共查询到19条相似文献，搜索用时 218 毫秒
1.
基于分类树方法的土壤有机质空间制图研究 总被引：6，自引：0，他引：6
以浙江省龙游县研究区为例 ,提供了一种推断和表达土壤有机质 (OM)含量空间分布信息的方法 ,通过一种数据挖掘方法———分类树建模方法将土壤OM含量与一些易于广泛观测的景观属性 ,包括地形、地质、土地利用和遥感影像建立联系 ,从而将有关土壤OM含量分布的知识转入一种清楚的、定量的、与景观因子相关联的规则系统中 ,并以此来预测研究区土壤OM水平的连续空间分布。树分析选取了高程、岩石类型、土属类型、PC4 、PC2 、土地利用类型、PC3、PC1、上坡贡献面积、坡度、坡向、平面曲率和剖面曲率来预测研究区土壤OM等级的分布。其中 ,高程、岩石类型、土属类型和反映植被覆盖度的PC4 、PC2 以及土地利用类型对于研究区土壤OM等级预测更为重要。从分析结果来看 ,依据分类树所划分出的景观类型与土壤OM含量有着较好的关联性 相似文献
2.
以河南省封丘县为研究区，利用反距离加权插值法研究了农田土壤重金属Cd、Cu、Cr、Pb、Zn和As的空间分布特征；同时，应用基于地理探测器模型定量研究了8个因子对土壤重金属空间分布的影响。结果表明：研究区土壤Cd、Cr、Pb和Zn含量超过了黄河下游潮土背景值，而Cu和As含量低于黄河下游潮土背景值；其中有极少量样点Cd含量超过农用地土壤污染风险筛选值，而其他均未超标。在空间分布上，Cd、Cr、Pb含量的高值区分别主要分布在研究区中部、西南部和北部，As含量的高值区分布在研究区北部和西南部，Cu和Zn含量的高值区在研究区南北方向呈带状分布。Cd、Pb和As含量的低值区主要分布在研究区南部，Cr、Cu、Zn和As含量的低值区主要分布在研究区中部。地理探测器分析表明，土壤重金属空间分布受到自然因子和人为因子的共同作用，有机质含量是影响较大的自然因子，人口密度是影响较大的人为因子。两因子之间的交互作用均大于单因子的作用，其中有机质含量与各因子的交互作用对重金属空间分布的影响较显著。 相似文献
3.
基于决策树和图层叠置的精准农业产量图分析方法 总被引：7，自引：1，他引：6
作物产量限制因子的提取是精准农业变量施肥的重要环节之一。决策树和GIS图层叠置方法研究结果表明,土壤有机质始终占据决策树全部知识规则的第一次分支,起着重要的决定性作用,其次为速效磷和碱解氮;产量空间分布与有机质、碱解氮、速效磷高度吻合,平均吻合度分别达到91%、83%和49%。土壤有机质、速效磷和碱解氮含量是宁夏暖泉农场小麦产量主要限制因子,提高土壤有机质含量是提高单产的重要措施。结论得到生产实际验证,说明运用决策树和GIS图层叠置分析方法挖掘产量限制因子在技术上可行。 相似文献
4.
基于随机森林模型的安徽省土壤属性空间分布预测 总被引：10，自引：3，他引：7
为探讨随机森林(random forest,RF)模型对土壤属性空间预测的精度,本文以安徽省为例,收集140个土壤样本,利用GIS和RS技术,获取相关的地形因子、遥感植被指数及气候数据,利用RF模型分析土壤有机碳(SOC)含量、土壤容重和土壤黏粒含量与地形因子、遥感植被指数及气候数据之间的关系,并进行空间分布预测。研究结果表明:①RF建模预测中,当节点分裂次数(mtry)值为1,决策树数量(ntree)值分别为100、1 000和100时,获得的SOC含量、土壤容重和土壤黏粒含量RF模型最优;②高程、归一化植被指数(NDVI)、地貌、多尺度山谷平坦指数(MrVBF)和土壤类型是SOC含量的重要预测因子;地貌、年均降水量(MAP)、MrVBF、高程和土壤类型是土壤容重的重要预测因子;高程、MAP、MrVBF和平面曲率是土壤黏粒含量的重要预测因子;③RF模型可以较好地进行土壤属性空间预测,多源环境变量组合可以分别解释SOC含量、土壤容重和土壤黏粒含量的26%、23%和22%;同时RF模型对于土壤类型和地貌等类型变量的处理具有一定优势。研究表明,在大尺度研究区域内,利用RF模型进行土壤属性空间预测有一定的意义。 相似文献
5.
