利用地形和遥感数据预测土壤养分空间分布

在GIS支持下,选择地形因子和遥感植被指数,建立土壤养分空间分布预测模型,应用回归克里格（Kriging）方法,预测吉林省农安县土壤养分（有机质和全氮）的空间分布。结果表明,11个环境因子中,相对高程、坡度、地形起伏度、坡度变率、归一化植被指数（NDVI）与土壤有机质和全氮含量均具有显著的相关性。地面粗糙度和地形湿度指数与有机质具有显著相关性,而与全氮的相关性不显著。相对高程、坡度、地面粗糙度、河流动能指数以及NDVI在土壤养分的多元回归预测模型中贡献较大,是预测土壤养分空间分布的最优因子。有机质和全氮在研究区的空间分布格局呈现由东南向西北逐渐减少的趋势,这种分布格局受地形和植被的综合作用,同时与土壤类型密不可分。精度检验结果表明,回归克里格方法能够提高土壤养分空间分布预测精度,是一种有效的空间分布插值方法。     

流域尺度土壤厚度的模糊聚类与预测制图研究

基于土壤厚度与景观位置和特征之间的关系,运用模糊c均值聚类(FCM)方法对西苕溪流域的土壤厚度分布进行了空间预测。选取高程、坡度、平面曲率、剖面曲率、径流强度系数和地形湿度指数6个地形因子进行模糊聚类,根据相应的聚类参数将流域地形组合分为8类。利用部分调查获得的土壤剖面数据,结合样点属性和专家经验为典型区赋值,最后由加权平均得到流域土壤厚度预测图。验证结果表明,FCM方法可以对地形因子组合进行有效合理的分级,其预测精度较高,模型的稳定性较好,是一种低成本高效率的制图方法。该方法在土壤厚度预测方面具有一定的可靠性。     

基于人工神经网络的土壤颗粒组成制图

以浙江西苕溪流域为研究区,综合考虑地形和土壤类型等信息,采集典型土壤样本,测定土壤颗粒组成,并基于土壤颗粒组成与景观位置和特征之间的关系,利用径向基函数(RBF)神经网络建立了高程、坡度、平面曲率、剖面曲率、径流强度系数和地形湿度指数6个地形因子与土壤颗粒组成之间的非线性映射关系,预测土壤颗粒组成的空间分布。验证结果表明,RBF神经网络方法能够挖掘出地形因子信息与土壤颗粒组成之间的非线性映射关系,其预测精度较高,模型稳定性较好,是一种低成本、高效率的制图方法。     

基于环境变量的中国土壤有机碳空间分布特征

研究中国土壤有机碳(Soil Organic Carbon,SOC)的空间分布特征对SOC储量估算以及农业生产管理具有重要意义。以全国第二次土壤普查2473个土壤典型剖面的表层(A层)SOC含量为研究对象,探寻地形、气候和植被等环境因素对SOC空间异质性分布的影响;以普通克里格法为对照,利用地理加权回归、地理加权回归克里格、多元线性回归和回归克里格模型建立SOC空间预测模型;并分别绘制了中国SOC的空间分布预测图。结果表明:(1)SOC含量与年均降水量、年均温、归一化植被指数、高程以及地形粗糙指数呈极显著相关关系;(2)平均绝对估计误差、均方根误差、平均相对误差和皮尔逊相关系数等模型验证指标表明地理加权回归的预测精度优于其他模型,可以更好地绘制SOC在大尺度上的空间分布特征;(3)较高SOC含量主要分布在研究区东北部、西南部以及东南部,而西北部SOC含量普遍偏低。本文以期从大尺度上探讨土壤属性与环境变量之间的相关关系,为全国土壤属性的空间制图提供一定的解决方案和思路。     

青藏高原温泉地区土壤黏粒含量剖面分布模式及其影响因素

以青藏高原温泉地区作为研究区域,通过野外土壤调查,获取了58个深度大于1m的土壤剖面,分析了变异系数最大的黏粒剖面分布模式及其与气候、地形、植被和成土母质等环境变量之间的关系。结果表明:青藏高原温泉地区土壤砂粒含量最大,占80%以上,但黏粒的变异系数最大;温泉地区黏粒含量的剖面分布模式可分为递减型、先增后减型、先减后增型和不规则型4类;递减型分布模式的主控因子是坡度、坡向和冷季地温,先增后减型分布模式的主控因子是暖季和冷季地温,先减后增型分布模式的主控因子是高程、地形湿度指数和NDVI,不规则型分布模式的主控因子是地形湿度指数、平面曲率和高程。研究表明,青藏高原温泉地区气候和地形因素是影响土壤黏粒剖面分布模式的决定性因素。     

