0.18 0.36 0.22 IDW 0.01 0.12 0.16 0.09 0.01 OK 0.02 0.11 0.15 0.08 0.02 速效氮N PIDW 0.01 0.09 0.12 0.06 0.37 IDW 0.16 0.18 0.22 0.08 0.10 OK 0.15 0.17 0.21 0.08 0.16 速效钾K PIDW 0.11 0.13 0.16 0.06 0.34 IDW 0.06 0.10 0.11 0.09 0.12 OK 0.04 0.08 0.09 0.08 0.01 有机质SOM PIDW 0.05 0.08 0.09 0.07 0.23 注IDW 代表反距离权重法； OK 代表传统克里金插值法； PIDW 代表分区反距离权重法插值。 图 2 不同插值法验证点散点图 Fig.2 Scatter plots of verification points for different interpolation s ChaoXing 第 4 期 赵艳玲等 基于地形分区 IDW 的复垦排土场土壤养分空间分布 203 距离权重法插值的 R2最高，其中速效氮与速效钾的 R2提升较为明显，达到 0.30 以上。相较来说，反 距离权重法对土壤养分的 R2整体上也要优于传统 克里金插值法。以土壤 N 为例，分区反距离权重 法得到的研究区土壤速效氮含量为 8.09～63.73 mg/kg， 传统克里金方法得到的含量为 11.22～55.62 mg/kg，而 反距离权重法得到的含量为 11.12～63.68 mg/kg；相较 于反距离权重法和传统克里金插值法，分区反距离 权重法对土壤 N 含量的预测范围更加准确，对土壤 N 的预测范围与实测值相差不大，能较好地预计土 壤养分的极值点较大值和较小值，反距离权重法 次之，传统克里金插值结果最差，其他土壤元素P、 K 和有机质也有相同的结果。这是因为克里金插值 对于预测结果有平滑效果，使其对极值点的预测效 果较差， 但较小值对于排土场而言属于土壤贫瘠区， 不利于植被的恢复，应当受到重视。综合比较不同 空间插值方法的交叉验证结果显示， 针对本研究区， 分区反距离权重法插值的精度相对较高。 3 讨 论 基于分区反距离权重法，速效氮、有效磷、速 效钾及有机质 4种土壤养分的空间分布如图 3所示。 据图 3 可知，排土场的速效氮含量整体呈现出 由北至南逐渐减少的规律；而有效磷含量均偏低， 图 3 北排土场土壤养分空间分布 Fig.3 Spatial distribution of soil nutrients in the north dump ChaoXing 204 煤田地质与勘探 第 48 卷 仅中心地区含量有所提升；整体来看排土场的速效 钾含量偏低，但东北地区含量处于水平值之上；土 壤有机质整体含量偏高，中心地区含量相对偏低。 平台与边坡的养分分布空间差异较大，但这种空间 差异并没有表现出规律性[17]。这是由于排土场的土 壤是由人为堆积而成， 与自然土壤的分布规律不同， 表现出明显的空间异质性。文献[18]研究发现边坡 区域对水流的保持作用比平台差，且水土流失、土 壤受侵蚀状况与坡度成正比，使边坡土壤养分低于 平台。但本研究并无此类结论，这可能是由于研究 区排土场复垦年限较短，且降水较少，多以风蚀为 主，致使边坡平台之间养分分布并无规律。 分区反距离权重插值方法基于排土场的地形在 常规反距离插值方法上进行了改进，但是在每个分 区上的反距离插值方法仍需遵循“地理学第一定 律”[19]，否则插值效果不会得到改进，因此，分区反 距离权重法仍然具有一定的局限性。交叉验证结果 显示，速效氮和速效钾的分区反距离权重插值结果 明显好于反距离权重法和传统克里金插值法，但有 效磷的插值结果显示 3 种插值方法没有明显差异， 此结果表明，有效磷在分区后，插值点仍然是空间 不平稳的，因此，不适应本文采取的所有插值方法。 本次基于地形分区，使插值点在相同地形条件 下进行插值，属于局部插值方法，这一插值方法同 时也被应用于类似的研究中。基于局部插值思想， 徐占军等[11]根据积水状态对采煤沉陷区土壤有机碳 含量进行分区克里金插值并与传统克里金插值进行 比较，得出分区克里金模拟更能反映土壤有机碳的 空间递变特点，有利于分析不同因素对土壤有机碳 空间分布的影响。吴子豪等[20]利用 3 种结合土地利 用的克里金插值模型对农田土壤有机碳含量进行预 测，发现中位数中心化克里金法结合土地利用类型 可生成精度更高的土壤有机碳密度空间分布图。 4 结 论 a. 排土场的速效氮含量整体呈现出由北至南 逐渐减少的规律；有效磷含量均偏低，仅中心地区 含量有所提升；排土场的速效钾含量偏低，东北部 含量偏高；土壤有机质整体含量偏高，中心地区含 量相对偏低。 b. 根据分区反距离权重法得到排土场土壤速 效氮 含量为 8.09～63.73 mg/kg， 速效 钾含量为 37.19～488.26 mg/kg，有效磷含量为 0.89～6.76 mg/kg， 有机质含量为 2.08～21.3 g/kg，与实测数据更接近， 分区反距离权重法对养分含量的预测范围较为精 确，对极值预测精度较高。 c. 平台与边坡的土壤养分空间差异较大，表现 出明显的空间异质性，但并无明显规律。由于排土 场土壤由人为堆积而成， 与自然土壤分布规律不同， 且研究区排土场复垦年限较短，降雨较少，土壤侵蚀 多以风蚀为主，致使边坡平台间养分分布并无规律。 d. 从预测精度上来看，北排土场最优插值方法 为分区反距离权重法。这是由于研究区地形复杂， 坡度起伏较大且土壤分布受人为影响导致土壤中养 分含量分布复杂，结合基于地形的分区反距离权重 法插值，可以有效消除不同地形采样点土壤养分含 量对空间插值预测精度的影响，从而提高土壤养分 含量的预测精度。 请听作者语音介绍创新技术成果 等信息，欢迎与作者进行交流 参考文献References OSID 码 [1] 王金满，郭凌俐，白中科，等. 黄土区露天煤矿排土场复垦后 土壤与植被的演变规律[J]. 