本发明涉及一种土壤有机碳空间变异性解析的多尺度关联分析方法及土壤有机碳的预测方法，属于土壤科学。
背景技术：
1、土壤有机碳soc是陆地生态系统中最大的碳库之一，对全球碳循环和气候变化具有重要影响。因此，准确掌握土壤有机碳soc的空间分布特征对于农业管理、生态保护和气候变化研究具有重要意义。然而，土壤有机碳soc的空间分布是复杂和异质的，由于土壤形成过程、地理条件和管理实践的多样性，其在不同尺度上表现出显著的空间变异性。这种变异性使得土壤有机碳soc的预测和制图面临巨大的挑战，迫切需要更先进的分析方法来揭示土壤有机碳soc与环境变量之间的复杂关系。
2、现有研究在分析土壤有机碳soc空间变异性及其与环境变量的关系时，多采用全局分析方法，如皮尔逊相关分析和传统回归模型。这些方法虽然在一定程度上揭示了土壤有机碳soc与环境变量的关联，但往往忽视了空间异质性。它们假设环境变量对土壤有机碳soc的影响在研究区域内是均匀的，未能捕捉到局部区域内可能存在的显著相关性或影响因素，这可能掩盖了土壤有机碳soc在小尺度或特定区域内的复杂动态。例如，地形变化、微气候差异和土地管理实践等因素在局部区域可能对土壤有机碳soc有显著影响，但这些影响在全局尺度分析中往往被忽略。因此，有必要开发一种结合全局和局部分析的多尺度分析框架，以更好地揭示环境变量在土壤有机碳soc变异解释中的作用，并为土壤有机碳soc制图提供一种有效的变量选择方法。
3、因此，现有研究未能充分揭示土壤有机碳soc的空间分布规律和驱动机制，限制对土壤碳循环过程的深入理解。
4、公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。
技术实现思路
1、本发明要解决的技术问题是：如何系统性地揭示土壤有机碳soc与环境变量之间在不同空间尺度上的复杂关系，同时有效识别并捕捉在全域范围内可能不呈现显著相关性，但在局部区域或特定条件下却具有强烈相关性的环境变量的问题。
2、为解决上述技术问题，本发明是采用下述技术方案实现的：
3、第一方面，本发明提供一种土壤有机碳空间变异性解析的多尺度关联分析方法，包括：
4、采集研究区内多个土壤样本，测定土壤样本中的土壤有机碳soc含量；
5、获取研究区内的多源数据，从所述多源数据中提取环境变量；所述多源数据包括基础地理数据、地形数据、遥感数据，所述环境变量包括地形因子、区位条件、景观格局、遥感光谱指数；
6、确定土壤有机碳soc含量与每个环境变量之间的相关系数和显著性，分析土壤有机碳soc含量与每个环境变量之间的全局相关性，获得全局相关环境变量和全局不相关环境变量；
7、根据全局相关环境变量和全局不相关环境变量以及每个土壤样本的地理权重确定地理加权相关系数，分析土壤有机碳soc含量与每个环境变量之间的局部相关性，获得局部相关性环境变量；
8、根据局部相关性环境变量的方差膨胀因子和容差，对局部相关性环境变量进行多重共线性判断，删除存在多重共线性的局部相关性环境变量，获得不存在多重共线性的环境变量；
9、基于每个土壤样本点的空间权重以及不存在多重共线性的环境变量的有效带宽，利用多尺度地理加权回归模型mgwr对土壤有机碳soc含量与不存在多重共线性的环境变量进行拟合，获得不存在多重共线性的环境变量的局部标准化回归系数；
10、根据不存在多重共线性的环境变量的局部标准化回归系数，确定对土壤有机碳soc具有显著局部影响的环境变量；
11、根据全局相关环境变量、全局不相关环境变量、局部相关性环境变量以及具有显著局部标准化回归系数的环境变量，进行环境变量影响尺度的综合分析，解析土壤有机碳soc含量的空间异质性。
12、进一步地，确定土壤有机碳soc含量与每个环境变量之间的相关系数和显著性，分析土壤有机碳soc含量与每个环境变量之间的全局相关性，获得全局相关环境变量和全局不相关环境变量的方法，包括：
13、使用斯皮尔曼相关分析方法，计算土壤有机碳soc含量与每个环境变量之间的相关系数；
14、根据土壤有机碳soc含量与每个环境变量之间的相关系数进行统计显著性检验确定土壤有机碳soc含量与每个环境变量之间的显著性；
15、根据土壤有机碳soc含量与每个环境变量之间的相关系数和显著性，分析土壤有机碳soc含量与每个环境变量之间的全局相关性，获得全局相关环境变量和全局不相关环境变量。
16、进一步地，根据全局相关环境变量和全局不相关环境变量以及每个土壤样本的地理权重确定地理加权相关系数，分析土壤有机碳soc含量与每个环境变量之间的局部相关性，获得局部相关性环境变量的方法，包括：
