导读:本文包含了土壤图论文开题报告文献综述及选题提纲参考文献，主要关键词:土壤图,分等因素,指标解译,指标校核
土壤图论文文献综述
刘嘉慧,单阿丽,吴克宁,赵瑞[1]（2019）在《基于土壤图的农用地分等因素解译与校核》一文中研究指出第叁次全国国土调查要求完善耕地分等调查评价基础数据,满足该要求的技术关键在于校核农用地分等因素准确性。本文在明确农用地分等因素内涵及归纳数据来源的基础上,以温县为例,在县域尺度上探讨分等因素选择的合理性,解译各土种质地和剖面构型指标值,参照农用地分等数据库实地布设55个采样点对分等因素开展校核,结果表明:质地解译校核结果不一致的样点有9个,剖面构型解译校核结果中褐土化淤土、褐土化两合土、小两合土构型存在差异;分等数据库中黏土区域及黄庄镇、武德镇、北冷乡接壤处砂土区域表层土壤质地与调查结果不符。因此,建议在合理选择农用地分等因素的前提下校正农用地分等数据库并细化质地与构型的分等标准;建议进行第叁次全国土壤普查,为耕地分等调查评价工作提供更准确的基础数据。(本文来源于《土壤通报》期刊2019年04期）
周紫燕,黄魏,许伟,傅佩红,望陈运[2]（2019）在《基于随机森林算法的原始土壤图更新研究》一文中研究指出以湖北省黄冈市红安县华家河镇滠水河流域为研究区,利用随机森林算法(random forest,RF)结合多源环境变量,对研究区原有的土壤图斑进行分解制图,将混合多种土壤类型的复合土壤图斑进行细化,在土壤多边形内部画出新的边界来代表单一土壤类型,并通过373个实地采样点验证更新后的土壤图。结果显示,更新后的土壤图其制图精度从原有的63%提高到了76%,展现了更为详细的空间细节和空间变化信息,表明利用随机森林算法进行数字土壤制图的可行性和可靠性。(本文来源于《华中农业大学学报》期刊2019年03期）
徐爱国,张认连,田有国,冀宏杰,张怀志[3]（2018）在《我国1﹕5万土壤图数据库的质量控制》一文中研究指出【背景】具有时空维度的土壤大数据可为农业、环境、国土等部门了解、研究和管理土壤与环境提供数据支撑。历史上完成的纸质土壤调查图件和资料则是构建土壤时空数据库的重要基础。由于不同地区、不同时期土壤图成图标准差异较大,构建高质量土壤时空大数据,对异源、异质的非标准化土壤图资料的整理必须进行质量控制。【目的】本研究的目的是解析我国各地异源土壤普查原始图件状况,弄清其数字化整合建库中的质量控制关键问题,探索相应的技术指标与规范,为构建大比例尺土壤图数据库提供质量保障。【方法】通过分析我国土壤普查图件资料状况,结合我国数字地形图质量控制方法,制定了精度指标,对土壤图数据库实现地理精度质量控制;对比分县土壤图中的土壤名称和现有国家标准土壤分类,实现全库土壤类型名称的修编、编码;通过拓扑检查完成土壤图空间数据库结构统一,以统一境界实现境界标准化。【结果】利用异源大比例尺土壤图构建大区域土壤图数据库的质量控制主要包括数字化地理精度控制、土壤要素提取标准化、全图整合赋码叁大部分。其中数字化地理精度控制包括纸图扫描精度、定位坐标系、不同地形图幅的几何校正精度、几何校正控制点的选取和点数规定。土壤要素提取标准化主要包括土壤要素与非土壤要素采集与核准、空间要素分类码、图层与图幅的标准化。全图整合赋码包括土壤类型名称的修编、编码和行政边界标准化,针对原始分县土壤图土壤名称的不规范命名,特别是土类的不规范命名,遵照国家标准中的土类名称,借鉴分县土壤志剖面记载、省级和国家级分类汇总文献和着作,将300余个不规范土类命名修编为60个国家标准命名;采用层次编码方法,按照土纲、土类至土种的五级编码实现全库每个土壤类型的唯一编码;采用国家标准境界实现行政边界的无缝连接,并在此基础上实现了土壤图空间库存储单元由分县转换为1﹕5万标准分幅。【结论】利用异源大比例尺非标准土壤图资料构建大区域的土壤图数据库,其质量控制的关键为数字化地理精度控制、土壤要素标准化、全图整合赋码。针对这叁个问题构建的质量控制方法和相应指标,符合我国土壤普查图件数字化建库实际情况,为建设覆盖我国全域的土壤图数据库提供了质量保障。采用这一方法,建立了1﹕5万土壤图数据库共计13 240个,1﹕5万标准分幅,涉及1 688个县市和国营农场。本文还讨论了本研究成果的现状并展望其拓展方向,期望通过结合土壤理化性状信息,为进行土壤长效性质数据挖掘研究提供数据基础。(本文来源于《中国农业科学》期刊2018年22期）
