CN112733310A - 一种基于复合类型单元的县域土壤属性调查样点布设方法 - Google Patents
一种基于复合类型单元的县域土壤属性调查样点布设方法 Download PDFInfo
- Publication number
- CN112733310A CN112733310A CN202110138787.8A CN202110138787A CN112733310A CN 112733310 A CN112733310 A CN 112733310A CN 202110138787 A CN202110138787 A CN 202110138787A CN 112733310 A CN112733310 A CN 112733310A
- Authority
- CN
- China
- Prior art keywords
- soil
- composite type
- survey
- attribute
- type unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Image Processing (AREA)
Abstract
针对目前方法布设土壤属性调查样点代表性差、样点密度与土壤属性空间变异性和与调查粒度及精度要求的关系不清等难题,本发明提出了一种基于复合类型单元的县域土壤属性调查样点布设方法,属于土壤资源调查研究领域。该方法依据土壤分类调查的粒度要求,实时构建土壤复合类型景观单元矢量图获取特征景观指数值,以此计算各复合类型景观单元内待查土壤属性空间变异性以及满足精度要求的调查样点数,并利用复合类型景观单元空间分布格局随机均匀布设土壤调查样点,实现土壤调查样点地理与属性空间全覆盖,满足预设土壤调查粒度及精度要求,提升土壤调查的质量及效率。
Description
一、技术领域
本发明是通过复合类型土壤景观单元空间分布格局进行县域土壤属性调查的样点布设方法,具体而言,根据土壤调查粒度及精度要求,通过构建相应粒度的复合类型土壤景观单元矢量分布图获取特征景观指数值,并以此预测土壤调查属性项的空间变异性,进而计算不同土壤属性项满足调查精度要求的样点数,最后依据土壤复合类型景观单元空间分布格局,随机均匀布设土壤调查样点的方法,属于土壤资源调查研究领域。
二、背景技术
科学合理的土壤样点调查方案设计方法对提升土壤调查精度、土壤空间信息数据质量以及工作效率具有重要意义。样点调查方案设计需着重解决样点代表性、样点空间位置、样点密度三个基本问题,其中土壤样点空间位置和布设密度最为关键,它要求样点在区域地理和属性空间的全覆盖,确保样点代表性并全面反映区域土壤总体特征。土壤调查样点方案设计概括归纳起来主要有2种方式,即传统的土壤采样设计(design-basedsampling strategies,DS)以及基于环境辅助变量的模型设计(model-based approach,MA)。
***或顺序随机抽样(Systematic random sampling or Sequence randomsampling)是最为简单的抽样设计(DS)方式,常以一定的平面几何形状在调查区进行采样点布设。如覆盖调查区的多边形网格布点方法,以网格中心或交叉点作为采样点,网格大小或样点间距往往依据事先人为拟定的样点数量确定。但人为划定的网格采样区可能包括多种土壤和土地利用类型,这种不考虑主控因素的无原则采样设计方法,虽然能实现地理空间的全覆盖,但土壤样点代表性差,难以做到属性空间全覆盖,工作效率极低。因此,多利用与土壤属性空间变异有关的环境辅助变量的数理或地统计特征信息进行样点设计,如气候、水文、地形、母质、土地利用、植被类型等对土壤属性具有显著影响或主控作用的辅助变量等。
基于单因素辅助变量的传统抽样设计(DS)方式,如分层随机抽样(Stratifiedrandom sampling)、整群随机抽样(Cluster random sampling)等方法,按辅助变量统计信息进行分层、分段、分群,依据各层、段或群辅助变量变异性确定样点数量;辅助变量的变异性越大,样点数量越多。基于多因素辅助变量的传统抽样设计(DS)方法,如LHS(LatinHypercube Sampling),则是运用Monte Carlo抽样方案,依据各辅助变量概率分布进行随机分层抽样,但对实际抽样数目并没有做详细规定,只是一般要求抽样数目(u)高于环境变量数目(β),满足建模样品自由度(n=u-β)要求。但无论基于单因素还是多因素环境辅助变量,这种DS抽样设计方式虽然考虑辅助变量属性空间全覆盖,但却弱化了地理空间全覆盖,基于辅助变量的分层抽样调查粒度和调查精度与样点布设密度的关系问题并未能解决。
