基于等高线渲染法的克里金插值展示技术

目前,空间数据在Web端的表达方式存在网络传输数据量大、插件依赖性强、交互性较差等问题。为了减轻浏览器承载的压力、快速高效地实现空间数据在Web端的可视化表达,本文设计了一种基于等高线渲染法的克里金插值展示技术：在克里金插值算法和等高线渲染法的支持下,用户在Web端通过“框选”工具选择采样点区域,其中采样点数据被传输到服务端进行处理生成插值结果,并返回到Web端进行快速渲染。此技术成功应用在柑橘信息管理系统中,结果表明克里金插值结果的成图时间有效缩短,且Web端的交互性显著增强。     

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。     

数字土壤制图的推理方法对比研究

数字土壤制图是基于计算机技术利用现代空间分析方法获取详细空间属性的土壤制图技术,是当下信息时代对土壤资源类型、数量以及空间分布进行详尽认识的新方法,而推理方法决定了制图效率和结果的可靠性。不同的研究区域必须与推理方法相互匹配,为研究适合小尺度空间范围上的土壤制图方法,本研究选取母质类型、地形因子及遥感光谱指数,在原始土壤图基础上采用面积加权法布设采样点,选用决策树、支持向量机、随机森林三种推理方法获取土壤—环境知识,从而获得研究区的土壤类型空间分布图,并通过实地采样点数据验证比较三种方法的制图精度。研究结果表明:(1)总体上,每种算法得到的土壤类型空间分布结果与原始土壤图高度相似,但相较于原始土壤图,推理得出的土壤图细节信息更丰富;(2)实地采样点验证结果显示,随机森林分类模型的总体分类精度与Kappa系数均优于决策树与支持向量机分类模型,分类结果最佳;且对比三种分类算法推理得到的各土壤类型的用户精度和生产精度,随机森林算法也较决策树与支持向量机两种算法更优。本研究结果可为数字土壤制图中推理方法的选取提供参考。     

基于模糊数学的柑橘种植土地适宜性评价

将模糊数学理论引入柑橘种植的土地适宜性评价中,以湖北省通山县为例,在当地的农用地中采集207个土壤样本点,将气候、土壤和地形数据转换为模糊隶属度数据,然后在ArcGIS软件环境中结合层次分析法和模糊数学方法,建立包含15项指标的柑橘种植土地适宜性评估模型。结果表明,该区域有26.94%(652.37 km²)、32.85%(795.51 km²)、23.14%(560.42 km²)和17.07%(413.40 km²)的土地分别非常适合、适中、勉强适合和不适合柑橘生产。研究结果与当地生产实际相吻合,说明建立的研究方法可行,可为提高土地利用效率,以及更好地指导柑橘生产提供参考。     

基于随机森林算法的原始土壤图更新研究

以湖北省黄冈市红安县华家河镇滠水河流域为研究区,利用随机森林算法(random forest,RF)结合多源环境变量,对研究区原有的土壤图斑进行分解制图,将混合多种土壤类型的复合土壤图斑进行细化,在土壤多边形内部画出新的边界来代表单一土壤类型,并通过373个实地采样点验证更新后的土壤图。结果显示,更新后的土壤图其制图精度从原有的63%提高到了76%,展现了更为详细的空间细节和空间变化信息,表明利用随机森林算法进行数字土壤制图的可行性和可靠性。     

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。