黄土高原县域土壤养分空间变异特征及预测——以陕西省横山县为例

研究土壤属性空间变异及其分布特征与环境因子的关系,对于了解生态系统的过程具有重要意义。以横山县为例,采集了254个耕层(0~20 cm)土样,利用数字地形与遥感影像分析技术,提取相关地形与遥感指数,分析不同土地利用、地形条件下土壤养分空间变异及分布特征,并结合回归分析与地统计学进行空间分布预测。结果表明,不同土地利用类型其养分含量差异显著,水田和川地的有机质和全氮含量明显高于其他土地利用类型,而全磷含量以梯田最高。不同坡度分析表明,"0~3°"坡度等级有机质和全氮含量显著高于其他坡度等级;不同坡向土壤养分含量差异均不显著,但存在一个明显的趋势,即阴坡有机质和全氮含量整体上要较阳坡高。土壤有机质与高程H呈现负相关,与坡向的余弦值cosα、复合地形指数CTI、修正后的土壤调节植被指数MSAVI及湿度指数WI呈正相关。土壤全氮与相关环境因子的关系基本与有机质的一致。而土壤全磷与修正后的土壤调节植被指数MSAVI及湿度指数WI正相关。土壤有机质和全氮用相关环境变量的多元线性逐步回归模型拟合预测较好,而对于全磷,预测结果较差;回归—克里格预测有效地减小了残差,消除了平滑效应,与实测值较为接近,预测精度高于多元线性逐步回归预测。     

新疆察布查尔县农耕层土壤养分空间特征及其与地形因子的关系

[目的]研究土壤养分的空间变异程度、分布规律以及与地形因子间的相关关系,为干旱区绿洲农业的施肥区划、土壤资源的可持续利用及精准农业的推广等提供理论依据。[方法]以新疆伊犁河谷典型绿洲区察布查尔县为研究区,应用GIS技术与地统计学相结合的方法,研究伊犁河谷典型绿洲区农耕层土壤养分的空间分布特征及变异规律,并进一步应用典范对应分析(CCA)技术,对土壤养分空间变异与地形因子的关系进行分析。[结果](1)有机质、碱解氮、速效钾含量的变异系数介于24.22%~46.76%,属于中等变异,而速效磷的变异系数为107.51%,属于强变异;区域内存在中等和较强程度的空间自相关性,且速效钾的空间自相关性稍强,碱解氮的空间自相关性稍弱;(2)土壤养分在空间分布上多呈斑块状。有机质在东部相对含量较低;碱解氮中部含量相对较低且在东西方向上变异较强烈;速效磷在东北和西南方向上相对较低;速效钾在中部偏北和东南方向上相对较低且在东部变异较强烈。(3)碱解氮与高程和地形起伏度呈极显著正相关(p0.01),有机质与坡度、地形起伏度呈显著负相关(p0.05),速效钾与平面曲率、剖面曲率呈正相关关系。(4)高程、坡度、地形起伏度、剖面曲率是影响该区域土壤养分空间分布的主要地形因子。[结论]在今后的农业施肥过程中,适当增加东部有机肥的投入,应适当增加中部氮素的输入,应适当增加东北方向上磷钾元素的注入。     

梯田对侵蚀地形指标的影响——以黄土丘陵第2副区为例

[目的]探究人工地形(梯田)对地形指标的影响,分析修建梯田对土壤侵蚀过程的影响,为土壤侵蚀评价中梯田措施因子的确定提供科学依据。[方法]通过无人机航空摄影测量,获取纸坊沟流域高精度DEM数据,通过模拟原始坡面数据和构建水平梯田数据,并对这些数据提取坡度、坡长、坡度坡长因子、单位汇水面积和地形湿度指数,分析了这些因子的变化情况,认识梯田对侵蚀地形的影响。[结果](1)梯田的修建使得坡度减缓、坡长截断、LS因子变小,随着梯田面积占比的增加,坡度、坡长、LS因子均呈减小趋势;梯田区,坡度、坡长、LS因子大致沿等高线呈条带状分布,非梯田区,坡度、坡长、LS因子从分水线向下逐渐增加,到沟底又逐渐变缓。(2)梯田的修建使得单位汇水面积减小、地形湿度指数变大;单位汇水面积的空间格局与坡长比较类似,较高部位单位汇水面积较小、低洼部位较大;梯田区地形湿度指数与坡度有相反的空间分布格局,非梯田区地形湿度指数与单位汇水面积类似。(3)微观尺度上,坡长、LS因子、单位汇水面积以及地形湿度指数均沿田面坡降方向呈增加趋势,在修建梯田或维护梯田时,应尽量保持田面水平或有微小反坡。(4)根据梯田对LS因子的影响,研究...     

