青藏高原多年冻土区土壤-景观模型与土壤分布制图

为理解青藏高原多年冻土区土壤与环境的关系,同时提供青藏高原基础的土壤数据,以青藏高原多年冻土区为研究对象,基于其2009~2011年的野外土壤调查数据,筛选了10种与土壤形成密切相关的数据作为环境因子,运用决策树See5.0分别建立了青藏高原西部和东部多年冻土区的土壤-景观模型,5折交叉验证的平均精度西部为65.4%,东部为63.5%,显示模型有较好的可靠性.基于此模型,对研究区进行了土壤分布制图.结果表明,青藏高原多年冻土区以寒冻土（Gelisols）和雏形土（Inceptisols）为主,分别占总面积的34%和28%.分区来看,在高原西部多年冻土区,土壤主要以寒冻土、雏形土和干旱土（Aridisols）为主,分别占多年冻土区西部总面积的43%,30%和17%;而在东部,土壤主要以寒冻土、均腐土（Mollisols）和雏形土为主,分别占多年冻土区东部总面积的27%,26%和25%,这主要是因为高原西部气候极端寒冷干旱,而东部相对较为温暖湿润;同一种土壤在东西部的分布有海拔上的差异,也有母质等方面相同的地方.多年冻土的存在也影响了土壤的分布规律,使得干旱土在西部分布在较低的海拔,而在东部却又分布在较高的海拔.从整个多年冻土区来看,青藏高原多年冻土区东部土壤发育要优于西部,土壤类型更多,且各土壤类型所占比例也更趋于均衡.

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。

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4km×3km的5m、10m、15m、20m、25m、30m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11km。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R^2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10－25mDEM中的制图精度较高，而在更高分辨率（5m）或更低分辨率（30m）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。

基于机器学习的江汉平原土壤有机碳预测及制图

土壤有机碳(SOC)不仅显著响应于表层,而且随深度的变化呈现不同的响应。江汉平原作为长江经济带农田生态系统的重要组成部分,其SOC垂向分布状况仍有待考察。本研究收集了2009-2012年湖北省土系调查的66个剖面数据,基于9个环境因子为协变量使用随机森林法构建0~30、>30~60、>60~100 cm土层深度的SOC含量预测模型,绘制了30 m空间分辨率的SOC含量分布图,并估算了SOC储量。结果表明,SOC含量随土层深度的增加而减少,总体呈中东部高、西部低的特征。模型对表层(0~30 cm)SOC的预测精度最高(R^(2)=0.45,RMSE=3.28 g·kg^(-1)),温度、黏粒含量和降水对模型重要性居前三。江汉平原1 m深SOC储量为183.75 Tg,>30~100 cm土层SOC储量约占1 m深度总储量的59%。因此,土壤碳库估算及固碳潜力评估时需着重考虑深层土壤。本研究可为掌握SOC空间分布及垂直分异的响应规律提供参考。

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。

基于案例推理的数字土壤制图

在湖北省黄冈市红安县华家河镇滠水河流域研究区选取包含12种土壤类型的31个典型案例点,借助土壤-景观推理模型(Soil-land inference model,SoLIM)Solutions软件平台,进行Sample-based推理,计算区域内任一位置对各土壤类型间的模糊隶属度,由此得到研究区内土壤类型图。选择研究区247个野外采样点进行验证,并进行精度对比。结果表明,推理得到的土壤类型图在空间分布上与原始土壤图相似,但与原始土壤图相比能够显示更多的细节信息;使用野外采样点验证结果显示,推理土壤图的总体精度达64.78%,比原始土壤图提高了6.55个百分点。案例推理的方法在土壤类型预测方面精度较好,选取典型案例能够更加直接有效地表达土壤学家的隐含知识,简化土壤-环境关系的获取过程,为后续相关研究提供可靠的方法和依据。

基于案例推理的SoLIM方法在土壤养分制图中的应用

土壤-景观推理模型（soil land inference model,SoLIM）在提高土壤普查效率和精度、降低普查成本方面具有显著优势,已经在美国得到推广应用（Shi et al.,2004;杨琳等,2009;2010）.SoLIM中专家知识可以通过基于规则的方法或者基于案例推理的方法获取.与多元回归模型相比,

土壤—景观定量模型研究进展

传统土壤调查和制图建立在调查者经验思维基础上,目前对高精度土壤信息的大量需求对传统技巧性土壤调查方式提出了挑战,量化的土壤———景观模型日益受到土壤科学家的重视。近十年内世界各国开展了大量研究,试图将数字地形分析,GIS技术和土壤调查技术相结合,通过对景观信息的分析预测土壤信息。本文简要阐述土壤景观模型的基本原理和定义,对线性回归、回归树、判别分析、模糊聚类、地统计学、模糊推理和规则网络等模型的研究进展进行总结。在此基础上讨论了模型的发展方向和应用前景。

河南省砂姜黑土土类和土属的数字制图研究

数字制图是近年来土壤学的研究热点,而将数字制图与砂姜黑土研究相结合,目前国内研究甚少。选取河南省为研究区,获取该区的气候、母质和地形信息,以土壤—景观定量模型,定量获取砂姜黑土土类属性与主要成土要素之间的相互关系,应用该模型来预测土类分布并制图。在土类图的基础上,根据土属高程分布差异,进一步预测土属分布并制图。结果表明,该方法在土类数字制图尺度上与调查结果重合度可达到80%以上,并且可弥补调查缺失地方,同时间接证明砂姜黑土的成土母质为石灰性母质,其差异部分表明人为、地表径流因素对砂姜黑土土类的分布具有重要的影响。在土属数字制图尺度上,与调查结果面积数量和分布趋势大体一致,具体空间分布难于比较,有待于景观模型进一步细化,还需更详细的地形和气候资料,这些可为砂姜黑土数字制图的下一步研究和完善提供指导。

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。