土壤普查是因地制宜、合理高效利用土壤資源的基礎(chǔ)。傳統(tǒng)的土壤普查方法主要依賴土壤專家實(shí)地調(diào)查,結(jié)合地形圖、航片等數(shù)據(jù)資料判讀土壤類型的分布,這種制圖方法不僅費(fèi)時(shí)費(fèi)力、更新周期長,且制圖精度有待提高。近年來,隨著現(xiàn)代農(nóng)業(yè)等產(chǎn)業(yè)的蓬勃發(fā)展,傳統(tǒng)的土壤制圖結(jié)果已經(jīng)難以滿足要求,如何利用新技術(shù)新方法提高土壤普查效率和制圖精度已成為必然趨勢。數(shù)字土壤制圖以土壤—景觀理論為基本原理,利用數(shù)學(xué)分析方法獲取土壤—環(huán)境知識,對研究區(qū)土壤類型的空間分布進(jìn)行推理制圖。此外,遙感影像數(shù)據(jù)因其分辨率高、成像快、豐富的下墊面詳細(xì)信息也開始用于土壤制圖,為土壤普查提供了新的技術(shù)手段和數(shù)據(jù)來源。本研究以湖北省紅安縣華家河鎮(zhèn)灄水河流域?yàn)檠芯繀^(qū),空間尺度較小,僅考慮母質(zhì)、地形和生物因素對土壤類型形成和發(fā)育的影響,環(huán)境因子數(shù)據(jù)集主要包括母質(zhì)類型、等高線數(shù)據(jù)提取的地形因子及遙感影像數(shù)據(jù)提取的光譜指數(shù),利用圖斑面積加權(quán)法設(shè)計(jì)采樣點(diǎn),通過數(shù)據(jù)挖掘算法獲取土壤—環(huán)境知識,并進(jìn)行推理制圖,利用野外實(shí)地驗(yàn)證點(diǎn)數(shù)據(jù)對推理制圖結(jié)果進(jìn)行精度評價(jià)。研究主要分為基于單時(shí)相遙感和基于時(shí)序遙感兩個(gè)層次進(jìn)行。具體可以主要分為如下幾部分:1)基于單時(shí)相遙... 

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

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 研究目的
    1.4 研究內(nèi)容及技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
2 研究區(qū)概況和研究方法
    2.1 研究區(qū)概況
    2.2 研究方法
        2.2.1 支持向量機(jī)算法
        2.2.2 決策樹C5.0算法
        2.2.3 隨機(jī)森林算法
        2.2.4 精度評價(jià)方法
3 數(shù)據(jù)來源及環(huán)境因子提取
    3.1 數(shù)據(jù)來源
        3.1.1 傳統(tǒng)土壤圖
        3.1.2 母質(zhì)類型
        3.1.3 數(shù)字高程模型
        3.1.4 遙感數(shù)據(jù)
    3.2 環(huán)境因子提取
        3.2.1 地形因子提取
        3.2.2 遙感光譜指數(shù)提取
4 基于單時(shí)相遙感的土壤制圖
    4.1 土壤類型分布與環(huán)境因子關(guān)系
    4.2 環(huán)境因子篩選
    4.3 分類模型
        4.3.1 支持向量機(jī)分類模型
        4.3.2 決策樹分類模型
        4.3.3 隨機(jī)森林分類模型
        4.3.4 結(jié)果對比
5 基于時(shí)序遙感的土壤制圖
    5.1 土壤類型分布與環(huán)境因子關(guān)系
    5.2 隨機(jī)森林分類模型
    5.3 隨機(jī)森林模型分類結(jié)果
    5.4 精度評價(jià)
    5.5 不同用地類型下的制圖精度評價(jià)
6 結(jié)論與展望
    6.1 主要結(jié)論
    6.2 展望與不足
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于貝葉斯最大熵的黑土區(qū)小流域土壤有機(jī)質(zhì)空間分布預(yù)測[J]. 高鳳杰,吳嘯,師華定,鞠鐵男,王鑫,高東晶,劉媚媚.  環(huán)境科學(xué)研究. 2019(08)
[2]基于隨機(jī)森林的農(nóng)耕區(qū)土壤有機(jī)質(zhì)空間分布預(yù)測[J]. 楊煜岑,楊聯(lián)安,任麗,李聰莉,朱群娥,王天泰,李新堯.  浙江農(nóng)業(yè)學(xué)報(bào). 2018(07)
[3]基于裸土期多時(shí)相遙感影像特征及最大似然法的土壤分類[J]. 劉煥軍,楊昊軒,徐夢園,張新樂,張小康,于滋洋,邵帥,李厚萱.  農(nóng)業(yè)工程學(xué)報(bào). 2018(14)
[4]基于隨機(jī)森林的蘋果區(qū)土壤有機(jī)質(zhì)空間預(yù)測[J]. 任麗,楊聯(lián)安,王輝,楊粉莉,陳衛(wèi)軍,張林森,徐瑾昊.  干旱區(qū)資源與環(huán)境. 2018(08)
[5]數(shù)字土壤制圖研究綜述與展望[J]. 朱阿興,楊琳,樊乃卿,曾燦英,張甘霖.  地理科學(xué)進(jìn)展. 2018(01)
[6]基于地形因子和隨機(jī)森林的丘陵區(qū)農(nóng)田土壤有效鐵空間分布預(yù)測[J]. 楊其坡,武偉,劉洪斌.  中國生態(tài)農(nóng)業(yè)學(xué)報(bào). 2018(03)
[7]基于不確定性模型的土壤——環(huán)境關(guān)系知識獲取方法的研究[J]. 黃魏,許偉,汪善勤,袁雅萍,望陳運(yùn).  土壤學(xué)報(bào). 2018(01)
[8]基于多元線性回歸模型的土壤養(yǎng)分空間預(yù)測——以陜西省藍(lán)田縣農(nóng)耕區(qū)為例[J]. 楊煜岑,楊聯(lián)安,王晶,王安樂,黃安,張彬,向瑩,王智宇.  土壤通報(bào). 2017(05)
[9]輪作模式在農(nóng)耕區(qū)土壤有機(jī)質(zhì)推測制圖中的應(yīng)用[J]. 宋敏,楊琳,朱阿興,秦承志.  土壤通報(bào). 2017(04)
[10]基于克里金插值的耕地表層土壤有機(jī)質(zhì)空間預(yù)測[J]. 陳琳,任春穎,王宗明,張柏.  干旱區(qū)研究. 2017(04)

碩士論文
[1]利用不確定性模型實(shí)現(xiàn)土壤推理制圖中知識的獲取與融合[D]. 袁雅萍.華中農(nóng)業(yè)大學(xué) 2016



本文編號：3199320