东北黑土漫岗区春耕期土壤水分空间变异及地形影响

土壤水分存在强空间变异特征,在多重尺度上受地形、土壤、土地利用、植被等因素综合影响,是农业生产和耕作的关键要素。为了揭示东北黑土漫岗区春耕期农田土壤水分空间变异特征及分析地形因子对其影响,以赵光农场为研究对象,利用Sentinel-1数据反演的土壤水分和DEM数据,采用半方差函数、集成推进树算法(ABT)等方法分析了春耕期土壤水分的空间变异及地形因子(坡度、坡向、坡位、高程、地形湿度指数)对土壤水分空间异质性的相对影响,并系统分析了土壤水分在不同坡位、坡度和坡向的变化特征。结果表明:研究区2018年4月24日处于春耕时期黑土漫岗区的土壤质量含水量分布在25%～37%; 地块内部变异系数为5.81%,相邻地块间变异系数为4.16%; 针对整个农场尺度土壤水分空间变异的有效变程为3 000 m,地块尺度上有效变程为300 m。土壤水分分布与地形湿度指数呈显著正相关,与坡度、坡向、高程、坡位呈显著负相关; 坡位、坡度、坡向是影响土壤水分空间变异的主控因子,其累计相对解释率超过了70%,其中坡位占36.28%。研究结果有助于了解东北黑土漫岗区春耕期农田土壤水分空间分异规律及影响机制,对黑土漫岗区土壤水分管理、春耕春播期农机科学调度、保障粮食安全具有重要意义。     

祁连山区土壤砂粒含量剖面分布模式及其影响因素

祁连山区是西北黑河流域的水源,理解祁连山区土壤颗粒组成的剖面分布模式及其与环境要素之间的关系,有助于进一步定量理解土壤中水、肥、气、热的运移和开展颗粒组成/质地的三维制图。以2012—2013年获取的深度≥1 m的69个代表性土壤剖面为对象,分析了含量变异最大的砂粒的剖面分布模式及其与海拔、坡度、坡向、年均降水、平面曲率、剖面曲率、地形湿度指数、NDVI、土地利用、成土母质等环境变量之间的关系。结果表明:祁连山区砂粒含量的剖面分布模式可分为均一型、递增型、递减型、先增后减型、先减后增型和不规则型六类,但其很难用单一的环境变量来定量预测,其根源在于祁连山区成土母质复杂多样,加上复杂的地貌地形、土地利用等导致母质易发生运移而产生不连续性;对应复杂山区的土壤颗粒剖面分布模式的定量预测,还需从复合环境变量的角度进行深入的探索研究。     

Spatial prediction of soil classes using digital terrain analysis and multinomial logistic regression modeling integrated in GIS: Examples from Vestfold County,Norway

The main objectives of this study were to model the relationship between WRB-1998 soil groups and terrain attributes and predict the spatial distribution of the soil groups using digital terrain analysis and multinomial logistic regression integrated in GIS in the Vestfold County of south-eastern Norway. A digital elevation model of 25 meter grid resolution was used to derive fifteen terrain attributes. A digitized soil map of thirteen WRB soil groups at the scale of 1:25,000 was used to obtain the reference soil data for model building and validation. First, the relationships between the soil groups and the terrain attributes were modeled using multinomial logistic regression. Then, the probability that a given soil type is present at a given pixel was determined from the logit models in ARCGIS to continuously map each soil group's spatial distribution. Elevation, flow length, duration of daily direct solar radiation, slope, aspect and topographic wetness index were found to be the most significant terrain attributes correlating with the spatial distribution of the soil groups. The prediction showed higher mean probability values for each soil group in the areas actually covered by that soil group compared to other areas, indicating the reliability of the prediction. However, the prediction performed poorly for soil groups that are not greatly influenced by topography but by other factors such as human activities.     