17、使用高斯核函数确定每个土壤样本的地理权重；
18、根据每个土壤样本的地理权重，计算不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差以及不同空间位置的土壤有机碳soc含量的地理加权标准差和每个环境变量的地理加权标准差；
19、根据不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差以及不同空间位置的土壤有机碳soc含量的地理加权标准差和每个环境变量的地理加权标准差计算不同空间位置的地理加权相关系数；
20、根据全局相关环境变量和全局不相关环境变量和所述地理加权相关系数，分析土壤有机碳soc含量与每个环境变量之间的局部相关性，获得局部相关性环境变量。
21、进一步地，计算不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差以及不同空间位置的土壤有机碳soc含量的地理加权标准差和每个环境变量的地理加权标准差；
22、其中，将不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差表示为：
23、；
24、式中，为不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差值；和分别为位置i上环境变量的等级和位置i上土壤样本中土壤有机碳soc的等级；和分别为位置j上环境变量的等级和位置j上土壤样本中土壤有机碳soc的等级；和分别为位置i上环境变量的地理加权平均等级和位置i上土壤样本中土壤有机碳soc的地理加权平均等级；为第个位置的样本对第个位置样本的地理权重，为土壤样本总数。
25、将不同空间位置的每个环境变量的地理加权标准差表示为：
26、；
27、将土壤有机碳soc含量的地理加权标准差表示为：
28、；
29、式中，和分别为不同空间位置上每个环境变量的地理加权标准差值和土壤有机碳soc含量的地理加权标准差值。
30、进一步地，根据不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差以及不同空间位置的土壤有机碳soc含量的地理加权标准差和每个环境变量的地理加权标准差计算不同空间位置的地理加权相关系数，将不同空间位置的地理加权相关系数表示为：
31、；
32、式中，为不同空间位置的地理加权相关系数值。
33、进一步地，根据局部相关性环境变量的方差膨胀因子和容差，对局部相关性环境变量进行多重共线性判断，删除存在多重共线性的局部相关性环境变量，获得不存在多重共线性的环境变量的方法，包括：
34、通过回归分析方法确定局部相关性环境变量的方差膨胀因子和容差，当方差膨胀因子大于5，容差小于0.2，表示局部相关性环境变量存在多重共线性，删除存在多重共线性的局部相关性环境变量，获得不存在多重共线性的环境变量。
35、进一步地，基于每个土壤样本的空间权重以及不存在多重共线性的环境变量的有效带宽，利用多尺度地理加权回归模型mgwr对土壤有机碳soc含量与不存在多重共线性的环境变量进行拟合，获得不存在多重共线性的环境变量的局部标准化回归系数的方法，包括：
36、使用高斯核函数对每个土壤样本进行空间权重加权，获得每个土壤样本的空间权重；
37、使用赤池信息量准则aic或贝叶斯信息量准则bic确定不存在多重共线性的环境变量的有效带宽；
38、基于所述空间权重和所述有效带宽，使用多尺度地理加权回归模型mgwr对土壤有机碳soc含量与不存在多重共线性的环境变量进行拟合，根据多尺度地理加权回归模型mgwr的拟合结果，计算不存在多重共线性的环境变量的局部标准化回归系数。
39、进一步地，将所述多尺度地理加权回归模型mgwr表示为：
40、；
41、式中，为土壤样本的因变量；为土壤样本的第个环境变量；为第个环境变量的回归方程环境变量的差异化带宽；为变量总个数；为土壤样本所在的空间位置坐标；截距项，随空间位置变化；为土壤样本所在的空间位置坐标处的第个变量的回归系数；为随机误差项。
42、进一步地，根据多尺度地理加权回归模型mgwr的拟合结果，计算不存在多重共线性的环境变量的局部标准化回归系数的方法，包括：
43、通过加权最小二乘法估计不存在多重共线性的环境变量的局部标准化回归系数；
