土壤制图中多等级代表性采样与分层随机采样的对比研究

采样设计是土壤地理研究中备受关注的重要问题。本文以区域尺度土壤属性制图为例,将多等级代表性采样与经典采样中的分层随机采样进行对比研究。以安徽宣城研究区的表层砂粒含量为目标要素,采集数量均为59个的两套样点,设计不同数量(46、58和59)的样点分组,采用两种制图方法进行制图并利用独立验证点进行评价。结果表明:1)无论是采用多元线性回归方法还是基于环境相似度的制图方法,在同等样点数量下,利用代表性样点所得土壤图精度均高于利用随机样点所得精度,并且利用少量代表性样点(46个)所得土壤图精度也高于利用多量随机样点(59个)所得精度;2)随着代表性较低样点的增加,土壤制图精度基本有一个提高的趋势,而采用随机样点所得土壤图的精度波动较大。因此,可认为多等级代表性采样方法是一种可用于区域尺度土壤调查的有效采样方法,且比分层随机采样高效、稳定。     

基于样点的数字土壤属性制图方法及样点设计综述

土壤剖面数据与土壤类型图按照某种原则进行连接是目前获取土壤属性空间分布信息的主要方法,这种传统的土壤属性制图方法以土壤专家的“经验”和手工描绘为基础,耗费资本高、生产周期长.数字土壤制图通过借鉴先进的空间信息处理技术和高分辨率地形数据的优势,能够快速地获取高精度、高分辨率的土壤属性空间变化信息,是一种精细、高效、经济的土壤属性制图技术.本文详细介绍了基于样点进行数字土壤属性制图的3种方法:①基于空间自相关的方法:②基于空间自相关和土壤-环境关系混合相关的方法:③基于土壤-环境关系的方法.同时,为保证样点能够全面地捕捉到研究区内土壤属性空间变异特征,以上3种方法都对样点的数量、分布或典型性提出了较为严格的要求,即样点应具有全局代表性.因此,如何设计样点成为数字土壤属性制图中的一个重要问题.依据样点设计过程中是否能够整合已有样点,本文将样点设计方案分为采样设计方案和补样设计方案两种,并对其分别进行了详细的综述.     

基于不确定性模型的土壤——环境关系知识获取方法的研究

土壤与环境关系知识的获取是精细数字土壤制图的关键,如何快速准确地获取该知识成为现阶段研究的重点。以湖北省黄冈市红安县华家河镇为例,利用土壤—环境推理模型(Soil-Land Inference Model,So LIM)得到土壤类型的夸大和忽略不确定性分布图,依据不确定性分布图在可信度高的位置重新采集样点,对样点进行数据挖掘,获取环境因子组合,建立其与土壤类型的对应关系。结合原始规则,生成新的土壤—环境关系知识,并将其用于土壤推理制图,获得新的土壤类型分布,利用253个野外独立样点进行精度验证。结果表明:推理土壤图显示了更加详细的空间分布信息,经野外验证点验证,总体精度为86.9%,高于原土壤图精度约13%。因此,利用不确定性模型重新获取土壤—环境关系知识的方法是可行且有效的,该方法不仅增加了土壤图的空间详细度,而且提高了土壤图的精确度。     

样点代表性等级采样法在丘陵山区土壤表层有机质制图中的应用

基于样点代表性等级的土壤采样方法在成本、应用性、制图准确度上具有明显的优势,但在其他方面(如敏感性)上仍需要大量研究。为了进一步研究这种方法的可用性,本文以安徽宣城境内的丘陵山区为研究区,应用该方法分析以往土壤采样点的代表性等级,进而研究样点代表性等级对土壤制图准确度的影响。研究结果表明:①高等级代表性链广泛存在,而低等级代表性链则较少;②代表性链的等级有效地从不同程度反映出土壤形成环境的变异;③样点代表性采样设计的采样点与规则化网格采样、目的性采样有很大不同;④一般地,随着低等级样点的逐渐加入,制图准确度增加,但增幅随着样点等级的降低而降低。这些结果说明,样点代表性等级采样法在应用、成本、准确度几个方面都有明显的优点,因而具有较好的应用前景。需要注意的是,在应用该方法选择样点时,样点的代表性应达到一定级别,以避免制图准确度不会因为样点的加入而降低。此外,由于其他地形地貌类型(如平原区)还缺乏较好的土壤协同环境因子,该方法的应用受到了一定程度的限制。     

