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.     

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。     

一种基于样点代表性等级的土壤采样设计方法

采样设计是获取土壤空间分布信息的关键环节,直接影响到土壤制图的精度。目前常用的采样设计方法大多存在着设计样本量大、采样效率不高的问题。当可投入资源难以完成一次性大量采样时,采样往往需要多次、分批进行。然而现有分批采样方法多考虑各批采样点在地理空间的互补性,可能造成样本点在属性空间的重叠,影响采样资源的高效利用。鉴于此,本研究通过对与土壤在空间分布具有协同变化的环境因子进行聚类分析,寻找可代表土壤性状空间分布的不同等级类型的代表性样点,建立一套基于代表性等级的采样设计方法。将该采样方法应用于位于黑龙江省嫩江县鹤山农场的研究区,利用所采集的不同代表性等级的样点进行数字土壤制图并进行验证,探讨采样方案与数字土壤制图精度的关系,以评价本文所提出的采样方法。结果表明,通过代表性等级最高的少量样点可获取研究区的大部分主要土壤类型(中国土壤系统分类的亚类级别),且制图精度较高;随着代表性等级较低样点的加入,土壤图精度提高;但当样点增加到一定数量时,土壤图的精度变化不大。因此,与样点数相比,样点的代表性高低对制图精度的影响更大。该方法所提出的代表性等级可以为样点采集顺序提供参考,有助于设计高效的逐步采样方案。     

样点数量与空间分布对县域尺度土壤属性空间预测效果的影响

明确样点数量和空间分布对土壤属性空间预测的影响,有助于科学制定土壤采样策略、有效提高土壤空间预测精度。从5 403个土壤样点中随机抽取验证数据集以及包含不同样点数量的训练数据子集(每个子集包括五种样点空间分布实例),在研究区表层土壤有机质含量普通克里格(Ordinary Kriging,OK)和反距离加权(InverseDistanceWeighted,IDW)插值结果的基础上,分析和探讨样点数量与空间分布对土壤空间预测效果的影响。结果显示,当样点数量从5000降至39个时,OK和IDW插值图的局部变异信息逐渐减少,基于20和10个样点的插值图存在失真畸变。当样点数量从5 000降至1 250个时,OK插值精度相近(r变幅为0.55～0.59、RMSE变幅为3.03～3.15);从样点数量减少至625个开始,OK插值精度明显下降,同一训练子集不同样点空间分布的插值精度分异明显。IDW插值精度随样点数量与空间分布的变化与OK插值相似,不同的是从1 875个样点开始出现插值精度的明显下降和不同空间分布插值精度的明显分异。在插值图发生失真畸变之前,OK平均插值精度大于IDW。研究结果表明,样点数量及空间分布均可在不同程度上影响土壤属性空间预测结果,当样点数量足够多时,样点数量和空间分布对预测结果的影响非常有限;当样点数量减少至一定程度时,随着样点数量的减少,空间预测图的局部变异信息逐渐减少,预测精度逐渐下降,同时样点空间分布对预测结果的影响开始凸显;在空间预测结果发生失真畸变之前,与OK相比,IDW插值精度较低且更早响应样点数量和空间分布的变化。     

青海省表层土壤属性数字制图

对于土壤景观复杂的大区域,样点往往较为稀疏,如何准确地进行土壤预测制图仍是一个需要研究的问题。本文以青海省为研究区,基于近年采集205个土系调查点数据,采用随机森林模型,分别建立了表层(0～20 cm)土壤全氮、有机碳、粉粒含量和pH四个基本土壤属性与环境协同变量(海拔、坡度、地形湿度指数、年降水量、年平均气温、归一化植被指数、地表温度和地表反射率)之间的定量关系模型,对该地区进行了土壤多要素预测制图,分析了影响土壤空间变异的控制性因素。交叉验证结果显示,全氮、有机碳、粉粒含量和pH的R~2分别是0.61、0.53、0.47和0.54,这说明随机森林模型可解释47%以上的土壤空间变异。表层土壤全氮和有机碳空间分布趋势东南高,西北低,pH呈现出相反的空间模式;粉粒含量东高西低,预测结果高值出现在柴达木盆地和南部玉树、果洛地区。环境变量的重要性分析表明,年降水量对表层土壤全氮、有机碳、pH空间分布模式具有控制性影响,夜间地表温度与表层土壤粉粒含量空间变异具有较强的协同关系。     

空间回归分析在土壤属性预测制图中的应用

以河南省孟津县为研究区,选取坡度、高程、地面曲率和复合地形指数(CTI)作为表层土壤缓效钾含量空间预测的环境协变量,系统探讨了空间回归分析技术在土壤属性预测制图中的应用.结果表明:土壤缓效钾的空间自相关距离阈值约为10 000 m,与坡度、高程和地面曲率存在显著相关性;尽管空间回归模型的预测精度和普通回归模型相近,但前者可以更加准确地表征土壤缓效钾的空间分布格局及空间分异细节特征.     

