農(nóng)田土壤有效態(tài)微量元素空間預(yù)測方法及影響因子定量分析①

喬依娜，劉洪斌

?

農(nóng)田土壤有效態(tài)微量元素空間預(yù)測方法及影響因子定量分析①

喬依娜1,2，劉洪斌3

(1 西南大學(xué)地理科學(xué)學(xué)院，重慶 400715；2 巖溶環(huán)境重慶市重點實驗室，重慶 400715；3 西南大學(xué)資源環(huán)境學(xué)院，重慶 400715)

為深入研究土壤有效態(tài)微量元素的影響因素，以重慶市江津區(qū)農(nóng)田土壤為研究對象，利用1 265個樣點數(shù)據(jù)，加入種植制度和母巖類型數(shù)據(jù)，構(gòu)建土壤微量元素的虛擬變量回歸預(yù)測模型，采用隨機森林算法，定量分析了分類變量對土壤有效態(tài)微量元素影響的相對重要性。結(jié)果表明：加入種植制度和母巖的回歸模型的擬合度高于普通線性回歸模型，對土壤有效鐵、錳、銅和鋅變異的解釋度分別提高了9.20%、38.99%、20.75% 和29.96%，并且提高了對土壤有效鐵的預(yù)測精度，但對提高土壤有效錳、銅和鋅的預(yù)測精度作用不明顯。土壤養(yǎng)分和種植制度是影響土壤有效態(tài)微量元素含量的重要因素，種植制度和母巖中，種植花椒、種植水稻和遂寧組發(fā)育的土壤對農(nóng)田有效態(tài)微量元素含量的影響相對較大。

有效態(tài)微量元素；虛擬變量；隨機森林；影響因素

土壤微量元素不僅影響植物的正常生長發(fā)育，還影響到農(nóng)產(chǎn)品的品質(zhì)和產(chǎn)量。土壤微量元素的含量主要來源是母巖，而影響其有效性的因子主要有土壤pH[1-3]、土壤有機質(zhì)含量[4-6]、土地利用方式[7-8]等。

土壤養(yǎng)分的準確預(yù)測有助于精準農(nóng)業(yè)的實施。國內(nèi)外對土壤養(yǎng)分的預(yù)測大多集中在大量元素(有機質(zhì)、堿解氮等)，方法包括地統(tǒng)計學(xué)[9]、多元線性回歸[10-11]、神經(jīng)網(wǎng)絡(luò)[12]、支持向量機[14]等。目前對于土壤微量元素的預(yù)測大多采用地統(tǒng)計學(xué)方法，在土壤微量元素影響因子的研究中，對于連續(xù)性因子(地形、土壤環(huán)境、氣候等)多采用相關(guān)分析反映其影響變化，對于分類變量(土壤類型、母巖、農(nóng)用地利用方式等)則采用基本描述性分析和方差分析反映其變化[15]。目前，量化各影響因子，特別是分類變量的相對重要性研究比較缺乏。隨機森林(random forest)是一個包含多個決策樹的分類器，能夠量化各因子的相對重要性，已經(jīng)被應(yīng)用于土壤有機碳與其影響因子的分析[16-18]。

基于目前對土壤微量元素研究的不足和新方法的優(yōu)勢，本文以重慶市江津區(qū)農(nóng)田土壤為研究對象，采用線性回歸模型，并將分類變量(母巖、種植制度)引入回歸模型預(yù)測土壤微量元素的含量，同時采用隨機森林方法定量分析土壤微量元素與影響因素之間的關(guān)系。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于重慶市西南部的江津區(qū)(105°49′ ~ 106°36′ E，28°28′ ~ 29°28′ N)，地處川東平行嶺谷褶皺區(qū)西南端，屬于丘陵低山地貌。該區(qū)屬亞熱帶季風(fēng)氣候區(qū)，年均溫為18.2℃，年平均降雨量為1 034.7 mm，年均日照時數(shù)為1 207.9 h。土壤由8種母巖(新沖積、老沖積、夾關(guān)組、蓬萊鎮(zhèn)組、遂寧組、沙溪廟組、自流井組、嘉陵江組)風(fēng)化發(fā)育而成。主要糧食作物有水稻、小麥、甘薯、玉米和各種豆類，經(jīng)濟作物主要以柑橘、花椒聞名中外。

