基于BME-GWR 法的景观单元土壤有机碳密度空间预测

刘欢瑶，孟 岑，邹冬生，吴金水

（1.湖南农业大学资源环境学院，湖南 长沙 410128；2.中国科学院亚热带生态农业研究所，湖南 长沙 410125）

【研究意义】土壤是陆地生物圈中最大的碳库，土壤有机碳（SOC）控制全球碳循环，是重要的大气碳源［1］。作为评价土壤质量的重要指标，土壤有机碳库的研究对防治土壤退化和发展可持续农业具有重要意义。准确估算、分析土壤有机碳的储量和空间分布，为有效调控碳源/汇方向、全球气候变化以及为土壤质量综合评估提供了理论支持。土壤有机碳密度（SOCD）的估算精确度受样点数量的影响。随着3S技术的飞速发展，与SOCD相关的环境变量数据获取变得简单、便捷，充分利用多源环境先验信息作为“软数据”是克服传统以克里格为代表的地统计方法缺陷，提高SOCD估算精度的有效技术途径。

【前人研究进展】当前已有很多插值方法结合环境辅助变量进行土壤属性的空间预测，包括多元线性回归模型、协同克里金、回归克里金、地理加权回归等，当环境因子与土壤属性相关性较强时这些方法预测精度均高于不结合环境辅助变量的地统计方法［2］。然而，由于多数插值方法均未考虑环境辅助变量的先验分布，很难处理非高斯分布变量，因而限制了利用多源辅助数据进行空间预测的能力［3］。贝叶斯最大熵（Bayesian Maximum Entropy,BME）结合了贝叶斯方法论和最大熵原理来模拟时空变量，将精度较高的“硬数据”和多渠道源得到的“软数据”区分使用，能够有效地综合利用各种不同来源和精度的数据［4］。……