基于多时相遥感影像和随机森林算法的土壤制图

获取准确的土壤-环境关系是数字土壤制图的关键,目前遥感影像已作为环境因子应用于土壤-环境知识的建立过程,但单幅遥感影像所包含的光谱信息差异难以将不同土壤类型区分开来。因此本文提出了一种基于多时相遥感影像的土壤制图方法：选取红安县滠水河流域为研究区,以母质类型图、等高线数据和多时相哨兵二号遥感影像为基础,提取与土壤形成有关的环境因子,通过随机森林算法获取土壤-环境关系,预测研究区各土壤类型的空间分布并成图,利用野外实地分层采样点验证推理图的精度。结果表明：推理土壤图总体分类精度高达86%,与原始土壤图对比,各土壤类型的空间分布具有一定相似性,展现了更为详细的空间细节信息,该研究成果可为更新土壤图工作提供新方法。     

基于样点个体代表性的大尺度土壤属性制图方法

大空间尺度范围的土壤属性分布信息是陆地表层过程模拟的基础信息.基于野外样点进行空间插值是获得土壤属性空间分布信息的重要手段.现有的空间插值方法通常要求所用样点对研究区土壤属性空间分布规律具有良好的全局代表性.然而,受采样经费和野外采样条件的限制,所采集的样点往往难以全面地反映研究区土壤属性的空间分布规律.基于这样的样点用现有空间插值方法得到的土壤属性分布图通常精度较低,并且由样点全局代表性差带来的推测不确定性也无法得到度量.为了合理利用这些已采集的但全局代表性不好的样点,本文提出了基于样点“个体代表性”推测土壤属性空间分布并度量推测不确定性的方法.该方法在两点环境条件越相似、土壤属性就越相似的假设下,认为每一样点可以代表与其环境条件相似的地区,并且代表程度可以由两点的环境相似度度量;通过分析环境相似度计算推测不确定性,并以环境相似度为权重计算样点可代表地区的土壤属性值.将该方法应用于推测新疆伊犁地区土壤表层有机质含量,经验证,本文方法能够有效地利用全局代表性差的样点推测样点能够代表地区的土壤属性空间分布,并且所得的推测不确定性与预测残差呈现正向关系,能够有效地指示推测结果的可靠程度.     

基于遥感影像和决策树算法的土壤制图

传统土壤信息获取方法已经无法完全满足当前各领域对土壤数据的需求,如何结合新的技术提高土壤普查效率,获取高精度土壤图成为了现阶段的研究重点。本研究综合利用高分二号遥感影像提取的遥感光谱指数以及DEM数据提取的地形因子,通过决策树算法进行数据挖掘,获取各土壤类型的土壤—环境规则,然后利用SoLIM结合土壤—环境规则进行推理制图,获得研究区的土壤类型分布图。结果表明,预测土壤图总体精度为88%,高于传统土壤图的精度72%,且在三种不同的采样方式(均匀采样、横截面采样和主观采样)下土壤预测精度分别为89%、88%、86%,均高于传统土壤图。这说明,预测土壤图比传统土壤图更能反映土壤类型空间差异,且预测土壤图在表达土壤类型整体空间分布信息的同时也可捕捉到土壤类型与地貌类型的耦合关系。     

类别辅助变量参与下的土壤无偏采样布局优化方法

为了提高采样点在地理空间和辅助变量特征空间中的代表性,该文提出特征空间偏离指数用以测度采样点在特征空间中的无偏性,采用类别型辅助变量参与下的多维特征空间构建方法,融合地理空间和特征空间均匀分布的多目标优化目标函数,并利用空间模拟退火的方法实现采样点布局优化。以北京顺义区农田土壤重金属采样为例,选取土地利用类型、土壤质地和母质为辅助变量进行样点布局优化,并与特征空间均匀和地理空间均匀采样方法比较,结果表明:用于区域变量总体估计时,地理空间均匀采样估计精度最低,在采样尺度大于0.275时以特征空间均匀采样估计精度最好,而在采样尺度小于0.275时,无偏采样能获得更好的估计结果;在特征空间代表性方面,采样尺度较大时特征空间均匀采样样点代表性最好,采样尺度小于0.302时,无偏采样与特征空间均匀采样的代表性基本一致,地理空间采样点的代表性最差;用于空间制图时,无偏采样总体上比其他2种方法具有更好的制图精度。可见,在辅助变量支持的采样优化中,当采样尺度大且样点数较少时,适合采用特征空间均匀方法,且只能用于总体估计;采样尺度较小,样点数多时,适合采用无偏采样方法。该研究为利用辅助变量设计区域采样布局提供参考。     

基于Fisher判别分析的数字土壤制图研究

利用已知类型的土壤样点及其所处位置的高程、坡度、平面曲率、剖面曲率、复合地形指数等数据,基于Fisher判别分析方法对安徽宣城样区的土壤类型进行预测和制图表达。结果表明,土纲级别的预测效果较好,正确率达到84.2%。但随着从土纲到亚类级别的降低,由于受土壤样点数量限制,土壤类型预测的准确率也逐步降低。通过与样区1986年基于发生分类的土壤图进行对比,采用的方法无论是在制图精度,还是图面信息的负载量方面都要优于传统方法,能够更加客观真实地反映土壤在自然界的空间分布。     

