共查询到17条相似文献，搜索用时 203 毫秒
1.
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
2.
土壤与环境关系知识的获取是精细数字土壤制图的关键,如何快速准确地获取该知识成为现阶段研究的重点。以湖北省黄冈市红安县华家河镇为例,利用土壤—环境推理模型(Soil-Land Inference Model,So LIM)得到土壤类型的夸大和忽略不确定性分布图,依据不确定性分布图在可信度高的位置重新采集样点,对样点进行数据挖掘,获取环境因子组合,建立其与土壤类型的对应关系。结合原始规则,生成新的土壤—环境关系知识,并将其用于土壤推理制图,获得新的土壤类型分布,利用253个野外独立样点进行精度验证。结果表明:推理土壤图显示了更加详细的空间分布信息,经野外验证点验证,总体精度为86.9%,高于原土壤图精度约13%。因此,利用不确定性模型重新获取土壤—环境关系知识的方法是可行且有效的,该方法不仅增加了土壤图的空间详细度,而且提高了土壤图的精确度。 相似文献
3.
获取准确的土壤-环境关系是数字土壤制图的关键,目前遥感影像已作为环境因子应用于土壤-环境知识的建立过程,但单幅遥感影像所包含的光谱信息差异难以将不同土壤类型区分开来。因此本文提出了一种基于多时相遥感影像的土壤制图方法：选取红安县滠水河流域为研究区,以母质类型图、等高线数据和多时相哨兵二号遥感影像为基础,提取与土壤形成有关的环境因子,通过随机森林算法获取土壤-环境关系,预测研究区各土壤类型的空间分布并成图,利用野外实地分层采样点验证推理图的精度。结果表明：推理土壤图总体分类精度高达86%,与原始土壤图对比,各土壤类型的空间分布具有一定相似性,展现了更为详细的空间细节信息,该研究成果可为更新土壤图工作提供新方法。 相似文献
4.
平缓地带数字土壤制图中，环境协变量的选择是提高制图精度的关键。已有研究证明遥感影像可作为推理制图的辅助因子，而如何确定环境因子推理制图时各自的权重已成为现阶段研究的重点。选取湖北省麻城市乘马岗镇为研究区，采用3种特征筛选方法进行有效环境变量筛选，探索参与平原-丘陵混合区域制图的因子并确定其重要性，依据选择的相对稳定的指标，进一步探索提高土壤类型制图准确性的途径。根据141个野外独立样点的检验结果表明：在推理制图中，遥感因子在平原区域的重要性程度高于丘陵区域，且遥感因子中归一化植被指数(NDVI)和均值(Mean)较为稳定；基于递归特征算法的按地形推理制图精度最高为75.89%，分别高于ReliefF算法和基于Tree的特征筛选算法13.48%和4.97%；此外3种特征筛选算法制图结果中，按地形因子分区制图的精度均高于整体区域制图。因此，遥感因子作为辅助手段参与推理过程可有效提高制图精度。本研究采用的特征挖掘与机器学习算法对提升土壤制图精度具有一定的理论意义。 相似文献
5.
基于土壤-环境关系的更新传统土壤图研究 总被引：4，自引：0，他引：4
传统土壤图是流域管理、生态水文模型所需土壤空间分布信息的主要数据源。然而,受传统制图技术和基础数据质量所限,传统土壤图的空间详细度和属性精确度并不高。随着地理信息技术的发展,如何利用可获取的高质量空间数据和现代空间分析技术来更新传统土壤图显得十分必要。基于传统土壤图中的土壤多边形与通过模糊聚类所得环境因子组合之间存在着对应关系这一假设,本文提出了一种从传统土壤图中提取土壤-环境关系知识并利用该知识更新传统土壤图的方法。该方法包括四个步骤:对环境数据进行模糊c均值聚类获取环境因子组合;利用传统土壤图建立环境因子组合与土壤类型间的对应关系;提取土壤-环境关系知识;进行土壤推理制图。将该方法应用于加拿大New B runsw ick省的W akefield研究区,以更新该区现有的1∶20 000的传统土壤图。应用结果表明:更新后的数字土壤图显示了更详细的空间分布信息;经野外独立验证点验证,所得土壤图(制图单元为土壤组合-排水等级)精度高出原土壤图约20%。因此,该方法是一种有效的更新传统土壤图的方法,可增加土壤图的空间详细度、提高土壤图的属性精确度。 相似文献
6.
基于Fisher判别分析的数字土壤制图研究 总被引：2，自引：0，他引：2
利用已知类型的土壤样点及其所处位置的高程、坡度、平面曲率、剖面曲率、复合地形指数等数据,基于Fisher判别分析方法对安徽宣城样区的土壤类型进行预测和制图表达。结果表明,土纲级别的预测效果较好,正确率达到84.2%。但随着从土纲到亚类级别的降低,由于受土壤样点数量限制,土壤类型预测的准确率也逐步降低。通过与样区1986年基于发生分类的土壤图进行对比,采用的方法无论是在制图精度,还是图面信息的负载量方面都要优于传统方法,能够更加客观真实地反映土壤在自然界的空间分布。 相似文献
7.