1.2 數(shù)據(jù)來源

本研究土壤養(yǎng)分數(shù)據(jù)(有機質(zhì)(OM)、堿解氮(AN)、有效磷(AP)、速效鉀(AK)、有效鐵(Fe)、有效錳(Mn)、有效銅(Cu)、有效鋅(Zn))采用2009—2012年江津區(qū)耕地地力評價樣點和骨干樣點數(shù)據(jù)，共1 265個土壤樣點數(shù)據(jù)(圖1)。土壤有效態(tài)鐵、錳、銅、鋅采用DTPA浸提-原子吸收分光光度法測定，有機質(zhì)采用重鉻酸鉀容量法測定，堿解氮采用NaOH堿解擴散法測定，有效磷采用碳酸氫鈉浸提-鉬銻抗分光光度法測定，速效鉀采用NH4OAc浸提-火焰光度法測定。

圖1 研究區(qū)采樣點分布圖

地形因子以30 m的數(shù)字高程模型(digital elevation model，DEM)為基礎(chǔ)，通過秦承志等[19]學(xué)者編寫的簡化地形數(shù)字分析軟件Sim DTA提取研究所需要的地形因子，包括高程(ELE)、坡度(Slope)、起伏度(Relief)、比匯水面積(SCA)、匯流動力指數(shù)(SPI)、地形濕度指數(shù)(TWI)、地形粗糙指數(shù)(TRI)、相對位置指數(shù)(RPI)，計算公式及其意義詳見文獻[20]。母巖類型根據(jù)全國第二次土壤普查的調(diào)查結(jié)果，由1∶50 000的土壤圖得到江津區(qū)土壤母巖圖，種植制度是在樣點的采集時記錄所得。

1.3 數(shù)據(jù)處理與統(tǒng)計方法

方差分析用來檢驗土壤有效態(tài)微量元素與種植制度和母巖的關(guān)系，使用LSD多重比較方法，確定各組別之間土壤有效態(tài)微量元素差異的顯著性。

分類變量(種植制度和母巖)使用0，1編碼–1個虛擬變量來描述包含個類別的分類變量[21-23]，該種方法符合線性回歸模型的要求，即自變量沒有完全共線性的要求[24]。

隨機森林算法(random forest)是一種基于分類樹的新型機器學(xué)習(xí)模型，采用分類回歸樹(CART)作為元分類器，有放回地隨機抽取訓(xùn)練樣本集構(gòu)建回歸樹，并且隨機地選擇特征進行屬性分裂，對多元共線性不敏感。本研究使用隨機森林方法建模，得到各影響因子對土壤有效態(tài)微量元素的相對重要性[25]。

2 結(jié)果與討論

2.1 土壤有效態(tài)微量元素描述性統(tǒng)計

研究區(qū)土壤有效鐵含量范圍為1.01 ~ 299.00 mg/kg，有效錳含量范圍為1.58 ~ 300.00 mg/kg，有效銅含量范圍為0.07 ~ 9.98 mg/kg，有效鋅含量范圍為0.42 ~ 17.40 mg/kg。變異系數(shù)分析表明，土壤有效鐵含量具有強變異性，而有效錳、銅和鋅含量則屬于中等變異。對土壤有效態(tài)微量元素進行回歸分析，要求其必須滿足正態(tài)分布。有效鐵、錳、銅、鋅經(jīng)對數(shù)變換后滿足正態(tài)分布。

表1 土壤微量元素描述性統(tǒng)計

2.2 土壤有效態(tài)微量元素與種植制度和母巖的關(guān)系

通過方差分析檢驗種植制度和母巖兩個分類變量對土壤有效態(tài)微量元素含量的影響是否顯著，由表2可知，種植制度對土壤有效鐵、錳、銅和鋅含量具有顯著影響(<0.05)。不同作物的施肥種類和施肥量不同，可能引起土壤質(zhì)地、pH、有機質(zhì)含量等理化性質(zhì)和土壤微生物的變化，從而影響土壤有效態(tài)微量元素的含量[26]。在對綠洲土壤研究中同樣發(fā)現(xiàn)，種植方式是影響土壤有機碳含量變化的重要因素，表現(xiàn)為油菜地>普通玉米地>制種玉米地>小麥地的趨勢[27]。土壤有效態(tài)微量元素含量在水田和旱地中也表現(xiàn)出顯著的差異[28]。

