应用基于PLSR的土壤-环境模型预测土壤属性

土壤-环境模型对于正确理解土壤属性与环境因子间的关系,以及进行土壤属性预测与制图均具有重要的意义。研究区位于陕西省长武县内多年退耕还林还草沟壑区域,采集72个土壤表层样本,选择3/4的样本作为建模集,其余1/4的样本作为验证集;环境因子选择容易获取的地形因子和由遥感影像提取的植被因子和湿度因子,建立基于偏最小二乘回归(PLSR)的土壤-环境模型。结果表明:全氮、速效钾、全钾、有机质与环境因子间均有显著相关性;建立的PLSR模型可解释土壤属性的空间变异从23%(全氮)到27%(全钾);与逐步回归方法构建的模型相比,利用PLSR构建的土壤-环境模型可以更好地表征土壤属性与环境变量间的关系,拟合精度和预测精度也相对较高,说明PLSR建立的模型可以更好地应用于相似区域的土壤属性预测。     

基于环境相关法和地统计学的土壤属性空间分布预测

土壤属性是土壤质量的重要决定因素,并强烈影响土地利用和生态过程。正确理解并充分考虑土壤空间变异,对于在景观尺度上建立生态、环境过程模型是必不可少的。在黄土高原横山县采集了254个样点,应用数字地形与遥感影像分析技术,获取相关地形因子与遥感指数,分析土壤属性（土壤容重、有机质和全磷）与环境因子相互关系,并利用环境变量进行空间预测。结果表明,土壤容重、有机质与地形因子和遥感指数之间存在较好相关性,而全磷与地形因子相关性不大;多元线性逐步回归模型对于土壤容重和有机质拟合较好,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。     

中国主要土壤类型的土壤容重传递函数研究

由于我国大多数土壤数据库缺失或部分缺失土壤容重数据,利用土壤其他属性来预测土壤容重具有重要意义。我国土壤类型多样,已有的土壤容重传递函数在不同土壤类型中的适用性也值得进一步探讨。本文基于我国现有的土壤数据库,对已有的两种土壤容重传递函数在不同土壤类型(土纲)中的预测精度与适用性进行评估,最后通过SPSS进行回归分析建立我国主要土壤类型最适宜的容重传递函数。研究结果表明,已有的两种土壤容重传递函数应用于部分土壤类型时预测精度不高,但基于土壤系统分类的数据分组后建立的容重传递函数能够明显提高预测精度。新建的容重传递函数对有机土、铁铝土、潜育土、均腐土、富铁土、淋溶土、雏形土、新成土和变性土土壤容重的预测精度较高,但人为土、盐成土和干旱土土壤容重传递函数的预测精度整体偏低,在应用时需要慎重。在利用土壤容重传递函数时一定要注意研究区及适用范围。     

基于模糊集理论提取土壤—地形定量关系及制图应用

通过对研究区地形因子的模糊聚类,提取了地形因子组合与特定土壤属性的定量隶属度关系,然后对隶属度高值区土壤进行目的性采样为隶属度函数赋值,制作研究区土层厚度连续分布图。通过野外实地验证,将观测值与图中预测值比较,结果显示该方法制图精度在82%左右,具有一定的可靠性。进一步考察认为该模型在地形部位较低,地势较为平坦,土壤发育较好,土层较厚,成土环境相对稳定的地区预测效果更好,适用性更强。该方法能提高土壤制图效率,降低制图成本,提高制图精度,对土壤微域变异的表现更为详细,图面信息负载量更高。应用该方法制作大比例尺土壤详图不失为土壤调查与制图领域一种可行的新方法。     

基于土壤-环境关系的更新传统土壤图研究

传统土壤图是流域管理、生态水文模型所需土壤空间分布信息的主要数据源。然而,受传统制图技术和基础数据质量所限,传统土壤图的空间详细度和属性精确度并不高。随着地理信息技术的发展,如何利用可获取的高质量空间数据和现代空间分析技术来更新传统土壤图显得十分必要。基于传统土壤图中的土壤多边形与通过模糊聚类所得环境因子组合之间存在着对应关系这一假设,本文提出了一种从传统土壤图中提取土壤-环境关系知识并利用该知识更新传统土壤图的方法。该方法包括四个步骤:对环境数据进行模糊c均值聚类获取环境因子组合;利用传统土壤图建立环境因子组合与土壤类型间的对应关系;提取土壤-环境关系知识;进行土壤推理制图。将该方法应用于加拿大New B runsw ick省的W akefield研究区,以更新该区现有的1∶20 000的传统土壤图。应用结果表明:更新后的数字土壤图显示了更详细的空间分布信息;经野外独立验证点验证,所得土壤图(制图单元为土壤组合-排水等级)精度高出原土壤图约20%。因此,该方法是一种有效的更新传统土壤图的方法,可增加土壤图的空间详细度、提高土壤图的属性精确度。     

