模糊聚類方法在南方紅壤小流域土壤屬性制圖中的應(yīng)用
——以長汀朱溪河小流域?yàn)槔?/h1>
2015-02-21 03:29:58謝軍秦承志肖桂榮楊琳雷秋良劉軍志朱阿興
中國水土保持科學(xué) 2015年5期
謝軍，秦承志，肖桂榮，楊琳，雷秋良，劉軍志，朱阿興,5
(1.福州大學(xué)福建省空間信息工程研究中心，350002，福州；2.資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院地理科學(xué)與資源研究所，100101，北京；3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京師范大學(xué)地理科學(xué)學(xué)院，210023，南京；4.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，100081，北京；5.威斯康星大學(xué)麥迪遜分校，地理系，53706，威斯康星州，美國)
模糊聚類方法在南方紅壤小流域土壤屬性制圖中的應(yīng)用
——以長汀朱溪河小流域?yàn)槔?/p>
謝軍1,2，秦承志2,3，肖桂榮1?，楊琳2，雷秋良4，劉軍志3，朱阿興2,3,5
(1.福州大學(xué)福建省空間信息工程研究中心，350002，福州；2.資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院地理科學(xué)與資源研究所，100101，北京；3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京師范大學(xué)地理科學(xué)學(xué)院，210023，南京；4.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，100081，北京；5.威斯康星大學(xué)麥迪遜分校，地理系，53706，威斯康星州，美國)
詳細(xì)的土壤屬性空間分布數(shù)據(jù)是流域過程模擬和情景分析所需的重要基礎(chǔ)數(shù)據(jù)，尤其是在土壤母質(zhì)分布復(fù)雜、空間變異性大的南方紅壤區(qū)，土壤采樣的成本及數(shù)字土壤制圖的有效性往往限制了詳細(xì)土壤屬性數(shù)據(jù)的獲取。近年出現(xiàn)的基于模糊聚類進(jìn)行目的性土壤采樣及數(shù)字土壤制圖的方法，可有效地降低所需土壤樣點(diǎn)數(shù)并推測土壤屬性的詳細(xì)空間分布。為探索該方法在南方紅壤區(qū)的可用性，本文選取福建長汀朱溪河小流域，利用模糊聚類方法設(shè)計(jì)少量的目的性土壤采樣，在5 m空間分辨率上進(jìn)行土壤表層(0～20 cm)砂粒質(zhì)量分?jǐn)?shù)、有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的預(yù)測性制圖。對(duì)比利用已有1∶5萬土壤類型圖以分層隨機(jī)布點(diǎn)結(jié)合普通克里格方法，以及土壤類型圖屬性數(shù)據(jù)連接法的土壤屬性制圖結(jié)果，基于30個(gè)獨(dú)立驗(yàn)證點(diǎn)及制圖結(jié)果空間分布進(jìn)行評(píng)價(jià)。結(jié)果表明：與普通克里格方法和土壤類型圖屬性數(shù)據(jù)連接法相比，模糊聚類方法僅需要很少的土壤樣點(diǎn)，制圖結(jié)果精度較好(表層砂粒質(zhì)量分?jǐn)?shù)和有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的均方根誤差分別為13.81%、12.56 g/kg)，且能很好地體現(xiàn)該流域內(nèi)土壤的空間分布特點(diǎn)。因此，模糊聚類方法可適用于南方紅壤小流域，能在顯著降低數(shù)字土壤制圖采樣成本的同時(shí)，獲得較好的制圖精度。
土壤屬性制圖； 模糊聚類； 南方紅壤區(qū)； 朱溪河小流域
我國南方紅壤區(qū)大致北起長江兩岸，南至南海諸島，東起澎湖列島，西達(dá)云貴高原及橫斷山脈。區(qū)域山地面積大，坡度陡，土層薄，抗蝕性差，降雨量大，人地矛盾突出，水土流失嚴(yán)重。為有效治理水土流失問題，需要詳細(xì)分析評(píng)價(jià)水土保持措施的效益。近年來開始興起采用流域過程模擬和情景分析方法來尋求最優(yōu)的水土流失治理模式[1-3]，而這些方法都依賴于高分辨率的詳細(xì)空間數(shù)據(jù)輸入。目前，這些方法所需的高分辨率的地形數(shù)據(jù)、土地利用數(shù)據(jù)等都比較容易獲得，而土壤屬性詳細(xì)空間分布信息的獲取往往成為一個(gè)主要瓶頸。
用于獲取土壤屬性空間分布信息的方法包括土壤類型圖屬性數(shù)據(jù)連接法和數(shù)字土壤制圖。土壤類型圖屬性數(shù)據(jù)連接法是將土壤數(shù)據(jù)庫中存儲(chǔ)的剖面數(shù)據(jù)與土壤類型圖按照某種規(guī)則連接起來，然而通過這種方式得到的土壤屬性圖的精確程度已經(jīng)不能滿足流域模型所需土壤屬性信息的要求[4]。數(shù)字土壤制圖是基于野外樣點(diǎn)和(或)輔助數(shù)據(jù)直接生成柵格格式的土壤空間分布信息的方法。目前統(tǒng)計(jì)方法和地統(tǒng)計(jì)學(xué)方法是數(shù)字土壤屬性制圖中應(yīng)用較多的方法[5-9]；但這2種方法均需要大量的野外樣本[10]，對(duì)于南方紅壤區(qū)復(fù)雜的環(huán)境條件，土壤采樣耗資多、速度慢、很多地區(qū)不易到達(dá)，這使得獲取高精度土壤屬性信息的成本和難度增大。
近年來，采用模糊聚類進(jìn)行目的性土壤采樣和數(shù)字土壤制圖的方法得到了快速發(fā)展[11]。模糊聚類方法(FCM)是一種非監(jiān)督方法，它根據(jù)分類對(duì)象在多屬性空間的距離進(jìn)行自動(dòng)分類，得到各聚類類別與各聚類中心的一組相似度向量，稱之為模糊隸屬度[12-14]。將該方法通過SoLIM(Soil-Land Inference Model)模型框架[15-19]應(yīng)用于數(shù)字土壤制圖領(lǐng)域時(shí)，所得的模糊隸屬度體現(xiàn)了土壤在空間上的連續(xù)分布，并且包含了土壤與環(huán)境之間的復(fù)雜的非線性關(guān)系，同時(shí)該方法可有效降低數(shù)字土壤制圖建模過程中所需的土壤樣點(diǎn)數(shù);因此有廣闊的應(yīng)用前景[2,20]。
模糊聚類的數(shù)字土壤制圖方法在我國東北、安徽的地形平緩地區(qū)已成功應(yīng)用[10,21-23]，但在土壤母質(zhì)分布復(fù)雜、空間變異性大的南方紅壤區(qū)，該方法獲取流域過程模擬和情景分析所需的土壤屬性詳細(xì)空間分布數(shù)據(jù)的可用性如何？與常規(guī)制圖方法相比是否有其優(yōu)越性？還需進(jìn)一步研究。在南方紅壤區(qū)，王改粉等[24]曾將該方法應(yīng)用于預(yù)測土壤厚度的分布，取得了較好的制圖效果；但對(duì)于流域過程模擬和情景分析，土壤質(zhì)地和有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)是所需的重要土壤屬性。土壤質(zhì)地直接影響飽和土壤含水量、飽和水力傳導(dǎo)率等很多土壤水文學(xué)參數(shù)[25-27]，土壤有機(jī)質(zhì)作為土壤肥力的重要指標(biāo)，不僅能提高土壤養(yǎng)分的有效性，而且還可以促進(jìn)土壤團(tuán)粒結(jié)構(gòu)的形成，改善土壤的透水性、蓄水能力及通氣性，增強(qiáng)土壤的抗沖、抗蝕性能[28]。土壤屬性空間變化定量的精細(xì)程度(即空間上的詳細(xì)程度和屬性上的精確程度)在很大程度上決定了土壤侵蝕等過程模擬結(jié)果的精度[29-30]。
因此，本文將模糊聚類方法應(yīng)用于南方紅壤區(qū)典型小流域進(jìn)行土壤質(zhì)地(以砂粒(0.05～2 mm)質(zhì)量分?jǐn)?shù)為例)、有機(jī)質(zhì)等土壤屬性制圖研究，以探索該方法的可用性。
1 研究區(qū)概況
朱溪河小流域位于福建省長汀縣(圖1)，該區(qū)屬于中亞熱帶季風(fēng)性濕潤氣候，屬南方紅壤地區(qū)，成土母質(zhì)多為花崗巖風(fēng)化物。流域面積約46 km2，地勢自東北向西南傾斜，地貌類型以低山、丘陵為主，海拔高度約268～684 m。朱溪河小流域地帶性植被為亞熱帶常綠闊葉林，由于歷史上長期不合理開發(fā)利用，地表植被遭到破壞，曾是南方紅壤區(qū)水土流失最嚴(yán)重的流域之一，在實(shí)施水土保持治理后，現(xiàn)地表植被主要為馬尾松(Pinusmassoniana)、杉木(Cunninghamialanceolata)、楊梅(Myricaadenophora)、芒萁(Dicranopterisdischotoma)、百喜草(Paspalumwetsfeteini)。
圖1 朱溪河小流域位置示意圖Fig.1 Study area map
2 采用模糊聚類的土壤屬性制圖方法
2.1 目的性采樣方案設(shè)計(jì)
在小流域內(nèi)，氣候等宏觀因素對(duì)土壤空間分布的影響相對(duì)均一，地形要素常?？梢源硇×饔虺叨认峦寥揽臻g差異[31]。在地形要素中，坡度、沿等高線曲率、沿剖面曲率、地形濕度指數(shù)等屬性通常被認(rèn)為能較好刻畫小流域內(nèi)土壤-環(huán)境條件間的協(xié)同變化關(guān)系，在目前采用模糊聚類進(jìn)行數(shù)字土壤制圖時(shí)普遍使用[10,19-20]；因此，選擇高程、坡度、沿等高線曲率、沿剖面曲率、地形濕度指數(shù)5個(gè)地形屬性作為影響該地區(qū)土壤屬性空間差異性分布的環(huán)境因子，這5個(gè)環(huán)境因子由5 m分辨率的DEM在SimDTA[32]中生成。采用模糊聚類方法對(duì)環(huán)境因子進(jìn)行聚類，根據(jù)聚類定量指標(biāo)[33]最終確定聚為9類，即研究區(qū)得出9類代表性的環(huán)境因子組合；然后，計(jì)算區(qū)域內(nèi)各柵格對(duì)每一類的模糊隸屬度，得到相應(yīng)的9個(gè)模糊隸屬度圖層。每一個(gè)模糊隸屬度圖層對(duì)應(yīng)了一類環(huán)境因子組合，其中每一個(gè)柵格上有一個(gè)[0,1]的模糊隸屬度數(shù)值，反映了該柵格上的環(huán)境條件與此類環(huán)境因子組合的相似性，相似性越高，則模糊隸屬度數(shù)值越接近1。限于篇幅未顯示9個(gè)模糊隸屬度圖層。
