發(fā)布時(shí)間：2017-10-03 12:39

  本文關(guān)鍵詞：利用不確定性模型實(shí)現(xiàn)土壤推理制圖中知識(shí)的獲取與融合

  更多相關(guān)文章： 數(shù)字土壤制圖 決策樹(shù) 不確定性 知識(shí)融合

【摘要】：土壤與環(huán)境關(guān)系知識(shí)的獲取是精細(xì)土壤制圖的核心問(wèn)題,如何快速準(zhǔn)確的提取該知識(shí)成為現(xiàn)階段研究的重點(diǎn)。在過(guò)去的研究中,土壤-環(huán)境知識(shí)在信息覆蓋度、表達(dá)精度和準(zhǔn)確性上均存在著可完善的空間�；谕寥罉狱c(diǎn)的知識(shí)獲取,受樣點(diǎn)數(shù)量、采樣過(guò)程誤差和代表性影響;而基于土壤圖的知識(shí)獲取,由于采用 雙清晰‖制圖過(guò)程而導(dǎo)致部分信息丟失;土壤調(diào)查資源的知識(shí)往往不是很完整,知識(shí)的描述準(zhǔn)確度不高。如何進(jìn)行知識(shí)的互補(bǔ)與融合,以彌補(bǔ)三類(lèi)知識(shí)各自的缺陷,形成較高精度的知識(shí)。Shi等探索了土壤-環(huán)境知識(shí)的集成研究,將Global knowledge和Local knowledge在推理制圖時(shí)綜合運(yùn)用,制圖精度可明顯提高。鑒于此,如果能在知識(shí)獨(dú)立檢驗(yàn)、分析其覆蓋度、表達(dá)精度和準(zhǔn)確性的基礎(chǔ)上,通過(guò)一致性分析等統(tǒng)計(jì)方法,實(shí)現(xiàn)多源知識(shí)的互補(bǔ)和融合,形成較高精度的土壤-環(huán)境知識(shí),將顯著提高數(shù)字土壤制圖的準(zhǔn)確性,因而具備重要的科學(xué)價(jià)值和理論意義。本文將湖北省黃岡市紅安縣華家河鎮(zhèn)作為研究區(qū),使用So LIM軟件得到夸大和忽略這兩種不確定性分布圖,依據(jù)不確定性分布圖在可信度高的位置重新采集樣點(diǎn),對(duì)樣點(diǎn)進(jìn)行數(shù)據(jù)挖掘,獲取環(huán)境因子組合,然后構(gòu)建這些組合與土壤類(lèi)型的對(duì)應(yīng)關(guān)系,結(jié)合原始規(guī)則,融合知識(shí),獲取新的土壤-環(huán)境關(guān)系知識(shí),即為優(yōu)化后的知識(shí),同時(shí)使用新的知識(shí)進(jìn)行推理制圖,從而獲取新的土壤類(lèi)型分布,并用野外樣點(diǎn)來(lái)驗(yàn)證土壤圖的精度。本研究中將決策樹(shù)算法不確定性模型作為土壤與環(huán)境關(guān)系知識(shí)融合和提取的主要方法。在實(shí)際應(yīng)用中,將某個(gè)地理實(shí)體劃分到某一類(lèi)的分類(lèi)過(guò)程中有兩種不確定性:第一種跟實(shí)體類(lèi)型的相似性有關(guān),即忽略不確定性;第二種則與該實(shí)體固有的類(lèi)型與被分配到的類(lèi)型的偏離有關(guān),即夸大不確定性。文中使用SoLIM軟件獲取夸大和忽略這兩種不確定性分布圖,并根據(jù)不確定性分布圖的特性來(lái)定性分析研究區(qū)制圖結(jié)果的準(zhǔn)確程度。決策樹(shù)模型通過(guò)閾值的限定,可以快速高效地預(yù)測(cè)土壤類(lèi)型,但隨著土壤類(lèi)型級(jí)別的降低,預(yù)測(cè)正確率也逐步降低。而本研究中中采用的忽略不確定性和夸大不確定性可以一定程度上真實(shí)有效的判斷推理圖的準(zhǔn)確程度,實(shí)現(xiàn)推理圖的定性精度評(píng)估。因此,本文利用兩種模型的耦合,不僅節(jié)省了土壤制圖過(guò)程中的費(fèi)用與時(shí)間,而且提高了效率,科學(xué)的實(shí)現(xiàn)土壤中知識(shí)的重新獲取與融合。推理圖的精度驗(yàn)證是數(shù)字土壤制圖中一個(gè)不可或缺的步驟,通過(guò)精度驗(yàn)證,可以有力地對(duì)制圖方法和過(guò)程進(jìn)行評(píng)估進(jìn)而改善方法和過(guò)程,另外也是對(duì)推理圖成果的最終評(píng)價(jià)。文本將通過(guò)混淆矩陣、總體精度、Kappa系數(shù)等多個(gè)指標(biāo)對(duì)原始推理圖和優(yōu)化后的推理圖進(jìn)行精度驗(yàn)證。應(yīng)用結(jié)果表明:推理得到的土壤類(lèi)型圖顯示的空間和屬性分布與原有土壤圖相比能夠刻畫(huà)更多的細(xì)節(jié)信息。同時(shí),使用253個(gè)野外獨(dú)立樣點(diǎn)驗(yàn)證所得的土壤圖,總體精度達(dá)到86.9%,高于已有土壤圖精度約13%,已超過(guò)10%,而且Kappa系數(shù)的值為0.842,高于0.8,表示一致性程度十分明顯,與研究區(qū)的土壤屬性和空間分布吻合。因此,本文所采用的方法是一種高效獲取土壤-環(huán)境關(guān)系知識(shí)的方法,該方法在土壤圖的屬性精確度和空間詳細(xì)度這兩個(gè)方面均有很大程度的提升,具有創(chuàng)新性。
【關(guān)鍵詞】：數(shù)字土壤制圖 決策樹(shù) 不確定性 知識(shí)融合
【學(xué)位授予單位】：華中農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：S159.9
【目錄】：