表2 土壤微量元素在不同種植制度間的比較

注：表中同列不同小寫字母表示不同種植制度間土壤微量元素差異在<0.05水平顯著(LSD法)。

由表3可知，母巖對土壤有效錳、銅和鋅含量有顯著的影響(<0.05)，而土壤有效鐵含量在3種母巖之間的差異沒有達到顯著性水平(>0.05)。土壤中微量元素主要來源于母巖，母巖在分析土壤微量元素空間變異上比其他因素更為重要[29]。不同母巖發(fā)育的土壤理化性質(zhì)不同[30]，可能間接影響土壤有效態(tài)微量元素的含量。在內(nèi)蒙古地區(qū)的研究也表明母巖是影響土壤中微量元素含量的重要因素[31]。

因此，構(gòu)建預(yù)測土壤有效鐵、錳、銅和鋅含量的模型時需考慮種植制度和母巖類型的影響，構(gòu)建預(yù)測土壤有效鐵含量的模型時需要考慮種植制度的影響。

表3 土壤微量元素在不同母巖間的比較

注：表中同列不同小寫字母表示不同母巖間土壤微量元素差異在<0.05水平顯著(LSD法)。

2.3 土壤微量元素預(yù)測模型

本研究將種植制度和母巖兩個分類變量定量化，種植制度設(shè)置3個虛擬變量：以(0，0，0)代表玉米-甘薯CSc作為參照組，以(1，0，0)代表柑橘CSo，以(0，1，0)代表花椒CSp，以(0，0，1)代表水稻CSr；母巖設(shè)置兩個虛擬變量：以(0，0)代表自流井組PMt為參照組，以(1，0)代表沙溪廟組PMr，以(0，1)代表遂寧組PMp。采用逐步回歸的方法，分別建立一般多元線性回歸和基于種植制度和母巖的多元線性回歸兩種模型預(yù)測土壤有效態(tài)微量元素，兩種預(yù)測模型的參數(shù)如表4所示。

對于虛擬變量，必須保證同時進入方程，當其中一個虛擬變量具有統(tǒng)計學(xué)意義時，整個變量才具有統(tǒng)計學(xué)意義[21]。母巖對土壤有效鐵含量的影響不顯著，因此構(gòu)建其逐步回歸模型中沒有加入母巖的虛擬變量。

模型的擬合度采用決定系數(shù)(2) 表示，2表示模型對土壤有效態(tài)微量元素變異的解釋程度，其值越大，表明模型的擬合度越好。在預(yù)測變量中加入虛擬變量(種植制度、母巖)后，土壤有效鐵、錳、銅和鋅含量的預(yù)測模型擬合度均有提高，其中有效錳含量的預(yù)測相對于沒有加入分類變量時的模型擬合度提高了38.99%。

隨機選取400個驗證點驗證模型的精度(表5)，結(jié)果發(fā)現(xiàn)，加入種植制度的回歸模型對有效鐵含量的預(yù)測精度有提高，平均誤差(ME)和均方根誤差(RMSE)都低于普通多元線性回歸模型。基于種植制度和母巖的模型對土壤有效錳、銅和鋅的預(yù)測，平均誤差(ME)和均方根誤差(RMSE)沒有一致的升高或降低的趨勢。說明加入種植制度和母巖對提高土壤有效錳、銅和鋅含量的預(yù)測精度效果不明顯。而模型的2都有提高，可能由于研究區(qū)內(nèi)土壤有效態(tài)微量元素的變異性較大，而驗證集的選擇是隨機的。

2.4 土壤微量元素主要影響因子重要性評價

總的來說，土壤養(yǎng)分和種植制度對土壤有效鐵和有效錳的作用較大，影響土壤有效銅和有效鋅含量的因素除了土壤養(yǎng)分和種植制度，還有地形因素(圖2)。其中，土壤pH、種植水稻和土壤有機質(zhì)含量是影響土壤有效鐵含量的主要因子，土壤pH、種植花椒和土壤有機質(zhì)含量是影響土壤有效錳含量的主要因子，土壤有機質(zhì)含量、海拔和土壤pH是影響土壤有效錳含量的主要因子，土壤pH、土壤堿解氮含量和種植柑橘是影響土壤有效鋅含量的主要因子。

表4 土壤微量元素預(yù)測模型的偏回歸系數(shù)

