《表4 土壤水力参数模拟的多元线性逐步回归方程、传递函数方程和模型预测精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《西北干旱区土壤水力参数空间变异与模拟》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:LU为土地利用方式；BD为容重；Sand为砂粒含量；SA为坡向；SOC为有机碳；Silt为黏粒含量；**表示在0.01水平上模型模拟显著。

土壤水力参数传统测定方法费时费力，限制了区域尺度上土壤水力参数的相关研究。本研究随机选取75%的样点构建多元逐步回归方程与传递函数，利用剩余25%的样点数据对构建的预测方程进行精度验证（表4和图3）。构建的逐步回归方程对Ks、FC和PWP模拟的决定系数R2分别为0.454、0.710和0.5 7 1，RMSE分别为2.5 8 6 mm·h-1、0.037 g·g-1和0.025 g·g-1。构建的传递函数方程对Ks、FC和PWP模拟的决定系数R2分别为0.607、0.740和0.621，RMSE分别为2.251 mm·h-1、0.035 g·g-1和0.024 g·g-1。与FC和PWP相比，土壤Ks的预测精度较低，说明土壤Ks受随机因素的影响更大，更具有区域独特性，这与半方差研究中Ks变程较小的结果一致（表2）。与训练组数据相比，验证组的R2具有不同程度的降低。与以往研究不同[21]，通过验证组数据发现，逐步回归方程不仅结构简单且对土壤水力参数的预测精度更高，优于自变量经数据转化的传递函数（表4和图3）。预测Ks、FC和PWP的多元逐步线性回归方程验证组决定系数R2分别为0.290、0.494和0.491，RMSE分别为2.540 mm·h-1、0.039 g·g-1和0.023 g·g-1。土壤水力参数实测值与模拟值对比研究表明（图3），土壤Ks在较低值时模拟精度较高，在高于10 mm·h-1时模拟精度显著降低，在高于20 mm·h-1时预测方程会低估Ks。多元逐步回归与传递函数对FC和PWP的模拟较一致，预测方程对FC在0.1～0.2 g·g-1区间以及PWP在0.05～0.10 g·g-1区间预测精度较高，但在较低值时会高估FC和PWP，在较高值时会低估FC和PWP。Zhao等[8]基于黄土高原数据构建的传递方程能够解释Ks变异的31%，高于本研究预测精度。Ks预测精度较低与土壤Ks本身较大的变异性有关，例如在喀斯特地区[9]Ks变异系数为95%，黄土高原北部坡面尺度[2]变异系数为58%，黄土高原区域尺度[8]变异系数为67%，本研究Ks变异系数为96.07%，远高于以上地区。此外，考虑到模型的易用性，本研究考虑了12个相对容易获取的潜在影响Ks的因子。然而，由于Ks的影响因素众多且关系复杂，本研究所考虑的因素不足以完整地揭示Ks的全部变异特征，最终导致Ks的精度偏低。王子龙等[22]研究表明，团聚体也对Ks有影响，然而，团聚体测定比较复杂，因此本研究并未考虑。Qiao等[11]对比分析了现存传递函数对FC和PWP的估计精度，预测R2分别低于0.333和0.321，低于本研究所建立的预测方程。土地利用类型、容重、砂粒含量和坡向是影响Ks最重要的因子。容重、土壤粒径组成（砂粒和粉粒）和有机碳含量是影响FC和PWP最重要的因子。