面向数字土壤制图的土壤采样设计研究进展与展望

全球化土壤环境问题的出现对基础输入数据的精度、尺度和时序提出了更高要求,面向数字土壤制图的土壤采样研究得到了快速发展。首先利用文献计量学的方法定量化分析国内外土壤采样研究学科分布和研究热点变化;随后重点梳理了国内外土壤采样研究的文献,根据不同的土壤调查目的、调查区历史采样点将土壤采样设计分为:土壤全面采样设计、土壤补充采样设计、土壤验证采样设计和土壤监测采样设计;最后介绍了基于样点的推理制图方法。在此基础上,对未来在多尺度的土壤采样设计、土壤–环境因子关系的新型假设和采样设计中现实问题的量化等方面进行了展望,旨在为数字土壤调查工作的开展提供参考依据。     

我国土壤调查制图及土壤分类工作的回顾与展望

建国以来,我国围绕国土整治与区域治理任务,在各地开展了土壤调查、制图及分类工作,为土壤资源的开发利用、建立土壤信息系统以及制定以诊断层为基础的土壤分类系统作出了贡献。今后应加强遥感技术与土壤信息系统的结合,使之步入新的发展阶段。     

土壤质量数字制图方法浅论

本文简要论述了土壤质量数字制图的一般过程及其与传统土壤制图的异同,并依据土壤制图原理确定数字制图的几个重要参数,同时简述了数字制图对野外土壤调查的要求以及对传统图件的处理。     

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。     

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。     

利用数字土壤制图技术评价桉树林土壤肥力

精细的土壤肥力空间信息有助于森林质量精准管理.本研究以广西高峰桉树林场为研究区,利用数字土壤制图技术对研究区主要肥力因子空间分布进行数字制图,在此基础上,应用灰色关联度模型对桉树人工林土壤肥力进行了综合评价.结果表明:研究林场的土壤肥力质量较好,土壤肥力水平2级和3级林地面积占总面积的68.6％,1级和4级林地面积占2...     

利用数字土壤制图技术评价森林立地质量

[目的]为了提升森林立地质量评价的精准性,探讨利用数字土壤制图技术对森林立地质量进行评价,助力精准林业的发展.[方法]以济源南山林场为研究区,以地形因子为预测因子,运用模糊C均值聚类方法(FCM算法)对立地评价所需的主要土壤属性进行预测制图,并在利用遥感影像数据获取林地其他立地环境因子分布图的基础上,应用灰色关联度法对...     

中国土壤地质学研究进展与展望

土壤地质学正伴随着其他学科的发展取得新的进步。本文在论述成土母质与土壤发育、成土母质与土壤分类分区、土壤地质对农业与种植业结构影响、地质背景与土壤地球化学循环等土壤地质学主要研究领域的基础上,分析了土壤地质学与土壤学、地质学、环境地质学、农业地质学、土地科学等其他学科的关系,探讨了土壤地质学未来的重点研究领域和发展方向,以期推动土壤地质学研究的发展。     

“数字土壤”——21世纪土壤学面临的机遇与挑战

本文在“数字地球”概念的基础上率先提出了“数学土壤”的概念以及两者间相互依托的密切关系 .深入浅出地论述了发展“数学土壤”是社会的迫切需求 ,也是学科发展的必然趋势 ;阐明了发展中国“数字土壤”已具备的基本条件和急需解决的热点问题 ;简要地描述了“数字土壤”在解决人口与资源、环境以及自然灾害等全球性问题上应具有的作用 ,指出为迎接“数字地球”的挑战 ,2 1世纪土壤学应不失时机地发展“数字土壤” ,尤其重要的是发展中国的“数字土壤”     

半干旱沙区土类/亚类的遥感调查制图方法

传统土壤调查制图存在低时效性、低精度等问题。为了解决半干旱沙区土壤遥感调查制图问题,该文以科尔沁左翼后旗为例,基于野外实地调查和专家知识分析了半干旱沙区土壤类型分布特征与环境因素之间的关系,并探讨了基于多时相Landsat8 OLI影像数据的半干旱沙区土类/亚类遥感调查制图方法。结果表明:利用多时相Landsat8 OLI影像数据提取的归一化差异水体指数(modified normalized difference water index,MNDWI)、盐分指数(salt index,SI)、归一化差异湿度指数(normalized difference moisture index,NDMI)、归一化差异植被指数(normalized difference vegetation index,NDVI)等环境信息,可实现对沼泽土、盐碱土、草甸土、风沙土及其亚类等半干旱沙区主要土壤类型的遥感调查制图。应用本文提出的半干旱区土类/亚类遥感调查制图方法对科左后旗进行土壤遥感调查制图和精度验证,总体精度约为72.84%,Kappa系数为0.667 8。该方法可为半干旱沙区数字土壤调查制图提供思路和参考。     

