本发明属于土壤ph预测技术领域，具体涉及一种基于水热条件预测土壤ph的方法。
背景技术：
在陆地上生态系统，增加降水量可以提高植物生产力，刺激植物生长所需养分的消耗，并改变土壤阳离子库以缓冲酸性物质输入。土壤对氮、磷、钾的吸附和解吸受ph值、ph缓冲容量、有机质和阳离子交换容量的控制。土壤酸化是土壤退化的一种形式，它影响与提供生态系统服务相关的土壤功能，如水、粮食和能源安全，生物多样性保护、以及气候变化缓解。热带酸性土壤是一种强风化土壤，由于其存在于热带环境中，全年降雨量大，温度高，影响了氮素的有效性。长期施肥能够深刻地影响与农业土壤ph缓冲能力相关的物理化学和生物特性。通过耕作增加酸和碱是增加土壤酸度的重要因素之一。在一些农业土壤中，土壤酸化可归因于施用化肥如铵肥，尤其是在红壤中(铁酸盐形成土)，施氮引起的土壤酸化加剧，是限制产量的主要因素。化学氮处理降低了土壤中氧化铁总量和针铁矿与赤铁矿的比值(g/h值)，氧化铁的转化和赤铁矿在土壤中的积累会降低土壤对酸化的缓冲能力，与此相反，有机肥处理呈现相反的趋势。在ph值为4.5～7.5的土壤中，酸缓冲能力主要受cec控制，cec较高的土壤中有更多的阳离子交换位点来缓冲土壤溶液中的质子。施用粪肥或玉米秸秆与矿物肥料相结合能显著降低土壤的酸碱度，施用生物炭可以提高土壤ph，当ph值在4.5～7.0之间时，生物炭表面羧基的质子化是其抗酸化的主要机制，施用生物炭后土壤ph值较高(>6.0)和生物炭表面大量羧基是提高土壤抗酸化能力的关键。
区域范围内土壤ph除了受气候的主要影响外，还受成土母质、土壤理化性质、坡度等很多因素的影响，而年平均降水量和年平均温度是区域尺度土壤酸碱度分布的强预测因子。
广义提升回归模型(generalizedboostedregressionmodels，gbrms)是基于梯度提升算法(gradientboostmachine，gbm)思想的一种机器学习模型，该算法是一种基于回归树的集成算法，能够减少单个预测模型出现的偏差和误差，目前已被广泛应用于各个领域，但是因为该模型变量多，而且模型复杂且目前很少有人将其用于土壤ph的预测和制图。
近年来被广泛使用的地理权重回归(geographicallyweightedregression，gwr)法，因其既考虑了插值点的空间位置，又在模型中充分考虑了环境要素的作用，所以，该方法在空间插值问题上的应用受到了广泛关注，常被用于对空间非稳定关系的探讨，如在自变量与因变量间的空间稳定性假设不成立时，gwr法的预测效果十分有效。
但是上述模型均存在着参数多，变量复杂，模型复杂，非专业人士很难弄懂的缺陷。
技术实现要素：
为了解决上述存在的问题，本发明提供一种基于水热条件预测土壤ph的方法。
本发明是通过以下技术方案实现的。
一种基于水热条件预测土壤ph的方法，包括以下操作步骤：
(1)获得待测地区的气象台编号，获得逐日历史气象数据，所述历史气象数据包括年平均降水量、≥10℃年平均积温；
(2)使用标准气象台的标准数据作为模型的初始数据，得到预测土壤ph的模型如下：
其中，y为土壤ph，α、β、γ、δ为常数，t为≥10℃年积温，t单位为℃，p为年平均降水量，p单位为mm，所述k为区域多年土壤ph常数，是水热条件综合影响下的一个常数。
具体地，所述年平均降水量p采用以下方法得到：日降水量是指每日20时至次日20时，降水量的累加值，一年内所有日降水量的累加为年降水量，多年年降水量平均值为年平均降水量p。
具体地，所述年平均≥10℃积温t采用以下方法得到：把当年大于或等于10℃持续期内的日平均温度累加起来得到的温度总和为年≥10℃积温，多年年≥10℃积温的平均值为年平均≥10℃积温t。
由以上的技术方案可知，本发明的有益效果是：
本发明提供的基于水热条件预测土壤ph的方法，基于国家标准气象台站的历史数据，使用参数少，变量简单，模型预测简单、实用，为区域地块大数据模型的建立提供数据保障，模型预测精度高。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
一种基于水热条件预测土壤ph的方法，包括以下操作步骤：
(1)获得待测地区的气象台编号，获得逐日历史气象数据，所述历史气象数据包括年平均降水量、≥10℃年平均积温；
(2)使用标准气象台的标准数据作为模型的初始数据，得到预测土壤ph的模型如下：
其中，y为土壤ph，α、β、γ、δ为常数，t为≥10℃年平均积温，t单位为℃，p为年平均降水量，p单位为mm，所述k为区域多年土壤ph常数，是水热条件综合影响下的一个常数。
在本实施例中，所述年平均降水量p采用以下方法得到：日降水量是指每日20时至次日20时，降水量的累加值，一年内所有日降水量的累加为年降水量，多年年降水量平均值为年平均降水量p。
在本实施例中，所述年平均≥10℃积温t采用以下方法得到：把当年大于或等于10℃持续期内的日平均温度累加起来得到的温度总和为年≥10℃积温，多年年≥10℃积温的平均值为年平均≥10℃积温t。
试验：
表1土壤ph及气象数据
应用spss15.0多元回归对以上数据进行验证后得出以下分析结果，见表2，
表2模型结果分析
然后对模型进行多元回归统计和方差分析，结果如表3和表4所示：
表3模型多元回归统计
表4模型方差分析
通过表2和表3回归统计可知，r2＝0.9997(r＝0.9998)，标准误差为0.0202，p＜0.01极显著相关。
通过表2可得，土壤ph预测模型的方程为：
其中，y为土壤ph值，α、β、γ、δ为常数，t为≥10℃年平均积温(℃)，p为年平均降水量(mm)，k为区域多年土壤ph常数，是水热条件综合影响下的一个常数。
以上所描述的实施例是本发明一部分实施例，而不是全部的实施例。本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。