基于环境辅助变量模型设计(MA)方式,一是利用地统计学模型(Geo-statisticsModel,GS)对环境辅助变量空间变异性进行分析,利用其空间变异函数(semi-variogram)及空间自相关变程(range)等参数确定网格样点密度或采样间距。由于GS模型抽样设计方法需预先掌握辅助变量的半方差函数(semi-variogram),其应用受到不同程度限制。另一种如基于环境辅助变量的四方树(the variance quad tree,VQT)模型设计(MA)方法,则通过VQT技术将目标区域不断进行四等分,直至每个分区内部辅助变量的变异性满足预先设计的阈值后,将每个分区作为采样区;而对多个环境辅助变量,则利用它们的主成份作为分区辅助变量。VQT方法的样点数量依赖于预先设计的分区内部辅助变量变异性阈值,通过调整阈值满足事先拟定的样点数量要求;但VQT弱化了地理空间全覆盖,样点空间分布极不均衡,导致土壤属性空间预测精度低。
基于环境辅助变量的DS和MA样点设计方法,均需依赖土壤调查属性与辅助变量之间关系,但这种关系又不足以使辅助变量的空间变异性等同于待查土壤属性空间变异性,它们之间存在明显差距,依据辅助变量信息必然使土壤样点设计方案出现偏差。显然,直接利用待调查土壤属性项的空间变异信息进行样点布设理应是最佳方法,但获取待调查土壤属性的空间变异信息,对于缺乏先验信息区域却显得毫无办法;即使拥有了土壤待查属性先验信息,但先验信息也具有时效性,随着时间推移与现实差距渐大,样点设计方案与现实也会出现明显偏差,土壤调查精度要求难以得到保证,样点布设最佳方法也依然形同虚设。
因此,针对土壤调查样点布设目前存在技术方法问题,本发明方法旨在通过构建土壤复合类型景观单元矢量图获取特征景观指数值,直接计算和利用待查土壤属性空间变异性,基于实时的土壤复合类型景观单元分布格局进行土壤调查样点布设,能够满足预设土壤调查粒度和精度需求。
三、发明内容
本发明目的是提供一种基于复合类型单元的县域土壤属性调查样点布设方法。本发明的原理如下:
土壤是气候、地质、生物、水文等自然因素的综合体,其属性特征受到土地利用等人为因素影响。不同影响因素主控的各类型单元之间土壤属性具有明显差异;单元内部土壤属性也具有变异性,各类型单元间也会产生差异。各类型单元之间差异性及内部变异性受到类型单元粒度的控制。类型单元粒度是指最小可辨识景观类型单元斑块的大小(长度、面积或体积),可用制图比例尺以及图像分辨率表征;也可利用组织分类层次进行表征,即分类粒度。划分类型单元的控制因素越多,各类型单元的粒度越小,不同类型单元之间差异越强,基于类型单元布设调查样点的代表性越强;而各类型单元内部变异性越小,布设调查样点的数量需求越少,但单元类型的数目越多,调查区域的样点总数会有所增加。区域土壤调查样点数量与调查单元类型粒度,即与调查单元类型数目及其内部变异性有关。
特定区域的土壤调查样点布设依赖于土壤调查目标、调查单元粒度与调查精度要求以及土壤空间变异性。本方法依据预设调查单元粒度要求选择相应的组织分类粒度,将实时土地利用类型、土壤类型等专题要素矢量图进行空间叠置分析,将待查区域按两个或多个土壤控制因素划分成不同复合类型景观单元;依据调查目标选择复合类型景观单元,并分别将各种复合类型景观单元斑块作为独立的样点布设区,以确保调查样点代表性和土壤属性区域全覆盖。通过提取不同复合类型单元的特征景观指数值,判断各类型单元内部土壤属性空间变异性;进而依据土壤调查精度要求,以此计算各复合类型单元的样点数量;最后按此样点数量分别在各独立样点布设区随机均匀布点,实现样点地理空间的全覆盖。
本发明的技术方案主要包括以下步骤:
(1)获取各类型专题要素矢量化空间分布数据。利用遥感等数字化手段获取土地利用、土壤类型、成土母质类型、行政区等县域专题地理要素空间分布数据,编制专题要素类型矢量化分布图。各专题要素分类最小粒度需满足土壤调查单元粒度要求,如土地利用可依据国家或行业标准采用大类、中类、小类三级分类;土壤类型可依据发生分类***按土类、亚类、土属、土种分类;县域行政区可按乡镇、村、组三级分类,等。
(2)划分土壤复合类型景观单元。依据土壤调查目标和分类粒度需求,选择和提取相应分类粒度的土地利用、土壤类型、成土母质类型等矢量图斑,并利用GIS空间叠加技术,建立和编制用于土壤调查样点布设的复合类型单元矢量分布图(图1)。如调查土壤有机质含量(属性项P),土地利用选择一级分类(林地A1、耕地A2、草地A3等)(图1a),土壤类型选择土类粒度分类(红壤B1、水稻土B2、潮土B3等)(图1b),两种因素叠置形成土壤复合类型单元(F),诸如林地-红壤A1-B1、耕地-红壤A2-B1、耕地-水稻土A2-B2、耕地-潮土A2-B3、草地-潮土A3-B3等复合类型单元(图1c),研究表明它们之间土壤有机质含量均具有显著差异;针对各种土壤复合类型单元布设的样点,不仅因此具有显著代表性,且覆盖区域土壤有机质含量的属性数值域。
(3)计算各土壤复合类型单元的特征景观指数值VALF L。利用土壤属性调查样点布设的复合类型单元矢量图,依据类型水平的各景观指数说明方法,针对与土壤属性项P空间变异性关系显著的特征景观指数L,采用Fragstats软件以10米×10米栅格分辨率进行运算,获取各复合类型单元F相应的特征景观指数值VALF L。
