模糊c-均值算法在区域土壤预测制图中的应用.pdfVIP

第46卷第4期 土 壤学报 V01．46．No．4 ACTA 2009年7月 PEDOLOGICASINICA July，2009 模糊c一均值算法在区域土壤预测制图中的应用术 檀满枝1’2 陈 杰3’1+ (1土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所)，南京210008) (2中国科学院研究生院，北京100049) (3郑州大学自然资源与生态环境研究所，郑州450001) 摘 要 基于模糊c．均值算法和地统计学空间插值，在面积约为1km2的研究区内进行区域土壤预测 制图。研究结果表明：根据研究区123个剖面和土钻样点，通过分析它们在形态学上的特征和定量属性，建立 了9类诊断特征土层。通过FCM算法模型，获得4类最佳分类数，模糊指数为1．7。类别数目与研究区受地 形、母质和土地利用方式影响的主要成土过程决定的土纲下土壤类型数目一致。将经过对称对数比转换的 隶属度成分数据进行单一模糊类别隶属度土壤预测制图，4种类别土壤在空间上具有明显的渐变过渡特征， 制图结果较理想。在单一类别隶属度土壤图的基础上生成最大隶属度土壤图，与常规土壤调查土壤图具有 共同参比的基础。 关键词 模糊逻辑；模糊c．均值算法；对称对数比转换；土壤空间预测制图 中图分类号 S159．9；0159文献标识码 A 随着现代集约农业、精准农业的快速发展和环 点，无论属性空间还是地理空间，属于且只属于唯 境模型定量模拟的普遍应用，对土壤信息获取的强 一的土壤单元，这个点要么完全不属于某个特定的 度和精度提出了更高的要求¨1。常规土壤调查的 土壤类型或者所属土壤类型完全不处于某个特定 概念模型对土壤类型的鉴别是通过假定分类(即土 图斑内，即对某种土壤类型的隶属度为0；要么完全 壤属性及性状)空间(Taxonomicspace)和地理空间属于某个土壤类型或者所属土壤类型完全落入某 均可以清晰地划分和勾绘，因此被称为“双清晰模 个特定图斑内(即对某种土壤类型的隶属度为1)。 型”(Doublecrispmodel)旧1。其最终输出结果在视真实世界中，作为地球表面的自然连续体，土壤的 觉上表达为等值图(Choroplethmap)。在这一概念连续性特征不仅表现于地理空间上的分布，同时也 模型中，土壤变异被认为只发生在边界上，土壤在 表现于属性空间上的变异。土壤样本往往表现出 属性空间和地理空间上均被高度概化。从20世纪 对于不同土壤类型的多重相似性。换言之，土壤样 60年代开始，越来越多的土壤学家¨’41开始就“双清 本对于一个特定土壤类型的隶属关系不是非0则 晰模型”过于简单化、主观化的分类和制图手段提 1，而是对于几个不同的土壤类型均表现出部分隶属 出批评。一方面，“双清晰模型”导致调查中获取的 关系，即模糊隶属关系。模糊隶属关系的理论基础 原始土壤信息大量损失；另一方面，土壤分类与制 是模糊逻辑或模糊集理论1。 图存在着直接影响输出信息应用的技术缺陷。同 以区域化变量为理论基础、以方差函数或半变 时，常规土壤调查制图获取与表达的土壤信息与其 异函数为基本工具的地统计学从20世纪80年代初 他地理信息不匹配现象严重。常规土壤调查制图 期就开始应用于土壤学领域。在运用地统计学手 已不能满足高精度土壤信息的获取要求，成为制约 段处理土壤空间变异时，无法有效地解决土壤类型 土壤调查技术在土壤资源配置与精准农业管理等 在属性空间的边界连续问题，这使地统计学方法在 深层次应用的主要瓶颈之一。 复杂土壤一景观条件下的应用遭遇严重挑战