紫色土丘陵地区农田土壤养分空间分布预测

为深入研究紫色土丘陵区农田土壤养分空间分布规律,在GIS技术的支持下,利用研究区450个土壤实测数据,结合地形因子和土地利用类型,运用多重线性回归构建了土壤养分预测模型,对养分的空间分布进行预测。结果表明,土壤有机质和碱解氮含量与地形因子之间的相关性较强,有效磷和速效钾含量与地形因子之间的相关性较弱。土壤水田和旱地中有机质、碱解氮和有效磷含量均值间的差异显著(P<0.01),速效钾之间不显著(P=0.34)。基于地形因子的土壤养分预测模型与基于地形因子和土地利用方式组合的土壤养分预测模型预测结果精度对比表明,在预测变量中增加土地利用类型对提高预测模型的拟合度和预测精度作用非常微小,且仅用地形因子预测土壤养分的空间分布更方便,因此选用该模型对验证集数据进行预测。以验证集数据进行预测结果与实测值进行比较,结果显示预测值与实测值之间的差异甚小,有机质、碱解氮、有效磷和速效钾的相对偏差分别为0.09、0.19、0.08和0.12,均方根误差分别为1.38、3.42、1.03和1.57,说明基于地形因子的土壤养分预测模型的精度较高,可以很好地预测土壤养分分布规律。该研究结果可为丘陵地区农田合理施肥提供理论依据。     

Using Canonical Correspondence Analysis (CCA) to identify the most important DEM attributes for digital soil mapping applications

Topography has an important influence on the distribution of soils and their properties, especially in hilly lands, and related data are easily available, measurable and recognizable from digital elevation models (DEMs). To our knowledge, little attention has previously been paid to the effect of DEM attributes on the distribution of soils, using ordination methods. The objective of this study was to analyze relationships between topographical properties derived from DEM and soil distribution and to discuss their applicability in Digital Soil Mapping (DSM). The study was carried out in the Borujen area of central Zagros, Iran. A total of 13 plots (each one of 6.75 ha) were set up to calculate the percentages of the dominant soil series. Fifteen DEM attributes, including slope, aspect, curvature, maximum and minimum curvature, planform curvature, profile curvature, tangent curvature, wetness index, power index, sediment index, area solar radiation, direct radiation, diffuse radiation and direct duration were also computed. Canonical Correspondence Analysis (CCA) was used to summarize the data set and to evaluate the expected relationships. The results obtained show that there was a relatively strong correspondence between soils' series distribution and topographical properties. The DEM attributes that best related to the first axis were maximum curvature, slope and sediment index, all of which significantly positive correlated, and wetness index, direct duration and minimum curvature, all of which were negatively related. The second axis showed a negative trend with wetness index, direct duration and aspect, and a positive trend with sediment index and slope. These gradients were closely related to the first three canonical axes and explained 71.8% of the total variance of the soil series. The residual variance (28.2% of the total variance) was related to other soil forming factors, like parent material and vegetation cover, which were not investigated in this study. Considering that DEMs are still the most important source of environmental information, understanding the role of topographical factors in a region should help us to identify soils and their properties better and enable us to apply these derivates as input data in DSM.     

Topographic controls on the spatial distribution of ground cover in the Tabernas badlands of SE Spain

The relationships between the spatial distribution of ground-cover and terrain attributes were examined in the Tabernas badlands (SE Spain) in order to understand the terrain-dependent driving forces of the spatially heterogeneous ground cover. Ground cover was mapped in the field and terrain attributes were derived from a 1-m resolution Digital Elevation Model (DEM). The association of spatial distribution of the landforms resulting from a regionalisation (using a nonhierarchical classification of the topographic overlays) and the ground-cover pattern was proved. From the analysis of relationships between terrain attributes and proportional abundance of ground-cover types, it was found that ground cover is arranged along topographic gradients: plant-covered surfaces are more abundant on low slope angles, concave slopes, relatively large contributing areas and with low length slope factor values. Unvegetated surfaces show contrary trends and lichens are associated with intermediate conditions. Relationships with local terrain attributes, such as slope angle or elevation, are more pronounced than those with terrain attributes related to sediment and water transfer, such as contributing area, wetness index or length slope factor which could be explained by the heterogeneity of runoff that is usually shorter than the hillslope length. The relationships established between the spatial distribution of ground-cover types and terrain attributes provide the basis for future development of a tool for mapping spatial distribution of ground cover in similar areas from only topographic information.     