采樣點(diǎn)的位置基于上述得到的9個(gè)類的隸屬度圖層來確定，布點(diǎn)原則如下：對(duì)每個(gè)類別，選擇對(duì)該類隸屬度大于0.85、對(duì)其他類別的隸屬度盡量小的柵格位置作為候選的目的性采樣點(diǎn)[10]；結(jié)合可達(dá)性的估計(jì)，按最經(jīng)濟(jì)的方式，每一類布設(shè)一個(gè)采樣點(diǎn)[34]，最終得到圖2中目的性采樣點(diǎn)方案。
圖2 樣點(diǎn)分布圖Fig.2 Map of soil samples
2.2 野外采樣
根據(jù)目的性采樣方案，在野外利用高精度GPS找點(diǎn)，對(duì)表層(0～20 cm)土壤進(jìn)行采樣。每個(gè)樣點(diǎn)取當(dāng)前位置及周邊4個(gè)方向上距離中心約1～2 m處共5個(gè)樣本均勻混合，采集的樣品經(jīng)風(fēng)干后送實(shí)驗(yàn)室進(jìn)行粒徑組成和有機(jī)質(zhì)的測定。其中，粒徑組成采用吸管法測定，有機(jī)質(zhì)采用重鉻酸鉀容量法測定。
2.3 土壤屬性制圖
在獲得目的性采樣點(diǎn)上的各土壤屬性值之后，可采用SoLIM模型中的線性加權(quán)方法結(jié)合模糊聚類方法得到的9類模糊隸屬度圖層推測出各柵格位置上的土壤屬性值[17]
(1)
式中：Vij為某點(diǎn)(i，j)的土壤屬性值，Vk為土壤類型k屬性的典型值，Sk,ij為點(diǎn)(i，j)的環(huán)境與土壤類型k的典型環(huán)境之間的相似度，n為區(qū)域內(nèi)土壤類型的總數(shù)。該方法是基于如下假設(shè)[20]：若當(dāng)?shù)赝寥赖某赏镰h(huán)境與某種土壤類型的成土環(huán)境相似，則當(dāng)?shù)赝寥赖男誀罹团c該特定土壤類型的性狀相似。
3 評(píng)價(jià)方法
3.1 對(duì)照方法1：普通克里格方法
克里格方法是目前數(shù)字土壤制圖的常用方法[35-37]，作為方法對(duì)照，我們結(jié)合研究區(qū)已有的1∶5萬土壤類型圖，按研究區(qū)中出現(xiàn)的10個(gè)亞類進(jìn)行分層，按面積比例隨機(jī)布置共計(jì)42個(gè)采樣點(diǎn)(圖2)，用作建模點(diǎn)以普通克里格方法進(jìn)行數(shù)字土壤制圖。
3.2 對(duì)照方法2：土壤類型圖屬性數(shù)據(jù)連接法
基于已有的土壤類型圖(圖2)，按照土屬進(jìn)行分類，查閱福建土壤和福建土種志，將土壤剖面的屬性數(shù)據(jù)連接到具有相同土壤類型名稱的空間單元上，獲得土壤類型圖屬性數(shù)據(jù)連接法制圖結(jié)果。
3.3 獨(dú)立驗(yàn)證土壤樣點(diǎn)集
隨機(jī)布設(shè)并采集了30個(gè)土壤樣點(diǎn)作為獨(dú)立驗(yàn)證樣點(diǎn)(圖2)，用于評(píng)價(jià)數(shù)字土壤制圖方法的精度。
3.4 評(píng)價(jià)指標(biāo)
為了比較不同數(shù)字土壤制圖方法的結(jié)果，選擇3個(gè)定量評(píng)價(jià)指標(biāo)：平均絕對(duì)誤差EMAE，均方根誤差ERMSE，標(biāo)準(zhǔn)均方根誤差ENRMSE。其中ENRMSE的定義如下：
(2)
式中：Yi和Xi分別為推測值和實(shí)測值，N為樣本數(shù)。EMAE、ERMSE、ENRMSE是對(duì)模型精度及穩(wěn)定性的度量，其值越小說明模型的精度與穩(wěn)定性越高。
同時(shí)，通過數(shù)字土壤制圖結(jié)果的空間分布合理性進(jìn)行判讀，以此評(píng)價(jià)不同的方法所得結(jié)果空間變化的合理性。
4 結(jié)果與分析
圖3和圖4分別顯示了模糊聚類方法和2種對(duì)照方法所得的土壤表層砂粒和有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)預(yù)測性制圖結(jié)果。以30個(gè)獨(dú)立驗(yàn)證點(diǎn)對(duì)各方法所得的土壤屬性制圖結(jié)果進(jìn)行定量評(píng)價(jià)，結(jié)果(表1)顯示：模糊聚類方法和克里格插值方法的精度遠(yuǎn)高于土壤類型圖屬性數(shù)據(jù)連接法；在砂粒質(zhì)量分?jǐn)?shù)制圖結(jié)果中，模糊聚類方法與克里格插值方法精度差別很??；在有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)制圖結(jié)果中，模糊聚類方法的精度小于克里格插值方法。
從空間分布上來看，土壤類型圖屬性數(shù)據(jù)連接法受多邊形表達(dá)方式限制，得到的土壤屬性空間分布信息存在明顯的突變線，不符合土壤屬性在空間上的漸變分布特征；普通克里格插值方法受極值點(diǎn)影響，會(huì)圍繞采樣點(diǎn)位置產(chǎn)生“牛眼”現(xiàn)象，如砂粒質(zhì)量分?jǐn)?shù)空間分布圖3(b)所示，同時(shí)在采樣點(diǎn)集中的地區(qū)有較為細(xì)致的紋理，而在采樣點(diǎn)稀疏的地方，空間連續(xù)變化中方向性易受搜索鄰域中扇區(qū)類型的影響，如有機(jī)質(zhì)質(zhì)量分布空間分布圖4(b)所示；模糊聚類方法不僅體現(xiàn)了土壤在空間上的連續(xù)分布，而且能夠使土壤的連續(xù)空間變異性的大量細(xì)節(jié)得到很好的表達(dá)。
圖3 土壤表層(0～20 cm)砂粒質(zhì)量分?jǐn)?shù)空間分布圖預(yù)測性制圖結(jié)果Fig.3 Predictive mapping results of sand conteut in the soil of 0-20 cm
圖4 土壤表層(0～20 cm)有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)空間分布圖預(yù)測性制圖結(jié)果Fig.4 Predictive mapping results of soil organic matter(0-20 cm)
表1 不同方法所得表層(0～20 cm)土壤屬性制圖結(jié)果的定量評(píng)價(jià)指標(biāo)
對(duì)于砂粒質(zhì)量分?jǐn)?shù)，盡管模糊聚類方法和普通克里格方法驗(yàn)證精度基本一致，但空間分布特征差別較大。模糊聚類方法產(chǎn)生的砂粒質(zhì)量分?jǐn)?shù)分布圖3(a)顯示，在流域下游平緩地區(qū)砂粒質(zhì)量分?jǐn)?shù)較大，中部山區(qū)次之，流域中西部低山區(qū)和東北部高山區(qū)砂粒質(zhì)量分?jǐn)?shù)最小，而普通克里格方法產(chǎn)生的砂粒質(zhì)量分?jǐn)?shù)分布圖3(b)與地形沒有明顯的相關(guān)關(guān)系。砂粒質(zhì)量分?jǐn)?shù)與飽和土壤含水量是負(fù)線性相關(guān)，與飽和水力傳導(dǎo)率是正指數(shù)關(guān)系[27]，2幅圖均顯示砂粒質(zhì)量分?jǐn)?shù)較大，可知該流域蓄水能力較差。對(duì)于有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)，雖然模糊聚類方法和普通克里格方法生成的圖4(a)、圖4(b)屬性值范圍差別較大；但除了在流域上游的東北部高山區(qū)取值區(qū)別較大外，其他地區(qū)的趨勢和取值均比較一致，流域下游西部平緩地區(qū)有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)較高，基本在15～30 g/kg之間，中游和南部低山地區(qū)有機(jī)質(zhì)偏低，基本在10～15 g/kg之間，2幅圖的分布呈明顯地沿東北向西南方向遞減，后又逐漸升高。根據(jù)福建省土壤養(yǎng)分豐缺指標(biāo)[33,38]，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)在6～20 g/kg之間屬于中度缺乏，在20～30 g/kg之間屬于輕度缺乏，可知朱溪河大部分范圍都處于中度缺乏，小部分范圍處于輕度缺乏。
在野外采樣過程中，發(fā)現(xiàn)流域的東北部地區(qū)海拔較高，坡度較陡，人為活動(dòng)較少，經(jīng)過多年的封禁，植被覆蓋度較好，所以土壤的砂粒質(zhì)量分?jǐn)?shù)相對(duì)較低，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)較高；流域下游的西部地區(qū)是基本農(nóng)田保護(hù)區(qū)，土壤有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)也會(huì)較高，但由于過去土壤侵蝕嚴(yán)重，河流經(jīng)過此處帶來大量泥沙，砂粒質(zhì)量分?jǐn)?shù)可能會(huì)較高；而中游和東南部地區(qū)由于過去土壤侵蝕較為嚴(yán)重，造成砂粒質(zhì)量分?jǐn)?shù)相對(duì)較高，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)較低。相對(duì)于普通克里格方法和土壤類型圖屬性數(shù)據(jù)連接法，基于模糊聚類方法所得的圖3(a)、圖4(a)較好地體現(xiàn)了這些空間分布特征。
5 結(jié)論與討論