复杂地形区土壤有机质空间变异性分析及制图

数字土壤制图作为获取土壤属性空间分布的一种新方法,目前已成为土壤科学的研究热点。探究土壤有机质在复杂地形区的空间变异特征及其空间分布制图,可为土地利用合理规划与管理、精准农业及生态环境模拟等提供有价值的数据。复杂地形区由于其地形起伏大,地貌类型多样以及采样点获取难度大等,对土壤属性制图带来一定的困难,也使得获取的属性空间分布图很难用于实际的使用。基于湟水流域2016年10—11月份采集的0—20 cm的253个土壤表层数据,采用GIS与地统计学相结合的方法,研究协同克里格(COK)、地理加权回归克里格(GWRK)以及结合土地利用类型的均值、中值修正协同克里格4种方法在湟水流域的预测精度并进行比较,旨在探索复杂地形区土壤有机质制图中地统计学方法的适用性。结果表明:(1) 4种插值方法对SOM的解释能力均较优,均可用于复杂地形区土壤有机质制图。(2)均值、中值修正协同克里格方法与地理加权回归克里格模型准确度分别为0.905,0.923,0.909,中值修正协同克里格精度最高,未考虑土地利用类型的协同克里格插值精度最低,为0.883。(3)有机质的变异系数为90.90%,存在中等空间变异性;表明其空间变异主要受土壤母质、土壤类型与土地利用管理方式、施肥等共同影响。(4) 4种方法预测图表明湟水流域的SOM高值主要分布在大通县西北部、海晏县南部等地,低值主要分布在民和县东南部等地;整体来看研究区SOM含量有利于农业发展。     

结合多等级代表性采样和模糊隶属度的区域土壤制图方法

High-resolution and detailed regional soil spatial distribution information is increasingly needed for ecological modeling and land resource management. For areas with no point data, regional soil mapping includes two steps: soil sampling and soil mapping. Because sampling over a large area is costly, efficient sampling strategies are required. A multi-grade representative sampling strategy, which designs a small number of representative samples with different representative grades to depict soil spatial variations at different scales,could be a potentially efficient sampling strategy for regional soil mapping. Additionally, a suitable soil mapping approach is needed to map regional soil variations based on a small number of samples. In this study, the multi-grade representative sampling strategy was applied and a fuzzy membership-weighted soil mapping approach was developed to map soil sand percentage and soil organic carbon(SOC) at 0–20 and 20–40 cm depths in a study area of 5 900 km2 in Anhui Province of China. First, geographical sub-areas were delineated using a parent lithology data layer. Next, fuzzy c-means clustering was applied to two climate and four terrain variables in each stratum. The clustering results(environmental cluster chains) were used to locate representative samples. Evaluations based on an independent validation sample set showed that the addition of samples with lower representativeness generally led to a decrease of root mean square error(RMSE). The declining rates of RMSE with the addition of samples slowed down for 20–40 cm depth, but fluctuated for 0–20 cm depth. The predicted SOC maps based on the representative samples exhibited higher accuracy, especially for soil depth 20–40 cm, as compared to those based on legacy soil data. Multi-grade representative sampling could be an effective sampling strategy at a regional scale. This sampling strategy, combined with the fuzzy membership-based mapping approach, could be an optional effective framework for regional soil property mapping. A more detailed and accurate soil parent material map and the addition of environmental variables representing human activities would improve mapping accuracy.     

县域农田土壤采样布局多目标优化分析模型

合理布置农田土壤采样点可以在满足采样精度的前提下显著降低采样数量及成本,或在有限采样数量的限制下确保采样具有最佳的代表性。通过研究筛选区域范围内多种影响农田土壤养分采样点分布的因素,以及不同土壤养分的空间效应,建立区域农田土壤养分采样点布局多目标优化决策分析模型;并结合改进的遗传算法进行模型的求解过程分析。采用江苏省宝应县的农田空间数据及筛选的环境数据,分别从给定采样点数量条件下寻求最佳采样点分布方案,以及在满足采样精度和代表性的前提下确定最小采样点数量等2个角度进行了模型的分析验证工作;结果表明该模型可适用于解决县域范围大量分散耕作农田的土壤养分统一采样规划问题,为采样点的合理分布提供了一种定量优化分析手段。     

