一种土壤有机碳含量时空预测制图方法技术

本发明专利技术提供一种土壤有机碳含量时空预测制图方法，及SOC含量预测技术领域，包括以下步骤：根据平缓地区长时间序列高时空分辨率遥感数据，提取连续变化的时空相关因子；定量表征时空相关因子的变化模式，构建平缓地区的SOC含量数字制图环境协同变量；采用随机森林算法方法构建环境协同变量与SOC含量间的预测模型；运行预测模型进行空间预测制图，获得SOC含量数字图；基于初始值数据和模型参数构建RothC模型；根据RothC模型，预测得到SOC密度变化图，将SOC密度变化图转化为SOC含量变化图；将SOC含量变化图中预测年份的预测值与SOC含量数字图中对应的数据相加进行SOC含量时空制图，实现预测年份的SOC含量数字制图。实现预测年份的SOC含量数字制图。实现预测年份的SOC含量数字制图。

【技术实现步骤摘要】
一种土壤有机碳含量时空预测制图方法


[0001]本专利技术涉及土壤有机碳(SOC)含量预测
，具体涉及一种土壤有机碳含量时空预测制图方法。

技术介绍

[0002]作为陆地生态系统碳储量的重要组成部分，土壤有机碳(SOC)在维持全球碳循环、保持土壤生产力、环境保护和农业规划管理发展方面发挥着极其重要的作用。SOC储量的微小变化会对全球碳循环产生重大影响，因此对SOC的分布信息不但需要详尽的空间分布信息，还需要对SOC分布图实时的更新，提供动态的时空变异分布图。目前数字土壤制图技术多以单时相的空间制图为主，缺乏能够同时关注土壤空间分布和时间变异的时空制图体系。
[0003]部分陆地生态系统的SOC周转模型可以动态模拟SOC的变化，其中RothC模型应用最广泛。RothC模型仅与土壤过程有关，所需参数简单且容易获取，运行该模型所需的主要输入数据为土壤黏土含量、初始SOC、土壤容重、每月总降水量、平均每月温度、每月总蒸发量、残留物质量、土壤覆盖率和残留物C输入。目前，基于RothC模型的SOC模拟研究多基于一些采样点的SOC数据模拟SOC的分解和积累的动态变化，无法获取大区域SOC详尽的空间分布图。
[0004]基于土壤景观模型的数字土壤制图采用易于获取的地形、植被等环境协同变量推测土壤信息，可为RothC模型实现空间预测提供土壤空间数据支撑。平缓地区大多是农业耕作区域和人口聚集地，在整个国民经济和社会生活中占有举足轻重的地位。但是在地形起伏平缓地区，地形因子相对一致，植被条件也相同或相似，这使得基于土壤
‑
景观模型的预测制图的应用受到限制。因此改进环境协同变量反映平缓地区土壤信息差异，以实现这一地区的土壤信息推测还需要进一步研究。目前平缓地区的数字土壤制图仍为土壤制图领域关注的难点和热点领域。

