通过对比AP空间分布图和模拟精度评价指标,我们发现反距离权重法和径向基函数法制图效果较差,存在明显的斑块效应,同时,两种方法的各项验证指标均处于最低水平,研究表明,反距离权重法仅可在样点密度大且地形起伏较小的情况下适用,最好用于较小区域的栅格化,不宜在较大范围内进行插值[22],径向基函数多适用于样本数目较多且变化平缓的数据[23],Shen等[21]比较不同空间插值方法对黑土区土壤全磷模拟精度的影响,研究表明当样点空间分布不规则或均匀度较低时径向基函数会产生精确的插值结果。因此,反距离权重法和径向基函数法需在特殊情况下才可能应用并提高黑土区小流域土壤AP的空间模拟精度。
普通克里格方法利用采样点数据和半方差函数的结构性,对未采样点的区域化变量进行最优无偏估值,已被广泛应用于土壤养分空间异质性分析研究[1]。本研究中,所选择研究区样点均匀度或样点密度均较高,满足普通克里格插值方法需要,其模拟精度仅次于回归克里格和地理加权回归克里格方法。
地理加权回归模型是一种局部回归模型,可用于处理目标变量与解释变量之间的空间非平稳回归系数[14-15]。本研究中,地理加权回归模型模拟精度低于普通克里格方法,这可能是由于经逐步线性回归剔除后可用于建模的环境变量较少,回归模型拟合精度较低。Wang等[13]比较了地理加权回归模型对土壤有机质和全氮模拟精度的影响,结果表明地理加权回归模型能够有效提高土壤有机质的模拟精度,但是由于环境变量数据不详尽且未能解释所有相关变量之间的自相关和互相关而导致该方法对全氮模拟精度较差[24]。本研究已提取相关环境变量达30个,但并未进一步提高回归模型精度,这与Shen等[21]在黑土区土壤全磷空间模拟精度研究结果一致。此外,比较不同研究区回归分析结果,并未发现共同的环境变量用于AP建模。因此,有关如何进一步提高黑土区土壤磷素与环境变量之间的回归模型拟合精度的问题需进一步探讨。研究表明,样点密度会影响空间插值方法对土壤属性法的模拟精度[19],但本研究发现,当样点均匀度相似且高于45%时,样点密度和采样距离对AP模拟精度无显著影响。
回归克里格和地理加权回归克里格已经逐渐成为土壤属性空间预测的优秀空间统计方法,大量研究表明辅助变量的引入和残差空间自相关的结合能够有效提高土壤属性的空间预测精度[9-10,16-19],本研究结果表明,在不同尺度和景观格局下,回归克里格和地理加权回归克里格各项验证指标均优于普通克里格插值方法,插值结果也能够反映更多的空间信息,其中考虑了空间非平稳性的地理加权回归克里格方法可以作为黑土区小流域土壤AP空间预测的最优插值方法。此外,我们发现引入主成分分析结果能够有效提高回归克里格方法和地理加权回归克里格方法的模拟精度,因此,当辅助变量充足且变量间存在多重共线性时,可以引入主成分分析以进一步提高空间插值方法的模拟精度。