基于空间模拟退火算法的最优土壤采样尺度选择研究

以研究区0.5 km×0.5 km(尺度a)网格的7050个样点为基础,分别得到1 km×1 km网格的1757个样点(尺度b),2 km×2 km网格的444个样点(尺度c),4 km×4 km网格的110个样点(尺度d),以土壤有机质(SOM)为目标属性,运用模拟退火算法对4种采样尺度的土壤样点进行优化选择,确定区域土壤调查的最优采样尺度。研究发现,通过模拟退火算法优化选择后,尺度a、b、c、d的最优样点数量分别为956、751、283和95个,优选的样点在空间上均匀分布。随着采样尺度的减小,采样点数量呈倍数增长,但对土壤属性的预测精度并没有相应比例的增加,且随着样点数量的增加,土壤属性预测精度的增加量逐渐减小。从样点数量与土壤属性预测精度综合来看,2 km×2 km的采样尺度是最优的土壤采样尺度。     

基于地统计的土壤养分采样布局优化

传统的土壤养分采样布置方法都是基于采样区土壤特征状态空间随机变异的假设。而地统计学研究表明,土壤特征状态在空间上有关联性,因此利用传统方法来制定采样方案并不是最优的,因为它没有考虑土壤特性的空间相关性,不能反映其局部的变化特征。该文在分析土壤肥力空间变异的基础上,研究利用经典统计学方法确定合理的采样点数目,并基于地统计学的半方差函数拟合与Kriging方法确定合理的采样点布局的方法,选择典型地区的土壤肥力进行空间变异分析和采样点布置的优化设计。研究结果表明：在合理的位置布置14个采样点就可以满足典型基地种植区绘制施肥处方图进行变量施肥决策的要求;利用经典统计学与地统计分析相结合的方法进行农田尺度的土壤肥力采样布点优化分析具有良好的可行性。     

基于影像分析的黄土丘陵沟壑区土壤水分采样研究

[目的]以山西省寿阳县三眼井小流域土壤水分采样为例,对采样点进行了均匀性和代表性分析,以此验证土壤采样设计的合理性。[方法]利用统计分析SPSS 13.0软件和ArcGIS软件,以规则网格采样点作为初步布设图,然后结合遥感影像,把自动生成的规则网格采样点在兼顾土地利用类型和可操作性的前提下进行微调,即采用大均匀小随机布点法进行土壤采样点布设。[结果]最近邻点指数和变异系数均显示采样点分布较均匀;从采样点的坡度代表性来看,由于大均匀小随机采样考虑到实际可操作性,采样点布设多集中在0°~15°,坡度的代表性较差;从采样点的坡向代表性来看,采样点代表性较好;从土地利用类型代表性来看,大均匀小随机法得到的采样点对草地与耕地的代表性较好,对林地的代表性较差,主要因为林地多分布在陡坡上难以采样。[结论]总体来看,大均匀小随机采样法得到的样点均匀性和代表性都比较好,且由于黄土丘陵沟壑区沟壑纵横,地形复杂,利用此方法可以兼顾均匀性、代表性和可操作性。     

不同取样方式下土壤质地空间插值的精度分析

为研究土壤质地的合理取样方式,进而研究其空间变异情况,为田间施肥及灌溉提供依据,本试验利用地统计学方法和GIS技术,在重庆市彭水县重庆烟草试验站,利用289个表层土样,研究了16 m间距的栅格取样法(对照,253个土样,扣除36个验证样点)、34 m间距的栅格取样法(115个土样)和随机取样法(115个土样)3种取样方式下土壤质地的空间插值精度。3种土壤颗粒指标中粉粒占68.43%,砂粒含量最少,占12.68%,黏粒含量略高于砂粒。砂粒和黏粒具有中等强度的变异性,粉粒具弱变异性,且数据符合正态分布。地统计分析显示,在分析该区域土壤质地时,采用栅格取样方法应适当增大取样间距,而采用随机取样方法可适当缩小取样间距。交叉检验显示,土壤质地成分在3种取样方式下的插值精度均以对照最大,栅格取样次之,随机取样最小。综合考虑插值误差、样品采集和分析成本及时效性等因素,本研究建议在该区域进行土壤质地空间变异规律分析为生产服务时应采用随机取样。     

基于传统土壤图的土壤—环境关系获取及推理制图研究

在数字土壤制图研究中,从历史资料中提取准确的、详细的土壤—环境关系对于土壤图的更新和修正十分重要。从传统土壤图中提取土壤类型并从地形数据中提取环境参数,采用空间数据挖掘方法建立土壤—环境关系,并进行推理制图和精度验证。以湖北省黄冈市红安县华家河镇滠水河流域为例,首先选取成土母质和基于地形数据提取的高程、坡度、坡向等7个环境因子;然后利用频率分布原理得到包含土壤类型与环境因子信息的典型样本数据1 410个;采用See5.0决策树方法进行空间数据挖掘,建立土壤—环境关系;将其导入So LIM中进行推理制图;最后利用270个实地采样点验证所得土壤图的精度。土壤图的精度提高了约11%,证明了本研究方法对土壤类型和空间分布推理的可靠性。