[發(fā)明專利]一種基于復(fù)合類型單元的縣域土壤屬性調(diào)查樣點布設(shè)方法

在審

• 申請?zhí)枺?/td>: 202110138787.8
• 申請日: 2021-01-28
• 公開（公告）號: CN112733310A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計）人: 于東升;馬利霞;潘月
• 申請（專利權(quán)）人: 中國科學(xué)院南京土壤研究所
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F30/20;G06F16/29
• 代理公司: 暫無信息
• 代理人: 暫無信息

針對目前方法布設(shè)土壤屬性調(diào)查樣點代表性差、樣點密度與土壤屬性空間變異性和與調(diào)查粒度及精度要求的關(guān)系不清等難題，本發(fā)明提出了一種基于復(fù)合類型單元的縣域土壤屬性調(diào)查樣點布設(shè)方法，屬于土壤資源調(diào)查研究領(lǐng)域。該方法依據(jù)土壤分類調(diào)查的粒度要求，實時構(gòu)建土壤復(fù)合類型景觀單元矢量圖獲取特征景觀指數(shù)值，以此計算各復(fù)合類型景觀單元內(nèi)待查土壤屬性空間變異性以及滿足精度要求的調(diào)查樣點數(shù)，并利用復(fù)合類型景觀單元空間分布格局隨機均勻布設(shè)土壤調(diào)查樣點，實現(xiàn)土壤調(diào)查樣點地理與屬性空間全覆蓋，滿足預(yù)設(shè)土壤調(diào)查粒度及精度要求，提升土壤調(diào)查的質(zhì)量及效率。

一、技術(shù)領(lǐng)域

本發(fā)明是通過復(fù)合類型土壤景觀單元空間分布格局進行縣域土壤屬性調(diào)查的樣點布設(shè)方法，具體而言，根據(jù)土壤調(diào)查粒度及精度要求，通過構(gòu)建相應(yīng)粒度的復(fù)合類型土壤景觀單元矢量分布圖獲取特征景觀指數(shù)值，并以此預(yù)測土壤調(diào)查屬性項的空間變異性，進而計算不同土壤屬性項滿足調(diào)查精度要求的樣點數(shù)，最后依據(jù)土壤復(fù)合類型景觀單元空間分布格局，隨機均勻布設(shè)土壤調(diào)查樣點的方法，屬于土壤資源調(diào)查研究領(lǐng)域。

二、背景技術(shù)

科學(xué)合理的土壤樣點調(diào)查方案設(shè)計方法對提升土壤調(diào)查精度、土壤空間信息數(shù)據(jù)質(zhì)量以及工作效率具有重要意義。樣點調(diào)查方案設(shè)計需著重解決樣點代表性、樣點空間位置、樣點密度三個基本問題，其中土壤樣點空間位置和布設(shè)密度最為關(guān)鍵，它要求樣點在區(qū)域地理和屬性空間的全覆蓋，確保樣點代表性并全面反映區(qū)域土壤總體特征。土壤調(diào)查樣點方案設(shè)計概括歸納起來主要有2種方式，即傳統(tǒng)的土壤采樣設(shè)計(design-basedsampling strategies，DS)以及基于環(huán)境輔助變量的模型設(shè)計(model-based approach，MA)。

系統(tǒng)或順序隨機抽樣(Systematic random sampling or Sequence randomsampling)是最為簡單的抽樣設(shè)計(DS)方式，常以一定的平面幾何形狀在調(diào)查區(qū)進行采樣點布設(shè)。如覆蓋調(diào)查區(qū)的多邊形網(wǎng)格布點方法，以網(wǎng)格中心或交叉點作為采樣點，網(wǎng)格大小或樣點間距往往依據(jù)事先人為擬定的樣點數(shù)量確定。但人為劃定的網(wǎng)格采樣區(qū)可能包括多種土壤和土地利用類型，這種不考慮主控因素的無原則采樣設(shè)計方法，雖然能實現(xiàn)地理空間的全覆蓋，但土壤樣點代表性差，難以做到屬性空間全覆蓋，工作效率極低。因此，多利用與土壤屬性空間變異有關(guān)的環(huán)境輔助變量的數(shù)理或地統(tǒng)計特征信息進行樣點設(shè)計，如氣候、水文、地形、母質(zhì)、土地利用、植被類型等對土壤屬性具有顯著影響或主控作用的輔助變量等。

基于單因素輔助變量的傳統(tǒng)抽樣設(shè)計(DS)方式，如分層隨機抽樣(Stratifiedrandom sampling)、整群隨機抽樣(Cluster random sampling)等方法，按輔助變量統(tǒng)計信息進行分層、分段、分群，依據(jù)各層、段或群輔助變量變異性確定樣點數(shù)量；輔助變量的變異性越大，樣點數(shù)量越多。基于多因素輔助變量的傳統(tǒng)抽樣設(shè)計(DS)方法，如LHS(LatinHypercube Sampling)，則是運用Monte Carlo抽樣方案，依據(jù)各輔助變量概率分布進行隨機分層抽樣，但對實際抽樣數(shù)目并沒有做詳細(xì)規(guī)定，只是一般要求抽樣數(shù)目(u)高于環(huán)境變量數(shù)目(β)，滿足建模樣品自由度(n＝u-β)要求。但無論基于單因素還是多因素環(huán)境輔助變量，這種DS抽樣設(shè)計方式雖然考慮輔助變量屬性空間全覆蓋，但卻弱化了地理空間全覆蓋，基于輔助變量的分層抽樣調(diào)查粒度和調(diào)查精度與樣點布設(shè)密度的關(guān)系問題并未能解決。