與普通克里格方法和土壤類型圖屬性數(shù)據(jù)連接法的土壤屬性制圖結(jié)果相比，模糊聚類方法在本研究區(qū)僅需要很少的土壤樣點(diǎn)(本應(yīng)用中僅使用9個(gè)建模點(diǎn))，制圖結(jié)果精度較好(表層砂粒質(zhì)量分?jǐn)?shù)的平均絕對(duì)誤差、均方根誤差和標(biāo)準(zhǔn)均方根誤差分別為11.89%，13.81%，21.95%；有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的平均絕對(duì)誤差、均方根誤差和標(biāo)準(zhǔn)均方根誤差分別為9.37 g/kg，12.56 g/kg，68.84 g/kg，且能很好地體現(xiàn)該流域內(nèi)土壤與環(huán)境的復(fù)雜關(guān)系。這表明模糊聚類方法可以適用于南方紅壤小流域的土壤屬性制圖。
本文的數(shù)字土壤制圖方法要求用于建模的土壤樣點(diǎn)能準(zhǔn)確地代表模糊聚類中心，若實(shí)際野外采樣中難以獲得這樣的土壤樣點(diǎn)時(shí)，如何對(duì)采樣方案進(jìn)行修訂，是未來的一個(gè)研究方向。
土壤屬性數(shù)據(jù)作為流域模型的重要輸入數(shù)據(jù)，其不同制圖方式導(dǎo)致所得土壤屬性圖在精度和空間分布上具有差異，這種差異勢必對(duì)流域模擬和情景分析結(jié)果產(chǎn)生影響，對(duì)這種影響的定量評(píng)價(jià)是需要進(jìn)一步研究的內(nèi)容。
[1] Arabi M, Frankenberger J R, Enge B A, et al. Representation of agricultural conservation practices with SWAT[J]. Hydrological Processes, 2008, 22(16): 3042-3055
[2] 朱阿興, 陳臘嬌, 秦承志, 等. 水土流失治理新范式: 基于流域過程模擬和情景分析方法[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2012, 23(7): 1883-1890
[3] Wu Hui, Liu Yongbo, Liu Junzhi, et al. Representation of agricultural best management practices in a fully distributed hydrologic model: A case study in the Luoyugou Watershed[J]. Journal of Resources and Ecology,2014, 5(2): 179-184
[4] Zhu Axing. Measuring uncertainty in class assignment for natural resource maps under fuzzy logic[J]. Photogrammetric Engineering and Remote Sensing, 1997, 63(10): 1195-1202
[5] Mckenzie N J, Ryan P J. Spatial prediction of soil properties using environmental correlation[J]. Geoderma, 1999, 89(1):67-94
[6] McBratney A B, Odeh I O A, Bishop T F A, et al. An overview of pedometric techniques for use in soil survey[J]. Geoderma, 2000,97(3):293-327
[7] 姜勇, 張玉革, 梁文舉, 等. 沈陽市郊耕地土壤交換性錳含量的空間變異性[J]. 土壤, 2004, 36(1): 61-64
[8] Zhang Xingyi, Sui Yueyu, Zhang Xudong, et al.Spatial variability of nutrient properties in black soil of northeast China[J]. Pedosphere, 2007, 17(1): 19-29
[9] 史文嬌, 岳天祥, 石曉麗, 等. 土壤連續(xù)屬性空間插值方法及其精度的研究進(jìn)展[J]. 自然資源學(xué)報(bào), 2012, 27(1): 163-175
[10] 楊琳, 朱阿興, 秦承志, 等. 運(yùn)用模糊隸屬度進(jìn)行土壤屬性制圖的研究：以黑龍江鶴山農(nóng)場研究區(qū)為例[J]. 土壤學(xué)報(bào), 2009, 46(1): 9-15
[11] 朱阿興, 李寶林, 楊琳, 等. 基于GIS、模糊邏輯和專家知識(shí)的土壤制圖及其在中國應(yīng)用前景[J]. 土壤學(xué)報(bào), 2005, 42(5): 844-851
[12] Zadehl A. Fuzzy sets[J]. Information & Control, 1965, 8:338-353
[13] Dijkerman J. Pedology as a science: the role of data, model and theories in the study of natural soil system[J]. Geoderma, 1974, 11(2): 73-93
[14] Bezdek J C, Ehrlich R, Full W. FCM: The fuzzy c-means clustering algorithm[J]. Computers and Geosciences, 1984, 10(2/3): 191-203
[15] Zhu Axing, Band L E. A knowledge-based approach to data integration for soil mapping[J]. Canadian Journal of Remote Sensing, 1994, 20(4): 408-418
[16] Zhu Axing, Band L E, Dutton B, et al. Automated soil inference under fuzzy logic[J]. Ecological Modelling, 1996, 90: 123-145
[17] Zhu Axing, Band L, Vertessy R, et al. Derivation of soil properties using a soil land inference model(SoLIM)[J]. Soil Science Society of America Journal,1997, 61(2): 523-533
[18] Zhu Axing. A similarity model for representing soil spatial information[J].Geoderma, 1997, 77(2):217-242
[19] Zhu Axing, Hudson B, Burt J E, et al. Soil mapping using GIS, expert knowledge, and fuzzy logic[J]. Soil Science Society of America Journal, 2001, 65:1463-1472
[20] 朱阿興, 李寶林, 秦承志, 等. 精細(xì)數(shù)字土壤普查模型與方法[M]. 北京: 科學(xué)出版社，2008: 94-99
[21] 楊琳, 朱阿興, 李寶林, 等. 應(yīng)用模糊c均值聚類獲取土壤制圖所需土壤-環(huán)境關(guān)系知識(shí)的方法研究[J]. 土壤學(xué)報(bào), 2007, 44(5): 16-23
[22] Zhu Axing, Yang Lin, Li Baolin, et al. Construction of membership functions for predictive soil mapping under fuzzy logic[J]. Geoderma, 2010, 155(3/4): 166-174
[23] 毛麗麗, 于靜潔, 張一馳. 模糊c均值聚類方法在黑河下游土壤屬性制圖中的初步應(yīng)用研究[J]. 干旱區(qū)資源與環(huán)境, 2013, 27(1): 195-201
[24] 王改粉, 趙玉國, 楊金玲, 等. 流域尺度土壤厚度的模糊聚類與預(yù)測制圖研究[J]. 土壤, 2011, 43(5): 835-841
[25] Minasny B, McBratney A B. Estimating thewater retention shape parameter from sand and clay content[J]. Soil Science Society of America Journal， 2007, 71(4): 1105-1110
[26] 梁曉, 戴永久. 通用陸面模式對(duì)土壤質(zhì)地和亮度的敏感性分析[J]. 氣候與環(huán)境研究，2008, 13(5): 585-597
[27] 吳龍光, 王愛慧, 盛炎平. 土壤質(zhì)地對(duì)中國區(qū)域陸面過程模擬的影響[J]. 氣候與環(huán)境研究，2014, 19(5): 559-571
[28] 張婧, 查軒, 申更強(qiáng). 南方花崗巖紅壤典型區(qū)土壤有機(jī)質(zhì)的空間變異特征[J]. 中國水土保持科學(xué)， 2011, 9(1): 50-55
[29] Mengistu G, McCray J E. Effects of soil data resolution on SWAT model stream flow and water quality predictions[J]. Journal of Environmental Management, 2008, 88(3): 393-406
[30] 蔡強(qiáng)國, 朱阿興, 畢華興, 等. 中國主要水蝕區(qū)水土流失綜合調(diào)控與治理范式[M]. 北京:中國水利水電出版社， 2012: 267-283
