论文部分内容阅读
土壤系统分类自上世纪六十年代提出以来，已被世界各国广泛应用并不断完善。受世界土壤系统分类的影响，我国于上世纪八十年代开始土壤系统分类的研究工作，至今已取得了显著的成果。但由于中国土壤系统分类中，诸多诊断指标都是直接引用世界先进经验，出现了较多和中国实际不符的情况。土壤系统分类是以诊断层和诊断特性为基础、以定量为特点的土壤分类方式。诊断层和诊断特性的正确判断，是高级分类单元准确划分的前提。“黏粒CEC7”(指黏粒吸附的阳离子量)作为我国土壤系统分类中富铁土、淋溶土等众多土纲的诊断指标之一，其估算方式是直接参考国际经验公式，导致估测值远高于实测值，进而出现了两个土纲误判的情况。
本研究基于《中国土壤系统分类(第三版)》，以江西省为研究对象。以布点采样为主，搜集历史资料为辅。采集土壤淀积层的样品，并对其进行室内基本理化性质的测定分析，揭示了现行黏粒CEC7计算公式误差产生的成因及其分布规律，修正了现行模型，建立了基于细土CEC7和其他有机和无机化学组分的黏粒CEC7多元分段线性模型。该模型有效地减小了计算误差，为准确判断高级分类单元提供了保障。本研究主要结论为：
(1)探究了黏粒CEC7现行模型误差分布规律
①基于实测数据，可知整体上黏粒CEC7估测值高于实测值。黏粒CEC7实测平均值为20.37cmol/kg，估测平均值为40.36cmol/kg，估测值是实测值的1.98倍。实测值范围在5.73~60.12cmol/kg之间，分布较为集中；估测值分布在17.10~230.38cmol/kg之间，分布较为分散，估测值分布范围是实测值2.98~3.83倍。②绝对误差随有机质含量的增高而增大。当有机质含量较低时(＜6g/kg)、较高(＞6g/kg)时，绝对误差的平均值分别为5.52cmol/kg和29.30cmol/kg，分布范围分别为1.72~14.14cmol/kg、3.78~210.58cmol/kg。两者差别对比明显，有机质含量＞6g/kg样本的绝对误差的平均值是有机质含量＜6g/kg的5倍，范围为2.20~14.89倍。③随着质地越重，绝对误差越大。绝对误差的平均值和集中程度呈现相同规律，平均值由高到低分别为壤土类＞黏壤土类＞黏土类，集中程度高到低为黏土类＞黏壤土类＞壤土类。黏土类的绝对误差的范围分布在2.95~24.43cmol/kg之间，平均值为10.60cmol/kg，涉及范围较小且平均值较小；黏壤土类绝对误差的范围为1.72~43.47cmol/kg，平均值为11.00cmol/kg，分布相对集中且平均值较小；壤土类的绝对误差分布最广且平均值最大，范围在8.28~210.58cmol/kg之间，均值为81.36cmol/kg。
(2)建立了高有机质样本黏粒CEC7多元分段线性预测模型
建立了适用于有机质含量＞6g/kg的多元分段线性模型，分别为：①黏土类模型，CEC7(clay)=(CEC7-(0.510×OM-0.899))/C(clay)×1000(350＜C(clay)＜1000且0＜C(silt)＜600且0＜C(sand)＜650)；②黏壤土类模型，CEC7(clay)=(CEC7-(0.817×OM-1.316))/C(clay)×1000(200＜C(clay)＜400且0＜C(silt)＜730且0＜C(sand)＜800)；③壤土类模型，CEC7(clay)=(CEC7-(2.492×OM-15.665))/C(clay)×1000(0＜C(clay)＜270且0＜C(silt)＜800且0＜C(sand)＜850)。精度评价分别为：黏土类样本模型共计9个样点，验证方程为Y=0.908X+1.746，R2=0.806，MAE、MSE和RMSE最小，分别为1.418、0.363、1.806，黏土类样本预测模型精度最高。壤土类其共包含6个样本，验证方程为Y=1.767X-12.829，R2较大，为0.580，MAE、MSE和RMSE最大，分别为6.22、12.816、8.769，模型预测效果最差。黏壤土类样本模型共计6个样本，验证方程为Y=1.130X-1.830，R2=0.348，MAE、MSE和RMSE居中，分别为3.421、2.559、4.524，黏壤土类样本预测效果处于黏土类样本和黏壤土类样本中间。
(3)建立了低有机质样本黏粒CEC7直接和间接预测模型
①建立低有机质样本，即有机质含量＜6g/kg的黏粒CEC7的直接预测模型为CEC7(clay)=(CEC7-(0.299×CEC7(silt)+1.024))/C(clay)×1000。对其进行精度评价，可得验证方程为Y=0.946X+1.765，R2=0.959，MAE、MSE和RMSE分别为1.680、0.225和2.421，模型预测效果较好。②建立了低有机质样本，即有机质含量＜6g/kg的黏粒CEC7的间接预测模型为CEC7(clay)=(CEC7-(0.299×CEC7(silt)+1.024))/C(clay)×1000，且CEC7(Clay)=1.501×Lat+1.693×Tem+1.775×pH-79.989。对模型进行精度评价，可得验证方程为Y=0.999X+0.730，R2较大，为0.911，MAE、MSE和RMSE分别为2.311、0.602和3.721，模型预测效果良好。
