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。

干旱区大尺度土壤盐度信息环境建模——以新疆天山南北中低海拔冲积平原为例

区域空间信息有助于决策者针对特定潜在和既定的土壤盐渍化区域制定改良和优化政策,以避免灌区水土资源的不合理配置和干旱区土地生态系统持续性退化。然而现存区域尺度土壤盐度数据以矢量方式留存,多边形内部土壤属性无空间变异性,缺乏实时更新,对当下实际指导作用具有一定的局限性。随着人类活动的加剧,土壤及其结构性退化正加速危害土壤质量和健康。对此,急需更新或升级,用于刻画干旱区生态系统中土壤盐度数据,以辅助制定相关政策,减缓土壤盐渍化的危害。针对此问题,本文基于代表性等级的采样设计方法(Integrative Hierarchical Sampling Strategy,IHSS),获取少量典型样点,结合土壤—环境推理模型(soil land inference model,So LIM),尝试推理区域尺度土壤盐分含量信息。研究以新疆天山南北中低海拔冲积平原为案例,仅以23个代表性样本,推理陆表(0~10 cm)土壤盐分含量,源自3个典型绿洲94个野外样本的验证数据显示,依据评判标准,预测结果与实际情况较为相符,与线性回归模型相比,具备处理土壤与环境变量之间非线性关系的So LIM,推理精度更高。所以,研究认为模糊隶属度加权平均的方法(IHSS-So LIM)可以通过较小的建模点得到更好的预测效果,可作为区域尺度土壤盐度推理的备选方案。