基于土壤高光谱与环境变量信息的巢湖流域数字土壤制图研究

The precision and time-effectiveness of soil mapping information are very important in the management of soil and water resources and environmental modeling. The method of meso-scale digital soil mapping, which based on soil subgroups (CST) in mapping units, will be discussed by geography information technology: case of Chaohu lake watershed. According to the soil mapping scale (1:250,000) and comprehensive characteristics of topography, lithology, vegetation, landuse in study area, 180-200 soil profiles will be digged in Chaohu lake watershed, then soil samples of horizons of the profiles will be collected. The belongs of the profiles in taxonomy will be determined by the field description of the profiles and the physic and chemical properties of the soil samples. Measuring the hyperspectra of soil samples in lab, we will use factor analysis method to reduce the dimensions of hyperspectra, then use the intrinsic dimensions to discriminate and represent soil types. Extracting the environmental variables information of pedogenesis from the remote sensing and other auxiliary data, we will retrieve the maps of scores of intrinsic dimensions in the study area by the relationship models between the scores of intrinsic dimensions and environmental variables constructed by tree model M5, further interpret the map of soil types from the maps of scores of intrinsic dimensions. The study improves the efficiency and accuracy of soil mapping, and enriches the theory and methods of digital soil mapping.

土壤制图信息的时效性与准确性对于水土资源管理及环境模拟研究意义深远。课题以地理信息技术为支撑，以巢湖流域为案例，以中国土壤系统分类亚类为制图单位，就中尺度数字土壤制图问题进行探讨。根据制图尺度（1:25万）以及对研究区地形地貌、岩性、植被、土地利用等因素综合分析，布设约180-200个土壤样点，按规范采集各样点土壤剖面发生层土样并做观察记录。实验室内对采集土样作理化分析，确定各样点相应的亚类归属，同时采集各样点土壤可见光-近红外高光谱，提取并运用高光谱综合特征信息区分和表达土壤类型。基于遥感及相关专题数据提取土壤各成土环境变量空间分布信息，运用决策树模型M5建立样点土壤高光谱综合特征信息与环境变量关系，进而反演研究区土壤高光谱特征信息的空间分布，进一步解译得到研究区土壤类型图。较之传统土壤制图模式，本研究可有效提高土壤制图效率与精度，为中尺度快速数字土壤制图提供理论和方法上的参考。

土壤制图信息的时效性与准确性对于水土资源管理及环境模拟研究意义深远。课题就高光谱技术在数字土壤制图中的应用进行探讨。主要内容：.（1）不同土样处理方式对室内土壤高光谱测试稳定性影响。设置了四种粒径（分别过2、1、0.25 和0.15 mm筛）、三种土样表面处理方式（刮平、压平、摇平）。结果显示，过1mm筛且表面为刮平处理方式下，土样高光谱测试稳定性效果更好。.（2）光谱预处理对土壤属性光谱预测模型精度影响。基于不同重采样间隔（1nm、2nm、4nm、8nm、16nm、32nm、64nm、128nm、256nm、512nm波段间隔）下土样R、FDR、CR数据，利用偏最小二乘法（PLS）构建土壤质地高光谱预测模型（R-PLS、FDR-PLS和CR-PLS）。结果显示，光谱预处理方式对模型预测精度有显著影响。.（3）土壤属性特征的高光谱分析。探讨了线性模型（多元回归分析法、偏最小二乘法、遗传算法结合偏最小二乘法）、非线性模型（BP神经网络和支持向量机）在土壤属性特征提取中的应用；应用高光谱结合模糊聚类方法实现对案例中38个土壤类型表达和区分。.（4）土壤环境变量信息提取。选择巢湖流域三个不同地形样区（平原-浅丘区、深丘区、山区），对土壤制图中地形变量提取的适宜分辨率问题进行讨论；提出了湿度变化指数（CHI）概念，构建了研究区湿度变化指数图。.（5）数字土壤制图研究。以丰乐河流域农田土壤有机碳为研究对象，探讨了Landsat8 图像结合室内土壤高光谱在农田土壤有机碳制图中应用；建立了巢湖流域代表性土壤剖面土样高光谱数据库，在此基础上就研究区土壤类型制图问题进行讨论。