基于空间差异度的不同插值方法土壤属性制图效果及影响因素分析——以新乡县为例

基于空间分析方法的中国区域差异研究一、本文概述本文旨在通过空间分析方法，深入研究中国区域差异的现象、原因及其影响。

中国作为一个地域广阔、人口众多、经济快速发展的国家，其内部区域差异一直是学术研究和政策制定的重要议题。

本文将从空间角度出发，利用先进的空间分析技术和方法，对中国各区域的经济、社会、文化等多个维度进行深入剖析，以期揭示中国区域差异的内在机制和外在表现，为区域协调发展和政策优化提供科学依据。

在空间分析方法的应用上，本文将采用包括地理信息系统（GIS）、空间计量经济学、空间统计学等在内的多种技术手段，以定量和定性相结合的方式，全面分析中国各区域的差异特征。

研究范围将涵盖东部、中部、西部以及东北地区等多个区域，以期在全面把握中国区域差异的总体状况的同时，深入挖掘各区域间的差异性。

本文还将关注中国区域差异的历史演变趋势，以及在全球化和信息化背景下，区域差异的新变化和新特点。

通过对比分析不同时期的区域差异数据，揭示中国区域差异的动态演变过程，为政策制定者提供决策参考。

本文旨在通过空间分析方法，全面、深入地研究中国区域差异问题，为推动区域协调发展、优化区域政策提供科学依据和理论支持。

二、理论框架与文献综述在探讨中国区域差异的研究中，空间分析方法的应用显得尤为重要。

本文的理论框架主要基于空间经济学、地理学以及区域科学的理论观点，强调空间结构和空间过程在区域发展中的核心作用。

空间分析不仅关注区域间的经济、社会、文化等多元维度的差异，还致力于揭示这些差异在空间上的分布、演变及其背后的动力机制。

文献综述部分，本文首先回顾了国内外关于区域差异研究的经典理论，如新经济地理学中的核心-边缘模型、增长极理论等，这些理论为理解区域差异提供了理论支撑。

接着，本文梳理了近年来国内外学者运用空间分析方法对中国区域差异进行的研究，包括空间计量经济学模型的应用、空间自相关分析、空间格局演变等方面的研究。

这些研究不仅深化了我们对中国区域差异的认识，也为后续研究提供了方法和思路上的借鉴。

不同气象数据空间内插对区域玉米生长模拟结果的影响熊伟;杨红龙;冯颖竹【摘要】作物模型区域模拟已成为作物模型应用的一个新方向.运用作物模型进行区域研究时,遇到的问题之一就是输入模型的空间数据质量问题,研究不同空间内插法获得的气象数据对作物模型区域模拟结果的影响,可以为区域模拟对输入数据的敏感性研究提供一定的参考.利用区域校准的CERES-Maize模型,将3类内插方法(几何内插、统计内插、动力模型内插)产生的网格化天气数据分别输入到CERES-Maize模型中,模拟了50km×50km网格水平下1961-1990年我国玉米生产状况,并选取1980-1990年模拟的平均产量与同期农调队调查产量进行比较,以了解区域模拟中,不同空间内插方法所得的逐日气象数据对区域模拟结果的影响.结果表明:(1)作物模型区域应用时,所采用的3种内插方法都能满足作物模型区域模拟对网格化天气数据的要求,采用3种天气数据的区域模拟结果都能反映出玉米平均产量的空间变化特征,与网格调查平均产量之间具有极显著的相关关系,但采用不同内插天气数据对模拟结果造成了8%以内的偏差.(2)采用不同内插天气数据,在进行作物区域模拟时,各方法的模拟结果之间呈极显著的相关关系,但这些模拟结果之间,在全国大部分地区是差异显著.【期刊名称】《生态学报》【年(卷),期】2010(030)018【总页数】9页(P5050-5058)【关键词】作物模型;区域应用;内插天气数据【作者】熊伟;杨红龙;冯颖竹【作者单位】中国农业科学院农业环境和可持续发展研究所,北京,100081;农业部农业环境与气候变化重点开放实验室,北京,100081;中国农业科学院农业环境和可持续发展研究所,北京,100081;农业部农业环境与气候变化重点开放实验室,北京,100081;仲凯农业工程学院环境科学与工程系,广州,510025【正文语种】中文近年来，作物模型区域模拟在农业决策管理、气候变化影响评价、精准农业以及农田科学管理等方面发挥着日益重要的作用。