黄晶晶,于银霞,于东升,潘月,陆晓松[4]（2019）在《利用景观指数定量化评估历史土壤图制图精度》一文中研究指出判断历史土壤类型图件的制图精度,是正确利用这些珍贵数据资料的前提条件。利用收集整理的、标记为福建省1∶25万土壤图的全国第二次土壤普查数据,分析了土类、亚类、土属不同土壤分类层次在栅格数据下15个景观指数的粒度效应,以粒度30m×30m对应的景观指数为基准数据,不同粒度对应的景观指数与基准数据比较,设定相对变异百分数|VIV|<1%时所对应的最大粒度为土壤矢量图栅格化的最佳表征粒度,并以此推断土壤类型图的比例尺,定量化评估其制图精度。结果表明,景观指数具有明显的粒度效应,土类、亚类、土属水平的最佳表征粒度分别为4.00 km×4.00 km、3.45 km×3.45 km和1.90 km×1.90 km,对应实际土壤图的比例尺分别为1∶180万、1∶160万、1∶85万。为判断历史土壤类型图的制图精度提供了新的有效途径和方法,对于珍贵历史数据资料的正确判断和利用具有重要价值。(本文来源于《土壤学报》期刊2019年01期）
高鸿,朱娟,王良杰,赵玉国,张甘霖[5]（2018）在《基于成土环境地理邻域分析的历史土壤图训练样本筛选》一文中研究指出基于历史土壤图的知识挖掘和历史图更新对土壤资源调查、管理和利用有着重要的现实意义,而从历史土壤图中筛选代表性训练样本是进行知识挖掘和历史土壤图更新的关键步骤。以安徽省旌德县为研究区,提出一种新的土壤图训练样本筛选方法,包括样本数量确定和样本位置筛选。研究结果表明,面积分段线性缩放法确定的样本数量解决了已有研究未考虑同一类型多个图斑单元间样本数量分配的问题;采用邻域分析方法确定样本位置,当图斑位于地势平缓的区域时,基于高程因子和坡度因子确定的样本空间分布差异较小,而当图斑位于山区时,基于坡度因子确定的样本处于地形变化稳定的位置,全局代表性更高。通过与已有研究中环境因子直方图方法筛选样本进行对比,邻域分析方法确定的样本具有更高的差异比例和标准差,样本信息量更大。基于坡度因子采用邻域分析方法筛选出的图斑样本较高程因子样本拥有更高的全局空间代表性,邻域分析方法筛选的样本较相关研究中环境因子直方图方法筛选的样本拥有更高的信息量。(本文来源于《土壤学报》期刊2018年03期）
雷秋良,朱阿兴,武淑霞,张认连,徐爱国[6]（2018）在《基于数据库驱动技术的土壤图注记自动配置系统的设计与实现》一文中研究指出土壤注记是土壤图制图表达的重要内容,对于理解土壤的发生、分布具有重要意义。在基于全国第二次土壤普查资料进行大比例尺土壤图分幅制图过程中,若对拥有海量土壤空间信息的多分幅大比例尺土壤图实现注记表达,不可能再依赖于传统的制图方式生成注记。为了实现注记上图的自动化和以交互方式解决多个步骤判断问题,构建了土壤图注记自动配置系统。该系统采用图廓边界注记压盖检测与处理技术,解决了注记压盖图廓边界的问题;采用图层、分级码、要素对象的叁级控制方法,实现了注记在图层级别上进行整个图层以及背景层注记的设置,在分级码级别上结合统计结果,实现了注记的条件判别与阈值过滤,在要素级别上实现了特殊要素注记的生成。基于数据库驱动技术并以人机交互的方式进行土壤图注记的自动化配置,实现了批量土壤图分幅注记的快速生成,不仅具有较强的灵活性,可适用于不同比例尺土壤图及其他类型地图的注记表达,而且大大提高了数据生产的效率和自动化处理程度。该研究为今后不同比例尺土壤图制图实现注记的自动化配置提供参考。(本文来源于《土壤学报》期刊2018年02期）