黄河三角洲典型区域冬小麦播种面积变化与土壤盐分关系研究 总被引：1，自引：0，他引：1
【目的】将土壤盐分含量与冬小麦分布变化结合,分析两者之间的时空关系,旨在探索土壤盐碱化对冬小麦种植的影响,为冬小麦生产决策提供科学依据。【方法】以黄河三角洲垦利县为研究区,采用2003年4月、2008年4月和2013年3月三期ETM影像,通过分析典型地物光谱曲线生成决策树模型,提取冬小麦分布信息,将各时相冬小麦种植分布提取结果做空间叠加,分析了近10年来冬小麦面积与分布的变化规律;并结合实地土壤盐分调查分析数据,分析了冬小麦种植面积变化与土壤盐分的关系。一方面,将垦利县冬小麦分布图分别与相应时相的土壤含盐量分布图进行空间叠加分析,并对叠加图的属性进行统计,对比分析冬小麦分布与土壤含盐量分布的关系。另一方面,通过叠加2008和2013年土壤盐分含量分布图,将盐分变化分为盐分升高区和盐分降低区,将其与同时段的冬小麦种植范围变化图进行叠加,分析土壤盐分含量变化对冬小麦分布变化的影响。【结果】1)垦利县冬小麦的分布具有明显的空间特征,主要分布在垦利县域西南部和东北部黄河沿岸两个区域,与土壤低含盐量区具有一致的空间分布特征。2)垦利县冬小麦种植面积呈现2003 2008时段大幅减少和2008 2013时段的少许增加趋势。3)冬小麦种植范围变化与土壤盐分含量的相关性极高,冬小麦种植无变化区域土壤含盐量都集中在1.52.5 g/kg之间,冬小麦种植增加区域的土壤盐分含量集中在2 3 g/kg,而冬小麦种植减少区的土壤盐分含量都在3 g/kg以上,即超过3 g/kg的土壤含盐量已不再适合冬小麦的生长。4)2008 2013年垦利县冬小麦分布区域变化显著受到土壤含盐量的变化。在土壤含盐量降低的小麦区域中,冬小麦种植增加区和不变区的面积占98.07%,而在土壤含盐量升高的小麦区域中,冬小麦种植减少的面积占84.54%。【结论】冬小麦种植范围及其变化显著受到土壤盐分状况及其变化的影响,冬小麦种植减少区的土壤盐分含量都在3 g/kg以上,且随着土壤含盐量的升高冬小麦种植面积骤减,3 g/kg的土壤含盐量是适合冬小麦生长的上限,土壤含盐量调控是维持和扩大冬小麦种植范围的关键手段。 相似文献
6.
西南典型岩溶区土壤硒空间分布预测 总被引：4，自引：2，他引：2
土壤硒精准预测和制图是富硒土壤资源开发利用和环境规划管理的基础。该文以西南典型岩溶区桂林永福百寿河流域为例,在分析影响土壤硒化学行为因子的基础上,通过野外样品采集和室内化学分析以及Arc GIS空间分析,获取了研究区相关地理环境因子和土壤属性因子数据。利用逐步回归方法选择土壤硒空间分布预测的辅助变量,使用协同克里格模型对非连续分布的辅助变量进行插值。在此基础上利用地理加权回归模型对土壤硒空间分布进行预测,同时以普通克里格插值结果作为参照。研究结果表明:使用地理环境因子和影响土壤硒化学行为的土壤属性因子可以提高土壤硒预测精度;协同克里格插值解决了辅助变量数据连续分布的问题;土壤硒的空间分布与地形和影响土壤硒化学行为的因子有关。 相似文献
7.