不同土壤含水量下3种盆栽灌木耗水特性研究

采用盆栽称重法分别对3种城市常见绿化灌木单株的耗水规律进行了研究,并对其在4种不同土壤含水量条件下的耗水特性及与环境因子的关系进行了分析。研究结果表明,4种不同土壤含水量条件下,3种灌木的耗水量日动态呈单峰型变化。在相同环境条件下,各灌木的单株耗水量大小为:金叶女贞>冬青>紫叶小檗。随着土壤含水量的降低,3种灌木的耗水量依次减少,35%～15%田间持水量的土壤含水量对3种灌木耗水量具有显著的影响(p<0.01),这说明了该土壤含水量对3种灌木的水分消耗产生了胁迫。通过相关分析,认为影响3种灌木耗水量的主导环境因子是大气温度和光照强度。以环境因子作自变量,以灌木耗水量为因变量,经过逐步回归,建立了多元线性模型。所选回归方程拟合效果良好。利用逐步回归分析建立的优化模型可利用气象参数预测植物的耗水量。     

基于神经网络优化算法的云南土壤有机质含量数字制图——以景洪市为例

  目的  利用自然成土作用变量,预测并制作栅格化的土壤有机质分布图,对发展热带数字化精细农业具有重要意义。  方法  使用2006年云南省景洪市测土配方样点数据,应用BP神经网络（BPNN）、基于强分类器算法的BP神经网络模型（BPNN-Ada）、基于粒子群算法优化的BP神经网络（PSO-BPNN）、基于遗传算法优化的BP神经网络（GA-BPNN）和多元线性回归（MLR）对土壤有机质的含量预测并进行空间化制图。  结果  ① 土壤样点X、Y坐标值能够有效提高算法精度且充分表现环境因子与土壤有机质空间分布上的协同关系。② 4种神经网络算法预测结果土壤有机质空间分布基本类似,均呈现南高北低的趋势。③ 研究区域内4种神经网络模型的在建模集拟合程度从高至低依此次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN,在建模集中PSO-BPNN和GA-BPNN与BPNN拟合精度一致,BPNN-Ada的拟合精度R2最高为0.98。在验证集的预测能力由高至低依次为:BPNN-Ada > GA-BPNN > PSO-BPNN > BPNN。BPNN-Ada有着最高的预测精度和算法稳定性:RMSE = 4.47、MAE = 3.3、MRE = 0.05、R2 = 0.976。  结论  在景洪地区进行土壤有机质神经网络建模时加入地理坐标能够有效提高模型精度,且基于学习规则的神经网络优化算法效果要优于优化初始权重和阈值的神经网络算法及传统的BPNN算法。     

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。     

应用土壤-景观定量模型预测土壤属性空间分布及制图

以土壤-景观定量模型为基础的土壤制图方法在世界范围内得到了广泛研究。本文在皖南宣城的丘陵地带内选择研究区,从该区的数字高程模型(DEM)中获取景观信息:地形因子,定量地分析了土壤属性与地形因子之间的相关关系,并建立基于该关系的线性土壤-景观定量模型,最后应用该模型来预测土壤属性在空间上的分布并制图。结果表明:土体厚度和表层有机质含量与地形因子之间有着显著相关性;建立的线性回归模型分别能解释土体厚度、表层有机质含量空间变异的32.2%和35.3%;依据该模型预测的土体厚度和表层有机质含量具有较高的准确度,并能制图表达土壤属性在空间上的自然连续性。     

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...     

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。     

复杂景观环境下土壤厚度分布规则提取与制图

复杂景观环境下,土壤—环境关系知识的获取是预测性土壤制图的基础。为了探究复杂景观下土壤厚度分布与环境条件的关系,该文以黑河上游祁连山区典型小流域为研究区,应用模糊c均值聚类(fuzzy C-means cluster,FCM)和决策树(decision Tree,DT)方法,建立了一套获取土壤厚度分布与环境间关系知识的方法。利用2种方法结合获得流域内土壤厚度各分布等级的环境要素关键阈值与土壤-环境关系知识集,将所得环境阈值和知识集进行预测性制图,并通过野外独立样点对制图结果进行精度评价。结果表明:土壤厚度图的总体精度为74.2%,Kappa系数为0.659。该研究将2种方法结合获得了土壤厚度分布对应的土壤环境关键阈值和土壤-环境关系知识集,为复杂景观环境下土壤厚度的预测性制图提供了一种有效的解决方案。     

土壤土地数据库(SOTER)在我国土地资源数据库建设的应用研究

本文介绍SOTER项目是利用目前已有的信息技术 ,建立一个包含数字化的地图单元和它们属性数据的世界土壤和土地数据库 .该数据库的主要功能是为已完善起来的世界土壤和土地资源变化的制图和监测提供必要的数据 .在此基础上提出我国土地资源多尺度数据库的建库模式 ,SOTER单元概念的发展 ,多尺度数据库的划分和相互之间的衔接方法     

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。     

不同施肥条件对葡萄园土壤养分供给和产量的影响

施肥是影响土壤养分供给的重要因素。在上海葡萄主产区金山区和奉贤区各选择一个典型规模化葡萄园作为研究对象,考察不同施肥条件对巨峰葡萄土壤养分供给和产量的影响。结果表明:采用少量多次施肥方式的金山葡萄园其土壤速效养分的供给能力显著高于奉贤葡萄园;虽然奉贤葡萄园的钾肥施用量较高,但由于施用时机不当,巨峰叶片对K的吸收显著低于金山葡萄园;巨峰叶片对土壤养分的吸收与土壤速效养分含量之间并未表现出显著相关性;由于采用了疏花疏果的控产措施,金山葡萄园巨峰的产量和经济效益均显著低于奉贤葡萄园。总的来说,上海地区葡萄园土壤养分的供给能力处于较高水平,葡萄园采用减量化施肥等科学的养分管理方式既有利于减少生产成本的投入,也有利于农业生产环境的保护。     

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.     

利用溶质锋信息估计溶质迁移参数方法分析

获取土壤溶质迁移参数是利用数学模型预测土壤溶质迁移过程的前提。本文根据对流弥散方程（Convective-dispersive equation，CDE）的一级近似解，建立了土壤溶质迁移过程中溶质锋随时间变化的函数关系，并以时域反射仪（Time domain reflectometry，TDR）为手段、Cl-为对象，通过与土壤溶质穿透曲线（Breakthrough curve，BTC）拟合法相比较，研究了利用该函数关系确定溶质迁移参数的可行性。研究结果表明，两种方法估计的R比较接近，而溶质锋信息法估计的水动力弥散系数D小于穿透曲线拟合法。TDR探测的溶质锋滞后于理论溶质锋，是导致利用溶质锋信息估计水动力弥散系数D偏小的原因之一。将溶质锋信息法估计的迁移参数代入CDE计算的土壤溶质穿透曲线与实测土壤溶质穿透曲线比较发现，风沙土中计算的穿透曲线整体滞后于实测穿透曲线，但两者的穿透过程基本一致，蝼土中计算的初始、完全穿透时间与试验穿透曲线一致，但穿透过程有所差异，说明溶质锋信息法估计的迁移参数具有一定的可应用性，在估计水动力弥散系数的精度方面有待提高。     

Remote sensing of soil surface characteristics from a multiscale classification approach

Due to their significant influence on infiltration/runoff partitioning and soil erosion, hydrological soil surface characteristics (SSC) have to be known in a spatially distributed manner. This paper proposes a new approach based on radiometric and spatial remotely sensed information, for the mapping of hydrological SSC classes according to a predefined typology based on infiltration rates. Traditional remote sensing approaches usually focus on single SSC attributes only, where the latter correspond to key structural properties such as micro topography, surface crusting and soil cover. The originality of the method proposed here is considering the composite nature of SSC classes, by combining the aforementioned single attributes. This method makes use of a multiscale image segmentation that allows extracting image objects at two spatial scales of interest. At the fine scale, each Homogeneous Unit (HU) is assigned to an SSC attribute. At the coarse scale, SSC classes are identified by combining HU of SSC attributes assigned at the fine scale. The method was applied on airborne images collected over a Mediterranean vineyard by a small Pixy drone, and validated using intensive ground-based observations. The results showed acceptable performances with an overall accuracy ranging from 63 to 84%, depending on SSC classes and surface conditions. However, unsystematic confusions still remained between SSC classes which significantly differ in terms of hydrological behaviours. Improvements are expected considering richer spectral information, and ancillary information about SSC evolution in the case of intensive temporal monitoring.