望陈运[7]（2017）在《基于随机森林算法的土壤图斑分解》一文中研究指出多边形的制图方式和利用长期的野外调查以及航空图片解译过程决定了传统土壤图不管是在调查方法上还是在制图方式上,其效率都相对低下,费时费力,而且传统土壤图的精度也很难再满足现代科学发展的日新月异。在新时代的发展下,传统土壤图主要面临以下几个问题。首先,制图比例尺的大小往往决定了最小图斑的大小,比例尺越大,土壤图中可表达的最小图斑就越小,因而传统土壤图在成图过程中会因为比例尺的限制而忽略掉一些大图斑中的小图斑,产生了土壤图空间和属性上的简化;其次,手工的多边形的表达方式也忽略掉了土壤的空间渐变特征,多边形边界处的突变导致了原本是连续变化的土壤空间和属性的突变,最后基于专家经验和手工的制图方式非常耗时耗力且容易产生人为误差。然而包含了大量专家知识的传统土壤图是历史留下的宝贵资料,对于当下的相关研究仍具有重要的参考价值。本文将湖北省黄冈市红安县华家河镇滠水河流域作为研究区域,结合全国第二次土壤普查获得的传统土壤图,利用已有的地形数据和多光谱数据,在GIS平台和R语言环境下采用随机森林模型挖掘土壤-环境关系知识,并利用该模型对原有的土壤图斑进行空间分解,得到了空间信息更加详细的土壤分布图。具体的研究步骤分为以下几步:1)提取与研究区域成土环境相关的景观因子数据。在此选择的初始环境变量数据包括土壤母质数据、地形数据和多光谱数据,利用从高程数据中提取的坡度、坡向、地形湿度指数、沿等高线曲率、沿平年曲率和水平曲率,从多光谱数据中提取的归一化植被指数、归一化水体指数、第一主成分、偏斜、信息熵、方差、平均值,加上母质构成研究所用的因变量。2)设计采样点。采取图斑面积加权的采样方式设计采样点,保证每个图斑至少有10个样点,最终确定了6686个样点。利用样点提取研究所用的环境因子数据并将样点数据按母质进行分类。3)环境因子的筛选。为确保制图精度和效率,需要剔除掉一部分对模型贡献率低的因子,本研究利用R语言提供的变量重要性测度importance()函数进行因子筛选。4)模型参数的确定。随机森林模型的两个非常重要的参数mtry和ntree可以分别通过随机森林模型袋外误差和模型稳定性的计算进行判断。5)模型的应用。利用R语言中的Random Forest包对数据进行建模,得到四种母质单元下的四组模型,利用这四组模型对研究区域内每个栅格位置的环境因子信息进行投票判断,通过投票最终得到各个位置的土壤类型,进而可以得到所研究区域的土壤图。研究表明:相比于传统的土壤图,图斑分解后的整个土壤图在图斑的数量上明显增多,空间分布更加详细,展现了更多的细节信。本研究中利用RF模型在分类问题上实现了较好的表达,说明利用RF模型来获取土壤-环境关系的知识是真实可信的,可以为精细数字土壤制图提供一种高效的方法。另外,随机森林算法提供的变量重要性测度函数可以对变量重要性进行排序,删除对模型贡献率小的因子,不仅保证了分类精度,还大大提高了运算效率,为今后大面积进行土壤图斑分解提供了可靠的方法和依据。(本文来源于《华中农业大学》期刊2017-06-01）
吕惠庆[8]（2017）在《浙江省数字土壤图初探》一文中研究指出浙江省数字土壤图是反映土壤资源、耕地地力等级和土壤养分等等级特性的图,它是土壤及相关领域研究的手段,也是研究成果的表达。本文简要阐述了浙江省土壤图的历史和编制特点,为浙江省土壤保护工作提供了决策依据,推进土壤健康状况定期评估制度建设。(本文来源于《城市地理》期刊2017年02期）
黄魏,罗云,汪善勤,陈家赢,韩宗伟[9]（2016）在《基于传统土壤图的土壤—环境关系获取及推理制图研究》一文中研究指出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。(本文来源于《土壤学报》期刊2016年01期）
罗云[10]（2015）在《基于传统土壤图的土壤—环境关系获取与验证》一文中研究指出传统土壤图是土壤普查专家经过野外实地调查和航片解译后得到的成果,是流域管理、生态水文等研究领域所需土壤空间分布相关信息的主要数据来源。随着地理信息技术的发展,传统土壤调查方法已经难以满足其他科学领域对土壤信息服务提出的要求,主要原因有以下几个方面:传统土壤调查方法主要以专家经验的思维模式为基础,通常难以表达、交流以及存储;传统土壤调查方法在描述土壤实体的定性特征方面与土壤的实际空间分布特征难以匹配,导致调查结果的精度准确性较差;传统土壤调查的成本高且具有区域限制,不利于土壤信息的更新。因此,在数字土壤制图(DSM)中如何利用已有的历史资源和数据有效地获取精度较高的土壤图十分重要。本研究从传统土壤图和地形数据中提取土壤类型以及环境数据信息,采用空间数据挖掘方法建立土壤-环境关系,并通过实地采样进行了可靠性和准确性验证。本文以湖北省黄冈市红安县华家河镇滠水河流域研究区为例,利用全国二次土壤普查时获得的传统土壤图为知识获取源来呈现这一研究过程。