数字土壤制图的推理方法对比研究

发布时间：2021-03-15 08:21

　　数字土壤制图是基于计算机技术利用现代空间分析方法获取详细空间属性的土壤制图技术,是当下信息时代对土壤资源类型、数量以及空间分布进行详尽认识的新方法,而推理方法决定了制图效率和结果的可靠性。不同的研究区域必须与推理方法相互匹配,为研究适合小尺度空间范围上的土壤制图方法,本研究选取母质类型、地形因子及遥感光谱指数,在原始土壤图基础上采用面积加权法布设采样点,选用决策树、支持向量机、随机森林三种推理方法获取土壤—环境知识,从而获得研究区的土壤类型空间分布图,并通过实地采样点数据验证比较三种方法的制图精度。研究结果表明:（1）总体上,每种算法得到的土壤类型空间分布结果与原始土壤图高度相似,但相较于原始土壤图,推理得出的土壤图细节信息更丰富;（2）实地采样点验证结果显示,随机森林分类模型的总体分类精度与Kappa系数均优于决策树与支持向量机分类模型,分类结果最佳;且对比三种分类算法推理得到的各土壤类型的用户精度和生产精度,随机森林算法也较决策树与支持向量机两种算法更优。本研究结果可为数字土壤制图中推理方法的选取提供参考。 

【文章来源】：土壤通报. 2020,51(05)北大核心

【文章页数】：8 页

【部分图文】：

验证点分布图Fig.3Distributionofverificationpoints

【参考文献】：
期刊论文
[1]基于随机森林算法的原始土壤图更新研究[J]. 周紫燕,黄魏,许伟,傅佩红,望陈运.  华中农业大学学报. 2019(03)
[2]基于遥感影像和决策树算法的土壤制图[J]. 韩浩武,许伟,黄魏,陈荣,周紫燕.  土壤通报. 2019(01)
[3]基于三种空间预测模型的海南岛土壤有机质空间分布研究[J]. 姜赛平,张怀志,张认连,李兆君,谢良商,徐爱国.  土壤学报. 2018(04)
[4]集成学习之随机森林算法综述[J]. 王奕森,夏树涛.  信息通信技术. 2018(01)
[5]数字土壤制图研究综述与展望[J]. 朱阿兴,杨琳,樊乃卿,曾灿英,张甘霖.  地理科学进展. 2018(01)
[6]基于不确定性模型的土壤——环境关系知识获取方法的研究[J]. 黄魏,许伟,汪善勤,袁雅萍,望陈运.  土壤学报. 2018(01)
[7]基于多分辨率遥感数据与随机森林算法的土壤有机质预测研究[J]. 王茵茵,齐雁冰,陈洋,解飞.  土壤学报. 2016(02)
[8]基于传统土壤图的土壤—环境关系获取及推理制图研究[J]. 黄魏,罗云,汪善勤,陈家赢,韩宗伟,祁大成.  土壤学报. 2016(01)
[9]基于多源环境变量和随机森林的橡胶园土壤全氮含量预测[J]. 郭澎涛,李茂芬,罗微,林清火,唐群锋,刘志崴.  农业工程学报. 2015(05)
[10]数字土壤制图技术研究进展与展望[J]. 孙福军,雷秋良,刘颖,李华蕾,王秋兵.  土壤通报. 2011(06)

硕士论文
[1]基于遥感影像的平原丘陵过渡区土壤制图[D]. 韩浩武.华中农业大学 2019



本文编号：3083869