基于傳統土壤圖的土壤-環(huán)境關系獲取與驗證.pdf

1、傳統土壤圖是土壤普查專家經過野外實地調查和航片解譯后得到的成果，是流域管理、生態(tài)水文等研究領域所需土壤空間分布相關信息的主要數據來源。隨著地理信息技術的發(fā)展，傳統土壤調查方法已經難以滿足其他科學領域對土壤信息服務提出的要求，主要原因有以下幾個方面:傳統土壤調查方法主要以專家經驗的思維模式為基礎，通常難以表達、交流以及存儲;傳統土壤調查方法在描述土壤實體的定性特征方面與土壤的實際空間分布特征難以匹配，導致調查結果的精度準確性較差;傳統土壤

2、調查的成本高且具有區(qū)域限制，不利于土壤信息的更新。因此，在數字土壤制圖(DSM)中如何利用已有的歷史資源和數據有效地獲取精度較高的土壤圖十分重要。本研究從傳統土壤圖和地形數據中提取土壤類型以及環(huán)境數據信息，采用空間數據挖掘方法建立土壤-環(huán)境關系，并通過實地采樣進行了可靠性和準確性驗證。本文以湖北省黃岡市紅安縣華家河鎮(zhèn)灄水河流域研究區(qū)為例，利用全國二次土壤普查時獲得的傳統土壤圖為知識獲取源來呈現這一研究過程。該方法主要包括五個步驟:

3、>　　1)首先，為確保土壤環(huán)境知識的準確性，選擇了與當地成土過程密切相關的7個環(huán)境因子并建立地理信息系統(GIS)數據庫，這些因子包括改進后的成土母質圖和由分辨率為10m的數字高程模型(DEM)生成的高程、坡度、坡向、沿平面曲率、沿剖面曲率、地形濕度指數共6個地形因子數據;
　　2)由于傳統制圖主要由手工制成，通常會因為比例尺大小、邊界誤置等原因產生誤差，導致圖內包含難以表達專家正確關系模型知識的錯誤，因此進行數據的預處理十分重要

4、。為了減少傳統土壤圖中因上述原因產生的噪聲、異常數據等誤差，利用頻率分布原理建立環(huán)境直方圖，提煉得到1410個土壤類型與環(huán)境因子典型樣本數據;
　　3)利用空間數據挖掘技術對典型樣本集進行處理，獲取蘊含在傳統土壤圖中的詳細專家知識。而與其他的算法相比，決策樹算法具有精度高且容易理解等優(yōu)勢，適用于提取和表達土壤環(huán)境模型知識。本研究采用See5.0決策樹方法進行空間數據挖掘，獲取土壤-環(huán)境關系知識;
　　4)利用步驟3）中獲取的

5、土壤-環(huán)境關系知識和1）中的環(huán)境因子數據圖層在土壤-景觀推理模型(SoLIM)中進行推理制圖，并根據推理結果來預測當前土壤的空間分布情況。大量案例研究已表明SoLIM方法比傳統人工、主觀的土壤制圖方法更精確，其利用相似度作為度量參數，以模糊邏輯為基礎進行土壤隸屬度的計算，然后將每一個像元的相似度向量中對應于最大隸屬度值的土壤類型作為該像元的土壤類型，得到最終的土壤類型分布圖;
　　5)通過對比分析原始土壤圖和推理土壤圖間的差異，采

6、用均勻采樣、主觀采樣和橫截面采樣三種方式獲取270個實地采樣點，以便整體反映土壤的分布狀況。利用混淆矩陣中的指標作為評價標準，驗證土壤圖的精度。
　　研究表明:通過模糊推理得到的土壤圖比原始土壤圖呈現了更詳細的空間分布信息，并且經驗證，三種采樣方式下推理土壤圖的精度分別為73％、76％和71％，均高于原始土壤圖，推理土壤圖總體分類精度為75％，相比于原始土壤圖約提高了11％，而且圖斑的數量相比于原始圖明顯增加。因此，這種以傳統土壤