第45卷 第4期华北理工大学学报(自然科学版)V o l .45 N o .42023年10月J o u r n a l o fN o r t hC h i n aU n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y (N a t u r a l S c i e n c eE d i t i o n )O c t .2023 收稿日期:2023-04-24 修回日期:2023-09-27基金项目:国家自然科学基金青年科学基金(42101393)㊂ 第一作者:冯郑文,硕士研究生,主要从事地理信息系统理论与应用研究㊂E -m a i l :1094358223@q q .c o m. 通讯作者:刘亚静,教授,博士,主要从事地理信息系统理论与应用研究㊂E -m a i l :l y j 2206@126.c o m. D O I :10.3969/j.i s s n .2095-2716.2023.04.002文章编号:2095-2716(2023)04-0007-12不同空间插值方法对土壤化学元素空间分布适用性分析冯郑文,刘亚静(华北理工大学矿业工程学院,河北唐山063210)关键词:空间插值;适用性;交叉验证;半变异函数摘 要:利用地统计学普通克里金法(O r d i n a r y K r i g i n g ,O K )㊁简单克里金法(S i m p l eK r i g i n g ,S K )㊁泛克里金法(U n i v e r s a lK r i g i n g ,U K )以及经验贝叶斯克里金法(E m p i r i c a lB a y e s i a n K r i g i n g ,E B K )分别对研究区土壤p H ㊁全氮㊁有机质㊁速效钾和有效磷进行空间插值,通过插值结果分析不同土壤化学元素空间分布特征,利用交叉验证法定量分析不同克里金方法插值精度,确定最优空间插值方法以及最适宜半变异函数模型,定量定性分析不同空间插值方法对不同土壤化学元素空间分布特征的适用性㊂以遵化市某典型区土壤化学元素数据为例来验证不同插值方法对土壤化学元素空间分布特征的适用性分析,研究结果表明:普通克里金法插值后数据拟合性最优;不同土壤化学元素的空间分布差异性显著;土壤p H ㊁有机质和速效钾选择简单克里金法插值的效果更好,土壤全氮和有效磷选择经验贝叶斯克里金法插值曲面更加平滑;以土壤有机质为例,选择精度最高的简单克里金法插值时,半变异函数模型选择指数函数空间插值精度最高㊂通过最优空间插值法研究土壤化学元素空间分布特征可以为地方农业健康稳定发展提供更加准确的科学依据㊂中图分类号:P 208.2 文献标识码:A土壤作为一种不可再生的自然资源,是人类生存和发展的物质基础[1],在生态系统中也有着重要的空间地位[2]㊂土壤是由多种因素相互作用而形成的,其属性在空间分布上有一定的差异[3]㊂实现农业养分精确管理和解决全球变化等环境问题的关键在于准确掌握土壤理化性状的空间变异规律[4]㊂获取土壤理化性质的主要手段仍是通过野外采样㊁室内测定[5],但其问题在于,即使是在高密度采样的条件下,土壤样点数量还是有限的,需要借助空间插值方法来建立土壤理化性质的连续性表面[6]㊂空间插值是根据已知的空间数据估计未知空间数据值的数学方法[7],可以通过有限的采样点用来预测整个研究区域的土壤属性空间信息[8]㊂空间插值方法的优选是准确预测区域土壤化学元素含量空间分布特征的关键㊂现有对于土壤属性数据进行空间插值的研究,多是针对传统确定性插值和地统计插值的对比研究㊂张优等[5]采用反距离权重法(I DW )㊁普通克里格插值法(K r i g i n g )㊁径向基函数插值法(R B F )和回归克里格法(R K )等不同方法对龙门山与成都平原过渡地带的绵竹市部分区域的土壤水分进行空间插值,研究发现在众多插值方法中,克里格插值的适用性最好;马宏宏等[1]㊁王大鹏等[9]基于A r c G I S 对土壤元素进行空间插值发现使用克里金法的插值数据相对误差最小,是最佳的估计方法㊂符德龙等[10]对毕节市492个烟地样本点采用反距离权重法㊁样条函数法和普通克里格法进行空间插值利用交叉验证方法得出普通克里格法对耕深㊁犁底层㊁可耕层均具有最好的插值精度的结论㊂李东升等[2]对云南省会泽县者海镇土壤中重金属的含量采用不同方法进行插值比较,在插值数据符合正态分布的前提下,克里金插值效果最好㊂文雯等[8]对黄土丘陵8华北理工大学学报(自然科学版)第45卷羊圈沟小流域的土壤有机碳含量采用不同方法进行空间插值,普通克里格法对刻画区域土壤有机碳的空间分布趋势效果最佳,预测结果的准确性最好㊂石小华等[7]对陕西省周至县北部猕猴桃适生区土壤速效钾采用普通克里格(O K)㊁样条函数(S p l i n e)㊁趋势面拟合(T S A)㊁距离权重反比法(I