中国土壤有机碳密度和储量的估算与空间分布分析

基于 1∶40 0万的《中华人民共和国土壤图》和第二次土壤普查数据 ,运用地理信息系统技术 ,对中国土壤有机碳密度及储量做出估算 ,并且分析了土壤有机碳密度的空间分布差异。结果表明 :10 0cm深度的土壤有机碳密度介于 1 19kgm- 2 到 176 46kgm- 2 之间 ,2 0cm深度的土壤有机碳密度介于 0 2 7kgm- 2 到53 46kgm- 2 之间 ;10 0cm和 2 0cm深度的土壤有机碳储量分别为 84 4Pg (1Pg =10 15 g)和 2 7 4Pg ;土壤有机碳密度具有高度的空间变异性 ,东北地区、青藏高原的东南部、云贵高原等森林、草甸分布的地区有机碳密度最高 ,准噶尔盆地、塔里木盆地、阿拉善高原与河西走廊、柴达木盆地等沙漠化地区的土壤有机碳密度最低 ;土壤有机碳密度的空间分布主要受气候、植被以及人类活动的影响     

基于规则引擎的土壤类型自动检索的研究

定量化的土壤系统分类体系的建立推动了土壤类型自动检索的研究。但以往研究并未关注土壤系统分类体系仍需不断修订的现状,所开发系统的推理代码与知识规则通常互相绑定,当知识规则改变时,推理代码需要重新开发,导致已有的系统被弃用,这阻碍了土壤类型自动检索系统的推广和应用。针对上述问题,以《中国土壤系统分类检索》(第三版)为基础,建立了基于RuleML语言的、可随时修改和扩展的规则库。然后利用规则引擎工具NxBRE,使土壤类型的检索规则与推理过程相分离,知识规则的改变不需要重新编写推理过程代码,并最终实现了土壤类型的自动检索。     

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。