平原与丘陵区土壤地球化学调查的优化采样尺度:1:50,000尺度验证与克里金插值优选
Optimized Sampling Scale for Soil Geochemical Surveys in Plain and Hilly Areas: Validation of the 1:50,000 Scale and Kriging Interpolation Preference
DOI: 10.12677/ag.2025.157100, PDF,    科研立项经费支持
作者: 林治家, 胡 航, 宋江涛, 李湘玉:湖南省地质调查所,湖南 长沙
关键词: 土壤地球化学采样尺度空间插值交叉验证Soil Geochemistry Sampling Density Spatial Interpolation Cross-Validation
摘要: 为确定不同地貌条件下满足精度要求的成本最优采样尺度,研究选取湖南省临澧县南部丘陵区和北部平原区各6 km2典型区域,对比分析了1:10,000与1:50,000两种采样尺度数据。基于《土地质量地球化学评价规范》(DZ/T 0295-2016),以镉(Cd)为指示元素,采用径向基函数法(RBF)和普通克里金法(Ordinary Kriging)进行空间插值与交叉验证,并以相对误差(RE= |预测值 − 实测值|/实测值) ≤ 30%的样本比例 ≥ 85%作为精度达标判据。结果表明:1) 1:50,000尺度下两地貌精度均超规范要求(RE ≤ 30%比例 > 92%);2) 平原区尺度缩减未显著降低精度(RE比例降幅 < 1 %);3) 丘陵区1:50,000尺度精度反超1:10,000尺度(RE比例提升6%~8%),揭示稀疏采样在复杂区具“降噪提精”效应;4) 普通克里金法在丘陵区抗噪性更优。综合技术经济性,建议全域采用1:50,000采样尺度 + 普通克里金法,可降本72.3%~72.7%,且保障成果可用性。
Abstract: To identify the cost-optimal sampling scale meeting accuracy requirements under different topographic conditions, this study selected two representative 6 km2 areas—a hilly region in the south and a plain region in the north of Linli County, Hunan Province. Comparative analysis was conducted on data collected at 1:10,000 and 1:50,000 sampling scales. Following the Specification of Land Quality Geochemical Assessment (DZ/T 0295-2016), we selected cadmium (Cd) as the indicator element. Spatial interpolation and cross-validation were performed using Radial Basis Function (RBF) and Ordinary Kriging methods. Accuracy compliance was judged based on the criterion that the proportion of samples with a relative error (RE = |Predicted − Measured|/Measured) ≤ 30% must reach or exceed 85%. Key findings reveal that: 1) The 1:50,000 scale achieves compliance (> 92% RE ≤ 30%) in both terrains; 2) Plain areas tolerate scale reduction with negligible accuracy loss (ΔRE < 1%); 3) Hilly areas exhibit counterintuitive gains at 1:50,000 scale (↑6%~8% RE compliance), indicating noise suppression by sparser sampling; 4) Ordinary Kriging outperforms RBF in complex topography. This cost-optimal protocol (1:50,000 + Kriging) reduces sampling costs by 72.3%-72.7% while meeting accuracy standards (DZ/T 0295-2016).
文章引用:林治家, 胡航, 宋江涛, 李湘玉. 平原与丘陵区土壤地球化学调查的优化采样尺度:1:50,000尺度验证与克里金插值优选[J]. 地球科学前沿, 2025, 15(7): 1083-1089. https://doi.org/10.12677/ag.2025.157100

参考文献

[1] 李括, 彭敏, 赵传冬, 等. 全国土地质量地球化学调查二十年[J]. 地学前缘, 2019, 26(6): 128-158.
[2] 王学求. 勘查地球化学80年来重大事件回顾[J]. 中国地质, 2013, 40(1): 322-330.
[3] 奚小环, 李敏. 中国区域化探若干基本问题研究: 1999-2009[J]. 中国地质, 2012, 39(2): 267-282.
[4] 刘伟, 郜允兵, 周艳兵, 等. 农田土壤重金属空间变异多尺度分析——以北京顺义土壤Cd为例[J]. 农业环境科学学报, 2019, 38(1): 87-94.
[5] 王玉霞, 杜灵通, 易志远, 等. 宁夏贺兰山东麓葡萄产区土壤有机碳库空间变异及影响因素[J]. 草业学报, 2025, 34(7): 41-53.
[6] 张亚杰, 余力, 曹艳萍, 等. 典型工矿区小流域土壤阳离子交换量空间分布及其影响因素[J]. 水土保持研究, 2025, 32(4): 100-109.
[7] 夏家淇, 骆永明. 我国土壤环境质量研究几个值得探讨的问题[J]. 生态与农村环境学报, 2007, 90(1): 1-6.
[8] 杜艳, 常江, 徐笠. 土壤环境质量评价方法研究进展[J]. 土壤通报, 2010, 41(3): 749-756.
[9] 张焱, 周永章, 姚凌青, 等. 多重分形与地质统计学方法在粤北刘家山地区矿化指示中的应用[J]. 地学前缘, 2012, 19(4): 151-158.
[10] 简中华, 王世纪, 黄春雷, 等. 不同采样密度的土地质量地球化学评估结果对比——以浙江省龙游县为例[J]. 现代地质, 2011, 25(1): 176-181.
[11] 宋召芬, 陈柏达, 张守富, 等. 铜陵市主要农区土壤Cu含量空间插值方法对比[J]. 环境监测管理与技术, 2025, 37(2): 83-87.
[12] 袁峰, 白晓宇, 周涛发, 等. 元素空间分布插值方法的对比研究: 以铜陵地区土壤中的重金属元素为例[J]. 地学前缘, 2008, 71(5): 103-109.
[13] 谢云峰, 陈同斌, 雷梅, 等. 空间插值模型对土壤Cd污染评价结果的影响[J]. 环境科学学报, 2010, 30(4): 847-854.
[14] 龙军, 张黎明, 沈金泉, 等. 复杂地貌类型区耕地土壤有机质空间插值方法研究[J]. 土壤学报, 2014, 51(6): 1270-1281.
[15] 史文娇, 岳天祥, 石晓丽, 等. 土壤连续属性空间插值方法及其精度的研究进展[J]. 自然资源学报, 2012, 27(1): 163-175.
[16] 王坷, 许红卫, 史舟, 等. 土壤钾素空间变异性和空间插值方法的比较研究[J]. 植物营养与肥料学报, 2000(3): 318-322, 344.
[17] 吕悦风, 孙华. 浙北某县域耕地土壤重金属空间分异特征、污染评价及来源分析[J]. 农业环境科学学报, 2019, 38(1): 95-102.
[18] 刘长媛, 韩文昊, 田永任, 等. 鲁中南低山丘陵区土壤理化性质的空间分异及其遥感评估[J]. 山地学报, 2024, 42(4): 442-455.
[19] 赵若言, 王健, 吴雄辉, 等. 顾及空间结构特征的机器学习模型在土壤重金属As含量预测中的应用——以杭州市富阳区为例[J]. 环境科学学报, 2024, 44(11): 288-300.