注：表中“–”表示變量未進入模型，ELE表示海拔，Slope表示坡度，TWI表示地形濕度指數(shù)，TRI表示地形粗糙指數(shù)，SPI表示匯流動力指數(shù)，SCA表示比匯水面積，RPI表示相對位置指數(shù)，Relief表示起伏度，SOM表示有機質(zhì)，AN表示堿解氮，AP表示有效磷，AK表示速效鉀，PMr表示沙溪廟組，PMp表示遂寧組，CSo表示種植柑橘，CSp表示種植花椒，CSr表示種植水稻；下同。

表5 土壤微量元素預(yù)測模型的精度比較

土壤pH對土壤有效鐵、錳、鋅含量有很明顯的作用，土壤有機質(zhì)對土壤有效銅的作用相對更為重要。先前的研究也表明，土壤pH與土壤有效態(tài)微量元素含量呈顯著的負相關(guān)關(guān)系[32]，這可能是因為有效態(tài)微量元素的溶解度隨土壤pH的升高而降低，土壤pH也影響土壤對微量元素的吸附和固定。一般土壤有機質(zhì)含量較高，有利于土壤微量元素的活化，并且有機質(zhì)具有較強的代換能力，避免了元素的流失。研究也發(fā)現(xiàn)，有機質(zhì)與有效鋅、鐵均存在正顯著相關(guān)關(guān)系，說明土壤有機質(zhì)與他們的關(guān)系穩(wěn)定且緊密[33-34]。

量化分類變量對土壤微量元素的重要程度(圖3)，發(fā)現(xiàn)種植水稻和花椒對土壤有效鐵含量的作用明顯；種植花椒對土壤有效錳含量的作用明顯；相對于其他3種種植制度，種植花椒對土壤有效銅含量的作用較為明顯；4種種植制度對土壤有效鋅含量的作用相當。產(chǎn)生這種變化的原因可能是花椒地的施肥以及種植年限所致，有研究發(fā)現(xiàn)短期花椒種植有利于土壤活性有機碳的增加，而長期種植則降低了土壤耕作層土壤活性碳的含量[35]。水稻土長期的氧化還原交替和水耕熟化過程有利于有機質(zhì)的積累以及土壤微生物群落結(jié)構(gòu)的變化[36]。本研究發(fā)現(xiàn)母巖對土壤有效態(tài)微量元素含量的影響以遂寧組作用相對較強，自流井組作用相對較弱。

圖2 影響因子相對重要性排序

圖3 種植制度和母巖對土壤微量元素的相對重要性

因此，江津區(qū)農(nóng)田土壤有效態(tài)微量元素在花椒地、水稻田和自流井組發(fā)育的土壤中較為敏感，在田間管理時應(yīng)當重視這3類因素。

3 結(jié)論

1)種植制度對土壤有效鐵、錳、銅和鋅的含量有顯著的影響，母巖對土壤有效錳、銅和鋅的含量有顯著的影響。基于種植制度和母巖的土壤有效態(tài)微量元素回歸模型的擬合度高于普通多元線性回歸模型。

2)種植制度中，種植花椒和種植水稻對農(nóng)田土壤有效態(tài)微量元素含量影響較大，母巖中，遂寧組發(fā)育的土壤對農(nóng)田土壤有效態(tài)微量元素含量影響較大。

[1] Bang J, Hesterberg D. Dissolution of trace element contaminants from two coastal plain soils as affected by pH[J]. Journal of Environmental Quality, 2004, 33(3): 891–901

[2] 于君寶, 王金達, 劉景雙, 等. 典型黑土pH值變化對微量元素有效態(tài)含量的影響研究[J]. 水土保持學(xué)報, 2002, 16(2): 93–95

[3] 鄧小, 張瑤, 田峰, 等. 湘西州植煙土壤pH和中微量元素分布及其相關(guān)關(guān)系[J]. 煙草科技, 2017, 50(5): 24-30

[4] 李海峰, 曾凡江, 桂東偉, 等. 不同利用強度下綠洲農(nóng)田土壤微量元素有效含量特征[J]. 生態(tài)學(xué)報, 2012, 32(6): 1803–1810

[5] Mitsimponas T. Nutrients and trace elements of arable soils rich in organic matter[J]. Communications in Soil Science & Plant Analysis, 2005, 36(4/5/6): 403–414

[6] Gangloff S, Stille P, Pierret M C, et al. Characterization and evolution of dissolved organic matter in acidic forest soil and its impact on the mobility of major and trace elements (case of the Strengbach watershed)[J]. Geochi-mica Et Cosmochimica Acta, 2014, 130(4): 21–41

