公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于地形单元的土壤有机质空间变异研究被引量：19: 2015年; 为克服传统地形分类方法中仅依据单一指标(如高程)的缺点,以钟祥市土壤有机质空间分布为例,综合由30 m精度数字高程模型生成的地形因子,依据其在不同地形条件下的层次组合规律构建地形分类规则,精确地划分为13种典型地形单元,并运用普通克里金法对不同地形单元内的土壤样本插值,获得相应区域的土壤有机质空间分布。通过组合各地形范围下的结果,以获取蕴含地形因素影响的有机质空间分布。研究发现,地形起伏较大的地形单元的预测精度与全局预测结果精度相似度达0.75,而地势平缓区域内的预测精度大幅度提升,比全局预测结果精度提升了16.39%,因此基于地形单元的空间预测可以精确有效地获取土壤有机质空间特征。利用地形分区获取较高精度的有机质空间分布,进一步探讨了有机质地统计学研究中地形的协同影响。; 黄魏韩宗伟罗云张春弟; 关键词：土壤有机质地统计

基于传统土壤图的土壤—环境关系获取及推理制图研究被引量：18: 2016年; 在数字土壤制图研究中,从历史资料中提取准确的、详细的土壤—环境关系对于土壤图的更新和修正十分重要。从传统土壤图中提取土壤类型并从地形数据中提取环境参数,采用空间数据挖掘方法建立土壤—环境关系,并进行推理制图和精度验证。以湖北省黄冈市红安县华家河镇滠水河流域为例,首先选取成土母质和基于地形数据提取的高程、坡度、坡向等7个环境因子;然后利用频率分布原理得到包含土壤类型与环境因子信息的典型样本数据1 410个;采用See5.0决策树方法进行空间数据挖掘,建立土壤—环境关系;将其导入So LIM中进行推理制图;最后利用270个实地采样点验证所得土壤图的精度。土壤图的精度提高了约11%,证明了本研究方法对土壤类型和空间分布推理的可靠性。; 黄魏罗云汪善勤陈家赢韩宗伟祁大成; 关键词：环境因子数据挖掘

基于路网的土壤采样布局优化——模拟退火神经网络算法被引量：25: 2015年; 以湖北省钟祥市东部的土壤有机质为研究对象,通过地形分析提取坡度、沿平面曲率、沿剖面曲率、地形湿度指数、汇流动力指数、沉积物运移指数等地形因子,在道路周边设置13种采样尺度,运用模拟退火算法对各样点的空间布局分别进行优化,以获取基于路网的土壤采样优化布局.在此基础上,对地形因子和优化后样点的有机质建立多元线性回归模型,同时建立基于神经网络的多层感知机模型,并用此模型精度与多元线性回归模型精度进行对比.结果表明:利用道路网制定土壤采样方案是可行的,优化后的采样点布局能够准确获取土壤景观知识,并且优于原始样点的精度.本研究利用道路空间分布格局、历史样点、数字高程数据等可利用资源设计采样方案,为降低采样成本、提高采样效率、展现有机质空间分布格局提供了有效手段与理论依据.; 韩宗伟黄魏罗云张春弟祁大成; 关键词：模拟退火多层感知机

基于遥感影像和决策树算法的土壤制图被引量：8: 2019年; 传统土壤信息获取方法已经无法完全满足当前各领域对土壤数据的需求,如何结合新的技术提高土壤普查效率,获取高精度土壤图成为了现阶段的研究重点。本研究综合利用高分二号遥感影像提取的遥感光谱指数以及DEM数据提取的地形因子,通过决策树算法进行数据挖掘,获取各土壤类型的土壤—环境规则,然后利用SoLIM结合土壤—环境规则进行推理制图,获得研究区的土壤类型分布图。结果表明,预测土壤图总体精度为88%,高于传统土壤图的精度72%,且在三种不同的采样方式(均匀采样、横截面采样和主观采样)下土壤预测精度分别为89%、88%、86%,均高于传统土壤图。这说明,预测土壤图比传统土壤图更能反映土壤类型空间差异,且预测土壤图在表达土壤类型整体空间分布信息的同时也可捕捉到土壤类型与地貌类型的耦合关系。; 韩浩武许伟黄魏陈荣周紫燕; 关键词：环境因子遥感影像决策树数据挖掘

基于土壤养分-景观关系的土壤采样布局合理性研究被引量：7: 2014年; 以研究区域8个地形因子和5个土壤常规养分数据为研究对象,应用空间分级统计技术将地形因子分为5个级别,采用Pearson相关性分析各分区上的样点,并对不同采样布局下地形因子与土壤养分间的Pearson系数进行相似性分析。结果表明:不同采样方案下,地形因子与土壤养分间的Pearson系数相似性程度在99%以上,说明研究区内存在固定的关系模式。4种采样方案中,含有3 661个采样点的方案C获取的关系模式与典型关系模式特征最接近,因此,利用方案C采样能够准确高效地获取土壤信息。; 韩宗伟黄魏张春弟罗云; 关键词：土壤采样地形因子土壤养分地统计分析

基于不确定性模型的土壤——环境关系知识获取方法的研究被引量：6: 2018年; 土壤与环境关系知识的获取是精细数字土壤制图的关键,如何快速准确地获取该知识成为现阶段研究的重点。以湖北省黄冈市红安县华家河镇为例,利用土壤—环境推理模型(Soil-Land Inference Model,So LIM)得到土壤类型的夸大和忽略不确定性分布图,依据不确定性分布图在可信度高的位置重新采集样点,对样点进行数据挖掘,获取环境因子组合,建立其与土壤类型的对应关系。结合原始规则,生成新的土壤—环境关系知识,并将其用于土壤推理制图,获得新的土壤类型分布,利用253个野外独立样点进行精度验证。结果表明:推理土壤图显示了更加详细的空间分布信息,经野外验证点验证,总体精度为86.9%,高于原土壤图精度约13%。因此,利用不确定性模型重新获取土壤—环境关系知识的方法是可行且有效的,该方法不仅增加了土壤图的空间详细度,而且提高了土壤图的精确度。; 黄魏许伟汪善勤袁雅萍望陈运; 关键词：决策树不确定性知识融合

全选清除导出

共1页<1>

国家自然科学基金(41171174)