基于传统土壤图的土壤—环境关系获取与验证

发布时间：2018-03-29 07:45

本文选题：环境因子　切入点：频率分布　出处：《华中农业大学》2015年硕士论文

【摘要】：传统土壤图是土壤普查专家经过野外实地调查和航片解译后得到的成果,是流域管理、生态水文等研究领域所需土壤空间分布相关信息的主要数据来源。随着地理信息技术的发展,传统土壤调查方法已经难以满足其他科学领域对土壤信息服务提出的要求,主要原因有以下几个方面:传统土壤调查方法主要以专家经验的思维模式为基础,通常难以表达、交流以及存储;传统土壤调查方法在描述土壤实体的定性特征方面与土壤的实际空间分布特征难以匹配,导致调查结果的精度准确性较差;传统土壤调查的成本高且具有区域限制,不利于土壤信息的更新。因此,在数字土壤制图(DSM)中如何利用已有的历史资源和数据有效地获取精度较高的土壤图十分重要。本研究从传统土壤图和地形数据中提取土壤类型以及环境数据信息,采用空间数据挖掘方法建立土壤-环境关系,并通过实地采样进行了可靠性和准确性验证。本文以湖北省黄冈市红安县华家河镇滠水河流域研究区为例,利用全国二次土壤普查时获得的传统土壤图为知识获取源来呈现这一研究过程。该方法主要包括五个步骤:1)首先,为确保土壤环境知识的准确性,选择了与当地成土过程密切相关的7个环境因子并建立地理信息系统(GIS)数据库,这些因子包括改进后的成土母质图和由分辨率为10m的数字高程模型(DEM)生成的高程、坡度、坡向、沿平面曲率、沿剖面曲率、地形湿度指数共6个地形因子数据;2)由于传统制图主要由手工制成,通常会因为比例尺大小、边界误置等原因产生误差,导致图内包含难以表达专家正确关系模型知识的错误,因此进行数据的预处理十分重要。为了减少传统土壤图中因上述原因产生的噪声、异常数据等误差,利用频率分布原理建立环境直方图,提炼得到1410个土壤类型与环境因子典型样本数据;3)利用空间数据挖掘技术对典型样本集进行处理,获取蕴含在传统土壤图中的详细专家知识。而与其他的算法相比,决策树算法具有精度高且容易理解等优势,适用于提取和表达土壤环境模型知识。本研究采用See5.0决策树方法进行空间数据挖掘,获取土壤-环境关系知识;4)利用步骤3)中获取的土壤-环境关系知识和1)中的环境因子数据图层在土壤-景观推理模型(So LIM)中进行推理制图,并根据推理结果来预测当前土壤的空间分布情况。大量案例研究已表明So LIM方法比传统人工、主观的土壤制图方法更精确,其利用相似度作为度量参数,以模糊逻辑为基础进行土壤隶属度的计算,然后将每一个像元的相似度向量中对应于最大隶属度值的土壤类型作为该像元的土壤类型,得到最终的土壤类型分布图;5)通过对比分析原始土壤图和推理土壤图间的差异,采用均匀采样、主观采样和横截面采样三种方式获取270个实地采样点,以便整体反映土壤的分布状况。利用混淆矩阵中的指标作为评价标准,验证土壤图的精度。研究表明:通过模糊推理得到的土壤图比原始土壤图呈现了更详细的空间分布信息,并且经验证,三种采样方式下推理土壤图的精度分别为73%、76%和71%,均高于原始土壤图,推理土壤图总体分类精度为75%,相比于原始土壤图约提高了11%,而且图斑的数量相比于原始图明显增加。因此,这种以传统土壤图为数据源获取土壤-环境关系知识的方法相比于传统的土壤制图方法对土壤类型的判断和边界的确定更加准确,便于土壤图的更新。
[Abstract]:In order to improve the accuracy of soil environment knowledge , it is very important to use the traditional soil map to establish the soil - environment relationship and to establish a geographic information system ( GIS ) database . The results show that the accuracy of soil map is 73 % , 76 % and 71 % , which are 73 % , 76 % and 71 % respectively .

【学位授予单位】：华中农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S159.9

【参考文献】