[7] 宋豐驥, 常慶瑞, 鐘德燕, 等. 黃土丘陵溝壑區(qū)土壤微量元素空間變異特征及其影響因素[J]. 干旱地區(qū)農(nóng)業(yè)研究, 2012, 30(1): 36–42

[8] 劉永紅, 倪中應(yīng), 謝國雄, 等. 浙西北丘陵區(qū)農(nóng)田土壤微量元素空間變異特征及影響因子[J]. 植物營養(yǎng)與肥料學(xué)報, 2016, 22(6): 1710–1718

[9] 張彬, 楊聯(lián)安, 楊粉莉, 等. 蘋果主產(chǎn)區(qū)土壤養(yǎng)分空間分布特征及其影響因素——以陜西省禮泉縣為例[J]. 土壤, 2016, 48(4): 777–784

[10] Hengl T, Heuvelink G B M, Stein A. A generic framework for spatial prediction of soil variables based on regression-kriging[J]. Geoderma, 2004, 120(2): 75–93

[11] Kim D, Zheng Y B. Scale-dependent predictability of DEM-based landform attributes for soil spatial variability in a coastal dune system[J]. Geoderma, 2011, 164(4): 181– 194

[12] 張國平, 郭澎濤, 王正銀, 等. 紫色土丘陵地區(qū)農(nóng)田土壤養(yǎng)分空間分布預(yù)測[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(6): 113–120

[13] Mouazen A M, Kuang B, Baerdemaeker J D, et al.Comparison among principal component, partial least squares and back propagation neural network analyses for accuracy of measurement of selected soil properties with visible and near infrared spectroscopy[J]. Geoderma, 2010, 158(1): 23–31

[14] 紀文君, 李曦, 李成學(xué), 等. 基于全譜數(shù)據(jù)挖掘技術(shù)的土壤有機質(zhì)高光譜預(yù)測建模研究[J]. 光譜學(xué)與光譜分析, 2012, 32(9): 2393–2398

[15] 李珊, 李啟權(quán), 張浩, 等. 瀘州植煙土壤有效態(tài)微量元素含量空間變異及其影響因素[J]. 土壤, 2016, 48(6): 1215–1222

[16] Were K, Bui D T, Dick ? B, et al. A comparative assessment of support vector regression,artificial neural networks, and random forests for predicting and mapping soil organic carbon stocks across an afromontane landscape[J]. Ecological Indicators, 2015, 52: 394–403

[17] Wiesmeier M, Barthold F, Sp?rlein P, et al. Estimation of total organic carbon storage and its driving factors in soils of Bavaria(southeast Germany)[J].Geoderma Regional, 2014, 1: 67–78

[18] 郭澎濤, 李茂芬, 羅微, 等. 基于多源環(huán)境變量和隨機森林的橡膠園土壤全氮含量預(yù)測[J]. 農(nóng)業(yè)工程學(xué)報, 2015, 31(5): 194–202

[19] 秦承志, 盧巖君, 包黎莉, 等. 簡化數(shù)字地形分析軟件(SimDTA)及其應(yīng)用—— 以嫩江流域鶴山農(nóng)場區(qū)的坡位模糊分類為例[J]. 地球信息科學(xué)學(xué)報, 2009, 11(6): 737–743

[20] Moore I D, Grayson R B, Ladson A R. Digital terrain modeling: A review of hydrological, geomorphological and biological applications[J]. Hydrological Processes, 1991, 5(1): 3–30

[21] 梅麗莎A 海蒂. 虛擬變量回歸[M]. 上海: 格致出版社, 2012

[22] 王苗苗, 陳洪松, 付同剛, 等. 典型喀斯特小流域不同植被類型間土壤養(yǎng)分的差異性及其空間預(yù)測方法[J]. 應(yīng)用生態(tài)學(xué)報, 2016, 27(6): 1789–1766

[23] Guo P T, Li M F, Luo W, et al. Digital mapping of soil organic matter for rubber plantation at regional scale: An application of random forest plus residuals kriging approach[J]. Geoderma, 2015, 237/238: 49–59

[24] Mora-Vallejo A, Claessens L, Stoorvogel J, et al. Small scale digital soil mapping in Southeastern Kenya[J]. CATENA, 2008, 76(1): 0–53

[25] 郭乃嘉, 史學(xué)正, 趙永存, 等. 人為與環(huán)境因子對農(nóng)田土壤有機質(zhì)影響的比較研究——以典型黑土區(qū)和水稻土區(qū)為例[J]. 土壤學(xué)報, 2016, 53(5): 1097–1106

