基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究

作者：陈宣强; 赵明松^*; 卢宏亮; 徐少杰; 邱士其; 胡克宏

来源：地理科学, 2023, 43(01): 173-183.

DOI：10.13249/j.cnki.sgs.2023.01.018

• 土壤pH
• 地理加权回归
• 数字土壤制图
• 安徽省

基于安徽省140个采样点的土壤pH数据，综合考虑土壤、地形、气候、生物等因子对土壤pH的影响，采用地理加权回归(Geographically Weighted Regression, GWR)、主成分地理加权回归(Principal Component Geographically Weighted Regression, PCA-GWR)和混合地理加权回归(Mixed Geographically Weighted Regression, M-GWR)3种模型对安徽省土壤pH空间分布进行建模预测，揭示环境因子对土壤pH的影响在空间上的差异，最后以多元线性回归模型(Multiple Linear Regression, MLR)为基准比较3种GWR模型的精度。研究表明：(1)安徽省土壤pH具有空间异质性，且集聚特征明显。(2) 3种GWR模型中M-GWR模型略优，GWR、PCA-GWR和M-GWR的建模集调整后决定系数(Radj2)分别为0.59、0.62和0.63；对比MLR模型，3种GWR模型的Radj2分别提升了23%、31%和35%。M-GWR生成的预测图在空间上过渡平滑，建模效果稳定，其预测结果表明安徽省淮河以北地区多为碱性土壤，长江以南多为中性或酸性土壤，符合“南酸北碱”特征。(3) GWR及其改进模型可以有效地预测土壤pH属性，反映环境因子在不同空间位置上对土壤pH的影响程度，而M-GWR兼具变量作用的全局性和和局部性，进而提升了模型解释能力，为大区域数字土壤制图提供了重要的参考方法。

• 单位
  安徽理工大学