-
题名数字土壤属性制图研究进展
- 1
-
-
作者
应纯洋
周晓天
张代维
梅帅
马友华
吴雷
-
机构
安徽农业大学资源与环境学院
淮南市农业农村技术推广中心
安徽省北斗精准农业信息工程实验室
-
出处
《现代农业科技》
2024年第23期133-142,149,共11页
-
基金
安徽省科技重大专项“现代农业遥感监测系统构建与产业化应用”(202003a06020002)。
-
文摘
土壤是维持人类生存与发展的关键自然资源,其属性的空间分布对粮食安全、水资源保护、生态多样性、气候变化等全球性问题具有重要意义。为更有效地利用土壤资源,需要对其属性进行精确的数字化描述。传统土壤属性制图方法因其局限性,已不能满足现代精准农业和生态模拟的需求。数字土壤属性制图作为一种新兴技术,能够更精准地预测土壤养分的空间分布特征。目前,数字土壤属性制图的研究主要体现在地统计学方法、数理统计方法和机器学习模型的应用。地统计学方法通过分析土壤属性的空间自相关性,模拟其空间分布规律,并通过克里金法等进行空间预测。数理统计方法则主要用于探索土壤属性与环境因素之间的关系,构建预测模型。机器学习,如决策树、随机森林、人工神经网络、支持向量机等,通过构建模型预测土壤属性,并在土壤分类、养分预测等方面表现出较高准确性。然而,土壤属性空间分布的预测受样点布设方法的影响较大。因此,合理设计采样点的位置和数量,以及采用适当的布局方式,对于提高预测结果的准确性和可靠性至关重要。未来,数字土壤属性制图的研究将朝向多尺度、技术融合、人工智能化、精细化、动态更新等方向发展,以满足农业生产和土地资源管理的精准化需求。
-
关键词
土壤属性
数字土壤属性制图
环境变量
地统计学
数理统计
机器学习
样点分布
研究进展
-
Keywords
soil property
digital soil property mapping
environmental variable
geostatistics
mathematical statistics
machine learning
sampling point distribution
research progress
-
分类号
S126
[农业科学—农业基础科学]
S15
[农业科学—土壤学]
-
-
题名基于样点的数字土壤属性制图方法及样点设计综述
被引量：17
- 2
-
-
作者
张淑杰
朱阿兴
刘京
杨琳
-
机构
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室
中国科学院大学
Department of Geography
-
出处
《土壤》
CAS
CSCD
北大核心
2012年第6期917-923,共7页
-
基金
国家自然科学基金项目(40971236
41023010
+1 种基金
41001298)
科技部国际科技合作项目(2010DFB24140)资助
-
文摘
土壤剖面数据与土壤类型图按照某种原则进行连接是目前获取土壤属性空间分布信息的主要方法,这种传统的土壤属性制图方法以土壤专家的"经验"和手工描绘为基础,耗费资本高、生产周期长。数字土壤制图通过借鉴先进的空间信息处理技术和高分辨率地形数据的优势,能够快速地获取高精度、高分辨率的土壤属性空间变化信息,是一种精细、高效、经济的土壤属性制图技术。本文详细介绍了基于样点进行数字土壤属性制图的3种方法:①基于空间自相关的方法;②基于空间自相关和土壤-环境关系混合相关的方法;③基于土壤-环境关系的方法。同时,为保证样点能够全面地捕捉到研究区内土壤属性空间变异特征,以上3种方法都对样点的数量、分布或典型性提出了较为严格的要求,即样点应具有全局代表性。因此,如何设计样点成为数字土壤属性制图中的一个重要问题。依据样点设计过程中是否能够整合已有样点,本文将样点设计方案分为采样设计方案和补样设计方案两种,并对其分别进行了详细的综述。
-
关键词
数字土壤属性制图
全局代表性
采样方案设计
补样方案设计
-
Keywords
Digital soil property mapping, Global representativeness, Sampling scheme, Integrative sampling scheme
-
分类号
P934
[天文地球—自然地理学]
-
