数字土壤制图中土壤-环境知识的提炼与融合

土壤-环境知识是数字土壤制图的关键，其准确性直接影响到制图的精度。目前它主要有三种来源：土壤样点、土壤图和土壤普查资料。由于受样本、传统制图方法和土壤普查过程的限制，三种来源的知识各自都存在局限性。而在现有数字土壤制图中仅利用其中一种知识，缺乏对三种来源知识的融合研究。本项目以贺胜桥镇为研究区域，利用模糊C 均值聚类法从土壤样点中获取知识，采用空间数据挖掘技术从土壤图中获取知识，利用语义识别技术获取土壤普查资源的知识。利用三种知识分别推理制图，依据生成的不确定性分布图对知识进行检验，找出三者之间的内涵差异。在此基础上，采用信息一致性分析手段，对三种来源知识进行对比和融合，以提高所得知识的准确性。通过采集独立的野外样点，对融合知识生成的土壤图进行检验，以验证其有效性。本研究将有助于拓展数字土壤制图中知识获取的理论和方法，为提高数字土壤制图精度奠定基础。

土壤-环境知识是数字土壤制图的关键，其准确性直接影响到制图的精度。目前它主要有三种来源：土壤样点、土壤图和土壤普查资料。由于受样本、传统制图方法和土壤普查过程的限制，三种来源的知识各自都存在局限性。而在现有数字土壤制图中仅利用其中一种知识，缺乏对三种来源知识的融合研究。本项目以湖北省黄冈市红安县华家河镇滠水河流域为研究区，以第二次全国土壤普查所得的土壤图为传统图，选取成土母质和基于地形数据提取的高程、坡度、坡向等环境因子。研究采用两种方案：一是利用频率分布原理得到包含土壤类型与环境信息的典型样本，采用决策树法建立土壤—环境关系。将所得结果导入SoLIM中进行推理制图。利用实地采样点进行土壤图精度验证，表明与传统方法相比，本研究所提方法精度有所提高。二是利用不确定性模型得到夸大和忽略这两种不确定性分布图，依据不确定性分布图在可信度高的位置重新采集样点，对样点进行数据挖掘，获取环境因子组合，建立环境因子组合与土壤类型的对应关系，结合原始规则，对知识进行融合，提取新的土壤-环境关系知识，同时进行土壤推理制图，获得新的土壤类型分布，并用野外样点进行精度验证。结果显示：推理土壤图总体精度为86.9%，高于已有土壤图精度13%，能较好反映研究区的土壤空间分布情况。以上研究将有助于拓展数字土壤制图中知识获取的理论和方法，为提高数字土壤制图精度奠定基础。另外，我们还进行了土壤采样合理性及布局优化研究，为土壤采样提供了可靠依据；并开展了基于地形单元的土壤有机质空间变异研究，验证了基于地形单元的空间预测可以更精确有效地获取土壤有机质空间特征。