杭州市农田土壤锰形态特征分布及其神经网络预测模型研究OA

土壤中金属元素的形态决定了其环境功能与效应,开发基于现有土壤性质的金属元素形态预测方法是扩充土壤数据信息、减少检测指标数量的重要途径,对基于有限信息的土壤数据挖掘具有重要意义。本研究以锰这一土壤中重要的微量元素与氧化还原活性物质为金属元素的代表,通过选取杭州市区的农田表层土壤为研究对象,分析了总计29个不同样点的土壤样品,获得了土壤有机质(SOM)、pH、总锰、阳离子交换量(CEC)等指标数据,并采用经典的Tessier连续提取法测定了土壤中的5种锰形态(离子交换态、碳酸盐结合态、铁锰氧化物结合态、有机物及硫化物结合态和残渣态锰),最后采用神经网络的权重分析法,对锰形态进行了以土壤理化性质为变量的预测。研究结果表明,杭州市土壤总锰含量均值为1.46 g·kg^(–1),高于浙江省土壤背景值;锰形态含量依次为铁锰氧化物结合态和残渣态,其次是有机物及硫化物结合态、离子交换态和碳酸盐结合态。空间分布特征显示,离子交换态和碳酸盐结合态呈现由北向南递减的“层状”结构。除残渣态外,其余锰形态间多呈显著正相关。理化因子中,pH与各种锰的形态相关性最强,尤其与离子交换态和碳酸盐结合态呈极显著负相关性;CEC与碳酸盐结合态及有机物及硫化物结合态呈显著正相关;土壤有机质含量与各种锰的形态无显著相关性。神经网络多参数模拟结果表明总锰、pH和CEC可以达到最好的预测效果,其决定系数R^(2)从0.41提升至0.85,拟合误差从65%降低至16%。研究建立的神经网络多参数模拟方法为土壤常规普查数据的深度挖掘提供了可行思路,为快速估算特定金属形态的含量提供了可行路径。