[目的]探索空间异质性较大的岩溶区的土壤pH值空间自相关尺度及其空间结构,分析影响典型岩溶区土壤pH值空间结构的主要环境因子。[方法]应用经典统计学方法与"3S"技术。[结果]不同深度土壤pH值的空间分布均存在高度的正向全局空间自相关和明显的空间聚集区,各深度土壤pH值的空间孤立区分布较少;影响不同深度土壤pH值空间分异的环境因子排序为:植被覆盖度石漠化程度地质背景。[结论]土壤pH值的空间分异受到了不同植被覆盖条件下酸性物质含量的影响。石漠化程度和地质背景对土壤pH值的影响,实质上是典型岩溶环境的综合反映。 相似文献
8.
基于传统土壤图的土壤—环境关系获取及推理制图研究 总被引：3，自引：0，他引：3
在数字土壤制图研究中,从历史资料中提取准确的、详细的土壤—环境关系对于土壤图的更新和修正十分重要。从传统土壤图中提取土壤类型并从地形数据中提取环境参数,采用空间数据挖掘方法建立土壤—环境关系,并进行推理制图和精度验证。以湖北省黄冈市红安县华家河镇滠水河流域为例,首先选取成土母质和基于地形数据提取的高程、坡度、坡向等7个环境因子;然后利用频率分布原理得到包含土壤类型与环境因子信息的典型样本数据1 410个;采用See5.0决策树方法进行空间数据挖掘,建立土壤—环境关系;将其导入So LIM中进行推理制图;最后利用270个实地采样点验证所得土壤图的精度。土壤图的精度提高了约11%,证明了本研究方法对土壤类型和空间分布推理的可靠性。 相似文献
9.
沿海滩涂区土壤重金属含量分布及其有效态影响因素 总被引：2，自引：1，他引：1
为揭示沿海地区土壤重金属含量的空间分布特征及其与自然、人为因素的关联,以近年来围垦开发强度较大的江苏沿海某滩涂区为研究对象,采用经典统计与地统计相结合的方法研究了表层土壤主要重金属Pb、Cr、Cd、As全量与有效态含量状况及其空间分布,分析了沿海滩涂区土地利用方式对重金属含量的影响,探讨了重金属有效态含量与土壤理化性质的相关性。结果表明:目前研究区土壤环境质量状况良好,土壤Pb、Cr、Cd、As均呈累积趋势但基本都低于土壤环境质量一级标准值;土地利用方式不同程度地影响了Pb、Cr、Cd全量与有效态含量,As全量与有效态含量受土地利用方式影响较小;研究区土壤Pb、Cr、Cd全量与Pb、Cr有效态含量具有明显的趋势效应,且研究区土壤重金属全量与有效态含量的空间分布受大尺度的潮汐作用与小尺度的人为因素的共同控制;土壤Pb、Cr、Cd有效态含量与黏粒含量、阳离子交换量和p H显著负相关,与有机质呈显著正相关,土壤As有效态含量仅与土壤p H显著正相关。本研究为沿海滩涂区土壤重金属源头减量、活性钝化、污染消减与风险防范提供科学依据。 相似文献
10.
基于地统计与遥感反演相结合的有机质预测制图研究 总被引：5，自引：0，他引：5
土壤水分对土壤光谱反射率有显著影响,而以往有机质遥感反演制图中却很少将水分作为预测建模的变量。为了使遥感制图更加符合野外实际环境,提高有机质预测制图精度,在充分考虑土壤样点空间自相关、异相关与野外复杂环境特点的基础上,通过地统计获得研究区水分的空间分布数据,结合遥感反射率,建立多因子预测模型,得到了吉林省黑土区土壤有机质空间分布图。结果表明,有机质遥感制图中,水分因素的加入,使模型的建立更加符合野外实际情况,显著提高了有机质预测制图的精度。 相似文献
11.
