基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。