[31] McSweeney K, Slater B K, Hammer R D, et al. Towards a new framework for modeling the soil-landscape continuum[J].Amundson R, eds. Factors of Soil Formation: A Fiftieth Anniversary Retrospective. Madison, Wisconsin: Soil Society of America, 1994: 127-145
[32] 秦承志, 盧巖軍, 包黎莉, 等. 簡化數(shù)字地形分析軟件(SimDTA)及其應(yīng)用：以嫩江流域鶴山農(nóng)場區(qū)的坡位模糊分類為例[J]. 地球信息科學(xué)學(xué)報(bào), 2009, 11(6): 737-743
[33] 陳煥偉, 張鳳榮, 劉黎明, 等. 土壤資源調(diào)查[M]. 北京: 中國農(nóng)業(yè)大學(xué)出版社, 1997: 181
[34] 楊琳, 朱阿興, 秦承志, 等. 基于典型點(diǎn)的目的性采樣設(shè)計(jì)方法及其在土壤制圖中的應(yīng)用[J]. 土壤學(xué)報(bào), 2010, 29(3): 279-286
[35] Goovaerts P. Geostatistics in soil science: state-of-the-art and perspectives[J]. Geoderma, 1999, 89: 1-45
[36] 王紹強(qiáng), 朱松麗, 周成虎. 中國土壤土層厚度的空間變異性特征[J]. 地理研究， 2001, 20(2): 161-169
[37] 朱紅霞, 陳效民, 杜臻杰. 基于地統(tǒng)計(jì)學(xué)的土壤氮素與pH的空間變異性研究[J]. 土壤通報(bào)， 2010, 41(5): 1086-1090
[38] 陳健飛, 朱鶴健. 福建山地土壤研究[M]. 北京: 中國環(huán)境科學(xué)出版社, 2001: 196-197
(責(zé)任編輯：郭雪芳)
Soil property mapping using fuzzy clustering method in small watershed of the red soil region in southern China:A case study of Zhuxi Watershed
Xie Jun1,2，Qin Chengzhi2,3，Xiao Guirong1，Yang Lin2，Lei Qiuliang4，Liu Junzhi3，Zhu Axing2,3,5
(1. Spatial Information Research Center of Fujian，F(xiàn)uzhou University, 350002, Fuzhou, China; 2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, 100101, Beijing, China; 3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application and School of Geography, Nanjing Normal University, 210023, Nanjing, China; 4.Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, 100081,Beijing, China; 5.Department of Geography, University of Wisconsin-Madison, 53706, WI, USA)
The detailed spatial distribution of soil properties which is essential for watershed modeling and scenario analysis,is mainly acquired through field soil sampling and digital soil mapping. Especially in the red soil region of southern China where the distribution of soil parent material is complex and with large spatial variability, the acquisition of detailed spatial distribution of soil properties is often one of the main bottlenecks in watershed modeling and scenario analysis, due to both the cost of field soil sampling and effectiveness of digital soil mapping method. Recently-emerged fuzzy clustering method for purposive soil sampling and predictive soil property mapping can effectively reduce the required number of soil samples and predict the detailed spatial distribution of soil properties. To explore the applicability of this method over the red soil region in southern China, we applied this method to conducting purposive soil samplingin a small,red-soil watershed (Zhuxi) in Fujian Province,and then predictive soil property mapping of sand content and organic matter content in the soil of 0-20 cm at a spatial resolution of 5 m. A set of five topographic attributes (i.e., elevation, slope gradient, profile curvature, horizontal curvature, and topographic wetness index) were derived from the gridded digital elevation model with 5-m resolution and then were used as environmental variates. Fuzzy clustering method was applied to this set of topographic attributes and got the result of nine fuzzysoil-landscape classes. Purposive soil sampling was carried out at the center of each fuzzy soil-landscape class. Then the value of a soil property at each location can be predicted as the average of the soil property value at every purposive sampling point weighted by the fuzzy membership value of the location to the fuzzy soil-landscape class represented by the purposive sampling point.The ordinary kriging method with 42 modeling points and a traditional method of linking the typical soil property value to soil-type polygon map were chosen as the comparative methods. Based on the validation with 30 random points independent with the modeling points, the fuzzy clustering method requires only a very few soil samples (only nine modeling points used to build the soil-landscape model in this study), and can achieve better prediction accuracy based on the validation with an independent soil sample set. RMSE values of mapping results of sand content and organic matter content in the soil of 0-20 cm are 13.81% and 12.56 g/kg, respectively. And the predictive soil map from fuzzy clustering method can well reflect the spatial variation of the soil in the study area.Therefore, the fuzzy clustering method is applicable over the red soil region in southern China when the sampling cost of digital soil mapping can be significantly reduced.