DW)进行插值,研究发现克里格插值方法明显优于其它方法,其中半变异函数又以球形模型为最佳㊂综上,目前针对土壤理化性质的空间插值最优方法的确定,普遍以克里金法为主㊂因此,不同空间插值方法对土壤化学元素空间分布适用性研究不再考虑确定性插值,直接采用克里金法进行插值㊂克里金法是以区域化变量理论为基础,它既是有结构性又有随机性的变量,适合研究具有空间相关性和依赖性的自然现象[11]㊂克里金插值方法反映总体趋势以及各向异性㊁空间变异性是确定性插值法不能够取代的[12]㊂虽然在算法不断改进的情况下,克里金法衍生出多种不同的克里金插值方法,但针对土壤化学元素空间分布特征的不同克里金插值法适用性问题目前鲜有研究㊂因此,基于A r c G I S软件地统计克里金插值法,通过插值后图像效果和交叉验证结果分析不同克里金法对土壤化学元素的空间插值精度,确定最优插值模型,研究土壤化学元素的空间分布差异性㊂比较不同的插值模型,选取精度较高的方法进行插值分析对研究土壤化学性质的空间分布特征是很有必要的[13]㊂1研究区概况与数据来源遵化市隶属河北省唐山市,属京㊁津㊁唐㊁承㊁秦腹地,总面积约1521k m2㊂遵化市属于燕山南麓的重要农业区,地貌以浅山丘陵为主,土壤类型以风化片麻岩为主,富含农作物生长结果所需的有机质和多种矿质营养,适宜发展特色农业产业㊂该研究以遵化市西部地区面积约628k m2作为研究区,根据土壤耕深和土地复垦原则采集化验0~30c m深度土壤表层化学元素数据,结合G I S技术分析土壤化学元素空间分布特征,确定最优空间插值方法,可以为地方农业健康稳定发展提供科学依据㊂结合研究区地形㊁植被类型等现状,按不同乡镇区域在遵化市西部地区选取60个采样点,按照五点取样法进行取样[14,15],土壤样品采集后带回实验室,将土壤进行风干㊁去除杂质,采用重铬酸钾容量-外加热法测定土壤有机碳含量;选用P H计法测定土壤酸碱度;速效钾采用N H4O A C浸提火焰光度法;有效磷测定采用0.5m o l/L N a H C O3钼锑抗比色法;全氮采用凯氏定氮仪测定㊂2克里金法概述克里金法是根据非样本点周围位置的样本数据,分析它们之间的空间相关性,并且能够计算出其估计精度的一种插值方法[16]㊂克里金插值也称为空间局部插值或空间局部估计,是建立在变异函数理论和结构分析的基础上,具有坚实的数学基础,能够对区域化变量进行线性无偏最优估计[17]㊂由于研究对象和条件不同,相继产生了各种各样的形式,根据插值原理,指示克里金法建立的是二进制数据模型,析取克里金法㊁概率克里金法不允许出现测量误差,由于土壤化学元素数据不是二进制数据且在数据采集化验过程中存在测量误差,因此,该研究选取普通克里金法㊁简单克里金法㊁泛克里金法以及经验贝叶斯克里金法4种用于研究土壤化学性质空间差异性的克里金插值方法㊂2.1普通克里金法普通克里金法假设模型为:Z(s)=μ+ε(s)(1)其中,μ是一个未知常量㊂作为一种简单的预测方法,普通克里金法具有显著的灵活性㊂普通克里金法可用于带有某种趋势的数据[18],单凭数据无法确定已观测到的模式是否是自相关(μ为常量的情况下,在误差ε(s)之间)或趋势(μ(s)随s变化)所造成的㊂普通克里金法可以使用半变异函数或协方差(用于表达空间自相关的数学形式),使用变换和移除趋势,还允许测量误差[19]㊂2.2 简单克里金法简单克里金法假设模型为:Z (s )=μ+ε(s )(2)其中,μ是已知常量㊂对于简单克里金法,因为假设确切已知μ,那么也确切已知数据位置上的ε(s )㊂对于普通克里金法,如果估算了μ,那么也会估算ε(s )㊂如果已知ε(s ),可以比估算ε(s )时更好地估算自相关㊂通常,已知确切平均值μ的假设是不现实的㊂简单克里金法[20]可以使用半变异函数或协方差和变换,并且允许测量误差㊂2.3 泛克里金法泛克里金法假设模型为: Z (s )=μ(s )+ε(s )(3)其中,μ(s )为某些确定性函数㊂没有假设误差ε(s )是独立的,而是将它们建模为自相关㊂泛克里金法[21]可以使用半变异函数或协方差和变换,并且允许测量误差㊂2.4 经验贝叶斯克里金法经验贝叶斯克里金法可以自动执行构建有效克里金模型过程中的那些最困难的步骤[22],不像其他克里金方法需要手动调整参数,可以使用构造子集和模拟的方法自动计算参数㊂经验贝叶斯克里金法可以通过估计基础半变异函数来说明引入的误差,而不像其他克里金方法通过已知的数据位置来计算半变异函数,因此经验贝叶斯克里金法与其他克里金方法相比,经验贝叶斯克里金法降低了预测的标准误差[23]㊂当待插值数据不符合正态分布规律时,也可使用经验贝叶斯克里金方法,该方法可对数据的趋势进行校正,在处理地质层面高程估计方面具有一定的优越性,但处理速度相对其他克里金法较慢㊂3插值精度评价空间插值的精度及预测值的效果检验一般采用交叉验证法进行[13]㊂通常采用交叉验证法(c r o s s -v a l i d a t i o n )来验证土壤化学性质的空间插值效果,即先移除某一个或多个样点的数据,然后使用周围样点数据预测该点的值,并与实际值进行比较,以评价插值方法预测未知位置值的准确程度㊂比较不同插值方法的插值预测误差中的平均值误差㊁均方根误差㊁标准化平均值误差㊁标准均方根误差和平均标准误差㊂具体的评判标准为:当平均值误差和标准平均值误差越接近0㊁标准均方根误差越接近1㊁平均标准误差和均方根误差数值相差越小,表明插值结果精度越高[23]㊂4研究结果与分析4.1 数据预处理克里金插值一般要求对采集的土壤化学元素数据进行正态分布检验,不符合正态分布的数据需要进行转换后满足正态分布要求㊂该项研究选用的4种插值方法中,除经验贝叶斯克里金插值法不要求数据服从正态分布以外,其他3种方法均需要对研究数据进行正态分析检验㊂采用S P S S P R O 软件中数据描述性分析检验方法﹐对土壤化学性质数据正态分布情况进行核验[24]㊂除经验贝叶斯克里金法之外,其他克里金插值要求待处理的数据大概符合正态分布,或对其进行变换后大概符合正态分布[25]㊂正态Q Q 图是用于反映样点数据与标准正态分布的接近程度[5],样点数据值与正态分布线越接近,则越接近正态分布㊂通过S P S S P R O 软件中数据描述性分析检验土壤5类化学元素的正态9第4期 冯郑文,等:不同空间插值方法对土壤化学元素空间分布适用性分析性,如表1所示㊂表1 土壤化学元素正态校验变量名样本量中位数平均值偏度峰度S -W 检验p H 606.7006.510-0.341-0.6950.964(0.074*)全氮/(g ㊃k g -1)600.1080.1080.304-0.0230.985(0.693)有机质/(g ㊃k g -1)6019.00018.953-0.157-0.1650.99(0.911)有效磷/(m g ㊃k g -1)6057.55061.9970.881-0.0450.911(0.000***)速效钾/(m g ㊃k g -1)60165.000208.9671.1950.3490.842(0.000***)注:***㊁**㊁*分别代表1%㊁5%㊁10%的显著性水平通常正态分布的检验方法有2种,一种是S h a p i r o -W i l k 检验,适用于小样本资料(样本量ɤ5000);另一种是K o l m o g o r o v -S m i r n o v 检验,适用于大样本资料(样本量>5000)㊂若呈现显著性(P <0.05),则说明拒绝原假设(数据符合正态分布),该数据不满足正态分布,反之则说明该数据满足正态分布㊂由表1可知,5类土壤化学元素样本均小于5000,采用S -W 检验㊂p H 显著性P 值为0.074*,水平不呈现显著性,不能拒绝原假设,因此数据满足正态分布㊂全氮显著性P 值为0.693,水平不呈现显著性,不能拒绝原假设,因此数据满足正态分布㊂有机质显著性P 值为0.911,水平不呈现显著性,不能拒绝原假设,因此数据满足正态分布㊂有效磷显著性P 值为0.000***,水平呈现显著性,拒绝原假设,因此数据不满足正态分布,其峰度(-0.045)绝对值小于10并且偏度(0.881)绝对值小于3,结合正态分布Q Q 图进行进一步分析㊂速效钾显著性P 值为0.000***,水平呈现显著性,拒绝原假设,因此数据不满足正态分布㊂其峰度(0.349)绝对值小于10并且偏度(1.195)绝对值小于3,结合正态分布Q Q 图进行进一步分析㊂土壤速效钾和有效磷数据正态Q Q 图如图1所示,明显看出二者数据拟合性均不满足正态分布要求㊂因此,本研究土壤p H ㊁全氮和有机质元素数据可直接进行空间插值,而土壤有效磷和速效钾元素需要对数据进行对数变换之后满足正态分布要求再进行空间插值㊂图1 土壤速效钾㊁有效磷正态Q Q 图4.2 变异系数分析变异系数[26]又称标准差率或离散系数,是统计分析中用来衡量变异程度的一个统计量[27]㊂标准差与平均值的比值称为变异系数[28],值越大,说明研究区土壤化学性质空间分布差异越大㊂5类土壤化学元素的变异系数如表2所示,变异系数值由大到小排列为:有效磷㊁速效钾㊁全氮㊁有机质㊁pH ;有效磷的变异系数为61.1%,其数据空间分布差异性最大;空间分布差异性最小的是土壤p H 元素㊂01 华北理工大学学报(自然科学版) 第45卷表2 土壤化学元素变异系数处理结果土壤化学元素平均值标准差变异系数p H 6.5101.07516.5%全氮/(g ㊃k g -1)0.1080.03027.7%有效磷/(m g ㊃k g -1)61.99737.88561.1%速效钾/(m g ㊃k g -1)208.970115.37055.2%有机质/(g ㊃k g -1)18.9535.01126.4%4.3 块金效应分析块金值与基台值(块金值与偏基台值总和)的比值C 0/(C 0+C )称为块金效应[29,30],当该比值C 0/(C 0+C )ɤ25%时,表明该统计量的空间相关性很强;当比值介于25%~75%之间时,表明该统计量的空间相关性属于中等水平;当比值C 0/(C 0+C )>75%时,则表明该统计量具有较弱的空间相关性㊂土壤5类化学元素的块金效应处理结果如表3所示,5类土壤化学元素均具有空间相关性㊂有效磷的块金效应为20.5%<25%,说明有效磷元素的空间相关性很强;土壤有机质的块金效应为80.7%>75%,表明其具有较弱的空间相关性;土壤p H ㊁全氮㊁速效钾的块金效应值在25%~75%之间,这3类化学元素的空间相关性属于中等水平㊂表3 土壤化学元素块金效应处理结果土壤化学元素块金值偏基台值块金效应p H 0.850450.4930563.3%全氮/(g ㊃k g -1)0.000320.0006433.3%有效磷/(m g ㊃k g -1)0.107550.4160620.5%速效钾/(m g ㊃k g -1)0.159570.0619272.0%有机质/(g ㊃k g-1)22.482475.3642280.7%4.4 土壤化学元素空间分布特征分析通过普通克里金插值法㊁泛克里金插值法㊁简单克里金插值法和经验贝叶斯克里金插值法对研究区土壤p H ㊁全氮㊁有机质㊁速效钾以及有效磷进行空间插值,利用插值结果直观反映并分析土壤化学元素的空间分布特征,并通过插值效果以及插值后的数据拟合度分析土壤化学元素最适用的空间插值方法㊂5类土壤化学元素的4种克里金插值结果如图2~图6所示㊂图2所示为土壤p H 不同克里金插值结果㊂图2 土壤p H 不同克里金插值结果11 第4期 冯郑文,等:不同空间插值方法对土壤化学元素空间分布适用性分析由图2可以看出,4种插值方法显示的土壤p H空间分布特征基本吻合,空间分布层次明显㊂在研究区域内,土壤p H的低值区主要分布在2个地区,一小部分分布在北偏西方向上,另一大面积区域分布在正南方向上;高值区主要分布在区域西部㊁北部的边缘地带㊂普通克里金法和泛克里金法插值效果相似,简单克里金法插值后的曲面最平滑,正西方向部分区域采用经验贝叶斯克里金法插值㊁过度处理后明显区别于另外3种插值结果㊂插值后的p H值数据范围由大到小分别是普通克里金法㊁泛克里金法㊁简单克里金法和经验贝叶斯克里金法,说明对于研究区土壤p H数据,插值普通克里金法的拟合结果最优㊂土壤全氮数据利用4种克里金法空间插值后的结果如图3所示㊂图3土壤全氮不同克里金插值结果简单克里金法插值效果与另外3种克里金法差异明显,整体来看全氮高值区主要分布在研究区的最西和最南方向链接线上,东部地区数据值较低,中间有多核区域也表现为较高的插值结果㊂从插值效果上看,4种克里金法均表现出较好的层次关系,插值后的土壤全氮数据范围由大到小分别是普通克里金法㊁泛克里金法㊁简单克里金法和经验贝叶斯克里金法,说明对于研究区全氮数据插值普通克里金法的拟合结果最优㊂图4土壤有机质不同克里金插值结果21华北理工大学学报(自然科学版)第45卷土壤有机质4种克里金法插值结果如图4所示,普通克里金法和泛克里金法插值效果十分吻合,4种插值结果综合效果相似,研究区有机质空间分布呈现西高东低的趋势㊂就插值效果的平滑程度而言,简单克里金法的插值效果更好㊂插值后的有机质数据范围由大到小分别是普通克里金法㊁泛克里金法㊁经验贝叶斯克里金法和简单克里金法,说明对于研究区土壤有机质数据插值普通克里金法拟合性最好㊂图5 土壤速效钾不同克里金插值结果土壤速效钾的空间插值结果如图5所示,其整体空间分布特征为西部和南部区域为高值区域,中部㊁北部和东部区域为低值区域㊂就插值效果的平滑程度而言,简单克里金法的插值效果更好㊂插值后的速效钾数据范围由大到小分别是普通克里金法㊁泛克里金法㊁经验贝叶斯克里金法和简单克里金法,说明对于研究区土壤速效钾数据,普通克里金法的拟合度最高㊂图6 土壤有效磷不同克里金插值结31 第4期 冯郑文,等:不同空间插值方法对土壤化学元素空间分布适用性分析图6所示为土壤有效磷的4种克里金法空间插值结果,其空间分布高值区主要以南部区域为主,由南到北数值逐渐减小,北部和西部各有小部分区域为次高值区㊂插值后研究区的有效磷数据范围,普通克里金法的覆盖最广㊂综上所述,5类土壤化学元素空间分布差异性明显,土壤p H 的低值区分布在研究区正南方向上;高值区主要分布在区域西部㊁北部的边缘地带㊂全氮高值区主要分布在研究区的最西和最南方向链接线上,东部地区数据值较低,中间有多核区域也表现为较高的插值结果㊂研究区有机质空间分布呈现西高东低的趋势㊂土壤速效钾的整体空间分布特征为西部和南部区域为高值区域,中部㊁北部和东部区域为低值区域㊂土壤有效磷空间分布高值区主要以南部区域为主,由南到北数值逐渐减小,北部和西部各有小部分区域为次高值区㊂普通克里金插值法㊁泛克里金插值法㊁简单克里金插值法和经验贝叶斯克里金插值法对研究区土壤p H ㊁全氮㊁有机质㊁速效钾以及有效磷进行空间插值结果显示,普通克里金法插值后的数据拟合性最优,最大程度保留了原始采样点的数据值;泛克里金法与普通克里金法的插值效果基本类似;其中土壤p