[26] 郭榮發(fā), 楊杰文. 成土母質(zhì)和種植制度對土壤pH和交換性鋁的影響[J]. 生態(tài)學(xué)報, 2004, 24(5): 984–990

[27] 張俊華, 李國棟, 南忠仁, 等. 耕作歷史和種植制度對綠洲農(nóng)田土壤有機碳及其組分的影響[J]. 自然資源學(xué)報, 2012, 27(2): 196–203

[28] 王昌全, 李冰, 龔斌, 等. 西昌市土壤Fe、Mn、Cu、Zn有效性評價及其影響因素分析[J]. 土壤通報, 2010, 41(2): 447–451

[29] Tao S, Cao J, Li B G, et al. Distribution pattern of trace elements in soil from Shenzhen area[J]. Acta Pedologica Sinica, 2001, 38(2): 248–255

[30] 徐尚平, 陶澍, 徐福留, 等. 內(nèi)蒙土壤微量元素含量的空間結(jié)構(gòu)特征[J]. 地理學(xué)報, 2000, 55(3): 337–345

[31] 姜坤, 秦海龍, 盧瑛, 等. 廣東省不同母質(zhì)發(fā)育土壤顆粒分布的分形維數(shù)特征[J]. 水土保持學(xué)報, 2016, 30(6): 319–324

[32] Mehdi N, Seied M H, Hossein A B, et al. Using fuzzy clustering algorithms to describe the distribution of trace elements in arable calcareous soils in northwest Iran[J]. Archives of Agronomy & Soil Science, 2013, 59(3): 435–448

[33] 章程, 謝運球, 呂勇, 等.廣西弄拉峰叢山區(qū)土壤有機質(zhì)與微量營養(yǎng)元素有效態(tài)[J]. 中國巖溶, 2006, 25(1): 63–66

[34] 廖琴, 南忠仁, 王勝利, 等.干旱區(qū)綠洲農(nóng)田土壤微量元素有效態(tài)含量空間分布特征[J]. 環(huán)境科學(xué)研究, 2011, 24(3): 990–993

[35] 張文娟, 廖洪凱, 龍健, 等. 種植花椒對喀斯特石漠化地區(qū)土壤有機碳礦化及活性有機碳的影響[J]. 環(huán)境科學(xué), 2015(3): 1053–1059

[36] 包麗君, 賈仲君. 模擬干濕交替對水稻土古菌群落結(jié)構(gòu)的影響[J]. 土壤學(xué)報, 2017, 54(1): 191–203

Spatial Prediction of Soil Available Microelement Contents and Quantitative Analysis of Influential Factors in Farmland

QIAO Yina1,2, LIU Hongbin3

(1School of Geographical Sciences, Southwest University, Chongqing 400715, China; 2Chongqing Key Laboratory of Karst Environment, Chongqing 400715, China; 3 College of Resource and Environment, Southwest University, Chongqing 400715, China)

To further explore the influential factors of soil available microelements, the farmland soils in in Jiangjin of Chongqing were taken as the study objects, the data of 1 265 sampling sites, together with cropping systems and parent rock types, were used to construct the regression model of soil microelements and random forest model (RF) was used to quantitatively analyze the relative importance of influential factors of soil available microelements. The results showed that the prediction model with the cropping system and the parent rock type was higher than the conventional regression model, the fitting degrees (2) of available Fe, Mn, Cu and Zn were increased by 9.20%, 38.99%, 20.75% and 29.96%, respectively, compared with the conventional regression model. The prediction accuracy was improved for soil available Fe, but not for available Mn, Cu and Zn. Soil nutrients and cropping system were relatively important for the contents of available microelements in farmlands, and among of them, the effects of pepper and rice planting as well as soils derived from Suining Formation were relatively important. This study could provide theoretical and scientific bases for reasonable fertilization and management of Jiangjin farmlands.

Soil available microelements; Dummy variable; Random forest model; Influential factors

重慶市研究生科研創(chuàng)新項目(CYB18073)和重慶市院士專項(cstc2018jcyj-yszx0013)資助。

喬依娜(1990—)，女，寧夏銀川人，博士研究生，主要從事土壤景觀模型、巖溶環(huán)境與水資源研究。E-mail: tmacqyn@hotmail.com

10.13758/j.cnki.tr.2019.02.026

S159

A