soil property mapping; fuzzy clustering; red soil region in southern China; Zhuxi Watershed
2014-12-08
2015-08-09
謝軍(1988—)，男，碩士研究生。主要研究方向：土壤侵蝕和水土保持。E-mail:xiejun@lreis.ac.cn
?通信作者簡介：肖桂榮(1972—)，男，研究員。主要研究方向：網(wǎng)絡(luò)信息共享，環(huán)境資源信息工程。E-mail:xiaogr@fzu.edu.cn
S155
A
1672-3007(2015)05-0132-08
項(xiàng)目名稱：國家科技支撐計(jì)劃課題“南方紅壤水土流失治理技術(shù)示范”任務(wù)(2013BAC08B03-4)
猜你喜歡
壓油溝小流域中國水土保持(2022年6期)2022-06-08 03:58:40 堡子溝流域綜合治理中國水土保持(2021年7期)2021-07-08 06:14:06 羅堰小流域中國水土保持(2021年12期)2021-04-11 08:19:44 下降管蓄熱器中沙漠砂流動(dòng)性數(shù)值分析濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版)(2021年2期)2021-03-04 08:28:42 無聲手槍如何消音？農(nóng)村青少年科學(xué)探究(2021年11期)2021-02-24 09:53:18 主動(dòng)出擊新少年(2020年10期)2020-10-30 02:04:05 用于粒子分離器的砂粒反彈特性實(shí)驗(yàn)研究上海航天(2018年3期)2018-06-25 02:57:48 水利規(guī)劃與設(shè)計(jì)(2018年1期)2018-01-31 01:53:37 二向反射模型在土地覆被制圖中的應(yīng)用華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版)(2017年1期)2017-02-27 13:41:14 工程制圖課程教學(xué)改革探析中國教育技術(shù)裝備(2015年10期)2015-03-01 02:41:03
謝軍，秦承志，肖桂榮，楊琳，雷秋良，劉軍志，朱阿興,5
(1.福州大學(xué)福建省空間信息工程研究中心，350002，福州；2.資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院地理科學(xué)與資源研究所，100101，北京；3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京師范大學(xué)地理科學(xué)學(xué)院，210023，南京；4.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，100081，北京；5.威斯康星大學(xué)麥迪遜分校，地理系，53706，威斯康星州，美國)
模糊聚類方法在南方紅壤小流域土壤屬性制圖中的應(yīng)用
——以長汀朱溪河小流域?yàn)槔?/p>
謝軍1,2，秦承志2,3，肖桂榮1?，楊琳2，雷秋良4，劉軍志3，朱阿興2,3,5
(1.福州大學(xué)福建省空間信息工程研究中心，350002，福州；2.資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院地理科學(xué)與資源研究所，100101，北京；3.江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京師范大學(xué)地理科學(xué)學(xué)院，210023，南京；4.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，100081，北京；5.威斯康星大學(xué)麥迪遜分校，地理系，53706，威斯康星州，美國)
詳細(xì)的土壤屬性空間分布數(shù)據(jù)是流域過程模擬和情景分析所需的重要基礎(chǔ)數(shù)據(jù)，尤其是在土壤母質(zhì)分布復(fù)雜、空間變異性大的南方紅壤區(qū)，土壤采樣的成本及數(shù)字土壤制圖的有效性往往限制了詳細(xì)土壤屬性數(shù)據(jù)的獲取。近年出現(xiàn)的基于模糊聚類進(jìn)行目的性土壤采樣及數(shù)字土壤制圖的方法，可有效地降低所需土壤樣點(diǎn)數(shù)并推測土壤屬性的詳細(xì)空間分布。為探索該方法在南方紅壤區(qū)的可用性，本文選取福建長汀朱溪河小流域，利用模糊聚類方法設(shè)計(jì)少量的目的性土壤采樣，在5 m空間分辨率上進(jìn)行土壤表層(0～20 cm)砂粒質(zhì)量分?jǐn)?shù)、有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的預(yù)測性制圖。對(duì)比利用已有1∶5萬土壤類型圖以分層隨機(jī)布點(diǎn)結(jié)合普通克里格方法，以及土壤類型圖屬性數(shù)據(jù)連接法的土壤屬性制圖結(jié)果，基于30個(gè)獨(dú)立驗(yàn)證點(diǎn)及制圖結(jié)果空間分布進(jìn)行評(píng)價(jià)。結(jié)果表明：與普通克里格方法和土壤類型圖屬性數(shù)據(jù)連接法相比，模糊聚類方法僅需要很少的土壤樣點(diǎn)，制圖結(jié)果精度較好(表層砂粒質(zhì)量分?jǐn)?shù)和有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的均方根誤差分別為13.81%、12.56 g/kg)，且能很好地體現(xiàn)該流域內(nèi)土壤的空間分布特點(diǎn)。因此，模糊聚類方法可適用于南方紅壤小流域，能在顯著降低數(shù)字土壤制圖采樣成本的同時(shí)，獲得較好的制圖精度。
土壤屬性制圖； 模糊聚類； 南方紅壤區(qū)； 朱溪河小流域
我國南方紅壤區(qū)大致北起長江兩岸，南至南海諸島，東起澎湖列島，西達(dá)云貴高原及橫斷山脈。區(qū)域山地面積大，坡度陡，土層薄，抗蝕性差，降雨量大，人地矛盾突出，水土流失嚴(yán)重。為有效治理水土流失問題，需要詳細(xì)分析評(píng)價(jià)水土保持措施的效益。近年來開始興起采用流域過程模擬和情景分析方法來尋求最優(yōu)的水土流失治理模式[1-3]，而這些方法都依賴于高分辨率的詳細(xì)空間數(shù)據(jù)輸入。目前，這些方法所需的高分辨率的地形數(shù)據(jù)、土地利用數(shù)據(jù)等都比較容易獲得，而土壤屬性詳細(xì)空間分布信息的獲取往往成為一個(gè)主要瓶頸。
用于獲取土壤屬性空間分布信息的方法包括土壤類型圖屬性數(shù)據(jù)連接法和數(shù)字土壤制圖。土壤類型圖屬性數(shù)據(jù)連接法是將土壤數(shù)據(jù)庫中存儲(chǔ)的剖面數(shù)據(jù)與土壤類型圖按照某種規(guī)則連接起來，然而通過這種方式得到的土壤屬性圖的精確程度已經(jīng)不能滿足流域模型所需土壤屬性信息的要求[4]。數(shù)字土壤制圖是基于野外樣點(diǎn)和(或)輔助數(shù)據(jù)直接生成柵格格式的土壤空間分布信息的方法。目前統(tǒng)計(jì)方法和地統(tǒng)計(jì)學(xué)方法是數(shù)字土壤屬性制圖中應(yīng)用較多的方法[5-9]；但這2種方法均需要大量的野外樣本[10]，對(duì)于南方紅壤區(qū)復(fù)雜的環(huán)境條件，土壤采樣耗資多、速度慢、很多地區(qū)不易到達(dá)，這使得獲取高精度土壤屬性信息的成本和難度增大。
近年來，采用模糊聚類進(jìn)行目的性土壤采樣和數(shù)字土壤制圖的方法得到了快速發(fā)展[11]。模糊聚類方法(FCM)是一種非監(jiān)督方法，它根據(jù)分類對(duì)象在多屬性空間的距離進(jìn)行自動(dòng)分類，得到各聚類類別與各聚類中心的一組相似度向量，稱之為模糊隸屬度[12-14]。將該方法通過SoLIM(Soil-Land Inference Model)模型框架[15-19]應(yīng)用于數(shù)字土壤制圖領(lǐng)域時(shí)，所得的模糊隸屬度體現(xiàn)了土壤在空間上的連續(xù)分布，并且包含了土壤與環(huán)境之間的復(fù)雜的非線性關(guān)系，同時(shí)該方法可有效降低數(shù)字土壤制圖建模過程中所需的土壤樣點(diǎn)數(shù);因此有廣闊的應(yīng)用前景[2,20]。
