發(fā)布時間：2020-05-09 19:09

【摘要】：土壤有機(jī)碳(SOC)既是氣候變化的敏感指示物,又是草地生態(tài)系統(tǒng)健康的重要評價指標(biāo),其含量顯著影響草地生態(tài)系統(tǒng)的生產(chǎn)力。高寒草地生態(tài)系統(tǒng)的高碳密度和對于氣候變化的潛在響應(yīng)吸引了廣泛關(guān)注。了解影響高寒草地SOC的主要環(huán)境因子及其作用機(jī)制,從而準(zhǔn)確模擬高寒草地SOC的空間分布及儲量對于高寒高海拔地區(qū)草地資源的可持續(xù)化管理和利用,乃至研究高寒草地對于全球氣候變化的響應(yīng)都具有重要意義。青海省瑪多縣地處青藏高原腹地、三江源國家自然保護(hù)區(qū)范圍內(nèi)、華夏母親河“黃河”的源頭,對氣候變化敏感并且生態(tài)環(huán)境脆弱。高寒草地不僅是該地區(qū)主要的土地覆蓋類型,更是當(dāng)?shù)啬撩褓囈陨娴母尽Ｈ欢捎跀?shù)據(jù)匱乏和SOC巨大的空間異質(zhì)性,對于高海拔地區(qū)高寒草地SOC的理解尚不充分,對于影響SOC儲量和分布的環(huán)境因子在也缺乏了解。為了理解環(huán)境因子對研究區(qū)高海拔地區(qū)高寒草地SOC的作用機(jī)理,了解SOC的空間分布情況,并在數(shù)據(jù)缺乏地區(qū)高效、準(zhǔn)確地模擬SOC,本研究使用多種變量分析方法研究了環(huán)境因子與SOC的關(guān)聯(lián)關(guān)系和作用機(jī)制,又使用了Boruta全部相關(guān)策略和向前貪心(Greedy Forward,GF)、向后貪心(Greedy Backward,GB)、爬山算法(Hill Climbing,HC)、模擬退火算法(Simulated Annealing,SA)和遺傳算法(Genetic Algorithm,GA)5種方法,構(gòu)建了基于不同數(shù)據(jù)源的全部相關(guān)變量集和最小優(yōu)化變量集,在此基礎(chǔ)之上,使用偏最小二乘回歸(PLSR)、支持向量機(jī)(SVM)、Cubist和隨機(jī)森林(RF)的機(jī)器學(xué)習(xí)方法構(gòu)建了精簡的SOC模擬模型�；谝陨涎芯績�(nèi)容,本研究得到以下主要結(jié)論:(1)本研究以環(huán)境-土壤-景觀模型中的STEP-AWBH概念模型為指導(dǎo),構(gòu)建了綜合遙感、土壤光譜和地面實(shí)測數(shù)據(jù)等星地多源數(shù)據(jù)的研究區(qū)全要素環(huán)境變量數(shù)據(jù)庫,收集的環(huán)境變量共涉及STEP-AWBH模型中的土壤理化因子(S)、地形因子(T)、氣象因子(A)和生物因子(B)4類。就環(huán)境變量對于SOC的影響途徑而言,氣象因子主要通過影響地表植被從而間接影響SOC,而植被生物量和土壤理化因子則主要表現(xiàn)為直接影響SOC;就環(huán)境因子對于SOC的影響效果而言,夏季地溫、蓋度和地上生物量會抑制SOC的積累,而其他變量則表現(xiàn)為促進(jìn)作用;就環(huán)境變量與SOC的相關(guān)性而言,在土壤理化因子中,SOC與土壤含水率的相關(guān)性最強(qiáng)(r=0.889),在生物因子中,SOC與地下生物量的相關(guān)性最強(qiáng)(r=0.808);就環(huán)境變量對于SOC的影響程度而言,在高寒草甸樣本中土壤含水率的總體效應(yīng)值最高(效應(yīng)值為0.788),而在高寒草地樣本中則為全氮(效應(yīng)值為0.703),總體而言土壤含水率的總體效應(yīng)值最高(效應(yīng)值為0.683),全氮次之(效應(yīng)值為0.275)。