首页|基于景观及微地形特征的丘陵区土壤属性预测

基于景观及微地形特征的丘陵区土壤属性预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为探讨小流域尺度丘陵区的高分辨率数字土壤制图方法,通过对景观相分类的探索,配合应用不同尺度的Geomorphons(GM)微地形特征数据构成分类变量组参与高分辨率土壤pH、黏粒含量和阳离子交换量的预测制图,并与传统数字高程模型衍生变量和遥感变量进行组合与比较分析.此外,采用支持向量机、偏最小二乘回归和随机森林3种机器学习模型择优与残差回归克里金复合参与预测模型的构建与评价.结果 表明:景观及多尺度微地形分类变量组的应用分别提高小流域尺度丘陵地貌区pH、黏粒含量和阳离子交换量预测精度的18.8％、8.2％和8.7％.包含植被信息的景观相分类图相比土地利用数据有更高的模型贡献度;5m分辨率的GM微地形分类图相比低分辨率的分类图更适宜高精度的预测制图.黏粒含量使用随机森林复合模型有最高的预测精度,而pH和阳离子交换量则不适宜在随机森林模型的基础上加入残差回归克里金模型.景观-多尺度微地形分类变量、数字高程模型衍生变量和遥感变量三者结合的模型预测表现最佳,表明多元变量在起伏地形区域相比单一数据源能够包含更多的土壤有效信息.由GM数据和地表景观数据组成的景观分类变量组作为主要变量能够解释小流域丘陵区部分土壤属性约40％的空间变异.在同类型土壤预测制图研究中,多分辨率GM及景观分类数据有潜力作为环境变量参与预测模型的构建.
Predicting soil property in hilly regions by using landscape and multiscale micro-landform features

魏宇宸、赵美芳、朱昌达、张秀秀、潘剑君

展开 >

南京农业大学资源与环境科学学院,南京210095

南京农业大学实验室与基地处,南京210095

景观分类 微地形 数字土壤制图 随机森林 机器学习

国家自然科学基金国家自然科学基金

4197105741771247

2022

10.13287/j.1001-9332.202202.013

应用生态学报
中国生态学学会 中国科学院沈阳应用生态研究所

应用生态学报

CSTPCDCSCD北大核心
影响因子：2.114
ISSN：1001-9332
年,卷(期)：2022.33(2)
  • 2
  • 3