论文部分内容阅读
土壤资源弥足珍贵,查清一个国家土壤资源的数量和质量,对粮食安全、生态环境保护,对国家安全、社会和谐、人民生活幸福具有重要的意义。上世纪80年代,我国实施了全国第二次土壤普查,获得了大量基于土壤发生学分类的土壤剖面数据和土壤图数据。然而,随着研究的不断深入,土壤学家发现土壤发生分类体系强调中心概念,缺乏定量指标描述。因此,为了顺应科学发展规律和社会需求,我国土壤学家建立了以定量化为特色的土壤系统分类体系,并已在少数地区试点,进行土壤资源调查。目前,我国仍在大量使用第二次土壤普查的数据,但这些数据已不能满足人们在生产实践和科研活动中对更高精度土壤信息的需求。所以,我国急需启动新一轮的基于土壤系统分类体系的全国土壤普查。土壤普查需要新的方法和技术支撑,因此,本文进行土壤类型的自动判别及其预测表达的研究,以期能够提高土壤类型判别的自动化程度及其表达的客观程度。
论文首先对《中国土壤系统分类检索》(第三版)中土壤诊断层的检索规则进行拆分和再组织,建成用来自动判别土壤诊断层类型的案例库。利用土壤剖面的描述和理化数据,通过建成的案例库,采用基于案例推理的方法实现对土壤诊断层类型的自动判别;其次,通过判别出的土壤诊断层类型,和其它辅助的土壤剖面数据,实现了基于规则引擎NxBRE的土壤类型自动判别;最后,分别采用判别分析方法和SoLIM模型中基于案例推理的方法对相同的数据源进行土壤类型分布的预测和表达的研究。研究成果总结如下:
(1)土壤诊断层案例库可用于全国范围内各种土壤类型所包含的诊断层的自动判别。由于是将专家经过多年的土壤分类研究所获得的知识规则进行拆分入库,因而,该案例库质量较高。此外,案例库的结构还可作为未来基于土壤系统分类的野外土壤调查剖面记载表的参考设计模板。
(2)土壤诊断层案例库的结构对推理结果影响很大,单表案例库由于太多无关数据项的干扰,推理结果很不理想。根据每个诊断层类型所形成的多表案例库可以改善推理结果;案例的各属性权重的设置也对最终的推理结果影响较大,通过降低各种土壤类型所共有的属性的权重,可以显著改善推理的结果;基于案例推理方法的土壤诊断层的自动判别可以显著提高判别效率,并且在土壤剖面数据缺乏的情况下,仍然能够提供推理结果。
(3)基于NxBRE的土壤类型自动判别结果与人工判别方法相同;由于《中国土壤系统分类检索》中土壤类型检索具有一定的检索顺序,因此,目前土壤类型自动判别的研究还未能有效提高判别效率,本研究亦是如此;相对于其它土壤类型自动判别的研究,本研究采用基于规则引擎的方法可以使知识规则与推理过程分离,知识规则的改变不需要重新编写推理过程代码,这对于需要不断进行修订和完善的土壤系统分类体系尤为适合;建立了人为土、雏形土、新成土三种土壤类型由土纲、亚纲到土类、亚类的基于RuleML 标准的知识规则文件,便于以后土壤分类知识的共享和传播。
(4)由于土壤样点剖面数量一定,随着从土纲到亚类级别的降低,土壤类型预测的准确率也逐步降低。SoLIM模型在土壤类型预测中的表现要好于判别分析方法;利用SoLIM模型可以制作出某种土壤类型的单一隶属度图,通过这种表达方式可以很好地反映此种土壤类型的大致分布趋势,而在综合的土壤类型图中往往不容易看清这种趋势;与传统土壤制图方法相比,数字土壤制图方法无论是在精度、效率,还是图面信息的负载量都要优于传统方法,能够更加客观地反映土壤在自然界的分布。