(2)Boruta變量篩選策略剔除了全部的地形因子和氣象因子,有效縮減了變量的數(shù)目。區(qū)分變量數(shù)據(jù)源來看,在基于遙感數(shù)據(jù)的變量中使用冬季Landsat 8數(shù)據(jù)計算的比值植被指數(shù)(LsRVI_w)的Boruta因子重要性最高,在可見光-近紅外光譜(VNIR)數(shù)據(jù)中為540-700nm波段。在5個最小優(yōu)化變量集中,土壤理化因子中的土壤粒徑(黏粒、粉粒和砂粒含量)、pH、含水率、全氮以及VNIR中的560-640nm被選取的頻數(shù)較高,而單獨(dú)使用遙感數(shù)據(jù)和VNIR數(shù)據(jù)時構(gòu)建精簡模型的關(guān)鍵變量分別是使用夏季Landsat 8數(shù)據(jù)計算的歸一化土壤指數(shù)(LsNDSI_8)和560-660nm。(3)在基于篩選變量的模擬結(jié)果中,使用全部環(huán)境變量構(gòu)建的GF變量集與Cubist模型組合的模擬結(jié)果最佳(R_v~2=0.97,RMSE_v=4.72,RPIQ_v=4.52,RPD_v=6.17)。在本研究中使用變量篩選策略不僅大大縮短了模型運(yùn)行的時間,同時提高了模型的預(yù)測精度。首先就使用基于遙感數(shù)據(jù)的變量來看,當(dāng)使用未篩選變量時,PLSR的模擬效果最好(R_v~2=0.51,RMSE_v=21.76,RPIQ_v=0.98,RPD_v=1.34),而在使用最小優(yōu)化變量集的模擬結(jié)果中,GB策略與Cubist模型結(jié)合的效果最好(R_v~2=0.54,RMSE_v=19.2,RPIQ_v=1.08,RPD_v=1.48);其次就使用VNIR數(shù)據(jù)的模擬效果而言,當(dāng)使用全波段VNIR時,PLSR的模擬效果最好(R_v~2=0.92,RMSE_v=8.62,RPIQ_v=2.71,RPD_v=3.42),而使用最小優(yōu)化變量集的篩選波段時,HC策略和PLSR模型組合的模擬效果最好(R_v~2=0.92,RMSE_v=8.63,RPIQ_v=2.71,RPD_v=3.42)�；谝陨辖Y(jié)果也可以看出,雖然單獨(dú)使用VNIR數(shù)據(jù)已經(jīng)能夠得到較高的模擬精度,但是如果能加入其它土壤理化因子,將進(jìn)一步提升模型的模擬效果。(4)使用研究得到的最優(yōu)模型和普通克里金方法結(jié)合的研究區(qū)高寒草地空間分布情況與使用回歸克里金的結(jié)果存在差異,但在空間分布上都呈現(xiàn)出從東南向西北降低的趨勢。就研究區(qū)高寒草地SOC的空間分布情況而言,使用OLS與Cubist結(jié)合普通克里金方法得到的研究區(qū)高寒草地表層SOC含量平均值分別為20.07 g/kg和36.9 g/kg,其中高寒草甸類SOC含量分別為26.49 g/kg和46.92g/kg,高寒草原類則分別為12.28 g/kg和22 g/kg;SOC密度的平均值分別為2.48kgC/m~2和4.05 kgC/m~2,其中高寒草甸類型的SOC密度平均值分別為3.1 kgC/m~2和4.67 kgC/m~2,高寒草原類型的SOC密度平均值分別為1.89 kgC/m~2和3.12kgC/m~2。基于兩種方法,研究區(qū)高寒草地表層SOC儲量分別為1.13×10~7 TC和1.76×10~7 TC,其中高寒草甸的SOC儲量分別為7.92×10~6 TC和1.21×10~7 TC,高寒草原的SOC儲量分別為3.33×10~6 TC和5.55×10~6 TC。