九龙坡花椒种植区地形、土壤肥力与花椒产量的关系

为了解九龙坡花椒种植区土壤养分状况及该区地形因子、土壤肥力因子与花椒产量的关系,为科学合理制定花椒高效施肥措施提供理论依据,本研究采用田间调查研究和室内分析的方法,研究了九龙坡花椒种植区低、中、高产区的海拔、坡度及土壤pH、有机质、大量微量元素含量和交换性能的变化特征,及其与花椒产量的关系。研究结果表明：九龙坡花椒普遍种植于200~500 m海拔范围,高产区集中在300 m左右的海拔;从低产区到高产区坡度略有增加,但未达显著水平。土壤均属酸性土,pH<6.5。土壤肥力总体属高水平范围,但各养分因子差异很大,其中土壤阳离子交换量（CEC）、有效磷、有效钙、有效镁、有效铁、有效锰、有效铜、有效锌含量丰富,分别为27.2 cmol（+）·kg^-1、35.2 mg·kg^-1、3 289.8 mg·kg^-1、271.8 mg·kg^-1、48.6 mg·kg^-1、62.1 mg·kg^-1、1.5 mg·kg^-1、4.5 mg·kg^-1;有机质、碱解氮、速效钾、交换性酸属适中水平,分别为19.1 mg·kg^-1、114.9 mg·kg^-1、107.0 mg·kg^-1、8.1 cmol（+）·kg^-1;水溶性硼缺乏,为0.28 mg·kg^-1。相关分析表明花椒产量与有效钙、CEC、pH、有效锰、水溶性硼呈显著正相关;通径分析结果表明有效钙、CEC、交换性酸、有效铜、有效铁、有效锌是影响花椒产量的主要因子,逐步回归分析构建了有效钙（X₆）与花椒产量（Y）的最优回归线性方程：Y=11.693+0.003X₆。综上所述,九龙坡花椒种植区土壤养分失衡较为严重,施肥应注重养分的平衡,增施有机肥,改善土壤理化性状,治理土壤酸化。     

DEM栅格分辨率对丘陵山地区定量土壤-景观模型的影响

基于数字高程模型（Digital Elevation Model,DEM）的定量土壤-景观模型的精度依赖于DEM栅格分辨率,而DEM栅格分辨率如何影响土壤-景观模型及其预测精度目前研究较少。以西南丘陵山地区一典型汇水盆地为研究对象,以该区2.5、5、10、20和30 m DEM为基础,利用逐步线性回归方法建立起研究区不同分辨率下的定量土壤-景观模型,并应用这些模型预测研究区内土壤表层碱解氮含量的空间分布,进而比较DEM不同分辨率下土壤-景观模型及其预测精度。结果表明,随着DEM栅格分辨率的降低,比汇水面积、地形湿度指数的均值逐渐增加;平均坡度逐渐降低;曲率变化的范围逐渐减小。地形指数的这一变化规律对土壤-景观模型及其预测结果产生显著影响,模型的校正决定系数、平均绝对误差和均方根误差都以5 m栅格分辨率为转折点,分辨率低于5 m,模型的校正决定系数显著减小,平均绝对误差和均方根误差显著增加。     

等高线曲率计算方法研究

等高线曲率是数字地形分析中重要的地形属性指标之一,基于矢量等高线直接计算等高线曲率,对于量化分析等高线复杂程度,确定合理的DEM分辨率均具有重要意义。根据曲率的数学意义,提出了用圆拟合方法计算单条等高线曲率的算法,并在黄土丘陵区、黄土塬区和东北漫岗丘陵区进行了计算分析。结果表明:在等高线比较弯曲或地形比较复杂的地方等高线曲率值较大,而在等高线比较平直或地形比较简单的地方等高线曲率值较小,三个样区取值范围在0.000~1.564 rad/m之间;在研究的三个样区,从东北样区、黄土塬区到黄土丘陵区,等高线曲率均值从东北较缓坡丘陵区的0.025 rad/m逐渐增大到黄土丘陵沟壑区的0.086 rad/m;从等高线曲率图形特征看,其空间分布与地形特征具有良好的对应关系,计算结果合理可信。文章还提出了有待研究解决的若干问题,包括曲率对地形凸凹变化的表达问题和等高线曲率与坡度等地形指标的关系等。     