本研究基于《中国土壤系统分类(第三版)》，以江西省为研究对象。以布点采样为主，搜集历史资料为辅。采集土壤淀积层的样品，并对其进行室内基本理化性质的测定分析，揭示了现行黏粒CEC7计算公式误差产生的成因及其分布规律，修正了现行模型，建立了基于细土CEC7和其他有机和无机化学组分的黏粒CEC7多元分段线性模型。该模型有效地减小了计算误差，为准确判断高级分类单元提供了保障。本研究主要结论为：
(1)探究了黏粒CEC7现行模型误差分布规律
①基于实测数据，可知整体上黏粒CEC7估测值高于实测值。黏粒CEC7实测平均值为20.37cmol/kg，估测平均值为40.36cmol/kg，估测值是实测值的1.98倍。实测值范围在5.73~60.12cmol/kg之间，分布较为集中；估测值分布在17.10~230.38cmol/kg之间，分布较为分散，估测值分布范围是实测值2.98~3.83倍。②绝对误差随有机质含量的增高而增大。当有机质含量较低时(＜6g/kg)、较高(＞6g/kg)时，绝对误差的平均值分别为5.52cmol/kg和29.30cmol/kg，分布范围分别为1.72~14.14cmol/kg、3.78~210.58cmol/kg。两者差别对比明显，有机质含量＞6g/kg样本的绝对误差的平均值是有机质含量＜6g/kg的5倍，范围为2.20~14.89倍。③随着质地越重，绝对误差越大。绝对误差的平均值和集中程度呈现相同规律，平均值由高到低分别为壤土类＞黏壤土类＞黏土类，集中程度高到低为黏土类＞黏壤土类＞壤土类。黏土类的绝对误差的范围分布在2.95~24.43cmol/kg之间，平均值为10.60cmol/kg，涉及范围较小且平均值较小；黏壤土类绝对误差的范围为1.72~43.47cmol/kg，平均值为11.00cmol/kg，分布相对集中且平均值较小；壤土类的绝对误差分布最广且平均值最大，范围在8.28~210.58cmol/kg之间，均值为81.36cmol/kg。
(2)建立了高有机质样本黏粒CEC7多元分段线性预测模型
建立了适用于有机质含量＞6g/kg的多元分段线性模型，分别为：①黏土类模型，CEC7(clay)=(CEC7-(0.510×OM-0.899))/C(clay)×1000(350＜C(clay)＜1000且0＜C(silt)＜600且0＜C(sand)＜650)；②黏壤土类模型，CEC7(clay)=(CEC7-(0.817×OM-1.316))/C(clay)×1000(200＜C(clay)＜400且0＜C(silt)＜730且0＜C(sand)＜800)；③壤土类模型，CEC7(clay)=(CEC7-(2.492×OM-15.665))/C(clay)×1000(0＜C(clay)＜270且0＜C(silt)＜800且0＜C(sand)＜850)。精度评价分别为：黏土类样本模型共计9个样点，验证方程为Y=0.908X+1.746，R2=0.806，MAE、MSE和RMSE最小，分别为1.418、0.363、1.806，黏土类样本预测模型精度最高。壤土类其共包含6个样本，验证方程为Y=1.767X-12.829，R2较大，为0.580，MAE、MSE和RMSE最大，分别为6.22、12.816、8.769，模型预测效果最差。黏壤土类样本模型共计6个样本，验证方程为Y=1.130X-1.830，R2=0.348，MAE、MSE和RMSE居中，分别为3.421、2.559、4.524，黏壤土类样本预测效果处于黏土类样本和黏壤土类样本中间。
(3)建立了低有机质样本黏粒CEC7直接和间接预测模型
①建立低有机质样本，即有机质含量＜6g/kg的黏粒CEC7的直接预测模型为CEC7(clay)=(CEC7-(0.299×CEC7(silt)+1.024))/C(clay)×1000。对其进行精度评价，可得验证方程为Y=0.946X+1.765，R2=0.959，MAE、MSE和RMSE分别为1.680、0.225和2.421，模型预测效果较好。②建立了低有机质样本，即有机质含量＜6g/kg的黏粒CEC7的间接预测模型为CEC7(clay)=(CEC7-(0.299×CEC7(silt)+1.024))/C(clay)×1000，且CEC7(Clay)=1.501×Lat+1.693×Tem+1.775×pH-79.989。对模型进行精度评价，可得验证方程为Y=0.999X+0.730，R2较大，为0.911，MAE、MSE和RMSE分别为2.311、0.602和3.721，模型预测效果良好。