H ㊁有机质和速效钾选择简单克里金法插值的效果更好,插值曲面更加平滑㊂4.5 不同插值方法精度评定通过交叉验证方法定量分析4种克里金法分别对5类土壤化学元素空间分布的最优插值方法,交叉验证结果如图7所示㊂图7 土壤5类化学元素空间插值交叉验证结果41 华北理工大学学报(自然科学版) 第45卷由于平均值误差和标准平均值误差越接近0㊁标准均方根误差越接近1㊁平均标准误差和均方根误差越小的插值结果精度越高,所以由图7可以得到,土壤有机质数据在4种插值方法中平均值误差最接近0的是普通克里金法,其次是简单克里金法;标准平均值误差最接近0的是普通克里金法,其次是简单克里金法;标准均方根误差最接近于1的是简单克里金法,其次是经验贝叶斯克里金法;均方根误差最小的是简单克里金法,其次是普通克里金法;平均标准误差最小的是泛克里金法,其次是简单克里金法㊂因此,综合上述5种精度评定指标,简单克里金法对土壤有机质的空间插值精度最高㊂同理,在上述精度评定原则要求下,由图7可得4种空间插值方法中对土壤P H 数据插值最优的是经验贝叶斯克里金法;图中显示简单克里金法对土壤全氮的空间插值精度最高;交叉验证结果显示经验贝叶斯克里金法对土壤速效钾和有效磷的空间插值精度影响均最大㊂4.5.1不同半变异函数模型精度评定通过交叉验证方法定量分析4种克里金法中最优的插值方法,由4.2节对土壤5种化学元素的变异系数和4.3节的块金效应分析得到土壤有机质相较于其它4类化学元素的空间分布差异性较小且具有较弱的空间相关性,因此该研究以土壤有机质元素为例分析最优的克里金插值方法中最适宜半变异函数模型,由4.5节得对土壤有机质空间插值最适用的克里金插值是简单克里金法,由于使用克里金法插值时会使用半变异函数模型,而在A r c G I S 软件的地统计克里金插值模块中匹配的半变异函数模型有三角函数㊁球面函数㊁四球㊁五球㊁指数函数㊁高斯函数㊁有理二次方程式㊁孔洞效应㊁K -B e s s e l ㊁J -B e s s e l ㊁稳定的共11种模型㊂表4所示为对土壤有机质进行简单克里金插值的11种模型交叉验证结果㊂表4 土壤有机质简单克里金插值不同半变异函数模型精度有机质简单克里金平均值均方根标准平均值标准均方根平均标准误差三角函数-0.272904.87532-0.054710.999174.88392球面函数-0.266124.87293-0.053280.997264.89055四球-0.263034.87212-0.052640.996734.89229五球-0.260534.87222-0.052120.996474.89359指数函数-0.225524.87225-0.044910.993284.90924高斯函数-0.269824.85896-0.053770.993674.89461有理二次方程式-0.232454.87617-0.046390.994884.90509孔洞效应-0.332004.87387-0.066921.002674.86476K -B e s s e l -0.264364.85825-0.052630.992884.89775J -B e s s e l -0.351724.88267-0.071291.006724.85237稳定的-0.269824.85896-0.053770.993674.89461由表4可得,对土壤有机质进行简单克里金插值选择不同半变异函数模型时交叉验证结果有明显差异㊂其中,平均值误差最接近0的是指数函数模型,精度最高,平均值误差最大的是J -B e s s e l 模型,精度最差;均方根误差最小的是K -B e s s e l 模型,其次是高斯函数模型和稳定的模型,误差最大的是J -B e s s e l 模型,精度最差;标准平均值误差最接近0的是指数函数模型,精度最好,其次是有理二次方程式模型,标准平均值误差最大的是J -B e s s e l 模型,精度最低;标准均方根误差最接近1的半变异函数模型是三角函数模型,其次是孔洞效应模型,误差最大的是J -B e s s e l 模型,精度最低;11种半变异函数模型中平均标准误差最小的是J -B e s s e l 模型,其次是孔洞效应模型,平均标准误差值最大的是有理二次方程式模型,精度最低㊂因此,综合交叉验证分析的5类精度评定指标得出,土壤有机质进行简单克里金插值时半变异函数模型选用指数函数模型时空间插值精度最高,选择J -B e s s e l 模型时空间插值精度最低㊂综上,本研究的土壤有机质数据空间插值的半变异函数模型选择的是指数函数模型,此时空间插值结果最优㊂4.5.2不同半变异函数模型空间插值结果分析由4.5.1节的分析结果选择空间插值精度最高的指数函数模型㊁空间插值精度最低的J -B e s s e l 模型㊁插51 第4期 冯郑文,等:不同空间插值方法对土壤化学元素空间分布适用性分析。