技术实现思路

[0005]为解决上述问题，本专利技术提供一种土壤有机碳含量时空预测制图方法。
[0006]本专利技术提供了如下的技术方案。
[0007]一种土壤有机碳含量时空预测制图方法，包括以下步骤：
[0008]根据平缓地区长时间序列高时空分辨率遥感数据，提取连续变化的时空相关因子；
[0009]定量表征时空相关因子的变化模式，基于时空相关因子的变化模式构建平缓地区的SOC含量数字制图环境协同变量；
[0010]将平缓地区的SOC含量数字制图环境协同变量作为预测因子，采用随机森林算法方法构建环境协同变量与SOC含量间的预测模型；
[0011]输入平缓地区的SOC含量数字制图环境协同变量，运行预测模型进行空间预测制
图，获得SOC含量数字图；
[0012]将SOC含量数字图作为RothC模型的初始值数据，根据长时间序列高时空分辨率遥感数据获取模型参数；基于初始值数据和模型参数构建RothC模型；
[0013]根据RothC模型，预测得到SOC密度变化图，将SOC密度变化图转化为SOC含量变化图；
[0014]将SOC含量变化图中预测值与SOC含量数字图中对应的数据相加进行SOC含量时空制图，获取SOC含量数字制图。
[0015]优选地，所述提取连续变化的时空相关因子，包括以下步骤：
[0016]按时间序列获取平缓地区高时空分辨率遥感数据；
[0017]根据平缓地区高时空分辨率遥感数据提取连续变化的时空相关因子；所述时空相关因子包括气候因子、生物因子和人为因子。
[0018]优选地，所述定量表征时空相关因子的变化模式，包括以下步骤：
[0019]生成平缓地区高时空分辨率遥感数据的时间序列矩阵；
[0020]对时间序列矩阵进行小波分析和特征提取，得到环境协同变量时空变异特征值；
[0021]根据时空变异特征值表征时空相关因子的变化模式。
[0022]优选地，所述根据长时间序列高时空分辨率遥感数据获取的RothC模型参数，具体包括：土壤粘粒含量、土壤容重、每月总降水量、平均每月温度、每月总蒸发量、残留物质量、土壤覆盖率、残留物输入和作物根茬有机碳归还量。
[0023]优选地，所述将SOC密度变化图转化为SOC含量变化图，包括以下步骤：
[0024]将SOC密度变化图中的SOC密度进行SOC含量的换算：
[0025]SOCD＝SOCC
×
BD
×
D
×
(1
‑
δ)/100
[0026]其中，SOCD为有机碳密度；D为土层厚度，取值为20cm；BD为土壤容重，δ为直径>2mm的砾石含量，δ值为0.5％。
[0027]优选地，还包括定量评价时空制图结果的精度和不确定性，包括以下步骤：
[0028]选用平均误差，平均绝对误差，均方根误差和准确度系数指标评价制图准确度；
[0029]采用序贯高斯模拟、蒙特卡罗、拉丁超立方相结合的方法评估SOC含量制图和粘粒含量制图的不确定性。
[0030]本专利技术的有益效果：
[0031]本方法提出一种土壤有机碳含量时空预测制图方法，其一方面可为SOC含量的时空预测制图提供参考方法和途径，另一方面有望从区域特点上丰富平缓地区SOC含量数字制图的预测指标和制图方法，进而为农业耕作区域为主的平缓地区的环境模拟和农业管理提供基础土壤信息。
附图说明
[0032]图1是本专利技术实施例的方法技术路线图；
[0033]图2是本专利技术实施例的时空相关因子向量组成示意图。
具体实施方式
[0034]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0035]实施例1
[0036]本专利技术的一种土壤有机碳含量时空预测制图方法，如图1所示，具体包括以下步骤：
[0037]S1、根据平缓地区长时间序列高时空分辨率遥感数据，提取连续变化的时空相关因子。具体的：
[0038]按时间序列获取平缓地区高时空分辨率遥感数据；
[0039]根据平缓地区高时空分辨率遥感数据提取连续变化的时空相关因子；所述时空相关因子包括气候因子、生物因子和人为因子。
[0040](1)气候因子(A,W)：Landsat等卫星数据反演地表温度，湿度状况，辅以由县级气象站数据获取。
[0041](2)生物因子(B)：利用高时空分辨率的卫星影像(Landsat 8，HJ
‑
1A/1B)解译生物量、NDVI、覆盖度等参数；
[0042](3)人为因子(H)：复种指数、轮作模式、土地利用、作物类型、耕作方式、道路密度、人口密度和距居民点距离等都与人为活动有关。
[0043]S2、定量表征时空相关因子的变化模式，基于时空相关因子的变化模式构建平缓地区的SOC含量数字制图环境协同变量。具体的：
[0044]生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种土壤有机碳含量时空预测制图方法，其特征在于，包括以下步骤：根据平缓地区长时间序列高时空分辨率遥感数据，提取连续变化的时空相关因子；定量表征时空相关因子的变化模式，基于时空相关因子的变化模式构建平缓地区的SOC含量数字制图环境协同变量；将平缓地区的SOC含量数字制图环境协同变量作为预测因子，采用随机森林算法方法构建环境协同变量与SOC含量间的预测模型；输入平缓地区的SOC含量数字制图环境协同变量，运行预测模型进行空间预测制图，获得SOC含量数字图；将SOC含量数字图作为RothC模型的初始值数据，根据长时间序列高时空分辨率遥感数据获取RothC模型参数；基于初始值数据和模型参数构建RothC模型；根据RothC模型，预测得到SOC密度变化图，将SOC密度变化图转化为SOC含量变化图；将SOC含量变化图中预测值与SOC含量数字图中对应的数据相加进行SOC含量时空制图，获取SOC含量数字制图。2.根据权利要求1所述的土壤有机碳含量时空预测制图方法，其特征在于，所述提取连续变化的时空相关因子，包括以下步骤：按时间序列获取平缓地区高时空分辨率遥感数据；根据平缓地区高时空分辨率遥感数据提取连续变化的时空相关因子；所述时空相关因子包括气候因子、生物因子和人为因子。3.根据权利要求1所述的土壤有机碳含量时空预测制图方法，其特征在于，所述定量表征时空相关因子的变化模式，包括以下步骤：生成平缓...

【专利技术属性】
技术研发人员：王德彩，张雅梅，岳庆玲，郭芳，张志华，
申请(专利权)人：河南农业大学，
类型：发明
国别省市：