一种农田土壤有机碳时空数据获取方法与流程

本发明涉及一种农田土壤有机碳时空数据获取方法，属于数字农业土壤质量监测技术领域。

背景技术：

由于土壤形态和演化过程十分复杂，难以进行土壤形态与性质定量化描述，而且空间变异特征及空间相关性等定量化描述更加复杂，如何快速获取所需的土壤关键信息已经成为科研工作者面临的热点问题。

在土壤监测领域，目前大范围采样调查工序十分繁琐，需要前往样点具体位置采集样品，将样品带回实验室做进一步分析，需要耗费大量人力、时间，并随着调查范围、样点数量增加而大幅增加人力与时间成本，导致大尺度土壤质量调查工作通常间隔在10年或10年以上进行一次，完成大范围调查需要1-3年时间，数据获取效率十分低下，对样本采样和实验室分析具有强烈的依赖性，具有费时费力费钱的缺陷，因其工作效率低而限制了其实用性，难以满足当今快速发展的现代农业需求，特别是随着数字农业的发展，获取农业大数据能力严重不足，急需研发能够快速获取农业土壤属性数据的技术。

技术实现要素：

本发明所要解决的技术问题是提供一种农田土壤有机碳时空数据获取方法，能够利用少量样本数据、快速获取时空尺度土壤有机碳密度，提高工作效率。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种农田土壤有机碳时空数据获取方法，用于获得目标区域中各位置土壤有机碳密度随时间序列的变化，包括如下步骤：

步骤a.分别针对目标区域中预设数量、预设分布的各个样本点，获得样本点位置的土壤有机碳密度，然后进入步骤b；

步骤b.针对土壤有机碳密度取值范围、按预设间隔进行等级划分，获得覆盖土壤有机碳密度取值范围的各个有机碳密度等级间隔，并将各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值一一对应，然后进入步骤c；

步骤c.根据目标区域中各样本点位置的土壤有机碳密度，针对目标区域进行土壤有机碳密度插值处理，并根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，针对目标区域图像中的各位置、分别采用相应图像灰度值进行填充，获得目标区域灰度图像，然后进入步骤d；

步骤d.针对目标区域灰度图像阵列分布设置预设数量的采样点，且采样点的数量大于样本点的数量，以及各采样点整体分布区域覆盖全部目标区域；并获得各个采样点位置的灰度值，根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，获得各个采样点位置的土壤有机碳密度，然后进入步骤e；

步骤e.分别针对目标区域中的各个采样点位置，根据采样点位置的土壤有机碳密度、以及该采样点位置的预设各类型模拟参数，应用硝化-反硝化模型进行预设时间分辨率的模拟，获得该采样点位置土壤有机碳密度随时间序列的变化；进而获得目标区域中各位置土壤有机碳密度随时间序列的变化。

作为本发明的一种优选技术方案：所述步骤a中，分别针对各个样本点，以样本点的位置为圆心、预设距离为半径构建圆形区域，在该圆形区域中随机选取预设数量的样点位置，并分别获得该各个样点位置的土壤有机碳密度，以该各个样点位置土壤有机碳密度的平均值作为该样本点位置的土壤有机碳密度；进而获得目标区域中各个样本点位置的土壤有机碳密度。

作为本发明的一种优选技术方案：采集目标区域中各位置土壤表面至其下方20cm深度之间的土壤有机碳密度，作为目标区域中各位置的土壤有机碳密度。

作为本发明的一种优选技术方案：所述步骤b中，针对土壤有机碳密度取值范围，按预设间隔1tc/ha进行等级划分，获得覆盖土壤有机碳密度取值范围的各个有机碳密度等级间隔。

作为本发明的一种优选技术方案：所述步骤d中，分别针对目标区域中的各个采样点，获得采样点位置的灰度值，根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，若该采样点位置的灰度值等于各有机碳密度等级间隔分别所对应图像灰度值中的任意一个，则选择相应图像灰度值所对应有机碳密度等级间隔中最小值与最大值之间的平均值、作为该采样点位置的有机碳密度；若该采样点位置的灰度值等于两有机碳密度等级间隔分别所对应图像灰度值之间的过渡值，则选择相应大有机碳密度等级间隔中最小值与最大值之间的平均值、作为该采样点位置的有机碳密度。