• 摘要7-9
• ABSTRACT9-11
• 1 引言11-19
• 1.1 選題背景11-13
• 1.2 國(guó)內(nèi)外研究綜述13-16
• 1.3 研究目的16-17
• 1.4 研究?jī)?nèi)容17-18
• 1.5 技術(shù)路線18-19
• 2 材料與方法19-28
• 2.1 研究區(qū)概況19-22
• 2.1.1 地理位置和行政區(qū)劃19
• 2.1.2 成土自然條件19-21
• 2.1.3 土壤類(lèi)型21-22
• 2.2 研究方法22-28
• 2.2.1 環(huán)境因子的選擇22-23
• 2.2.2 環(huán)境因子的生成23-24
• 2.2.3 不確定性模型土壤-環(huán)境關(guān)系的提取與融合24-25
• 2.2.4 土壤推理制圖25-26
• 2.2.5 土壤圖精度驗(yàn)證26-28
• 3 土壤-環(huán)境關(guān)系的提取與融合28-46
• 3.1 環(huán)境因子的提取28-36
• 3.1.1 地形因子28-35
• 3.1.2 成土母質(zhì)35-36
• 3.2 不確定性分析36-43
• 3.2.1 不確定性分布圖36-37
• 3.2.2 環(huán)境因子與不確定性融合圖37-42
• 3.2.3 土壤柵格類(lèi)型圖與不確定性圖融合圖42-43
• 3.3 知識(shí)的融合與修改43-46
• 3.3.1 重采樣43-44
• 3.3.2 提煉規(guī)則44-46
• 4 推理制圖及精度驗(yàn)證46-55
• 4.1 推理制圖46-49
• 4.1.1 土壤隸屬度圖的生成46-49
• 4.1.2 推理土壤圖49
• 4.2 前后規(guī)則對(duì)比49-52
• 4.3 精度驗(yàn)證52-54
• 4.4 方法評(píng)價(jià)54-55
• 5.結(jié)論與展望55-57
• 5.1 主要結(jié)論55
• 5.2 研究展望55-57
• 參考文獻(xiàn)57-62
• 致謝62

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 蘭玉芳;徐霞;胡英敏;;等高線內(nèi)插DEM算法的質(zhì)量評(píng)價(jià)[J];地理與地理信息科學(xué);2012年04期

，

本文編號(hào)：965273