基金项目：国家重点研发计划，污染场地挥发类有机污染物传输机制与扩散通量项目“复杂场地挥发类有机污染物多相传输扩散的环境风险评估及量化表征”（２０２０ＹＦＣ１８０７１０３）。

第一作者：张慧斌，华北电力大学２０２０级在读硕士，研究方向：地统计学及空间分析。

通信地址：北京市昌平区北农路２号华北电力大学，１０２２０６。

Ｅ ｍａｉｌ：２４６０２９０１６７＠ｑｑ．ｃｏｍ。

通讯作者：吴倩，２００４年毕业于北京大学环境科学专业，高级工程师，现在中国石油集团安全环保技术研究院有限公司从事土壤与固废处理处置研究工作。

通信地址：北京市昌平区黄河北街１号院１号楼，１０２２０６。

Ｅ ｍａｉｌ：ｑｉａｎｗｕ＠ｃｎｐｃ．ｃｏｍ．ｃｎ。

空间插值方法在土壤污染物研究方面的应用张慧斌１，２　吴倩１　杨磊３　李薇２　刘晓丹１　王占生１（１．中国石油集团安全环保技术研究院有限公司；２．华北电力大学环境科学与工程学院；３．中国石油天然气股份有限公司辽河石化分公司）摘　要　空间插值方法是土壤污染物信息分析的常用方法，文章分析了４种常用空间插值方法及其特点，梳理了空间插值方法在土壤污染物空间分布、采样方案、制图、源解析和风险评价方面的应用，为土壤污染物研究提供思路，最后总结了空间插值方法在土壤污染物研究中应用的优势，提出了空间插值方法与信息技术结合、加强空间插值方法之间组合应用等未来发展方向。