作为本发明的一种优选技术方案：所述步骤e中，所述采样点位置的预设各类型模拟参数，包括采样点位置的气候参数、土壤参数、耕作措施参数。

本发明所述一种农田土壤有机碳时空数据获取方法，采用以上技术方案与现有技术相比，具有以下技术效果：

本发明所设计农田土壤有机碳时空数据获取方法，采用少量样本数据进行插值、重采样分析后，获得更多的空间样点数据，能够快速、大幅提升空间分辨率；而且通过对高空间分辨率样点数据进行时间维度模拟分析，时间分辨率远高于传统采样调查获取的空间样点数据，可以快速得到时空尺度高分辨率样点数据；整个设计方法能够大幅提升获取数据工作效率，传统调查方法需要投入大量人力进行野外采样调查、室内化验分析，时间成本较高，本发明能够利用单一时期少量样本数据进行时空尺度拓展，获得时空分辨率更高的土壤样点数据，为数字农业大数据分析提供了数据支撑，填补了当前数据获取困难的技术空白。

附图说明

图1是本发明设计农田土壤有机碳时空数据获取方法的流程示意图；

图2是本发明设计应用实施例中样本点空间分布特征；

图3是本发明设计应用实施例中基于样本点所获目标区域灰度图像示意图；

图4是本发明设计应用实施例中采样点空间分布特征；

图5是本发明设计应用实施例中基于采样点所获目标区域灰度图像示意图；

图6a至图6h分别表示本发明设计应用实施例中目标区域各年土壤有机碳密度分布；

图7是本发明设计应用实施例基于30个样本点的土壤有机碳密度数据趋势面分析示意图；

图8是本发明设计应用实施例基于150个采样点的土壤有机碳密度数据趋势面分析示意图；

图9是本发明设计应用实施例基于30个采样点、150个采样点的各有机碳密度等级面积统计示意图；

图10是本发明设计应用实施例基于30个采样点、150个采样点的各有机碳密度等级碳储量统计示意图；

图11是本发明设计应用实施例基于30个采样点、150个采样点的面域土壤碳储总量估算对比示意图；

图12a、图12b分别是本发明设计应用实施例中两个模拟点位对应实测与硝化反硝化模拟数据对比分析示意图；

图13a、图13b分别是本发明设计应用实施例中两个模拟点位对应硝化反硝化模拟数据相对误差分析示意图。

具体实施方式

下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。

本发明设计了一种农田土壤有机碳时空数据获取方法，用于获得目标区域中各位置土壤有机碳密度随时间序列的变化，如图1所示，包括如下步骤a至步骤e。

步骤a.分别针对目标区域中预设数量、预设分布的各个样本点，获得样本点位置的土壤有机碳密度，然后进入步骤b。

由于样本点周边直径100米范围内土壤类型、耕作制度、土地利用类型、及气候特征与样本点属性信息保持一致，该样本点能代表周边土壤肥力特征；因此，实际应用当中，上述步骤a中，对于目标区域中预设数量、预设分布的各个样本点，分别针对各个样本点，以样本点的位置为圆心、100米半径构建圆形区域，在该圆形区域中随机选取预设数量的样点位置，并分别获得该各个样点位置的土壤有机碳密度，以该各个样点位置土壤有机碳密度的平均值作为该样本点位置的土壤有机碳密度；进而获得目标区域中各个样本点位置的土壤有机碳密度。