模糊聚類的數(shù)字土壤制圖方法在我國東北、安徽的地形平緩地區(qū)已成功應(yīng)用[10,21-23]，但在土壤母質(zhì)分布復(fù)雜、空間變異性大的南方紅壤區(qū)，該方法獲取流域過程模擬和情景分析所需的土壤屬性詳細(xì)空間分布數(shù)據(jù)的可用性如何？與常規(guī)制圖方法相比是否有其優(yōu)越性？還需進(jìn)一步研究。在南方紅壤區(qū)，王改粉等[24]曾將該方法應(yīng)用于預(yù)測土壤厚度的分布，取得了較好的制圖效果；但對(duì)于流域過程模擬和情景分析，土壤質(zhì)地和有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)是所需的重要土壤屬性。土壤質(zhì)地直接影響飽和土壤含水量、飽和水力傳導(dǎo)率等很多土壤水文學(xué)參數(shù)[25-27]，土壤有機(jī)質(zhì)作為土壤肥力的重要指標(biāo)，不僅能提高土壤養(yǎng)分的有效性，而且還可以促進(jìn)土壤團(tuán)粒結(jié)構(gòu)的形成，改善土壤的透水性、蓄水能力及通氣性，增強(qiáng)土壤的抗沖、抗蝕性能[28]。土壤屬性空間變化定量的精細(xì)程度(即空間上的詳細(xì)程度和屬性上的精確程度)在很大程度上決定了土壤侵蝕等過程模擬結(jié)果的精度[29-30]。
因此，本文將模糊聚類方法應(yīng)用于南方紅壤區(qū)典型小流域進(jìn)行土壤質(zhì)地(以砂粒(0.05～2 mm)質(zhì)量分?jǐn)?shù)為例)、有機(jī)質(zhì)等土壤屬性制圖研究，以探索該方法的可用性。
1 研究區(qū)概況
朱溪河小流域位于福建省長汀縣(圖1)，該區(qū)屬于中亞熱帶季風(fēng)性濕潤氣候，屬南方紅壤地區(qū)，成土母質(zhì)多為花崗巖風(fēng)化物。流域面積約46 km2，地勢自東北向西南傾斜，地貌類型以低山、丘陵為主，海拔高度約268～684 m。朱溪河小流域地帶性植被為亞熱帶常綠闊葉林，由于歷史上長期不合理開發(fā)利用，地表植被遭到破壞，曾是南方紅壤區(qū)水土流失最嚴(yán)重的流域之一，在實(shí)施水土保持治理后，現(xiàn)地表植被主要為馬尾松(Pinusmassoniana)、杉木(Cunninghamialanceolata)、楊梅(Myricaadenophora)、芒萁(Dicranopterisdischotoma)、百喜草(Paspalumwetsfeteini)。
圖1 朱溪河小流域位置示意圖Fig.1 Study area map
2 采用模糊聚類的土壤屬性制圖方法
2.1 目的性采樣方案設(shè)計(jì)
在小流域內(nèi)，氣候等宏觀因素對(duì)土壤空間分布的影響相對(duì)均一，地形要素常?？梢源硇×饔虺叨认峦寥揽臻g差異[31]。在地形要素中，坡度、沿等高線曲率、沿剖面曲率、地形濕度指數(shù)等屬性通常被認(rèn)為能較好刻畫小流域內(nèi)土壤-環(huán)境條件間的協(xié)同變化關(guān)系，在目前采用模糊聚類進(jìn)行數(shù)字土壤制圖時(shí)普遍使用[10,19-20]；因此，選擇高程、坡度、沿等高線曲率、沿剖面曲率、地形濕度指數(shù)5個(gè)地形屬性作為影響該地區(qū)土壤屬性空間差異性分布的環(huán)境因子，這5個(gè)環(huán)境因子由5 m分辨率的DEM在SimDTA[32]中生成。采用模糊聚類方法對(duì)環(huán)境因子進(jìn)行聚類，根據(jù)聚類定量指標(biāo)[33]最終確定聚為9類，即研究區(qū)得出9類代表性的環(huán)境因子組合；然后，計(jì)算區(qū)域內(nèi)各柵格對(duì)每一類的模糊隸屬度，得到相應(yīng)的9個(gè)模糊隸屬度圖層。每一個(gè)模糊隸屬度圖層對(duì)應(yīng)了一類環(huán)境因子組合，其中每一個(gè)柵格上有一個(gè)[0,1]的模糊隸屬度數(shù)值，反映了該柵格上的環(huán)境條件與此類環(huán)境因子組合的相似性，相似性越高，則模糊隸屬度數(shù)值越接近1。限于篇幅未顯示9個(gè)模糊隸屬度圖層。
采樣點(diǎn)的位置基于上述得到的9個(gè)類的隸屬度圖層來確定，布點(diǎn)原則如下：對(duì)每個(gè)類別，選擇對(duì)該類隸屬度大于0.85、對(duì)其他類別的隸屬度盡量小的柵格位置作為候選的目的性采樣點(diǎn)[10]；結(jié)合可達(dá)性的估計(jì)，按最經(jīng)濟(jì)的方式，每一類布設(shè)一個(gè)采樣點(diǎn)[34]，最終得到圖2中目的性采樣點(diǎn)方案。
圖2 樣點(diǎn)分布圖Fig.2 Map of soil samples
2.2 野外采樣
根據(jù)目的性采樣方案，在野外利用高精度GPS找點(diǎn)，對(duì)表層(0～20 cm)土壤進(jìn)行采樣。每個(gè)樣點(diǎn)取當(dāng)前位置及周邊4個(gè)方向上距離中心約1～2 m處共5個(gè)樣本均勻混合，采集的樣品經(jīng)風(fēng)干后送實(shí)驗(yàn)室進(jìn)行粒徑組成和有機(jī)質(zhì)的測定。其中，粒徑組成采用吸管法測定，有機(jī)質(zhì)采用重鉻酸鉀容量法測定。
2.3 土壤屬性制圖
在獲得目的性采樣點(diǎn)上的各土壤屬性值之后，可采用SoLIM模型中的線性加權(quán)方法結(jié)合模糊聚類方法得到的9類模糊隸屬度圖層推測出各柵格位置上的土壤屬性值[17]
(1)
式中：Vij為某點(diǎn)(i，j)的土壤屬性值，Vk為土壤類型k屬性的典型值，Sk,ij為點(diǎn)(i，j)的環(huán)境與土壤類型k的典型環(huán)境之間的相似度，n為區(qū)域內(nèi)土壤類型的總數(shù)。該方法是基于如下假設(shè)[20]：若當(dāng)?shù)赝寥赖某赏镰h(huán)境與某種土壤類型的成土環(huán)境相似，則當(dāng)?shù)赝寥赖男誀罹团c該特定土壤類型的性狀相似。
3 評(píng)價(jià)方法
3.1 對(duì)照方法1：普通克里格方法
克里格方法是目前數(shù)字土壤制圖的常用方法[35-37]，作為方法對(duì)照，我們結(jié)合研究區(qū)已有的1∶5萬土壤類型圖，按研究區(qū)中出現(xiàn)的10個(gè)亞類進(jìn)行分層，按面積比例隨機(jī)布置共計(jì)42個(gè)采樣點(diǎn)(圖2)，用作建模點(diǎn)以普通克里格方法進(jìn)行數(shù)字土壤制圖。
3.2 對(duì)照方法2：土壤類型圖屬性數(shù)據(jù)連接法
基于已有的土壤類型圖(圖2)，按照土屬進(jìn)行分類，查閱福建土壤和福建土種志，將土壤剖面的屬性數(shù)據(jù)連接到具有相同土壤類型名稱的空間單元上，獲得土壤類型圖屬性數(shù)據(jù)連接法制圖結(jié)果。
3.3 獨(dú)立驗(yàn)證土壤樣點(diǎn)集
隨機(jī)布設(shè)并采集了30個(gè)土壤樣點(diǎn)作為獨(dú)立驗(yàn)證樣點(diǎn)(圖2)，用于評(píng)價(jià)數(shù)字土壤制圖方法的精度。
3.4 評(píng)價(jià)指標(biāo)
為了比較不同數(shù)字土壤制圖方法的結(jié)果，選擇3個(gè)定量評(píng)價(jià)指標(biāo)：平均絕對(duì)誤差EMAE，均方根誤差ERMSE，標(biāo)準(zhǔn)均方根誤差ENRMSE。其中ENRMSE的定義如下：
(2)
式中：Yi和Xi分別為推測值和實(shí)測值，N為樣本數(shù)。EMAE、ERMSE、ENRMSE是對(duì)模型精度及穩(wěn)定性的度量，其值越小說明模型的精度與穩(wěn)定性越高。
同時(shí)，通過數(shù)字土壤制圖結(jié)果的空間分布合理性進(jìn)行判讀，以此評(píng)價(jià)不同的方法所得結(jié)果空間變化的合理性。
4 結(jié)果與分析
圖3和圖4分別顯示了模糊聚類方法和2種對(duì)照方法所得的土壤表層砂粒和有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)預(yù)測性制圖結(jié)果。以30個(gè)獨(dú)立驗(yàn)證點(diǎn)對(duì)各方法所得的土壤屬性制圖結(jié)果進(jìn)行定量評(píng)價(jià)，結(jié)果(表1)顯示：模糊聚類方法和克里格插值方法的精度遠(yuǎn)高于土壤類型圖屬性數(shù)據(jù)連接法；在砂粒質(zhì)量分?jǐn)?shù)制圖結(jié)果中，模糊聚類方法與克里格插值方法精度差別很??；在有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)制圖結(jié)果中，模糊聚類方法的精度小于克里格插值方法。
從空間分布上來看，土壤類型圖屬性數(shù)據(jù)連接法受多邊形表達(dá)方式限制，得到的土壤屬性空間分布信息存在明顯的突變線，不符合土壤屬性在空間上的漸變分布特征；普通克里格插值方法受極值點(diǎn)影響，會(huì)圍繞采樣點(diǎn)位置產(chǎn)生“牛眼”現(xiàn)象，如砂粒質(zhì)量分?jǐn)?shù)空間分布圖3(b)所示，同時(shí)在采樣點(diǎn)集中的地區(qū)有較為細(xì)致的紋理，而在采樣點(diǎn)稀疏的地方，空間連續(xù)變化中方向性易受搜索鄰域中扇區(qū)類型的影響，如有機(jī)質(zhì)質(zhì)量分布空間分布圖4(b)所示；模糊聚類方法不僅體現(xiàn)了土壤在空間上的連續(xù)分布，而且能夠使土壤的連續(xù)空間變異性的大量細(xì)節(jié)得到很好的表達(dá)。
