论文部分内容阅读
随着精准农业的快速发展以及对土地资源与环境的重视，我国现有土壤信息的详尽程度已经无法满足这些领域的需求，传统的土壤普查方法势必长期地消耗大量物力、财力和人力。新兴的数字土壤普查技术以成土因素学说为理论基础，运用“3S”技术和现代数学方法建立定量土壤—景观模型，分析土壤类型空间分布的相似度，进行推理制图，成为目前该领域的主要研究方向。本文以青海省民和县作为研究区，通过数据挖掘技术对土壤图中的土壤类型与其对应的环境因子间的关系进行分析，以此推理制图。主要得出如下结果： （1）本文以成土因素学说为理论基础，选取研究区地质、植被、土地利用覆被、年均气温、年均降水量、DEM以及从DEM中提取的坡度、坡向、剖面曲率、平面曲率和地形湿度指数11个环境因子建立环境因子数据库。 （2）以500m为单位进行自动格网布点，要求每个图斑不少于5个点，每种亚类不少于20个点，对达不到要求的图斑再进行手动添加样点，并提取11种环境要素，得到研究区样本集。对样本数据进行处理后，采用C5.0决策树分类方法计算土壤—环境的关系，并使用反复删除错分数据的方法，将分类精度提高到98.95％。通过分析土壤与单个环境因子间的关系以及归纳总结每个土壤类型与环境因子组合的关系，对决策树生成的规则进行整合。最后得到研究区土壤与环境关系的规则集。 （3）采用基于规则的模糊推理方法进行土壤相似度计算。使用规则设置每种土壤亚类与单个环境因子间的隶属度曲线，如此建立每种土壤类型的各个规则，通过综合每种土壤亚类对应的环境因子组合得到14种土壤亚类的相似度图，并对其进行硬化处理，得到最终的土壤亚类分布图。与已有土壤图进行对比，结果显示相似度较高，但得到的推理图中土壤亚类分布较零散。使用野外采样数据验证推理获得的研究区数字土壤亚类图的精度，结果显示部分亚类由于空间上的渐变性和交错性产生了错分，但是总分类精度达到60%，在有限的野外采样点的验证下，这个精度达到了预期的效果。因此，使用该方法推理制图不仅能将土壤在空间上的连续变化体现出来，从而克服了传统土壤制图基于多边形的图形表达模式，还能在土壤调查和制图中大量减少传统人为调查的时间和经费，提高土壤调查的效率。