(4)计算各复合类型单元的土壤待查属性项的空间变异系数CVF P。针对不同分类粒度下各复合类型单元,利用本方法建立的各复合类型单元F内部土壤属性项空间变异系数CV与其对应的特征景观指数L的最佳定量关系模型,分别以VALF L为输入项,计算获取各复合类型单元F的不同土壤属性项P的空间变异系数CVF P。
(5)计算各复合类型单元不同土壤属性项调查样点数NUMF P。依据土壤属性调查的置信度和相对偏差等精度要求,利用采样点数公式以CVF P为输入项,计算满足精度要求的复合类型单元F的土壤属性项P的调查样点数NUMF P。其中t为一定自由度(N-1)和显著性水平(α)的t值,λ为拟定抽样调查与总体之间允许相对偏差(%)。因此,针对属性项P的调查区总样点数为其中F为单元类型的序号,n为单元类型的数量。
(6)县域土壤调查样点空间随机均匀布设。针对某土壤属性项P单独调查,以各复合类型单元F土壤调查样点数NUMF P为依据;针对多个不同土壤属性项的同时调查,以各复合类型单元土壤属性项中调查要求最多的样点数NUMF P为依据,分别在各复合类型单元F斑块分布区内,利用GIS技术在空间上随机均匀布设土壤调查样点(图2),满足样点地理空间的全覆盖要求。
(7)利用GIS技术综合各复合类型单元调查样点,编制县域土壤属性调查样点分布图以及样点空间地理坐标和土壤复合类型属性表,完成样点布设。
四、附图说明
图1土壤复合类型景观单元示意图
(a)土地利用类型单元矢量化分布图
(b)土壤类型单元矢量化分布图
(c)土地利用与土壤类型的复合类型单元失量化分布图
图2基于复合类型单元空间分布的土壤调查样点随机均匀布设示意图
五、具体实施方式
以下通过具体实例对本发明作进一步描述:
基于土地利用(一级大类C1)与土壤类型(亚类G2)复合类型景观单元调查粒度以及置信度(95%)和相对编差(5%)的精度要求,利用复合类型景观单元分布格局,针对县域耕地土壤有机质等属性调查样点布设的实施方法与步骤:
(1)获取余江县土地利用类型、土壤类型单元矢量化空间分布图。
(2)利用GIS空间分析技术,提取土地利用大类(C1)、土壤类型亚类(G2)矢量图斑进行空间叠加,建立和编制耕地与土壤亚类的复合类型单元矢量分区图。
(3)采用Fragstats软件以10米×10米栅格分辨率计算余江县耕地土壤复合类型单元的特征景观指数值(表1)。
(4)利用耕地土壤复合类型单元特征景观指数值(表1),通过相应分类粒度的计算模型(表2)求取余江县耕地土壤复合类型单元各待查土壤属性空间变异系数CV(表3)。
(5)基于置信度95%,相对编差为5%的精度要求,计算余江县各耕地土壤复合类型单元的样点数(表4)。计算方法同上述步骤(5)。
(6)依据计算样点数,基于各耕地土壤复合类型单元空间分布,分别随机均匀布设土壤调查样点,再编制县域耕地土壤调查样点分布图及属性表。
表1余江县耕地土壤复合类型单元特征景观指数值
*:形状指标:CONTIG_MN,邻近指标_平均值;CIRCLE_AM,相关外接圆_面积加权平均值;PARA_MN,周长面积比率_平均值。**:独立/邻近指标:ENN_MN,几何最邻近距离_平均值。
表2利用土壤亚类(G2分类粒度)复合类型单元特征景观指数(x)求取土壤属性空间变异系数(y)的计算模型
*:形状指标:CONTIG_MN,邻近指标_平均值;CIRCLE_AM,相关外接圆_面积加权平均值;PARA_MN,周长面积比率_平均值。**:独立/邻近指标:ENN_MN,几何最邻近距离_平均值。
表3余江县耕地土壤复合类型单元土壤属性空间变异系数
表4余江县耕地土壤复合类型单元土壤属性调查样点数
Claims (2)
1.一种基于复合类型单元的县域土壤属性调查样点布设方法,主要包括以下步骤:
(1)获取各类型专题要素矢量化空间分布数据:利用遥感等数字化手段的获取土地利用、土壤类型等县域专题地理要素空间分布数据,编制各专题要素矢量化类型分布图;
(2)划分复合类型土壤景观单元区:依据土壤调查目标和粒度需求,选择和提取相应分类粒度的专题要素类型等矢量图斑,并利用矢量图斑GIS空间叠加技术,建立和编制调查区域复合类型单元矢量分区图;
(3)计算各土壤复合类型单元的特征景观指数值VALF L:利用复合类型单元矢量图,针对与土壤属性变异显著相关的类型景观指数L,通过Fragstats软件计算获取各复合类型单元F相应特征景观指数值VALF L;
(4)计算各复合类型单元土壤属性空间变异系数CVF P:利用本方法建立的复合类型单元土壤属性空间变异系数CV与其对应的类型景观指数值VAL定量关系模型,以VALF L为输入项,计算获取复合类型单元F的土壤属性项P的空间变异系数CVF P;
(5)计算各复合类型单元不同土壤属性项调查样点数NUMF P:依据土壤属性调查置信度和相对偏差等精度要求,利用采样点数公式以CVF P为输入项,计算满足精度要求的复合类型单元F的土壤属性项P的调查采样点数NUMF P;
(6)县域土壤调查样点空间布设:以各复合类型单元F土壤属性项P调查样点数NUMF P为依据,基于各复合类型单元F斑块分布,利用GIS技术在空间上进行随机均匀布设土壤调查样点;