农业工程学报，2013，2921 223-232. WANG Jinman，GUO Lingli，BAI Zhongke，et al. Succession law of reclaimed soil and vegetation on opencast coal mine dump of loess area[J]. Transactions of the Chinese Society of Agricultural Engineering，2013，2921223-232. [2] 肖礼，赵俊峰，黄懿梅，等. 永利露天煤矿排土场不同植被类 型下土壤理化性质和酶活性研究[J]. 水土保持研究，2016， 23489-93. XIAO Li，ZHAO Junfeng，HUANG Yimei，et al. Study on soil enzyme activities and physical and chemical properties under different vegetation types in Yongli opencast coal mine[J]. Re- search of Soil and Water Conservation，2016，23 489-93. [3] 王党朝，刘慧芳，肖武，等. 胜利一号露天煤矿北排土场土壤 物理性质空间分布研究[J]. 中国煤炭， 2018， 4411 135-140. WANG Dangchao， LIU Huifang， XIAO Wu， et al. Research on spatial distribution of soil physical properties in north dump of Shengli No.1 opencast coal mine[J]. China Coal，2018，4411 135-140. [4] 郭凌俐，王金满，白中科，等. 黄土区露天煤矿排土场复垦初 期土壤颗粒组成空间变异分析[J]. 中国矿业，2015，242 52-59. GUO Lingli，WANG Jinman，BAI Zhongke，et al. Analysis of spatial variability of soil granules in early stage of reclamation at opencast coal mine dump in loess area[J]. China Mining Maga- zine，2015，24252-59. [5] 王子良. 空间数据预处理及插值方法对比研究 以铜陵矿区土 壤元素为例[D]. 合肥合肥工业大学，2010. WANG Ziliang. Comparison and research of spatial data pre- treatment and interpolationTaking the example of soil elements in Tongling mining area[D]. HefeiHefei University of Tech- ChaoXing 第 4 期 赵艳玲等 基于地形分区 IDW 的复垦排土场土壤养分空间分布 205 nology，2010. [6] 胡刚，赵刚，宋慧. 不同插值方法对降水量空间不确定性 的影响[J]. 济南大学学报自然科学版，2012，264 428-432. HU Gang，ZHAO Gang，SONG Hui. Influence of different in- terpolation s on spatial uncertainty of rainfall[J]. Journal of Jinan UniversityNatural Science and Technology Edition， 2012，264428-432. [7] MISHRA U，LAL R，SLATER B，et al. Predicting soil organic carbon stock using profile depth distribution functions and ordi- nary Kriging[J]. Soil Science Society of America Journal，2009， 732614-621. [8] 徐艳， 王曙光， 李娟. 生物炭对矿区重金属污染土壤养分影响 及修复效果[J]. 西部大开发土地开发工程研究， 2019， 411 33-37. XU Yan，WANG Shuguang，LI Juan. The nutrient and reme- diation effect of biochar on heavy metal contaminated soil in mining areas[J]. Western DevelopmentLand Development and Engineering Research，2019，41133-37. [9] 王颖， 冯仲科. 平朔矿区开采受损及治理区土壤养分特征对比 分析[J]. 水土保持通报，2019，39191-97. WANG Ying，FENG Zhongke. Comprehensive study on soil nutrient in damaged and controlled areas in Pingshuo mining area[J]. Bulletin of Soil and Water Conservation，2019，391 91-97. [10] 徐薇涵. 丹棱金藏芒硝矿区土壤盐分空间分布特征研究[D]. 成都四川农业大学，2013. XU Weihan. Study of spatial distribution feature of soil salinity in the Glaubers salt mining area of Danling County[D]. ChengduSichuan Agricultural University，2013. [11] 徐占军，张媛，张绍良，等. 基于 GIS 与分区 Kriging 的采煤 沉陷区土壤有机碳含量空间预测[J]. 