广义线性地统计模型在典型亚热带丘陵区数字土壤制图中的应用

数字土壤制图(DSM)在当前的应用越来越广泛,其方法主要包括环境相关模型、空间自相关模型,以及这些模型的混合模型。理论上,混合模型相对单一模型具有明显的优势。广义线性地统计模型(GLGM)也是一种混合模型,相对于最常用的混合模型——回归克里格(RK),又具有能加入随机效应来解决土壤变异的非平稳性等优势。然而,GLGM因计算繁琐等缺点,在国内外应用较少。本文以广西南宁高峰林场内一小面积(3.03km2)丘陵为研究区,以14个地形因子为预测变量,使用GLMM及其与普通克里格(OK)相结合的模型(GLGM),对土壤有机碳(SOC)、pH、黏粒和阳离子交换量(CEC)的空间分布进行预测,并与常用的多元线性回归(MLR)、地理加权回归(GWR)、回归森林(RF)、普通克里格(OK)、RK和广义可加模型(GAM)进行比较。结果表明：GLMM在预测黏粒上准确度较高;GLMM和GLGM在预测CEC上准确度中等;GLMM和GLGM在预测SOC和pH上准确度较低。综合线性回归模型的调整决定系数、块金效应和全局莫兰指数,本文认为,当土壤属性与环境变量具有较低的线性回归调整决定系数(即小于5%)、土壤属性具有较弱的空间自相关性(即块金效应大于71%)和较强的局部空间变异(即全局莫兰指数小于0.09)时,GLMM和GLGM具有较高的适用性,例如本文中的黏粒。反之,GLMM和GLGM的适用性不好,例如本文中的SOC和pH。鉴于土壤空间变异的高度异质性和多尺度性,本文认为GLMM和GLGM具有较好的应用前景。但是,在未来的研究中还需要进一步研究如何提高GLMM和GLGM的模拟效率。     

Global mapping of volumetric water retention at 100, 330 and 15 000 cm suction using the WoSIS database

Present global maps of soil water retention (SWR) are mostly derived from pedotransfer functions (PTFs) applied to maps of other basic soil properties. As an alternative, ‘point-based’ mapping of soil water content can improve global soil data availability and quality. We developed point-based global maps with estimated uncertainty of the volumetric SWR at 100, 330 and 15 000 cm suction using measured SWR data extracted from the WoSIS Soil Profile Database together with data estimated by a random forest PTF (PTF-RF). The point data was combined with around 200 environmental covariates describing vegetation, terrain morphology, climate, geology, and hydrology using DSM. In total, we used 7292, 33 192 and 42 016 SWR point observations at 100, 330 and 15 000 cm, respectively, and complemented the dataset with 436 108 estimated values at each suction. Tenfold cross-validation yielded a Root Mean Square Error (RMSE) of 6.380, 7.112 and 6.485 10⁻²cm³cm⁻³, and a Model Efficiency Coefficient (MEC) of 0.430, 0.386, and 0.471, respectively, for 100, 330 and 15 000 cm. The results were also compared to three published global maps of SWR to evaluate differences between point-based and map-based mapping approaches. Point-based mapping performed better than the three map-based mapping approaches for 330 and 15 000 cm, while for 100 cm results were similar, possibly due to the limited number of SWR observations for 100 cm. Major sources or uncertainty identified included the geographical clustering of the data and the limitation of the covariates to represent the naturally high variation of SWR.     