运用分类树进行土壤类型自动制图的研究 总被引：1，自引：0，他引：1
提供了一种基于机器学习的方法来自动建立针对土壤资源制图的规则库。以浙江省龙游县研究区为例,将已有的土壤图与地质图、土地利用现状图、DEM及其派生属性、双时相的TM卫星数据相结合,使用分类树算法从训练数据中生成该地区土壤制图的规则知识,并进行了研究区土壤类型的知识分类。这种建立土壤自动制图知识库的方法要比传统的知识获取方法更为简便易行。精度评价结果表明,所建立的知识库对于研究区的大部分土壤类型的预测是可行的。 相似文献
8.
土壤制图中多等级代表性采样与分层随机采样的对比研究 总被引：6，自引：0，他引：6
采样设计是土壤地理研究中备受关注的重要问题。本文以区域尺度土壤属性制图为例,将多等级代表性采样与经典采样中的分层随机采样进行对比研究。以安徽宣城研究区的表层砂粒含量为目标要素,采集数量均为59个的两套样点,设计不同数量(46、58和59)的样点分组,采用两种制图方法进行制图并利用独立验证点进行评价。结果表明:1)无论是采用多元线性回归方法还是基于环境相似度的制图方法,在同等样点数量下,利用代表性样点所得土壤图精度均高于利用随机样点所得精度,并且利用少量代表性样点(46个)所得土壤图精度也高于利用多量随机样点(59个)所得精度;2)随着代表性较低样点的增加,土壤制图精度基本有一个提高的趋势,而采用随机样点所得土壤图的精度波动较大。因此,可认为多等级代表性采样方法是一种可用于区域尺度土壤调查的有效采样方法,且比分层随机采样高效、稳定。 相似文献
9.
基于遥感影像和决策树算法的土壤制图 总被引：1，自引：0，他引：1
传统土壤信息获取方法已经无法完全满足当前各领域对土壤数据的需求,如何结合新的技术提高土壤普查效率,获取高精度土壤图成为了现阶段的研究重点。本研究综合利用高分二号遥感影像提取的遥感光谱指数以及DEM数据提取的地形因子,通过决策树算法进行数据挖掘,获取各土壤类型的土壤—环境规则,然后利用SoLIM结合土壤—环境规则进行推理制图,获得研究区的土壤类型分布图。结果表明,预测土壤图总体精度为88%,高于传统土壤图的精度72%,且在三种不同的采样方式(均匀采样、横截面采样和主观采样)下土壤预测精度分别为89%、88%、86%,均高于传统土壤图。这说明,预测土壤图比传统土壤图更能反映土壤类型空间差异,且预测土壤图在表达土壤类型整体空间分布信息的同时也可捕捉到土壤类型与地貌类型的耦合关系。 相似文献
10.
样点代表性等级采样法在丘陵山区土壤表层有机质制图中的应用 总被引：3，自引：1，他引：2
基于样点代表性等级的土壤采样方法在成本、应用性、制图准确度上具有明显的优势,但在其他方面(如敏感性)上仍需要大量研究。为了进一步研究这种方法的可用性,本文以安徽宣城境内的丘陵山区为研究区,应用该方法分析以往土壤采样点的代表性等级,进而研究样点代表性等级对土壤制图准确度的影响。研究结果表明:①高等级代表性链广泛存在,而低等级代表性链则较少;②代表性链的等级有效地从不同程度反映出土壤形成环境的变异;③样点代表性采样设计的采样点与规则化网格采样、目的性采样有很大不同;④一般地,随着低等级样点的逐渐加入,制图准确度增加,但增幅随着样点等级的降低而降低。这些结果说明,样点代表性等级采样法在应用、成本、准确度几个方面都有明显的优点,因而具有较好的应用前景。需要注意的是,在应用该方法选择样点时,样点的代表性应达到一定级别,以避免制图准确度不会因为样点的加入而降低。此外,由于其他地形地貌类型(如平原区)还缺乏较好的土壤协同环境因子,该方法的应用受到了一定程度的限制。 相似文献
11.
土壤有机质可见光-近红外光谱预测样本优化选择 总被引：2，自引：0，他引：2
土壤有机质可见光-近红外光谱预测中建模样本的优化选择对提高有机质模型估算精度具有重要作用。本文以湟水流域土壤有机质为例,采用基于土壤单一属性信息考虑的建模样本选择方法:浓度梯度法、Kennard-Stone(KS)方法,以及基于土壤多种信息考虑的建模样本选择方法:Rank-KS(RKS)法、土壤类型结合浓度梯度法以及土壤类型结合KS法。通过偏最小二乘回归建模,探索可见光–近红外光谱预测青海湟水流域有机质的最优样本集。结果表明:不同级别样本数的最佳建模样本选择方法不同,整体表现为基于土壤多种信息挑选的建模样本集的模型精度相比土壤单一信息均较高,特别是KS方法结合土壤类型后的建模样本集模型精度明显提高且在样本数较少时更为明显。土壤类型可以优化建模样本选择方法提高模型预测精度。在保证固定验证样本模型预测精度的情况下,土壤类型参与建模样本的选择可以有效减少建模样本数,进而降低了建模成本。 相似文献
12.