基于环境相关法和地统计学的土壤属性空间分布预测 总被引：7，自引：2，他引：7
土壤属性是土壤质量的重要决定因素,并强烈影响土地利用和生态过程。正确理解并充分考虑土壤空间变异,对于在景观尺度上建立生态、环境过程模型是必不可少的。在黄土高原横山县采集了254个样点,应用数字地形与遥感影像分析技术,获取相关地形因子与遥感指数,分析土壤属性（土壤容重、有机质和全磷）与环境因子相互关系,并利用环境变量进行空间预测。结果表明,土壤容重、有机质与地形因子和遥感指数之间存在较好相关性,而全磷与地形因子相关性不大;多元线性逐步回归模型对于土壤容重和有机质拟合较好,而对于全磷,预测结果较差;回归－克里格预测有效地减小了残差,消除了平滑效应,与实测值较为接近。 相似文献
12.
S.K. Reza D.C. Nayak T. Chattopadhyay S. Mukhopadhyay S.K. Singh R. Srinivasan 《Archives of Agronomy and Soil Science》2016,62(7):972-981
Knowledge of spatial variation of soil is important in site-specific farming and environmental modeling. Soil particles size and water distribution are most important soil physical properties that governing nearly all of the other attributes of soils. The objectives of this study were to determine the degree of spatial variability of sand, silt and clay contents, and water content at field capacity (FC), permanent wilting point (PWP), and available water content (AWC) of alluvial floodplain soils. Data were analyzed both statistically and geostatistically to describe the spatial distribution of soil physical properties. Soil physical properties showed large variability with greatest variation was observed in sand content (68%). Exponential and spherical models were fit well for the soil physical properties. The nugget/sill ratio indicates except clay all other soil physical properties were moderate spatially dependent (37–70%). Cross-validation of the kriged map shows that prediction of the soil physical properties using semivariogram parameters is better than assuming mean of observed value for any unsampled location. The spatial distribution of water retention properties closely followed the distribution pattern of sand and clay contents. These maps will help to planner to develop the variable rate of irrigation (VRI) for the study area. 相似文献
13.
基于环境因子和联合概率方法的土壤有机质空间预测 总被引：2，自引：1，他引：1
<正>土壤连续属性(如土壤中养分含量、重金属含量等)的空间分布特征和定量分布信息是进行土壤质量评价和区域环境综合评估的基础。精准农业战略的实施和各种区域生态评价均需要更详细更精确的土壤属性信息作为依据[1-2]。因此,土壤属性空间预测一直是土壤学研究的热点问题。经典地统计学以各种克里格插值法为代表,是土壤属性空间预测中的常用方法。但该方法缺乏对辅助信息(如环境信息)的有效利用[3-4],导致预测精度降低[5]。而土壤景观定量模型的理论依据就是土壤与环境的关系,但该法忽略了采样点之间的空间相 相似文献
14.
基于样点个体代表性的大尺度土壤属性制图方法 总被引：4，自引：0，他引：4
大空间尺度范围的土壤属性分布信息是陆地表层过程模拟的基础信息.基于野外样点进行空间插值是获得土壤属性空间分布信息的重要手段.现有的空间插值方法通常要求所用样点对研究区土壤属性空间分布规律具有良好的全局代表性.然而,受采样经费和野外采样条件的限制,所采集的样点往往难以全面地反映研究区土壤属性的空间分布规律.基于这样的样点用现有空间插值方法得到的土壤属性分布图通常精度较低,并且由样点全局代表性差带来的推测不确定性也无法得到度量.为了合理利用这些已采集的但全局代表性不好的样点,本文提出了基于样点“个体代表性”推测土壤属性空间分布并度量推测不确定性的方法.该方法在两点环境条件越相似、土壤属性就越相似的假设下,认为每一样点可以代表与其环境条件相似的地区,并且代表程度可以由两点的环境相似度度量;通过分析环境相似度计算推测不确定性,并以环境相似度为权重计算样点可代表地区的土壤属性值.将该方法应用于推测新疆伊犁地区土壤表层有机质含量,经验证,本文方法能够有效地利用全局代表性差的样点推测样点能够代表地区的土壤属性空间分布,并且所得的推测不确定性与预测残差呈现正向关系,能够有效地指示推测结果的可靠程度. 相似文献
15.