圖3 土壤表層(0～20 cm)砂粒質(zhì)量分?jǐn)?shù)空間分布圖預(yù)測性制圖結(jié)果Fig.3 Predictive mapping results of sand conteut in the soil of 0-20 cm
圖4 土壤表層(0～20 cm)有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)空間分布圖預(yù)測性制圖結(jié)果Fig.4 Predictive mapping results of soil organic matter(0-20 cm)
表1 不同方法所得表層(0～20 cm)土壤屬性制圖結(jié)果的定量評(píng)價(jià)指標(biāo)
對(duì)于砂粒質(zhì)量分?jǐn)?shù)，盡管模糊聚類方法和普通克里格方法驗(yàn)證精度基本一致，但空間分布特征差別較大。模糊聚類方法產(chǎn)生的砂粒質(zhì)量分?jǐn)?shù)分布圖3(a)顯示，在流域下游平緩地區(qū)砂粒質(zhì)量分?jǐn)?shù)較大，中部山區(qū)次之，流域中西部低山區(qū)和東北部高山區(qū)砂粒質(zhì)量分?jǐn)?shù)最小，而普通克里格方法產(chǎn)生的砂粒質(zhì)量分?jǐn)?shù)分布圖3(b)與地形沒有明顯的相關(guān)關(guān)系。砂粒質(zhì)量分?jǐn)?shù)與飽和土壤含水量是負(fù)線性相關(guān)，與飽和水力傳導(dǎo)率是正指數(shù)關(guān)系[27]，2幅圖均顯示砂粒質(zhì)量分?jǐn)?shù)較大，可知該流域蓄水能力較差。對(duì)于有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)，雖然模糊聚類方法和普通克里格方法生成的圖4(a)、圖4(b)屬性值范圍差別較大；但除了在流域上游的東北部高山區(qū)取值區(qū)別較大外，其他地區(qū)的趨勢和取值均比較一致，流域下游西部平緩地區(qū)有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)較高，基本在15～30 g/kg之間，中游和南部低山地區(qū)有機(jī)質(zhì)偏低，基本在10～15 g/kg之間，2幅圖的分布呈明顯地沿東北向西南方向遞減，后又逐漸升高。根據(jù)福建省土壤養(yǎng)分豐缺指標(biāo)[33,38]，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)在6～20 g/kg之間屬于中度缺乏，在20～30 g/kg之間屬于輕度缺乏，可知朱溪河大部分范圍都處于中度缺乏，小部分范圍處于輕度缺乏。
在野外采樣過程中，發(fā)現(xiàn)流域的東北部地區(qū)海拔較高，坡度較陡，人為活動(dòng)較少，經(jīng)過多年的封禁，植被覆蓋度較好，所以土壤的砂粒質(zhì)量分?jǐn)?shù)相對(duì)較低，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)較高；流域下游的西部地區(qū)是基本農(nóng)田保護(hù)區(qū)，土壤有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)也會(huì)較高，但由于過去土壤侵蝕嚴(yán)重，河流經(jīng)過此處帶來大量泥沙，砂粒質(zhì)量分?jǐn)?shù)可能會(huì)較高；而中游和東南部地區(qū)由于過去土壤侵蝕較為嚴(yán)重，造成砂粒質(zhì)量分?jǐn)?shù)相對(duì)較高，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)較低。相對(duì)于普通克里格方法和土壤類型圖屬性數(shù)據(jù)連接法，基于模糊聚類方法所得的圖3(a)、圖4(a)較好地體現(xiàn)了這些空間分布特征。
5 結(jié)論與討論
與普通克里格方法和土壤類型圖屬性數(shù)據(jù)連接法的土壤屬性制圖結(jié)果相比，模糊聚類方法在本研究區(qū)僅需要很少的土壤樣點(diǎn)(本應(yīng)用中僅使用9個(gè)建模點(diǎn))，制圖結(jié)果精度較好(表層砂粒質(zhì)量分?jǐn)?shù)的平均絕對(duì)誤差、均方根誤差和標(biāo)準(zhǔn)均方根誤差分別為11.89%，13.81%，21.95%；有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)的平均絕對(duì)誤差、均方根誤差和標(biāo)準(zhǔn)均方根誤差分別為9.37 g/kg，12.56 g/kg，68.84 g/kg，且能很好地體現(xiàn)該流域內(nèi)土壤與環(huán)境的復(fù)雜關(guān)系。這表明模糊聚類方法可以適用于南方紅壤小流域的土壤屬性制圖。
本文的數(shù)字土壤制圖方法要求用于建模的土壤樣點(diǎn)能準(zhǔn)確地代表模糊聚類中心，若實(shí)際野外采樣中難以獲得這樣的土壤樣點(diǎn)時(shí)，如何對(duì)采樣方案進(jìn)行修訂，是未來的一個(gè)研究方向。
土壤屬性數(shù)據(jù)作為流域模型的重要輸入數(shù)據(jù)，其不同制圖方式導(dǎo)致所得土壤屬性圖在精度和空間分布上具有差異，這種差異勢必對(duì)流域模擬和情景分析結(jié)果產(chǎn)生影響，對(duì)這種影響的定量評(píng)價(jià)是需要進(jìn)一步研究的內(nèi)容。
[1] Arabi M, Frankenberger J R, Enge B A, et al. Representation of agricultural conservation practices with SWAT[J]. Hydrological Processes, 2008, 22(16): 3042-3055
[2] 朱阿興, 陳臘嬌, 秦承志, 等. 水土流失治理新范式: 基于流域過程模擬和情景分析方法[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2012, 23(7): 1883-1890
[3] Wu Hui, Liu Yongbo, Liu Junzhi, et al. Representation of agricultural best management practices in a fully distributed hydrologic model: A case study in the Luoyugou Watershed[J]. Journal of Resources and Ecology,2014, 5(2): 179-184
[4] Zhu Axing. Measuring uncertainty in class assignment for natural resource maps under fuzzy logic[J]. Photogrammetric Engineering and Remote Sensing, 1997, 63(10): 1195-1202
[5] Mckenzie N J, Ryan P J. Spatial prediction of soil properties using environmental correlation[J]. Geoderma, 1999, 89(1):67-94
[6] McBratney A B, Odeh I O A, Bishop T F A, et al. An overview of pedometric techniques for use in soil survey[J]. Geoderma, 2000,97(3):293-327
[7] 姜勇, 張玉革, 梁文舉, 等. 沈陽市郊耕地土壤交換性錳含量的空間變異性[J]. 土壤, 2004, 36(1): 61-64
[8] Zhang Xingyi, Sui Yueyu, Zhang Xudong, et al.Spatial variability of nutrient properties in black soil of northeast China[J]. Pedosphere, 2007, 17(1): 19-29
[9] 史文嬌, 岳天祥, 石曉麗, 等. 土壤連續(xù)屬性空間插值方法及其精度的研究進(jìn)展[J]. 自然資源學(xué)報(bào), 2012, 27(1): 163-175
[10] 楊琳, 朱阿興, 秦承志, 等. 運(yùn)用模糊隸屬度進(jìn)行土壤屬性制圖的研究：以黑龍江鶴山農(nóng)場研究區(qū)為例[J]. 土壤學(xué)報(bào), 2009, 46(1): 9-15
[11] 朱阿興, 李寶林, 楊琳, 等. 基于GIS、模糊邏輯和專家知識(shí)的土壤制圖及其在中國應(yīng)用前景[J]. 土壤學(xué)報(bào), 2005, 42(5): 844-851