基于地类分层的土壤有机质光谱反演校正样本集的构建 总被引：3，自引：0，他引：3
以江汉平原滨湖地区不同土地利用类型的土壤样本为例,比较了基于目标土壤理化性质的浓度梯度法、扩展的基于多种理化性质的综合法(P-KS)、基于光谱信息的KS法、最邻近样本去除法(reduce nearest neighbor samples,RNNS)法和基于浓度分层并结合光谱信息的C-KS、C-RNNS法,基于地类分层再结合上述方法,构建具有不同层次土壤信息代表性的校正集,采用偏最小二乘回归法,建立土壤有机质可见光/近红外光谱反演模型。结果表明,具有单一代表性的浓度梯度法、KS法、RNNS法难以建立适用模型;具有光谱与理化性质二元代表性的C-KS方法模型预测精度得到了明显的提升,相对分析误差(ratio of performance to standard deviation,RPD)为1.66;考虑土地利用类型后,浓度梯度法、RNNS法与C-KS法模型预测精度有明显的提升,RPD分别达到了1.84、1.51、1.75,模型具有良好的适用性。说明具有多层次土壤信息代表性的校正集构建方法对提高土壤有机质可见光/近红外光谱反演模型的适用性具有较好作用。 相似文献
13.
在全国1∶5万土壤图集制图中,土壤类型的配色既需表现土类等高级类型的分布特征,也要表现土属等较低级类型的差别。我国土壤低级类型众多,且1∶5万基本比例尺图幅达2万余幅,采用传统人工设色方法进行土壤制图,不仅效率低,而且难以保持图幅间土壤颜色的协调一致性。针对这一技术难题,本研究采用图幅间相似配色方法和人机交互的设计思想,通过建立1个多层级管理色库、人工设置土壤类型的Q配色单元及其多个近似色系(色组),建立了Q配色单元的避让选色和区域土壤特征分析等5个组件模型,构建了土壤类型配色模型(SCO-Model)。该模型在大比例尺土壤制图中不仅反映了区域土壤的总体分布特征,也表达了土壤类型间的差异,特别是实现了大比例尺土壤制图中土壤类型的快速智能配色,大大提高了制图效率。 相似文献
14.
15.
Quantitative mapping of soil types based on regression kriging of taxonomic distances with landform and land cover attributes 总被引：4，自引：0，他引：4
Nowadays, French soil scientists tend to gather new and existing soil data into a common database. The use of this database potentially allows for resolving environmental issues, largely through soil mapping. The purpose of this study is to present a methodology for mapping soil types illustrated by typical observations in the soil database, in this case from the La Rochelle area on the French Mid-Atlantic Coast. The main hypothesis underlying the method is that soil types result from environmental factors such as landform, parent material, and land cover. The method can be divided into four stages. The first step is to construct a local soil type classification from the database by a two-stage continuous classification procedure. The result of this procedure is that at each observation point, the soil is described by a vector of taxonomic distances to each of k centroidal soil types. In the example given, k=18. The second step involves fitting soil–environment equations, one for each centroidal soil type, by regressing taxonomic distances on layers of multivariate environmental data observed on a fine 20-m grid, by multiple linear regression. In this case, the layers are terrain attributes derived from a digital elevation model and land cover attributes derived from three bands of a SPOT image. The third step is to predict k maps or raster GIS layers representing taxonomic distances to soil types on the 20-m grid, using the soil–environment equations and the kriging of the residuals from the regressions. This results in many potential maps: a summary map depicting the nearest centroidal soil type (the soil type for which the taxonomic distance is least) at each location is possibly the most useful, and another one representing the minimum taxonomic distance which, if considered too large, might suggest locations for further field survey to refine the soil types. A map of standard errors of the kriged taxonomic distance residuals to the nearest centroidal soil type can be made to indicate spatial uncertainty. Continuous fuzzy membership maps can also be constructed from the distances. The fourth step involves validation with an independent soil data set allowing discovery of the nature of the actual prediction errors. Thirty-eight percent of sites in a validation sample of 1234 sites was unequivocally validated, 23% was equivocally validated, and the remainder was predicted wrongly by the method. 相似文献
16.
17.
基于矢量数据结构的土壤侵蚀强度判别方法研究 总被引：8，自引：0，他引：8
讨论了基于 RS和 GIS技术编制区域土壤侵蚀图时 ,进行侵蚀图斑确定、侵蚀因子值提取及利用矢量基本单元综合评价法和矢量因子层面叠加法判别侵蚀强度的方法 ,并举例分析这两种判别方法在侵蚀强度判别上的差异和原因。认为这两种方法均可应用于土壤侵蚀强度判别 ,但因子层面叠加法能更精细地反映土壤侵蚀在微域上的差异。如果有良好的数字化图形时 ,从技术实现和人材物节省上讲 ,采用因子层面叠加法是比较好的选择。 相似文献