该方法主要包括五个步骤:1)首先,为确保土壤环境知识的准确性,选择了与当地成土过程密切相关的7个环境因子并建立地理信息系统(GIS)数据库,这些因子包括改进后的成土母质图和由分辨率为10m的数字高程模型(DEM)生成的高程、坡度、坡向、沿平面曲率、沿剖面曲率、地形湿度指数共6个地形因子数据;2)由于传统制图主要由手工制成,通常会因为比例尺大小、边界误置等原因产生误差,导致图内包含难以表达专家正确关系模型知识的错误,因此进行数据的预处理十分重要。为了减少传统土壤图中因上述原因产生的噪声、异常数据等误差,利用频率分布原理建立环境直方图,提炼得到1410个土壤类型与环境因子典型样本数据;3)利用空间数据挖掘技术对典型样本集进行处理,获取蕴含在传统土壤图中的详细专家知识。而与其他的算法相比,决策树算法具有精度高且容易理解等优势,适用于提取和表达土壤环境模型知识。本研究采用See5.0决策树方法进行空间数据挖掘,获取土壤-环境关系知识;4)利用步骤3)中获取的土壤-环境关系知识和1)中的环境因子数据图层在土壤-景观推理模型(So LIM)中进行推理制图,并根据推理结果来预测当前土壤的空间分布情况。大量案例研究已表明So LIM方法比传统人工、主观的土壤制图方法更精确,其利用相似度作为度量参数,以模糊逻辑为基础进行土壤隶属度的计算,然后将每一个像元的相似度向量中对应于最大隶属度值的土壤类型作为该像元的土壤类型,得到最终的土壤类型分布图;5)通过对比分析原始土壤图和推理土壤图间的差异,采用均匀采样、主观采样和横截面采样叁种方式获取270个实地采样点,以便整体反映土壤的分布状况。利用混淆矩阵中的指标作为评价标准,验证土壤图的精度。研究表明:通过模糊推理得到的土壤图比原始土壤图呈现了更详细的空间分布信息,并且经验证,叁种采样方式下推理土壤图的精度分别为73%、76%和71%,均高于原始土壤图,推理土壤图总体分类精度为75%,相比于原始土壤图约提高了11%,而且图斑的数量相比于原始图明显增加。因此,这种以传统土壤图为数据源获取土壤-环境关系知识的方法相比于传统的土壤制图方法对土壤类型的判断和边界的确定更加准确,便于土壤图的更新。(本文来源于《华中农业大学》期刊2015-06-01）
土壤图论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以湖北省黄冈市红安县华家河镇滠水河流域为研究区,利用随机森林算法(random forest,RF)结合多源环境变量,对研究区原有的土壤图斑进行分解制图,将混合多种土壤类型的复合土壤图斑进行细化,在土壤多边形内部画出新的边界来代表单一土壤类型,并通过373个实地采样点验证更新后的土壤图。结果显示,更新后的土壤图其制图精度从原有的63%提高到了76%,展现了更为详细的空间细节和空间变化信息,表明利用随机森林算法进行数字土壤制图的可行性和可靠性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
土壤图论文参考文献
[1].刘嘉慧,单阿丽,吴克宁,赵瑞.基于土壤图的农用地分等因素解译与校核[J].土壤通报.2019
[2].周紫燕,黄魏,许伟,傅佩红,望陈运.基于随机森林算法的原始土壤图更新研究[J].华中农业大学学报.2019
[3].徐爱国,张认连,田有国,冀宏杰,张怀志.我国1﹕5万土壤图数据库的质量控制[J].中国农业科学.2018
[4].黄晶晶,于银霞,于东升,潘月,陆晓松.利用景观指数定量化评估历史土壤图制图精度[J].土壤学报.2019
[5].高鸿,朱娟,王良杰,赵玉国,张甘霖.基于成土环境地理邻域分析的历史土壤图训练样本筛选[J].土壤学报.2018
[6].雷秋良,朱阿兴,武淑霞,张认连,徐爱国.基于数据库驱动技术的土壤图注记自动配置系统的设计与实现[J].土壤学报.2018
[7].望陈运.基于随机森林算法的土壤图斑分解[D].华中农业大学.2017
[8].吕惠庆.浙江省数字土壤图初探[J].城市地理.2017
[9].黄魏,罗云,汪善勤,陈家赢,韩宗伟.基于传统土壤图的土壤—环境关系获取及推理制图研究[J].土壤学报.2016
[10].罗云.基于传统土壤图的土壤—环境关系获取与验证[D].华中农业大学.2015