基于决策树模型的土壤有机质制图 总被引：4，自引：0，他引：4
Based on a case study of Longyou County, Zhejiang Province, the decision tree, a data mining method, was used to analyze the relationships between soil organic matter (SOM) and other environmental and satellite sensing spatial data.The decision tree associated SOM content with some extensive easily observable landscape attributes, such as landform,geology, land use, and remote sensing images, thus transforming the SOM-related information into a clear, quantitative,landscape factor-associated regular system. This system could be used to predict continuous SOM spatial distribution.By analyzing factors such as elevation, geological unit, soil type, land use, remotely sensed data, upslope contributing area, slope, aspect, planform curvature, and profile curvature, the decision tree could predict distribution of soil organic matter levels. Among these factors, elevation, land use, aspect, soil type, the first principle component of bitemporal Landsat TM, and upslope contributing area were considered the most important variables for predicting SOM. Results of the prediction between SOM content and landscape types sorted by the decision tree showed a close relationship with an accuracy of 81.1%. 相似文献
16.
关帝山云杉次生林土壤的空间异质性及其与地形相关性 总被引：1，自引：0，他引：1
为揭示森林土壤空间变异特征及其变异机制,参照CTFS样地土壤采样方案,在关帝山4 hm2云杉次生林样地199个采样点进行土壤取样和测定,运用经典统计方法分析寒温性云杉林土壤pH值、有效氮、有效磷、有效钾和有机质的水平和垂直空间分布特征,应用地统计学和ArcG IS插值的方法,重点分析了0～ 10 cm层土壤性质的空间异质性及其分布格局,并基于RDA排序和方差分解定量评价地形因子对土壤各指标空间变异的影响程度和解释量.结果表明:云杉次生林土壤的pH值、有效氮、有效磷、有效钾和有机质含量呈明显的水平及垂直空间变异,0 ～ 10 cm层土壤上述5个指标的变异系数分别为8.78％、41.15％、58.36％、46.60％和48.38％;土壤变异的空间自相关范围为4.9～58.8 m,pH值和有效氮呈中等程度的空间自相关,有效磷、有效钾和有机质呈强烈的空间自相关变异;有效氮、有机质和有效钾呈相似的空间斑块状分布格局,即样地有效氮含量高的斑块中有机质和有效钾含量也高.pH值和有效磷则表现出相反的斑块分布格局;地形因子中,pH值、有效氮和有效磷受海拔影响最大,其中,海拔与pH值、有效磷呈正相关,分别解释其空间变异的40.43％和28.81％,而与有效氮呈负相关,能单独解释其空间变异的19.48％.凹凸度对有效钾和有机质的影响最大,可分别解释9.37％和6.88％的有效钾和有机质的空间变异,与这2个土壤性质指标为负相关.研究可为深入认识华北地区植物分布和物种共存提供基础依据. 相似文献
17.
结合统计和数字地形数据的可视化方法预测土壤深度 总被引：2，自引：0，他引：2
F. M. ZIADAT 《土壤圈》2010,20(3):361-367
Information about the spatial distribution of soil attributes is indispensable for many land resource management applications; however, the ability of soil maps to supply such information for modern modeling tools is questionable. The objectives of this study were to investigate the possibility of predicting soil depth using some terrain attributes derived from digital elevation models (DEMs) with geographic information systems (GIS) and to suggest an approach to predict other soil attributes. Soil depth was determined at 652 field observations over the Al-Muwaqqar Watershed (70 km2) in Jordan. Terrain attributes derived from 30-m resolution DEMs were utilized to predict soil depth. The results indicated that the use of multiple linear regression models within small watershed subdivisions enabled the prediction of soil depth with a difference of 50 cm for 77% of the field observations. The spatial distribution of the predicted soil depth was visually coincided and had good correlations with the spatial distribution of the classes amalgamating three terrain attributes, slope steepness, slope shape, and compound topographic index. These suggested that the modeling of soil-landscape relationships within small watershed subdivisions using the three terrain attributes was a promising approach to predict other soil attributes. 相似文献
18.
19.