李键,薛澄,2,杨扬,谢梦姣,彭正萍,2,王洋,2

(1.河北农业大学资源与环境科学学院/河北省农田生态环境重点实验室,河北保定 071000;2.河北农业大学国土资源学院,河北保定 071000)

土壤呼吸是全球土壤碳循环的重要组成部分,其空间异质性不仅能指示土壤微生物和理化性质的变化特征,还对估算区域碳收支起到重要作用。地统计学通过空间自相关作用揭示土壤属性变量的空间异质性,解释空间格局对生态过程与功能的影响[1]。此外,还能减少取样的不确定性和降低调查成本,其中普通克里金法已广泛用于土壤属性空间异质性研究[2],但其存在插值因子单一、不够精确的缺点[3]。协同克里金法则根据与主变量之间的逻辑关系和相关性引入多辅助变量,尤其当辅助变量与主变量高度相关时,协同克里金法在减少误差方面明显优于普通克里金法[4]。Golden等[5]对铅污染空间变异研究表明协同克里金法较普通克里金法均方根误差提高28.97%,王汉东等[6]在三峡区间面雨量插值研究表明协同克里金法较普通克里金法平均绝对误差提高19.28%,均方根误差提高10.25%。土壤呼吸具有较强的时空变异性[7],但应用地统计学方法预测土壤呼吸空间变异的研究较少,利用辅助变量提高土壤呼吸空间变异预测精度和有效性的研究仅在耕地进行了有限的探索[8],草地、林地等具有强大碳捕获潜力的土地利用类型中也亟待进一步开展更多实践。

基于辅助变量的协同克里金法可提高土壤呼吸预测精度。……