44、将不存在多重共线性的环境变量的局部标准化回归系数进行统计显著性检验，并进行空间可视化，确定对土壤有机碳soc具有显著局部影响的环境变量。
45、第二方面，本发明还提供了一种土壤有机碳的预测方法，根据第一方面所述的土壤有机碳空间变异性解析的多尺度关联分析方法的分析结果选择环境变量，进行土壤有机碳的预测。
46、与现有技术相比，本发明所达到的有益效果：
47、本发明提出了一种创新的多尺度关联分析方法，用于解析土壤有机碳soc的空间变异性。该方法融合了斯皮尔曼相关分析、地理加权相关分析与多尺度地理加权回归模型mgwr，旨在捕捉土壤有机碳soc在不同空间尺度上的分布特征，并优化环境变量的选择，以提升土壤有机碳soc制图模型的泛化能力。通过斯皮尔曼相关分析，本发明首先揭示了环境变量与soc在全局的关系。其次，通过地理加权相关分析，深入探索了土壤有机碳soc与环境变量在不同空间位置的局部相关性，揭示了环境变量在不同区域的独特影响。随后，多尺度地理加权回归模型mgwr的引入，充分考虑了空间异质性和不同环境变量在多尺度上的影响差异，有效解决了传统方法对局部空间关系解释不足的问题。
48、本发明系统性地揭示了土壤有机碳soc与环境变量之间在不同空间尺度上的复杂关系，同时有效识别并捕捉了在全局范围内可能不呈现显著相关性，但在局部区域或特定条件下却具有强烈相关性的环境变量。
1.一种土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，包括：
2.根据权利要求1所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，确定土壤有机碳soc含量与每个环境变量之间的相关系数和显著性，分析土壤有机碳soc含量与每个环境变量之间的全局相关性，获得全局相关环境变量和全局不相关环境变量的方法，包括：
3.根据权利要求1所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，根据全局相关环境变量和全局不相关环境变量以及每个土壤样本的地理权重确定地理加权相关系数，分析土壤有机碳soc含量与每个环境变量之间的局部相关性，获得局部相关性环境变量的方法，包括：
4.根据权利要求3所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，计算不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差以及不同空间位置的土壤有机碳soc含量的地理加权标准差和每个环境变量的地理加权标准差；
5.根据权利要求4所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，根据不同空间位置的土壤有机碳soc含量与每个环境变量之间的地理加权协方差以及不同空间位置的土壤有机碳soc含量的地理加权标准差和每个环境变量的地理加权标准差计算不同空间位置的地理加权相关系数，将不同空间位置的地理加权相关系数表示为：
6.根据权利要求1所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，根据局部相关性环境变量的方差膨胀因子和容差，对局部相关性环境变量进行多重共线性判断，删除存在多重共线性的局部相关性环境变量，获得不存在多重共线性的环境变量的方法，包括：
7.根据权利要求1所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，基于每个土壤样本的空间权重以及不存在多重共线性的环境变量的有效带宽，利用多尺度地理加权回归模型mgwr对土壤有机碳soc含量与不存在多重共线性的环境变量进行拟合，获得不存在多重共线性的环境变量的局部标准化回归系数的方法，包括：
8.根据权利要求7所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，将所述多尺度地理加权回归模型mgwr表示为：
9.根据权利要求7所述的土壤有机碳空间变异性解析的多尺度关联分析方法，其特征在于，根据多尺度地理加权回归模型mgwr的拟合结果，计算不存在多重共线性的环境变量的局部标准化回归系数的方法，包括：
10.一种土壤有机碳的预测方法，其特征在于，根据权利要求1所述的土壤有机碳空间变异性解析的多尺度关联分析方法的分析结果选择环境变量，进行土壤有机碳的预测。