对于土壤有机碳密度的采集，实际应用中，采集目标区域中各位置土壤表面至其下方20cm深度之间的土壤有机碳密度，作为目标区域中各位置的土壤有机碳密度。

步骤b.针对土壤有机碳密度取值范围、按预设间隔进行等级划分，获得覆盖土壤有机碳密度取值范围的各个有机碳密度等级间隔，实际应用中，可以设计按预设间隔1tc/ha进行等级划分，获得覆盖土壤有机碳密度取值范围的各个有机碳密度等级间隔；并将各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值一一对应，然后进入步骤c。

实际应用中，诸如获得各个有机碳密度等级间隔如下：

0～1tc/ha，1～2tc/ha，2～3tc/ha，3～4tc/ha，4～5tc/ha，5～6tc/ha，6～7tc/ha，7～8tc/ha，8～9tc/ha，9～10tc/ha，10～11tc/ha，11～12tc/ha，12～13tc/ha，13～14tc/ha，14～15tc/ha，15～16tc/ha，16～17tc/ha，17～18tc/ha，18～19tc/ha，19～20tc/ha，20～21tc/ha，21～22tc/ha，22～23tc/ha，23～24tc/ha，24～25tc/ha，25～26tc/ha，26～27tc/ha，27～28tc/ha，28～29tc/ha，29～30tc/ha，30～31tc/ha，31～32tc/ha，32～33tc/ha，33～34tc/ha，34～35tc/ha，35～36tc/ha，36～37tc/ha，37～38tc/ha，38～39tc/ha，39～40tc/ha，40～41tc/ha，41～42tc/ha，42～43tc/ha，43～44tc/ha，44～45tc/ha，45～46tc/ha，46～47tc/ha，47～48tc/ha，48～49tc/ha，49～50tc/ha。

步骤c.根据目标区域中各样本点位置的土壤有机碳密度，针对目标区域进行土壤有机碳密度插值处理，并根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，针对目标区域图像中的各位置、分别采用相应图像灰度值进行填充，获得目标区域灰度图像，然后进入步骤d。

步骤d.针对目标区域灰度图像阵列分布设置预设数量的采样点，且采样点的数量大于样本点的数量，实际应用中可以设计采样点的数量为样本点数量的5倍，以及各采样点整体分布区域覆盖全部目标区域；并获得各个采样点位置的灰度值，根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，获得各个采样点位置的土壤有机碳密度，然后进入步骤e。

实际应用当中，上述步骤d中，对于各个采样点位置土壤有机碳密度的获得，具体采用方法为：分别针对目标区域中的各个采样点，获得采样点位置的灰度值，根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，若该采样点位置的灰度值等于各有机碳密度等级间隔分别所对应图像灰度值中的任意一个，则选择相应图像灰度值所对应有机碳密度等级间隔中最小值与最大值之间的平均值、作为该采样点位置的有机碳密度；若该采样点位置的灰度值等于两有机碳密度等级间隔分别所对应图像灰度值之间的过渡值，则选择相应大有机碳密度等级间隔中最小值与最大值之间的平均值、作为该采样点位置的有机碳密度。

步骤e.分别针对目标区域中的各个采样点位置，根据采样点位置的土壤有机碳密度、以及该采样点位置的预设各类型模拟参数，诸如采样点位置的气候参数、土壤参数、耕作措施参数，模拟参数主要通过实测或从当地、气象、农业、科研院所等部门获取，由此应用硝化-反硝化模型进行预设时间分辨率的模拟，获得该采样点位置土壤有机碳密度随时间序列的变化；进而获得目标区域中各位置土壤有机碳密度随时间序列的变化。

将上述所设计农田土壤有机碳时空数据获取方法，应用于实际当中，选择我国某地区面积约220148ha的农业生产区作为研究对象，步骤a中，采集获得30个样本点的土壤有机碳密度，30个样本点空间分布特征如图2所示。

步骤b中，按预设间隔1tc/ha，针对30个样本点的土壤有机碳密度取值范围18tc/ha至36tc/ha进行等级划分，获得覆盖土壤有机碳密度取值范围的各个有机碳密度等级间隔如下：