本研究以STEP-AWBH模型為基礎(chǔ),構(gòu)建了基于星地多源數(shù)據(jù)的研究區(qū)全要素環(huán)境變量數(shù)據(jù)庫,有助于全面描繪研究區(qū)環(huán)境,這些變量也是數(shù)據(jù)缺乏地區(qū)預(yù)測土壤屬性的重要指標(biāo)。另外,研究通過使用多種變量分析方法,多方面、多角度的理解環(huán)境變量對于SOC的主要作用過程,并在此基礎(chǔ)上采用了策略性的變量篩選方法,降低了變量冗余,簡化了模型的結(jié)構(gòu),提高了模型的可讀性。本研究為數(shù)據(jù)缺乏地區(qū)和高寒高海拔地區(qū)土壤屬性的定量模擬和數(shù)字制圖提供參考,對于高寒草地土壤屬性的動態(tài)監(jiān)測以及高寒草地的科學(xué)管理等方面具有重要意義。
【圖文】：

16圖 1-1 本研究的技術(shù)路線圖3.3 研究意義與目前國內(nèi)外的相關(guān)研究比較，本研究的研究意義在于：首先，關(guān)于青藏高草地土壤有機(jī)碳（SOC）影響因子的已有研究中，變量收集的過程往往受到研者主觀因素（教育背景、專業(yè)知識等）或數(shù)據(jù)獲取難易程度等方面的影響，從無法比對其他土壤屬性、生物因子、地形因子等環(huán)境變量對于目標(biāo)土壤屬性的響。當(dāng)選取的環(huán)境變量不能定量模擬目標(biāo)土壤屬性時，由于無法判斷可能缺乏環(huán)境變量，為了提高模擬效果多從使用其他模擬模型的方面入手，因此無法有改善變量本身對于模擬結(jié)果的影響。本研究以 STEP-AWBH 模型為指導(dǎo)，以C 含量為目標(biāo)屬性收集環(huán)境變量，盡可能的減小了主觀因素對于變量收集的響，并且能夠清楚地了解收集的變量在 STEP-AWBH 模型中的從屬類型，，了解類型因子與 SOC 之間的關(guān)系并從機(jī)理上解釋 SOC 的作用機(jī)制。其次，研究區(qū)然條件惡劣，野外數(shù)據(jù)獲取困難，為了降低采樣“成本”，在進(jìn)行采樣點(diǎn)設(shè)計時

縣內(nèi)絕大多數(shù)的地貌類型是由于斷陷作用所形成的山間寬谷和河湖盆地，山間多湖泊、平坦地、沼澤地（圖2-1，圖 2-2）。因?yàn)楝敹嗫h是黃河發(fā)源之后流經(jīng)的第一個縣，所以常被稱為“萬里黃河第一縣”。縣內(nèi)河流縱橫，沼澤眾多，湖泊更是星羅棋布，曾因坐擁 5050 個大小湖泊而具有“千湖之縣”的美譽(yù)，其中包括于 2005 年被聯(lián)合國《濕地公約》列為國際重要濕地的扎陵湖和鄂陵湖。瑪多縣是極其重要的黃河水源補(bǔ)給區(qū)，該縣每年為黃河下游提供 42.9 億 m3水量(李惠梅等, 2014)。瑪多縣有草場面積16349 平方公里，占全縣總面積的 64.7%，其中可利用草地面積占全縣草地面積的 79% (果洛州政府網(wǎng)站, 2007)�，敹嗫h現(xiàn)轄瑪查理鎮(zhèn)、花石峽鎮(zhèn)和黃河鄉(xiāng)、扎陵湖鄉(xiāng)兩個鄉(xiāng)、兩個鎮(zhèn)和 32個牧委會，其中居委會 2 個。根據(jù)《2015 年瑪多縣國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報》顯示
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：S812.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊s

本文編號：2656600