论文部分内容阅读
传统的土壤制图通常需要消耗大量的人力、物力、财力与时间,并且书面文字形式的土壤信息,在现如今这样一个数字化、信息化的时代,很难直接被应用于土壤、农业、环境、生态等科学研究与生产实践中。在这样的背景下,基于计量土壤学、3S技术、模糊逻辑等的数字土壤制图技术应运而生,经过二十多年的发展,数字土壤制图技术逐渐成熟与完善,并广泛应用于土壤调查与制图和各相关领域的研究与实践中。然而在数字土壤制图的过程中,基于语义变量的传统谱系式层级土壤系统分类很难直接应用于数字土壤制图。并且由多变量因素综合决定的土壤类型无法和土壤单一属性制图一样直接空间预测与制图。 提取并建立基于土壤系统分类的土壤诊断层和诊断特性,施加权重和特征值建立土壤样点数据集,运用模糊 K-均值算法模型进行土壤数值分类,可以构建土壤系统分类和数字土壤制图之间的桥梁,将定义土壤类型的文字和语义变量转化为数值变量,并且将多变量的土壤属性综合为土壤类型这个单一变量,从而进行土壤数值分类与数字土壤制图。 本研究基于《中国土系志·河南卷》中的土壤样点,根据土壤系统分类标准遴选并确定用于划分各个土纲中不同层级分类单元的土壤诊断层和诊断特性,并依据这些不同指标的特征和层级确定属性特征值和不同层级指标的权重建立属性数据集。基于此数据集运用模糊 K-均值算法模型,提取聚类中心土壤、中心土壤与土壤样点间的分类距离,参照土壤系统分类确定了聚类中心的土族类型,并基于分类距离对研究区的样点土壤实施数值化分类,判别土壤类型。通过检验数值化土壤分类结果与谱系式层级土壤分类单元的一致性,评价传统谱系式层级土壤系统分类的合理性。结果表明,绝大部分的土壤系统分类结果与数值分类结果在土壤亚类或者土类级别具有一致性,表明分类标准是科学、合理的。然而,的确存在小部分土壤分类结果不匹配。不匹配的原因有两个,一是本研究中设定的聚类数量、权重和特征值等参数不合理;二是土壤系统分类有可以改进的地方,从而使土壤分类结果更理想。 本研究通过运用权重和隶属度等最大限度地发挥不同层级土壤诊断层、诊断特性的作用,为数值化土壤分类结果与谱系式层级土壤分类单元具有最大程度的一致性提供基础。应用模糊连续分类算法模型实施数值化土壤分类,为数字土壤制图提供了定量数据基础,为建立样本土壤与环境协变量之间的定量关系和土壤空间预测提供了条件。本研究通过探索地区尺度上数字化土壤制图的技术途径,在提高数字化土壤制图与常规土壤图的参比基础、提升数字化土壤输出结果的应用方面提供了借鉴与参考。