《基於MARS算法的歷史土壤數據更新方法研究》是依託南京林業大學，由王良傑擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於MARS算法的歷史土壤數據更新方法研究
- 項目類別：青年科學基金項目
- 項目負責人：王良傑
- 依託單位：南京林業大學
中文摘要,結題摘要,
中文摘要
受傳統製圖技術和基礎數據質量所限，歷史土壤數據的空間詳細度和屬性精確度不能滿足社會發展的需求。本研究將選擇亞熱帶丘陵地區安徽省宣城市宣州區為研究區域，利用歷史土壤圖數據（二次土壤普查）以及研究區的環境景觀因子(地形、母質、植被等)數據，套用多元自適應回歸樣條算法，提取與凝練土壤環境知識，構建主要土壤性質/土壤類型與環境景觀因子之間的定量土壤-景觀數學模型，實現歷史土壤數據的更新製圖。項目的目的在於挖掘歷史土壤數據所潛在的土壤分布規律，將歷史土壤數據更新為可重複、定量化、易移植使用的土壤-景觀製圖模型。該研究將推動數字土壤製圖的發展，極大地提高土壤製圖的效率和精度，降低土壤調查與製圖的成本。
結題摘要
受傳統製圖技術和基礎數據質量所限，歷史土壤數據的空間詳細度和屬性精確度並不高，難以滿足現代社會發展的需求。因此，套用空間分析技術，更新歷史土壤數據，使土壤圖具有更豐富的信息負載量、高時效、高精度、低成本的特點，將有利於傳統土壤學研究結果在指導資源調查、評價、配置、管理等過程中得到更為科學和廣泛的套用。本研究以安徽省宣州區歷史土壤數據，以及此後工作積累的土壤樣點數據（1980s，2008s）為基礎，結合野外調查，藉助空間分析技術，通過對歷史土壤數據知識結構的提取與凝練，確定了基於不同單元（柵格和小班單元）的環境景觀因子與土壤屬性之間的關係，建立了土壤屬性與景觀因子之間的定量模型，並通過模型集成的方式，提高了土壤屬性預測製圖的精度，實現了對傳統土壤圖數位化的更新：（1）明確土壤屬性與景觀因子關係利用歷史土壤圖構建小班單元，研究結果表明土壤有機碳含量與MAP（r=-0.5）, NDVI（r=-0.38），高程（elevation, r=-0.36）, 和紅光波段（RED，r=-0.2）呈顯著性相關，並且基於小班單元比格線單元具有更高的相關係數，該結果表明採用小班單元能夠更好的表征土壤屬性與環境因子的相關性。（2）建立土壤屬性空間分布模型模型結果表明採用柵格單元的模型解釋了研究區SOC含量變化的28%，而採用小班單元能解譯67%的土壤SOC。小班單元具有更高的R2與LCCC，更低的RMSE和MAE。在所有模型計算結果中，RF模型預測精度最高，R2（0.67），LCCC（0.68），RMSE（2.31）和MAE（1.79），而CART最低，R2（0.4），LCCC（0.61），RMSE（2.79）和MAE（2.23），但均高於柵格單元。（3）提高了集成模型的預測精度模型集成結果表明，GRA與MBA集成方法可以有效提高提高SOC模型的精度，RMSE的絕對值 (ΔRMSE = 0.07–0.52 g kg−1) 略有降低，而R2數值(ΔR2=0.01–0.03) 得到了提高，而且GRA和BMA模型獲得的不確性較小，PICP值均處於高值區（95.8%-96.6%）。通過本基金的實施，以第一作者/通訊作者身份在國內外權威學術期刊上累計發表論文4篇，其中SCI收錄2篇，聯合培養碩士研究生4名，完成了項目考核指標。