基于大尺度低密度样点的东北土壤全氮空间插值方法比较

基于全国第二次土壤普查东北地区土壤数据,以ArcGIS和GS⁺软件为支撑,对比分析了反距离加权法(IDW)、径向基函数(RBF)、普通克里金(OK)和回归克里金(RK)4种地统计空间插值方法在7个不同样本容量下土壤全氮含量(STNC)的空间插值效果。结果表明,由普查数据得到的东北地区STNC在0.08~21.48 g/kg之间,数据变异性较大;STNC空间结构表现出中强度空间自相关性,空间自相关范围大于同区域的小尺度采样研究;样本容量<171时,STNC空间变异性发生变化,空间结构特征和精度检验水平难以确信。4种空间插值方法对STNC空间趋势表达均呈现从东北向西南方向递减规律,空间趋势预测效果为:RK >OK >RBF >IDW。RK方法通过线性回归分析添加了阳离子交换容量(CEC)、年均温(MAT)、土层厚度(d)和pH值等辅助信息,比IDW,RBF和OK方法的插值精度分别提高了19.40%,18.50%和16.15%;在不同样本容量下RK方法的插值精度较为稳定且对无样点区STNC的空间趋势预测也体现出了更多细节信息,因此对于大尺度低密度采样的土壤属性空间插值可重点考虑RK方法。     

土壤图更新中基于土壤类型面积分级的训练样点选择方法

基于数据挖掘模型的土壤图更新是一项重要的研究。数据挖掘模型构建中训练样点的质量不仅决定其对研究区土壤-环境关系表达的充分程度,而且会对推理制图的结果产生至关重要的影响。本文提出一种基于土壤类型面积分级的典型训练样点选择方法,即依据土壤面积对土壤类型分级,并按照等级之间的比例关系基于典型点选择训练样点。将方法应用于更新美国威斯康星州Raffelson流域的传统土壤图,并与另外两种训练样点选择方法对比,以验证该方法的有效性。结果表明,500次重复实验中,本研究方法与另外两种训练样点选择方法相比,能够更新传统土壤图的比例分别为79.5%、71.8%和63.6%,而且其推理制图结果更符合研究区土壤分布的特征。本研究所提方法是一种有效的训练样点选择方法。     

基于地统计学和GIS的太湖典型地区土壤属性制图研究——以土壤全氮制图为例

在地理信息系统(GIS)支持下，运用地统计学方法对太湖典型地区耕层土壤全氮含量的空间变异特征进行分析，探讨了适用于研究区域土壤全氮制图的最佳邻域，并在此基础上利用块段克立格(Block Kriging)法绘制了土壤全氮含量空间分布图。结果表明，土壤全氮的空间变异性在40km步长变化域上表现为明显的各向同性，超出这个范围，土壤全氮空间变异的各向异性明显增强，以40km步长变化域上土壤全氮的空间结构特征作为Kriging插值依据有助于提高制图精度。制图结果表明，研究区域土壤全氮含量在江阴和宜兴两市境内普遍较高，锡山和武进两市相对较低；且高值斑块区主要分布在地势低洼的圩田区，这是人为施肥和土壤特性共同影响的结果。Kriging估值标准差分布图可为评价和提高制图精度提供十分有用信息。     

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。     

基于支持向量机的典型冻土区土壤制图研究

基于青藏高原大片连续多年冻土分布的东部边缘,青海省兴海县温泉地区的野外调查数据,通过对研究区遥感数据的分析,开展了土壤制图方法的探讨。以成土因素学说和土壤-景观模型理论为基础,筛选土壤分类潜在变量,在不同的变量组合下运用支持向量机(SVM)的方法建立土壤-景观模型,对整个研究区进行预测性分类。为了更好地检验该方法的有效性,采用五折交叉方式进行结果的验证。并通过对比不同变量组合的交叉验证结果和分布模拟结果图,确定了适合典型冻土区土壤分类的环境变量组合,以较少的样本知识较好地预测该区土壤类型的空间分布。     

Quantitative mapping of soil types based on regression kriging of taxonomic distances with landform and land cover attributes

