基于遥感影像的平原丘陵过渡区土壤制图
发布时间:2021-05-21 07:35
土壤普查是因地制宜、合理高效利用土壤资源的基础。传统的土壤普查方法主要依赖土壤专家实地调查,结合地形图、航片等数据资料判读土壤类型的分布,这种制图方法不仅费时费力、更新周期长,且制图精度有待提高。近年来,随着现代农业等产业的蓬勃发展,传统的土壤制图结果已经难以满足要求,如何利用新技术新方法提高土壤普查效率和制图精度已成为必然趋势。数字土壤制图以土壤—景观理论为基本原理,利用数学分析方法获取土壤—环境知识,对研究区土壤类型的空间分布进行推理制图。此外,遥感影像数据因其分辨率高、成像快、丰富的下垫面详细信息也开始用于土壤制图,为土壤普查提供了新的技术手段和数据来源。本研究以湖北省红安县华家河镇滠水河流域为研究区,空间尺度较小,仅考虑母质、地形和生物因素对土壤类型形成和发育的影响,环境因子数据集主要包括母质类型、等高线数据提取的地形因子及遥感影像数据提取的光谱指数,利用图斑面积加权法设计采样点,通过数据挖掘算法获取土壤—环境知识,并进行推理制图,利用野外实地验证点数据对推理制图结果进行精度评价。研究主要分为基于单时相遥感和基于时序遥感两个层次进行。具体可以主要分为如下几部分:1)基于单时相遥...
【文章来源】:华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】:67 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究目的
1.4 研究内容及技术路线
1.4.1 研究内容
1.4.2 技术路线
2 研究区概况和研究方法
2.1 研究区概况
2.2 研究方法
2.2.1 支持向量机算法
2.2.2 决策树C5.0算法
2.2.3 随机森林算法
2.2.4 精度评价方法
3 数据来源及环境因子提取
3.1 数据来源
3.1.1 传统土壤图
3.1.2 母质类型
3.1.3 数字高程模型
3.1.4 遥感数据
3.2 环境因子提取
3.2.1 地形因子提取
3.2.2 遥感光谱指数提取
4 基于单时相遥感的土壤制图
4.1 土壤类型分布与环境因子关系
4.2 环境因子筛选
4.3 分类模型
4.3.1 支持向量机分类模型
4.3.2 决策树分类模型
4.3.3 随机森林分类模型
4.3.4 结果对比
5 基于时序遥感的土壤制图
5.1 土壤类型分布与环境因子关系
5.2 随机森林分类模型
5.3 随机森林模型分类结果
5.4 精度评价
5.5 不同用地类型下的制图精度评价
6 结论与展望
6.1 主要结论
6.2 展望与不足
参考文献
致谢
【参考文献】:
期刊论文
[1]基于贝叶斯最大熵的黑土区小流域土壤有机质空间分布预测[J]. 高凤杰,吴啸,师华定,鞠铁男,王鑫,高东晶,刘媚媚. 环境科学研究. 2019(08)
[2]基于随机森林的农耕区土壤有机质空间分布预测[J]. 杨煜岑,杨联安,任丽,李聪莉,朱群娥,王天泰,李新尧. 浙江农业学报. 2018(07)
[3]基于裸土期多时相遥感影像特征及最大似然法的土壤分类[J]. 刘焕军,杨昊轩,徐梦园,张新乐,张小康,于滋洋,邵帅,李厚萱. 农业工程学报. 2018(14)
[4]基于随机森林的苹果区土壤有机质空间预测[J]. 任丽,杨联安,王辉,杨粉莉,陈卫军,张林森,徐瑾昊. 干旱区资源与环境. 2018(08)
[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]基于地形因子和随机森林的丘陵区农田土壤有效铁空间分布预测[J]. 杨其坡,武伟,刘洪斌. 中国生态农业学报. 2018(03)
[7]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)
