發(fā)布時間：2021-07-14 10:39

　　土壤的空間分布在農(nóng)業(yè)生產(chǎn)、資源利用等方面起著相當重要的作用�；趥鹘y(tǒng)土壤普查的方式主要由土壤專家根據(jù)經(jīng)驗知識并通過實地勘察獲取土壤—景觀模型,再結(jié)合其他資料如地形數(shù)據(jù)、衛(wèi)星影像、航片的判讀技術(shù)來確定不同類型的土壤空間分布,最后運用手工繪制土壤圖。其過程費時費力,且制圖精度較低。隨著現(xiàn)代農(nóng)業(yè)生產(chǎn)與發(fā)展需求逐漸增多,傳統(tǒng)土壤普查方法難以滿足當下農(nóng)業(yè)精細化的發(fā)展要求。近年來,隨著3S技術(shù)和數(shù)據(jù)挖掘算法的不斷發(fā)展,數(shù)字土壤制圖日漸成為一種時興的土地調(diào)查技術(shù)。在數(shù)字土壤制圖研究領(lǐng)域,如何選擇反映土壤變化的環(huán)境協(xié)同變量是一個關(guān)鍵問題。遙感影像因其快速成像、易于獲取、分辨率高、下墊面數(shù)據(jù)信息豐富等特點,其衍生的光譜信息、植被指數(shù)、紋理特征等數(shù)據(jù)逐漸作為新的變量應用于土壤制圖。本文研究區(qū)為湖北紅安縣華家河鎮(zhèn)灄水河流域,以傳統(tǒng)土壤圖為數(shù)據(jù)源,運用遙感影像數(shù)據(jù)（landsat-8 OLI、sentinel-2A/B、GF-2）結(jié)合隨機森林算法實現(xiàn)對土壤類型圖的更新。具體研究包括基于多分辨率遙感數(shù)據(jù)和基于多時序遙感數(shù)據(jù)兩個部分進行推理制圖:基于多分辨率的遙感數(shù)據(jù)的推理制圖。本部分研究選取Landsat-8（... 

【文章來源】：華中農(nóng)業(yè)大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【部分圖文】：

研究技術(shù)路線圖

基于多源遙感數(shù)據(jù)和隨機森林算法的土壤制圖研究132研究區(qū)數(shù)據(jù)及方法2.1研究區(qū)概況湖北省黃岡市紅安縣華家河鎮(zhèn)灄水河流域為本文的研究區(qū)（圖2），紅安縣（東經(jīng)114°23’～114°49’，北緯30°56’～31°35’）位于湖北省東北部大別山南麓，面積約1796平方公里，地處于湖北河南兩省交界處，南接武漢新洲，北連河南新縣，東望麻城，西鄰黃陂、大悟�？h內(nèi)為半山區(qū)半丘陵區(qū)，地勢整體上北高南低，北部崇山峻嶺，南部多為低丘山崗，地貌類型包括平原、山地、丘陵、垅崗等，其中老君山為全縣最高海拔，高達840.5米。境內(nèi)有倒水、舉水、灄水三大水系，其中倒水流域面積最大。圖2研究區(qū)示意圖及DEM圖Fig.2LocationandDEMofthestudyarea紅安縣為亞熱帶大陸性季風氣候，四季分明，夏季氣候較為炎熱，冬季較寒冷。其年均氣溫15.7℃。降雨十分充沛，年均降雨量可達1000mm～1200mm。該縣為黃岡的農(nóng)業(yè)大縣，土地利用類型以農(nóng)耕地和林地為主，農(nóng)耕地主要種植作物包括花生、

基于多源遙感數(shù)據(jù)和隨機森林算法的土壤制圖研究15地形數(shù)據(jù)、遙感影像數(shù)據(jù)分別提取影響土壤發(fā)育的母質(zhì)類型、地形因子、其他輔助因子。2.2.1傳統(tǒng)土壤圖對傳統(tǒng)土壤圖所蘊含的土壤—環(huán)境知識進行數(shù)據(jù)挖掘可實現(xiàn)數(shù)據(jù)的二次利用，從而達到更新原始圖件的目的。本研究采用的傳統(tǒng)土壤圖是比例尺為1:50000的紅安縣全國第二次土壤普查數(shù)據(jù)。通過對圖件柵格化處理，得到研究區(qū)土壤類型柵格圖，土壤亞類包括沙泥土、細沙泥土、林地沙泥土、林地細沙泥土、林地棕色石灰土、林地沙泥土、棕色石灰土、淺潮沙田、潮沙田、沙泥田、烏沙泥田、硅砂泥田共計12種土類，具體土類空間分布如圖3所示。圖3研究區(qū)傳統(tǒng)土壤圖Fig.3Tranditionalsoilmapofthestudyarea2.2.2母質(zhì)類型數(shù)據(jù)成土母質(zhì)是地表巖石經(jīng)過長時間風化、侵蝕等作用后形成的疏松而細小的表面

【參考文獻】：
期刊論文
[1]土肥管理技術(shù)在資源環(huán)境保護型農(nóng)業(yè)中的應用[J]. 楊瑛,張文平.  現(xiàn)代農(nóng)業(yè)科技. 2020(03)
[2]不同土地利用類型下土壤有機碳含量的高光譜反演[J]. 國佳欣,朱青,趙小敏,郭熙,韓逸,徐喆.  應用生態(tài)學報. 2020(03)
[3]基于GF-3和Landsat8遙感數(shù)據(jù)的土壤水分反演研究[J]. 雷志斌,孟慶巖,田淑芳,張琳琳,馬建威.  地球信息科學學報. 2019(12)
[4]基于主成分分析法的城市大氣環(huán)境質(zhì)量評價[J]. 劉海江,張海俠.  中國資源綜合利用. 2019(12)
[5]紋理與幾何特征信息在高空間分辨率遙感影像分類中的應用[J]. 馬長輝,黃登山.  測繪地理信息. 2019(06)
[6]紅壤丘陵區(qū)土壤有機碳組分對土地利用方式的響應特征[J]. 章曉芳,鄭生猛,夏銀行,胡亞軍,蘇以榮,陳香碧.  環(huán)境科學. 2020(03)
[7]基于BP神經(jīng)網(wǎng)絡草原土壤Cu含量預測[J]. 史紅飛,侯建偉,盧志宏,楊勇.  草業(yè)科學. 2019(10)
[8]土壤環(huán)境污染現(xiàn)狀及監(jiān)測分析[J]. 趙鑫.  環(huán)境與發(fā)展. 2019(09)
[9]廣州市建成區(qū)土壤環(huán)境質(zhì)量試點監(jiān)測及生態(tài)風險評價[J]. 陳澤雄,周志軍,胡丹心,熊凡,何文祥.  干旱環(huán)境監(jiān)測. 2019(03)
[10]地形因子對半干旱地區(qū)土壤有機碳含量的影響[J]. 李龍,周飛,田杰,王曉軍.  北方園藝. 2019(16)

碩士論文
[1]基于隨機森林算法的土壤圖斑分解[D]. 望陳運.華中農(nóng)業(yè)大學 2017



本文編號：3283978