基于多尺度地理加权回归的安徽省土壤pH预测

陈宣强 赵明松 徐少杰 邱士其

摘 要：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，利用MGWR与GWR模型对安徽省土壤pH空间分布进行预测。结果如下：①MGWR模型的AICc值比GWR减小49.72，其Radj2较GWR模型增加了0.08，模型的残差较GWR模型降低了10.84，拟合效果得到了很大提升;②MGWR的多带宽有效揭示了各环境因子的影响尺度，使得模型可靠性更高。

中图分类号：S153.4     文献标识码：A       文章编号：1003-5168（2021）24-0113-03

Prediction of Soil pH based on Multi-scale Geographically Weighted Regression in Anhui Province

CHEN Xuanqiang    ZHAO Mingsong    XU Shaojie    QIU Shiqi

（ School of Geomatics， Anhui University of Science and Technology， Huainan  Anhui  232001 ）

Abstract： Based on the soil pH data from 140 sampling sites in Anhui Province， and the effects of soil， topography， climate and biology on soil pH considered comprehensively， this paper predicted the spatial distribution of soil pH in Anhui Province by using the MGWR and GWR models. The results are as follows： ①Compared with GWR， AICc value of MGWR model decreased by 49.72， and the Radj2 of MGWR model is 0.08 more than that of the GWR model， and the residual of the MGWR model is 10.84 lower than that of the GWR model， and the fitting effect is greatly improved.② The multi-bandwidth of MGWR effectively reveals the influence scale of various environmental factors， which makes the model more reliable.

Keywords： Soil pH; multi-scale geographically weighted regression; Anhui Province

pH是土壤重要的基本性質，其受到多种成土因素的影响[1]。土壤pH决定了土壤中微生物的种类和数量，进一步决定了农作物的种类和数量，直接影响土壤养分存在的形态和有效性[2]。

数字土壤制图常以土壤发生学为基础，基于土壤与所处环境之间的关系建立模型，进而求解未知土壤属性值[3]，如线性回归、神经网络、随机森林、地理加权回归。其中地理加权回归模型（Geographically Weighted Regression， GWR）由英国地理学家Fotheringham等[4]提出，该方法既考虑插值点的空间位置，又考虑了环境要素的作用，在研究土壤属性空间变异上取得了较好的效果。多尺度地理加权回归模型（Multi-scale Geographically Weighted Regression， MGWR） 提供了检视多重尺度过程更为弹性且可进行尺度化的架构，对经典GWR的固定带宽模式进行改进，使得模型结果更为精准可靠[5]。

本文利用MGWR模型对安徽省土壤pH进行预测并揭示各环境因子的作用尺度。

1 材料与方法

1.1 研究区概况

安徽省（114°54'～119°37'E，29°41'～34°38'N）地处中国东部，跨长江、淮河中下游，总面积为14.01×104  km2，其中耕地面积8 828.9×666.67 hm2，约占总面积的42%。地势西南高、东北低。淮河以北属暖温带半湿润季风气候，夏季温暖多雨，冬季寒冷干燥。淮河以南是亚热带湿润季风气候，夏季高温多雨，冬季温和湿润[6]。皖南丘陵山地区主要土壤类型为黄壤、红壤、紫色土，江淮丘陵与皖西丘陵地区为水稻土、黄棕壤、黄褐土，沿江平原为水稻土和灰潮土，淮河中游平原为潮土和砂姜黑土 [7]。

1.2 数据来源

选取土壤pH作为土壤制图的目标变量，地形、气候、生物因子作为环境协同变量。

土壤数据来源于《中国土系志?安徽卷》[8]，按照随机性、均匀性和代表性的原则在研究区共采集样点140个。采样时间为2010—2011年，本研究选取表层（0～20 cm）土壤pH作为数字土壤制图对象。

地形数据SRTM DEM来源于地理数据空间云，空间分辨率为90 m。基于DEM提取坡向（Aspect）、坡度（Slope）、高程（Elevation）、平面曲率（Plan）和剖面曲率（Profile）、径流强度指数（SPI）、汇聚指数（CI）、多尺度山谷平坦指数（MrVBF）、多尺度山脊平坦指数（MrRTF）、地形湿度指数（TWI）及地形位置指数（TPI）。