[8]基于多元线性回归模型的土壤养分空间预测——以陕西省蓝田县农耕区为例[J]. 杨煜岑,杨联安,王晶,王安乐,黄安,张彬,向莹,王智宇. 土壤通报. 2017(05)
[9]轮作模式在农耕区土壤有机质推测制图中的应用[J]. 宋敏,杨琳,朱阿兴,秦承志. 土壤通报. 2017(04)
[10]基于克里金插值的耕地表层土壤有机质空间预测[J]. 陈琳,任春颖,王宗明,张柏. 干旱区研究. 2017(04)
硕士论文
[1]利用不确定性模型实现土壤推理制图中知识的获取与融合[D]. 袁雅萍.华中农业大学 2016
本文编号:3199320
【文章来源】:华中农业大学湖北省 211工程院校 教育部直属院校
【文章页数】:67 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究目的
1.4 研究内容及技术路线
1.4.1 研究内容
1.4.2 技术路线
2 研究区概况和研究方法
2.1 研究区概况
2.2 研究方法
2.2.1 支持向量机算法
2.2.2 决策树C5.0算法
2.2.3 随机森林算法
2.2.4 精度评价方法
3 数据来源及环境因子提取
3.1 数据来源
3.1.1 传统土壤图
3.1.2 母质类型
3.1.3 数字高程模型
3.1.4 遥感数据
3.2 环境因子提取
3.2.1 地形因子提取
3.2.2 遥感光谱指数提取
4 基于单时相遥感的土壤制图
4.1 土壤类型分布与环境因子关系
4.2 环境因子筛选
4.3 分类模型
4.3.1 支持向量机分类模型
4.3.2 决策树分类模型
4.3.3 随机森林分类模型
4.3.4 结果对比
5 基于时序遥感的土壤制图
5.1 土壤类型分布与环境因子关系
5.2 随机森林分类模型
5.3 随机森林模型分类结果
5.4 精度评价
5.5 不同用地类型下的制图精度评价
6 结论与展望
6.1 主要结论
6.2 展望与不足
参考文献
致谢
【参考文献】:
期刊论文
[1]基于贝叶斯最大熵的黑土区小流域土壤有机质空间分布预测[J]. 高凤杰,吴啸,师华定,鞠铁男,王鑫,高东晶,刘媚媚. 环境科学研究. 2019(08)
[2]基于随机森林的农耕区土壤有机质空间分布预测[J]. 杨煜岑,杨联安,任丽,李聪莉,朱群娥,王天泰,李新尧. 浙江农业学报. 2018(07)
[3]基于裸土期多时相遥感影像特征及最大似然法的土壤分类[J]. 刘焕军,杨昊轩,徐梦园,张新乐,张小康,于滋洋,邵帅,李厚萱. 农业工程学报. 2018(14)
[4]基于随机森林的苹果区土壤有机质空间预测[J]. 任丽,杨联安,王辉,杨粉莉,陈卫军,张林森,徐瑾昊. 干旱区资源与环境. 2018(08)
[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]基于地形因子和随机森林的丘陵区农田土壤有效铁空间分布预测[J]. 杨其坡,武伟,刘洪斌. 中国生态农业学报. 2018(03)
[7]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)
[8]基于多元线性回归模型的土壤养分空间预测——以陕西省蓝田县农耕区为例[J]. 杨煜岑,杨联安,王晶,王安乐,黄安,张彬,向莹,王智宇. 土壤通报. 2017(05)
[9]轮作模式在农耕区土壤有机质推测制图中的应用[J]. 宋敏,杨琳,朱阿兴,秦承志. 土壤通报. 2017(04)
[10]基于克里金插值的耕地表层土壤有机质空间预测[J]. 陈琳,任春颖,王宗明,张柏. 干旱区研究. 2017(04)
硕士论文
[1]利用不确定性模型实现土壤推理制图中知识的获取与融合[D]. 袁雅萍.华中农业大学 2016
本文编号:3199320
本文链接:https://www.wllwen.com/kejilunwen/nykj/3199320.html