Nowadays, French soil scientists tend to gather new and existing soil data into a common database. The use of this database potentially allows for resolving environmental issues, largely through soil mapping. The purpose of this study is to present a methodology for mapping soil types illustrated by typical observations in the soil database, in this case from the La Rochelle area on the French Mid-Atlantic Coast. The main hypothesis underlying the method is that soil types result from environmental factors such as landform, parent material, and land cover. The method can be divided into four stages. The first step is to construct a local soil type classification from the database by a two-stage continuous classification procedure. The result of this procedure is that at each observation point, the soil is described by a vector of taxonomic distances to each of k centroidal soil types. In the example given, k=18. The second step involves fitting soil–environment equations, one for each centroidal soil type, by regressing taxonomic distances on layers of multivariate environmental data observed on a fine 20-m grid, by multiple linear regression. In this case, the layers are terrain attributes derived from a digital elevation model and land cover attributes derived from three bands of a SPOT image. The third step is to predict k maps or raster GIS layers representing taxonomic distances to soil types on the 20-m grid, using the soil–environment equations and the kriging of the residuals from the regressions. This results in many potential maps: a summary map depicting the nearest centroidal soil type (the soil type for which the taxonomic distance is least) at each location is possibly the most useful, and another one representing the minimum taxonomic distance which, if considered too large, might suggest locations for further field survey to refine the soil types. A map of standard errors of the kriged taxonomic distance residuals to the nearest centroidal soil type can be made to indicate spatial uncertainty. Continuous fuzzy membership maps can also be constructed from the distances. The fourth step involves validation with an independent soil data set allowing discovery of the nature of the actual prediction errors. Thirty-eight percent of sites in a validation sample of 1234 sites was unequivocally validated, 23% was equivocally validated, and the remainder was predicted wrongly by the method.     

土壤制图中土壤类型配色模型构建与应用

在全国1∶5万土壤图集制图中,土壤类型的配色既需表现土类等高级类型的分布特征,也要表现土属等较低级类型的差别。我国土壤低级类型众多,且1∶5万基本比例尺图幅达2万余幅,采用传统人工设色方法进行土壤制图,不仅效率低,而且难以保持图幅间土壤颜色的协调一致性。针对这一技术难题,本研究采用图幅间相似配色方法和人机交互的设计思想,通过建立1个多层级管理色库、人工设置土壤类型的Q配色单元及其多个近似色系(色组),建立了Q配色单元的避让选色和区域土壤特征分析等5个组件模型,构建了土壤类型配色模型(SCO-Model)。该模型在大比例尺土壤制图中不仅反映了区域土壤的总体分布特征,也表达了土壤类型间的差异,特别是实现了大比例尺土壤制图中土壤类型的快速智能配色,大大提高了制图效率。     

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。     

基于两点机器学习方法的土壤有机质空间分布预测

准确预测土壤有机质（Soil Organic Matter,SOM）空间分布对精细农业、耕地质量建设、生态环境保护以及固碳减排等均具有重要的意义。该研究探讨了基于两点机器学习方法（Two-point Machine Learning,TPML）提高SOM空间分布预测的可行性。以黑龙江省海伦市为研究区,以气候、地形地貌、社会经济和空间位置信息等因素作为辅助变量,充分利用空间位置信息和属性相似关系,有效处理SOM空间分布异质性及其与辅助变量间关系异质性,以提高TPML方法进行SOM空间分布预测的精度。采用随机森林、基于随机森林的回归克里格、反距离权重法和普通克里格（Ordinary Kriging,OK）方法作为对比,以平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）、预测值与真实值相关系数（r）和决定系数（R2）作为评价指标,进行不同样本量下的多组对比试验,评价不同方法的预测精度。结果表明：1）研究区SOM含量在1.775～7.188 g/kg之间,平均值为3.179 g/kg,空间分布不均匀,呈东高西低的分布趋势。2）在不同样本量条件下,与其他模型相比,TPML的预测精度均最高,其MAE（0.088～0.097 g/kg）和RMSE（0.116～0.139 g/kg）均为最小,r（0.992～0.996）和R2（0.971～0.985）均为最高。3）预测值的误差标准差（理论误差）与实际误差具有相似的空间模式,说明TPML可以为预测结果提供合理的不确定性估计。综上,TPML模型可以通过同时利用空间自相关性和属性相似性来提高预测精度,该模型适用于预测具有一定空间自相关性且具有可用辅助数据的资源环境变量。     

持久性有机污染场地土壤淋洗法修复研究进展

持久性有机污染场地土壤淋洗法是污染场地土壤物化修复方法中一种常用的技术。淋洗法是指运用特定淋洗剂对污染土壤进行深度洗涤,通过分离净化淋洗剂,实现回用集成,达到去除土壤中污染物的目的,并最终安全化处置污染物和修复土壤的过程。本文根据污染场地土壤处理位置、淋洗剂种类和淋洗剂施用方式的差异,将持久性有机污染场地土壤淋洗法划分为不同的种类;总结了为达到高效去除土壤中污染物质,可运用多级淋洗方式、超声方式、电动力方式和化学氧化等方式实现强化修复效率;阐述了污染场地土壤质地、污染物性质、淋洗剂性质、淋洗条件优化以及淋洗剂回用效率等因素对淋洗修复整体效用的显著影响;同时指出了目前持久性有机污染场地土壤淋洗法存在的问题和今后国内外研究和应用的方向。综合考虑土壤淋洗修复技术适用范围和成本因素,认为淋洗法是一种较符合我国持久性有机污染场地土壤实情的修复技术,具有较强的针对性和较广泛的运用前景。