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

遥感数据已经在数字土壤制图中得到广泛应用,并且可以一定程度上提高土壤属性预测的精度。本文以榆阳区的黄土丘陵和风沙滩地两种地貌区为例,利用不同分辨率的专题制图仪(thematic mapper,TM)、先进宽视场传感器(advanced wide field sensor,AWIFS)和中等分辨率成像仪(Moderate resolution imaging spectroradiometer,MODIS)的遥感影像数据(分辨率分别为30 m、56 m和250 m)和基于高级热量散射和反射辐射仪全球数字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM)的地形衍生数据,结合其他影响土壤有机质分布的辅助因子,用随机森林算法(random forest,RF)对表层土壤有机质进行模拟预测,并通过实测数据的百分比抽样对预测结果进行了验证。结果表明,在榆阳区的黄土丘陵区,基于TM数据的土壤有机质预测结果较好;在风沙滩地区,基于AWIFS数据的土壤有机质预测结果较好。基于RF的土壤有机质预测在榆阳区的黄土丘陵区结果较好,三个分辨率下的平均绝对误差在1.27~1.57 g kg-1之间,在风沙滩地区预测精度较低,平均绝对误差在1.46~2.08 g kg-1之间。高程、地理位置和植被是影响黄土丘陵区土壤有机质预测的主要因素,在风沙滩地区,植被、高程和离水源地的距离是影响有机质预测的主要因素。可见,在地貌相对简单的地区进行土壤有机质含量的预测时可以使用较低分辨率的数据代替较高分辨率的数据,同时,RF算法在复杂地貌区的土壤有机质预测更有效。     

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

为探索适合热带地形复杂区土壤有机质(SOM)含量的空间预测方法,以海南岛为研究区域,结合地形因子、归一化植被指数、土壤类型、土地利用类型变量,选用普通克里格法(OK)、回归克里格法(RK)、随机森林模型(RF)三种方法对训练集128个样点SOM含量的空间分布规律进行预测,并通过验证集32个验证点比较了三种方法的预测精度。结果表明:(1)0~5 cm土层三种方法的平均预测误差(ME)均接近于0,从均方根预测误差(RMSE)来看,RF(0.8867)RK(0.910 4)OK(0.9641),从决定系数(R~2)来看,RF(0.214 1)RK(0.171 5)OK(0.070 8)。综合以上三个参数,该土层最优拟合模型为RF。同理得出0~20、20~40、40~60 cm土层的最优拟合模型分别为RF、RF、OK。RK和RF能够更好地描述SOM含量局部变异信息;(2)四个土层SOM含量的均值分别为19.67、15.89、10.30、8.07 g kg~(-1),呈现出西南、东北高,西部、东南沿海地区低的空间分布趋势。     

ANN‐based pedotransfer and soil spatial prediction functions for predicting Atterberg consistency limits and indices from easily available properties at the watershed scale in western Iran

Atterberg consistency limits (liquid limit, LL; plastic limit, PL; shrinkage limit, SL) and indices (plasticity index, PI; friability index, FI) are useful indicators of soil mechanical behaviour. This study was conducted to evaluate the use of soil and environmental data for predicting Atterberg limits or indices using artificial neural network (ANN) models at the watershed scale in western Iran. The LL, PL, SL, PI, FI, particle size distribution, organic matter (OM) and calcium carbonate equivalent (CCE) were measured in soil samples collected from 113 locations. Three sets of readily available properties were employed as inputs. The first of these data sets or models consisted of soil properties. The second included topographic attributes and normalized difference vegetation index (NDVI), and the third was a combination of soil, topographic attributes and NDVI. Developed ANN models could explain a majority of the variability (62–94%) in Atterberg limits and indices. Greatest and poorest performances were attributed to the third and first models, respectively. No significant efficacy difference was observed between the second and third models. Therefore, the second data set with its readily available environmental variables is suggested for use in predicting Atterberg limits and indices at the regional scale. Sensitivity analysis showed that NDVI, OM, clay content, CCE and topographic attributes (wetness index, elevation, plan curvature and slope) could explain much of the variance associated with Atterberg limits and indices at the watershed scale in western Iran.