关键词　空间插值方法；土壤污染物；信息技术ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００５ ３１５８．２０２３．０４．００６ 文章编号：１００５ ３１５８（２０２３）０４ ００２５ ０５犃狆狆犾犻犮犪狋犻狅狀狅犳犛狆犪狋犻犪犾犐狀狋犲狉狆狅犾犪狋犻狅狀犕犲狋犺狅犱犻狀狋犺犲犐狀狏犲狊狋犻犵犪狋犻狅狀狅狀犛狅犻犾犘狅犾犾狌狋犪狀狋狊ＺｈａｎｇＨｕｉｂｉｎ１，２　ＷｕＱｉａｎ１　ＹａｎｇＬｅｉ３　ＬｉＷｅｉ２　ＬｉｕＸｉａｏｄａｎ１　ＷａｎｇＺｈａｎｓｈｅｎｇ１（１．犆犖犘犆犚犲狊犲犪狉犮犺犐狀狊狋犻狋狌狋犲狅犳犛犪犳犲狋狔牔犈狀狏犻狉狅狀犿犲狀狋犜犲犮犺狀狅犾狅犵狔；２．犖狅狉狋犺犆犺犻狀犪犈犾犲犮狋狉犻犮犘狅狑犲狉犝狀犻狏犲狉狊犻狋狔；３．犘犲狋狉狅犆犺犻狀犪犔犻犪狅犺犲犘犲狋狉狅犮犺犲犿犻犮犪犾犆狅犿狆犪狀狔）犃犅犛犜犚犃犆犜　Ｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｓｗｅｒｅｃｏｍｍｏｎｌｙｕｓｅｄｔｏａｎａｌｙｚｅｓｏｉｌｐｏｌｌｕｔｉｏｎｉｎｆｏｒｍａｔｉｏｎ．Ｔｈｉｓｐａｐｅｒａｎａｌｙｚｅｄｆｏｕｒｃｏｍｍｏｎｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｓａｎｄｔｈｅｉｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ；ｓｕｍｍａｒｉｚｅｄｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｓｉｎｓｏｉｌｐｏｌｌｕｔａｎｔｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ，ｓａｍｐｌｉｎｇｓｃｈｅｍｅｓ，ｍａｐｐｉｎｇ，ｓｏｕｒｃｅａｎａｌｙｓｉｓ，ａｎｄｒｉｓｋａｓｓｅｓｓｍｅｎｔ；ｐｒｏｖｉｄｅｄｎｅｗｉｄｅａｓｆｏｒｔｈｅｒｅｓｅａｒｃｈｏｎｓｏｉｌｐｏｌｌｕｔｉｏｎ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅａｄｖａｎｔａｇｅｓｏｆｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｓｉｎｓｏｉｌｐｏｌｌｕｔｉｏｎｒｅｓｅａｒｃｈｗｅｒｅｓｕｍｍａｒｉｚｅｄ，ａｎｄｆｕｔｕｒｅｄｅｖｅｌｏｐｍｅｎｔｄｉｒｅｃｔｉｏｎｓｓｕｃｈａｓｃｏｍｂｉｎｉｎｇｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｓｗｉｔｈｉｎｆｏｒｍａｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｎｄｓｔｒｅｎｇｔｈｅｎｉｎｇｔｈｅｃｏｍｂｉｎｅｄａｐｐｌｉｃａｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄｓｗｅｒｅｐｒｏｐｏｓｅｄ．犓犈犢犠犗犚犇犛　ｓｐａｔｉａｌｉｎｔｅｒｐｏｌａｔｉｏｎｍｅｔｈｏｄ；ｓｏｉｌｐｏｌｌｕｔａｎｔｓ；ｉｎｆｏｒｍａｔｉｏｎｔｅｃｈｎｏｌｏｇｙ０　引　言近年来，我国土壤污染日益严峻，工业蓬勃发展产生的废物、废水，化肥、杀虫剂的大量使用等是造成土壤污染的主要因素。