农业工程学报，2018， 3410253-259. XU Zhanjun，ZHANG Yuan，ZHANG Shaoliang，et al. Spatial prediction of soil organic carbon content in coal mining subsi- dence area based on GIS and partition Kriging[J]. Transactions of the Chinese Society of Agricultural Engineering，2018， 3410253-259. [12] 于伟宣，赵明松，王萌，等. 采样数量与空间插值方法对土壤 属性预测精度的影响[J]. 科学技术与工程，2017，1725 186-191. YU Weixuan， ZHAO Mingsong， WANG Meng， et al. Effects of sampling sizes and spatial interpolation s on prediction accuracy of soil properties[J]. Science Technology and Engi- neering，2017，1725186-191. [13] 张世文， 王胜涛， 刘娜， 等. 土壤质地空间预测方法比较[J]. 农 业工程学报，2011，271332-339. ZHANG Shiwen，WANG Shengtao，LIU Na，et al. Comparison of spatial prediction for soil texture[J]. Transactions of the Chi- nese Society of Agricultural Engineering，2011，271332-339. [14] 黄利燕. 基于 ArcGIS 不同空间插值方法的降雨量预测效果对 比[J]. 北京测绘，2019，337759-762. HUANG Liyan. A comparison of precipitation prediction effect based on different spatial interpolation s in ArcGIS[J]. Beijing Surveying and Mapping，2019，337759-762. [15] 郭李娜， 樊贵盛. 基于网格搜索和交叉验证支持向量机的地表 土壤容重预测[J]. 土壤通报，2018，493512-518. GUO Lina，FAN Guisheng. Support vector machines for surface soil density prediction based on grid search and cross valida- tion[J]. Chinese Journal of Soil Science，2018，493512-518. [16] 陈慕松， 范晓晖， 吴寿华. 基于不同空间插值类型的耕地土壤 有机质空间变异性分析[J]. 江西农业学报，2018，3010 55-59. CHEN Musong， FAN Xiaohui， WU Shouhua. Analysis of spatial variation of soil organic matter content in cultivated land based on different spatial interpolation styles[J]. Acta Agriculturae Ji- angxi，2018，301055-59. [17] 李素萃，赵艳玲，肖武，等. 巢湖流域景观生态质量时空分异 评价[J]. 农业机械学报，2020，511203-213. LI Sucui， ZHAO Yanling， XIAO Wu， et al. Spatial and temporal differentiation of landscape ecological quality in Chaohu river basin[J]. Transactions of The Chinese Society of Agricultural Machinery，2020，511203-213. [18] 高宏艳，索全义，郑海春，等. 内蒙古平原灌区耕地土壤肥力 评价方法研究以土默川平原灌区为例[J]. 土壤通报，2019， 504794-799. GAO Hongyan，SUO Quanyi，ZHENG Haichun，et al. Soil fertility uation s of cultivated land in the irrigation district of Inner Mongolia plainA case study of Tumochuan plain[J]. Chinese Journal of Soil Science，2019，504794-799. [19] 李小文， 曹春香， 常超一. 地理学第一定律与时空邻近度的提 出[J]. 自然杂志，2007，29269-71. LI Xiaowen， CAO Chunxiang， CHANG Chaoyi. The first law of geography and spatial-temporal proximity[J]. Chinese Journal of Nature，2007，29269-71. [20] 吴子豪，刘艳芳，陈奕云，等. 综合土地利用及空间异质性的 土壤有机碳空间插值模型[J]. 应用生态学报，2018，291 238-246. WU Zihao，LIU Yanfang，CHEN Yiyun，et al. Spatial inter- polation model of soil organic carbon density considering land-use and spatial heterogeneity[J]. Chinese Journal of Applied Ecology，2018，291238-246. 责任编辑 周建军 ChaoXing