基于特征筛选算法的数字土壤制图研究

平缓地带数字土壤制图中，环境协变量的选择是提高制图精度的关键。已有研究证明遥感影像可作为推理制图的辅助因子，而如何确定环境因子推理制图时各自的权重已成为现阶段研究的重点。选取湖北省麻城市乘马岗镇为研究区，采用3种特征筛选方法进行有效环境变量筛选，探索参与平原-丘陵混合区域制图的因子并确定其重要性，依据选择的相对稳定的指标，进一步探索提高土壤类型制图准确性的途径。根据141个野外独立样点的检验结果表明：在推理制图中，遥感因子在平原区域的重要性程度高于丘陵区域，且遥感因子中归一化植被指数(NDVI)和均值(Mean)较为稳定；基于递归特征算法的按地形推理制图精度最高为75.89%，分别高于ReliefF算法和基于Tree的特征筛选算法13.48%和4.97%；此外3种特征筛选算法制图结果中，按地形因子分区制图的精度均高于整体区域制图。因此，遥感因子作为辅助手段参与推理过程可有效提高制图精度。本研究采用的特征挖掘与机器学习算法对提升土壤制图精度具有一定的理论意义。     

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。     

平原区土壤质地的反射光谱预测与地统计制图

基于地统计方法的土壤属性制图通常需要大量的采样与实验室测定。本研究提出利用可见光近红外(visible-nearinfrared spectroscopy,VNIR)光谱技术测定替代实验室测定,并与地统计方法相结合预测土壤质地的空间变异。通过建立砂粒(0.02 mm),粉粒(0.002~0.02 mm),黏粒(0.002 mm)含量的VNIR光谱预测模型,将模型预测得到的质地数据和建模点实测质地数据一同用于地统计分析和Kriging插值制图。以江苏北部黄淮平原地区为案例的研究结果表明,砂粒、粉粒、黏粒含量的预测值和实测值的均方根误差(RMSE)分别为8.67%、6.90%3、.51%,平均绝对误差(MAE)分别为6.46%、5.60%、3.05%,显示了较高的预测精度。研究为快速获取平原区土壤质地空间分布提供了新的可能的途径。     

基于土壤变异解释力的几种土壤制图方法的对比研究——以南阳市1m土体土壤有机碳密度制图为例

为克服方法的复杂性和数据的详细性解释土壤制图效果的不足,基于土壤变异解释力对多种方法进行对比研究。收集南阳1∶5万土壤类型图、30 m分辨率数字高程模型和TM影像,计算出高程、坡度、坡向、归一化植被指数(NDVI)、穗帽变换的湿度(TCW)参数等,以439个土壤剖面为训练数据,分别按土壤类型连接法(SCLM)、加权最小二乘法(WLS)回归、地理权重(GWR)回归、随机森林(RF)、普通克里格(OK)、回归克里格(RK)进行1m土体土壤有机碳密度(SOCD)制图,其余49个土壤剖面作为验证集。结果表明:(1)对SOCD变异的解释力是影响制图效果的本质因素。土壤类型、土壤表层有机质(OM)是主要预测变量,SCLM、WLS和GWR均只能利用其中一种主要变量,土壤图的详细化和回归模型的复杂化均不能明显改善SOCD制图效果。基于土属和OM变量,RF对SOCD变异的解释力最强,预测效果最优;地统计学空间变异函数对SOCD变异的解释力大于回归模型,小于RF,而与土壤类型相当,其相对制图效果亦如此。(2)预测变量建模和空间相关是两类不同的土壤变异解释机制,RK未必能使它们产生最佳组合:只有WLS回归、GWR回归和缺乏土壤类型信息的RF(OM+TCW)适合RK算法,在原始模型中它们对训练数据的拟合效果依次升高,但其RK结果的优劣排序则相反;所有RK的结果均未达到土属和OM参与下RF制图的精度。     

数字土壤及其应用研究进展

数字土壤是近年来国内外土壤学研究的热点和前沿领域之一。文章阐述了数字土壤的概念和发展过程;总结数字土壤在各专业领域的应用,并对研究中出现的问题进行了深入的分析;最后展望了数字土壤的发展前景,提出了相关的建议。     

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。     

对全国第二次土壤普查中土类、亚类划分及其调查制图的辨析

按照中国发生分类对新采集的68个北京市山区的土壤剖面进行了分类命名,并与剖面点所在土壤普查图上的分类名称进行比较,结果是只有18个剖面的分类名称一致。造成分类名称不一致的原因:1发生分类以区域典型土壤剖面分类命名,而区域内很多土壤不同于典型土壤剖面;2发生分类往往以现代生物气候带为主要分类标准命名区域土壤,而不是根据土壤性质;3分类不一致的最大原因可能是制图精度不够。研究认为,土壤分类必须依据土壤性质本身,而不是土壤形成因素;采取野外单土壤性质调查制图,室内叠加单土壤性质图形成多属性图斑,根据分类系统对它们进行综合分类,以提高分类制图精度。