(7)利用GIS技术综合各复合类型单元调查样点,编制县域土壤质量调查样点分布图以及样点类型属性表,完成样点布设任务。
2.根据权利要求1所述的一种基于复合类型单元的县域土壤属性调查样点布设方法,其特征在于步骤(2)(3)(4)(5)(6),通过构建土壤复合类型单元矢量图,计算获得各复合类型单元的特征景观指数值,以此计算各复合类型单元不同土壤调查属性项空间变异系数,进而计算各复合类型单元不同土壤属性项调查样点数,最后依据各复合类型单元斑块空间分布,随机均匀布设土壤调查样点,满足预设土壤调查粒度及精度要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138787.8A CN112733310A (zh) | 2021-01-28 | 2021-01-28 | 一种基于复合类型单元的县域土壤属性调查样点布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110138787.8A CN112733310A (zh) | 2021-01-28 | 2021-01-28 | 一种基于复合类型单元的县域土壤属性调查样点布设方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112733310A true CN112733310A (zh) | 2021-04-30 |
Family
ID=75595156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110138787.8A Pending CN112733310A (zh) | 2021-01-28 | 2021-01-28 | 一种基于复合类型单元的县域土壤属性调查样点布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733310A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971234A (zh) * | 2022-05-11 | 2022-08-30 | 北京中色测绘院有限公司 | 一种土壤普查新技术方法 |
CN115310719A (zh) * | 2022-09-16 | 2022-11-08 | 中国科学院地理科学与资源研究所 | 基于三阶段k-means的农田土壤采样方案设计方法 |
CN117419955A (zh) * | 2023-12-18 | 2024-01-19 | 中国农业科学院农业资源与农业区划研究所 | 一种基于电子围栏的土壤现场调查采样装置及方法 |
-
2021
- 2021-01-28 CN CN202110138787.8A patent/CN112733310A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114971234A (zh) * | 2022-05-11 | 2022-08-30 | 北京中色测绘院有限公司 | 一种土壤普查新技术方法 |
CN114971234B (zh) * | 2022-05-11 | 2023-04-07 | 北京中色测绘院有限公司 | 一种土壤普查技术方法 |
CN115310719A (zh) * | 2022-09-16 | 2022-11-08 | 中国科学院地理科学与资源研究所 | 基于三阶段k-means的农田土壤采样方案设计方法 |
CN117419955A (zh) * | 2023-12-18 | 2024-01-19 | 中国农业科学院农业资源与农业区划研究所 | 一种基于电子围栏的土壤现场调查采样装置及方法 |
CN117419955B (zh) * | 2023-12-18 | 2024-03-26 | 中国农业科学院农业资源与农业区划研究所 | 一种基于电子围栏的土壤现场调查采样装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112733310A (zh) | 一种基于复合类型单元的县域土壤属性调查样点布设方法 | |
Hengl et al. | Soil sampling strategies for spatial prediction by correlation with auxiliary maps | |
CN109142679B (zh) | 基于人工神经网络克里金插值的森林土壤养分的空间预测方法 | |
Wang et al. | Design-based spatial sampling: Theory and implementation | |
Burrough | Matching spatial databases and quantitative models in land resource assessment | |