18～19tc/ha，19～20tc/ha，20～21tc/ha，21～22tc/ha，22～23tc/ha，23～24tc/ha，24～25tc/ha，25～26tc/ha，26～27tc/ha，27～28tc/ha，28～29tc/ha，29～30tc/ha，30～31tc/ha，31～32tc/ha，32～33tc/ha，33～34tc/ha，34～35tc/ha，35～36tc/ha。

并将各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值一一对应。

步骤c中，根据目标区域中各样本点位置的土壤有机碳密度，针对目标区域进行土壤有机碳密度插值处理，并根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，针对目标区域图像中的各位置、分别采用相应图像灰度值进行填充，获得目标区域灰度图像，如图3所示。

步骤d中，针对目标区域灰度图像阵列分布设置预设数量的采样点，且采样点的数量为样本点数量的5倍，以及各采样点整体分布区域覆盖全部目标区域，如图4所示；并获得各个采样点位置的灰度值，根据各个有机碳密度等级间隔分别与预设各个彼此不同图像灰度值之间的一一对应关系，获得各个采样点位置的土壤有机碳密度，如图5所示。

步骤e中，分别针对目标区域中的各个采样点位置，根据采样点位置的土壤有机碳密度、以及该采样点位置的气候参数、土壤参数、耕作措施参数，应用硝化-反硝化模型进行预设时间分辨率的模拟，模型模拟时间分辨率为1年，通过模拟得到各个采样点在时间序列上土壤有机碳密度数据，将单一时期空间数据拓展成时空尺度数据，以重采样数据时间为第n年，本实例获取了7年时空数据，如图6a至图6h，获得目标区域中各位置土壤有机碳密度随时间序列的变化，即第n+1、n+2、n+3、n+4、n+5、n+6、n+7年目标区域中各位置土壤有机碳密度。

针对本发明所设计方法获取的数据进行可靠性分析，数据误差主要来源于两个方面，一是重采样数据误差，二是硝化反硝化数学模型模拟误差，因此，基于上述实施例针对上述误差进行如下分析：

（1）针对重采样数据误差，分别做了如下分析：基于30个样本点的土壤有机碳密度数据趋势面分析示意图如图7所示，以及150个采样点的土壤有机碳密度趋势面分析示意图如图8所示，基于30个样本点、150个采样点各有机碳密度等级面积统计图如图9所示，基于30个样本点、150个采样点各有机碳密度等级碳储量统计图如图10所示，基于30个样本点、150个采样点面域土壤碳储总量估算对比图如图11所示，上述分析结果显示，重采样采样点数据与样本点数据空间特征、各有机碳密度等级面积与碳储量、研究区域碳储总量估算均具有高度一致性，其中碳储总量估算相对误差为0.16%，由此可见，因重采样所引起的数据误差可以忽略不计。

（2）针对硝化-反硝化数学模型模拟误差，本研究通过样点与长期定位观测数据进行对比验证分析，设置两个模拟点位，每年采集点位土壤有机碳密度数据，与模拟数据进行对比分析，结果如图12a、图12b、图13a、图13b所示，分析结果显示模拟数据与观测数据十分接近，相对误差控制在20%以内。

综上分析，本发明所获取的土壤有机碳密度时空数据单点相对误差控制在20%以内，能满足对时空尺度农田土壤质量监测需求。

上述技术方案所设计农田土壤有机碳时空数据获取方法，采用少量样本数据进行插值、重采样分析后，获得更多的空间样点数据，能够快速、大幅提升空间分辨率；而且通过对高空间分辨率样点数据进行时间维度模拟分析，时间分辨率远高于传统采样调查获取的空间样点数据，可以快速得到时空尺度高分辨率样点数据；整个设计方法能够大幅提升获取数据工作效率，传统调查方法需要投入大量人力进行野外采样调查、室内化验分析，时间成本较高，本发明能够利用单一时期少量样本数据进行时空尺度拓展，获得时空分辨率更高的土壤样点数据，为数字农业大数据分析提供了数据支撑，填补了当前数据获取困难的技术空白。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。