陈宣强,赵明松,卢宏亮,等.基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究[J].地理科学,2023,43(1):173-183.[ChenXuanqiang,ZhaoMing-song,LuHongliangetal.ComparisonandanalysisofspatialpredictionandspatialvariabilityofsoilpHinAnhuiProvincebasedonthreekindsofgeographicallyweightedregression.ScientiaGeographicaSinica,2023,43(1):173-183.]doi:10.13249/j.cnki.sgs.2023.01.018基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究陈宣强1,2,3，赵明松1,2,3，卢宏亮1，徐少杰1，邱士其1，胡克宏1（1.安徽理工大学空间信息与测绘工程学院，安徽淮南232001；2.矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室，安徽淮南232001；3.矿区环境与灾害协同监测煤炭行业工程研究中心，安徽淮南232001）摘要：基于安徽省140个采样点的土壤pH数据，综合考虑土壤、地形、气候、生物等因子对土壤pH的影响，采用地理加权回归（GeographicallyWeightedRegression,GWR）、主成分地理加权回归（PrincipalComponentGeographic-allyWeightedRegression,PCA-GWR）和混合地理加权回归（MixedGeographicallyWeightedRegression,M-GWR）3种模型对安徽省土壤pH空间分布进行建模预测，揭示环境因子对土壤pH的影响在空间上的差异，最后以多元线性回归模型（MultipleLinearRegression,MLR）为基准比较3种GWR模型的精度。研究表明：①安徽省土壤pH具有空间异质性，且集聚特征明显。②3种GWR模型中M-GWR模型略优，GWR、PCA-GWR和M-GWR的建模集调整后决定系数（Radj2）分别为0.59、0.62和0.63；对比MLR模型，3种GWR模型的Radj2分别提升了23%、31%和35%。M-GWR生成的预测图在空间上过渡平滑，建模效果稳定，其预测结果表明安徽省淮河以北地区多为碱性土壤，长江以南多为中性或酸性土壤，符合“南酸北碱”特征。③GWR及其改进模型可以有效地预测土壤pH属性，反映环境因子在不同空间位置上对土壤pH的影响程度，而M-GWR兼具变量作用的全局性和和局部性，进而提升了模型解释能力，为大区域数字土壤制图提供了重要的参考方法。关键词：土壤pH；地理加权回归；数字土壤制图；安徽省中图分类号：S159.9文献标识码：A文章编号：1000-0690(2023)01-0173-11土壤是成土因素综合作用的产物[1-2]。Jenny等[1]对土壤与成土因素之间的关系进行研究，将土壤描述为气候、生物、地形、母质和时间的函数；McBrat-ney等[2]在此基础上将土壤本身和空间位置加入...