Panagos et al. | Estimating the soil organic carbon content for European NUTS2 regions based on LUCAS data collection | |
CN109002621B (zh) | 一种顾及邻域与地理差异的林分平均高与胸径计算方法 | |
CN105677890A (zh) | 一种城市绿量数字地图制作及显示方法 | |
GARCIa-SAnchez et al. | An off-site approach to Late Iron Age and Roman landscapes on the Northern Plateau, Spain | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
Helfenstein et al. | Tier 4 maps of soil pH at 25 m resolution for the Netherlands | |
Kocur-Bera | Data compatibility between the Land and Building Cadaster (LBC) and the Land Parcel Identification System (LPIS) in the context of area-based payments: A case study in the Polish Region of Warmia and Mazury | |
Wen et al. | MODIS NDVI based metrics improve habitat suitability modelling in fragmented patchy floodplains | |
CN108733952B (zh) | 一种基于序贯模拟的土壤含水量空间变异性三维表征方法 | |
Wang et al. | Understanding relationships between landscape multifunctionality and land-use change across spatiotemporal characteristics: Implications for supporting landscape management decisions | |
Gastaldi et al. | Mapping the occurrence and thickness of soil horizons within soil profiles | |
Winzeler et al. | A methodology for examining changes in soil climate geography through time: US soil moisture regimes for the period 1971–2000 | |
CN111275072B (zh) | 一种基于聚类采样的山区土壤厚度预测方法 | |
CN112765758A (zh) | 一种基于类型单元土壤属性变异幅度效应的样点布设方法 | |
Kosicki et al. | Cuckoo density as a predictor of functional and phylogenetic species richness in the predictive modelling approach: Extension of Tryjanowski and Morelli (2015) paradigm in the analytical context | |
Chen et al. | Sustainable land use dynamic planning based on GIS and symmetric algorithm | |
CN104537254A (zh) | 一种基于社会统计数据的精细化制图方法 | |
Liu et al. | Soil polygon disaggregation through similarity-based prediction with legacy pedons | |
Sönmez et al. | Turkey’s national geospatial soil organic carbon information system | |
Wu et al. | Optimal Sample Size for SOC Content Prediction for Mapping Using the Random Forest in Cropland in Northern Jiangsu, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |