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。     

基于植被覆盖率的农村居民点整理潜力估算及实证

为合理估算农村居民点整理潜力,该文提出基于植被覆盖率的农村居民点整理潜力测算新思路。借助植被覆盖率对农村居民点斑块进行分类,通过分析抽样农村居民点斑块的植被覆盖与内部用地结构得到整理潜力修正系数,从而建立基于植被覆盖率修正的农村居民点整理潜力估算模型,并以北京市门头沟区为例展开实证研究。研究结果表明,门头沟区无整理潜力的农村居民点占大多数,具有整理潜力的农村居民点主要集中在经济相对落后的乡镇,并且这部分农村居民点多远离主干道;山区具有中、高整理潜力的农村居民点略多于平原、浅山区,而低整理潜力的农村居民点明显多于平原、浅山区;门头沟区规划整理的农村居民点内部包含有大量农用地,其中建设用地比例只占63.19%～71.54%,但是,第二次土地调查将整个农村居民点都作为建设用地调绘;因而,一些不考虑植被覆盖修正的农村居民点整理潜力测算方法夸大了整理潜力,放大了城乡建设用地增减挂钩的效果。该文为进一步合理估算农村居民点整理理论潜力提供参考。     

基于语义驱动的日光温室图纸三维建模方法

为了从日光温室施工图纸中重建出温室结构三维模型,提出基于语义映射的施工图纸三维重建方法。首先解析和分类日光温室施工图纸DXF文件,从中识别和理解主要特征构件,建立日光温室构件语义模型并生成分层控制参数,进而基于参数化驱动日光温室三维建模,最后对日光温室三维模型进行真实感渲染。该方法整合CAD制图与三维建模技术,有利于提高日光温室施工图纸的读图效率,建立的三维温室模型具有保真性、交互性和真实感等特性,可用于工程量和造价计算、温室结构优化以及虚拟展示。     

基于不同地表曲面模型预测土壤有机碳含量

Local terrain attributes,which are derived directly from the digital elevation model,have been widely applied in digital soil mapping.This study aimed to evaluate the mapping accuracy of soil organic carbon (SOC) concentration in 2 zones of the Heihe River in China,by combining prediction methods with local terrain attributes derived from different polynomial models.The prediction accuracy was used as a benchmark for those who may be more concerned with how accurately the variability of soil properties is modeled in practice,rather than how morphometric variables and their geomorphologic interpretations are understood and calculated.In this study,2 neighborhood types (square and circular) and 6 representative algorithms (Evans-Young,Horn,Zevenbergen-Thorne,Shary,Shi,and Florinsky algorithms) were applied.In general,35 combinations of first-and second-order derivatives were produced as candidate predictors for soil mapping using two mapping methods (i.e.,kriging with an external drift and geographically weighted regression).The results showed that appropriate local terrain attribute algorithms could better capture the spatial variation of SOC concentration in a region where soil properties are strongly influenced by the topography.Among the different combinations of first-and second-order derivatives used,there was a best combination with a more accurate estimate.For different prediction methods,the relative improvement in the two zones varied between 0.30％ and 9.68％.The SOC maps resulting from the higher-order algorithms (Zevenbergen-Thorne and Florinsky) yielded less interpolation errors.Therefore,it was concluded that the performance of predictive methods,which incorporated auxiliary variables,could be improved by attempting different terrain analysis algorithms.     

基于地统计与遥感反演相结合的有机质预测制图研究

土壤水分对土壤光谱反射率有显著影响,而以往有机质遥感反演制图中却很少将水分作为预测建模的变量。为了使遥感制图更加符合野外实际环境,提高有机质预测制图精度,在充分考虑土壤样点空间自相关、异相关与野外复杂环境特点的基础上,通过地统计获得研究区水分的空间分布数据,结合遥感反射率,建立多因子预测模型,得到了吉林省黑土区土壤有机质空间分布图。结果表明,有机质遥感制图中,水分因素的加入,使模型的建立更加符合野外实际情况,显著提高了有机质预测制图的精度。     

运用模糊隶属度进行土壤属性制图的研究——以黑龙江鹤山农场研究区为例

通过传统土壤类型图所得的土壤属性图已不能满足精准农业和生态环境模型所需土壤属性的精度,而目前应用较多的统计方法和地统计方法均存在一定的局限性。鉴于此,本文探索了一种采用模糊聚类获取模糊隶属度进行土壤属性制图的方法。首先,采用模糊c均值聚类(Fuzzyc-means clustering,FCM)方法对环境因子进行聚类,通过野外采样(称为建模点)建立土壤-环境关系知识;然后,计算区域内各像元点对土壤类型的模糊隶属度;最后,对模糊隶属度采用加权平均的方法获取土壤属性值。将该方法应用于黑龙江鹤山农场老莱河流域的研究小区,以土体厚度和表层有机质为例进行土壤属性制图。为了评价该方法的有效性,将其与采用环境因子所建立的多元线性回归模型进行比较,通过野外验证点集评价两种模型所得的土壤属性,评价指标为观测值和预测值的相关系数、平均绝对误差(MAE)、均方根误差(RMSE)和准确度(AC)。结果表明,尽管通过建模点建立的多元线性回归方程R2较大,但该方程并不适用于研究区内的其他样本点,这表明多元线性回归方法在该区具有一定的局限性。与之相比,模糊隶属度加权平均的方法则可以通过较少的建模点得到更好的预测效果。     

DEM栅格分辨率对多元线性土壤—景观模型及其制图应用的影响

以亚热带丘陵地区为对象,以该区4 km×3 km的5 m、10 m、15 m、20 m、25 m、30 m数字高程模型(DEM)为基础,建立多元线性土壤景观模型,并应用该模型预测研究区内土壤表层有机质含量分布,进而比较不同分辨率DEM中土壤景观模型及其预测制图的精度。结果表明:在本研究区11 km2范围内,随着DEM栅格分辨率降低,坡度、曲率、比汇水面积(对数)频度均表现出了向其中值区集中的趋势;地形因子的这一变化规律对土壤景观模型的影响较小,例如模型的变量、变量系数及R2在不同分辨率DEM中的差异很小;但地形因子的这一变化规律对模型预测制图的精度具有较大影响,各项指标均说明,模型在10~25 m DEM中的制图精度较高,而在更高分辨率(5 m)或更低分辨率(30 m)DEM中较低。本研究结果对其他亚热带丘陵地区具有一定的指示意义。     

中尺度土壤预测制图中地形变量提取的适宜分辨率探讨

地形变量是土壤预测制图中重要的预测变量之一,为了满足中尺度土壤预测制图的精度要求,又能够减少数据的冗余,需要选择合适分辨率范围的地形变量。基于ASTER GDEM数据,对不同地形起伏状况的3个样区,通过重采样得到30 m、60 m、90 m、120 m、150 m共5组不同分辨率的DEM数据,分别选取土壤预测制图中常用的高程、坡度、平面曲率和剖面曲率4组地形变量,通过地形信息熵、局部方差均值以及比例尺和空间分辨率的关系,选取巢湖流域用于土壤预测制图的地形变量提取的适宜分辨率范围。研究表明:对于特定比例尺的土壤预测制图,地形变量的提取需要综合考虑两个因素:一是土壤预测制图的比例尺,二是地形变量提取的分辨率。中尺度土壤预测制图地形变量提取的适宜分辨率为30m,既能保留有实际意义的地形信息,又能满足土壤预测制图的精度要求。     

Bibliometric Profile of an Agbioscience Research Enhancement Grant Program

This study is a bibliometric analysis of journal articles generated from an intramural grant program in the agbiosciences. Using citation analysis and bibliometric mapping, the study analyzes 515 journal articles published from 1999 to 2017. Results show the growth of journal article output, identify the major research fields and topics, describe national and international authorial and institutional collaborations, and quantify the performance and impact of the article output. The grant program’s journal article output presents a multi-disciplinary range of scholarly publications that reflect the disciplines of The Ohio State University’s College of Food, Agricultural, and Environmental Sciences, which houses the grant program.