[12] Zadehl A. Fuzzy sets[J]. Information & Control, 1965, 8:338-353
[13] Dijkerman J. Pedology as a science: the role of data, model and theories in the study of natural soil system[J]. Geoderma, 1974, 11(2): 73-93
[14] Bezdek J C, Ehrlich R, Full W. FCM: The fuzzy c-means clustering algorithm[J]. Computers and Geosciences, 1984, 10(2/3): 191-203
[15] Zhu Axing, Band L E. A knowledge-based approach to data integration for soil mapping[J]. Canadian Journal of Remote Sensing, 1994, 20(4): 408-418
[16] Zhu Axing, Band L E, Dutton B, et al. Automated soil inference under fuzzy logic[J]. Ecological Modelling, 1996, 90: 123-145
[17] Zhu Axing, Band L, Vertessy R, et al. Derivation of soil properties using a soil land inference model(SoLIM)[J]. Soil Science Society of America Journal,1997, 61(2): 523-533
[18] Zhu Axing. A similarity model for representing soil spatial information[J].Geoderma, 1997, 77(2):217-242
[19] Zhu Axing, Hudson B, Burt J E, et al. Soil mapping using GIS, expert knowledge, and fuzzy logic[J]. Soil Science Society of America Journal, 2001, 65:1463-1472
[20] 朱阿興, 李寶林, 秦承志, 等. 精細(xì)數(shù)字土壤普查模型與方法[M]. 北京: 科學(xué)出版社，2008: 94-99
[21] 楊琳, 朱阿興, 李寶林, 等. 應(yīng)用模糊c均值聚類獲取土壤制圖所需土壤-環(huán)境關(guān)系知識(shí)的方法研究[J]. 土壤學(xué)報(bào), 2007, 44(5): 16-23
[22] Zhu Axing, Yang Lin, Li Baolin, et al. Construction of membership functions for predictive soil mapping under fuzzy logic[J]. Geoderma, 2010, 155(3/4): 166-174
[23] 毛麗麗, 于靜潔, 張一馳. 模糊c均值聚類方法在黑河下游土壤屬性制圖中的初步應(yīng)用研究[J]. 干旱區(qū)資源與環(huán)境, 2013, 27(1): 195-201
[24] 王改粉, 趙玉國, 楊金玲, 等. 流域尺度土壤厚度的模糊聚類與預(yù)測制圖研究[J]. 土壤, 2011, 43(5): 835-841
[25] Minasny B, McBratney A B. Estimating thewater retention shape parameter from sand and clay content[J]. Soil Science Society of America Journal， 2007, 71(4): 1105-1110
[26] 梁曉, 戴永久. 通用陸面模式對(duì)土壤質(zhì)地和亮度的敏感性分析[J]. 氣候與環(huán)境研究，2008, 13(5): 585-597
[27] 吳龍光, 王愛慧, 盛炎平. 土壤質(zhì)地對(duì)中國區(qū)域陸面過程模擬的影響[J]. 氣候與環(huán)境研究，2014, 19(5): 559-571
[28] 張婧, 查軒, 申更強(qiáng). 南方花崗巖紅壤典型區(qū)土壤有機(jī)質(zhì)的空間變異特征[J]. 中國水土保持科學(xué)， 2011, 9(1): 50-55
[29] Mengistu G, McCray J E. Effects of soil data resolution on SWAT model stream flow and water quality predictions[J]. Journal of Environmental Management, 2008, 88(3): 393-406
[30] 蔡強(qiáng)國, 朱阿興, 畢華興, 等. 中國主要水蝕區(qū)水土流失綜合調(diào)控與治理范式[M]. 北京:中國水利水電出版社， 2012: 267-283
[31] McSweeney K, Slater B K, Hammer R D, et al. Towards a new framework for modeling the soil-landscape continuum[J].Amundson R, eds. Factors of Soil Formation: A Fiftieth Anniversary Retrospective. Madison, Wisconsin: Soil Society of America, 1994: 127-145
[32] 秦承志, 盧巖軍, 包黎莉, 等. 簡化數(shù)字地形分析軟件(SimDTA)及其應(yīng)用：以嫩江流域鶴山農(nóng)場區(qū)的坡位模糊分類為例[J]. 地球信息科學(xué)學(xué)報(bào), 2009, 11(6): 737-743
[33] 陳煥偉, 張鳳榮, 劉黎明, 等. 土壤資源調(diào)查[M]. 北京: 中國農(nóng)業(yè)大學(xué)出版社, 1997: 181
[34] 楊琳, 朱阿興, 秦承志, 等. 基于典型點(diǎn)的目的性采樣設(shè)計(jì)方法及其在土壤制圖中的應(yīng)用[J]. 土壤學(xué)報(bào), 2010, 29(3): 279-286
[35] Goovaerts P. Geostatistics in soil science: state-of-the-art and perspectives[J]. Geoderma, 1999, 89: 1-45
[36] 王紹強(qiáng), 朱松麗, 周成虎. 中國土壤土層厚度的空間變異性特征[J]. 地理研究， 2001, 20(2): 161-169
[37] 朱紅霞, 陳效民, 杜臻杰. 基于地統(tǒng)計(jì)學(xué)的土壤氮素與pH的空間變異性研究[J]. 土壤通報(bào)， 2010, 41(5): 1086-1090
[38] 陳健飛, 朱鶴健. 福建山地土壤研究[M]. 北京: 中國環(huán)境科學(xué)出版社, 2001: 196-197
(責(zé)任編輯：郭雪芳)
Soil property mapping using fuzzy clustering method in small watershed of the red soil region in southern China:A case study of Zhuxi Watershed
Xie Jun1,2，Qin Chengzhi2,3，Xiao Guirong1，Yang Lin2，Lei Qiuliang4，Liu Junzhi3，Zhu Axing2,3,5
(1. Spatial Information Research Center of Fujian，F(xiàn)uzhou University, 350002, Fuzhou, China; 2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, 100101, Beijing, China; 3.Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application and School of Geography, Nanjing Normal University, 210023, Nanjing, China; 4.Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, 100081,Beijing, China; 5.Department of Geography, University of Wisconsin-Madison, 53706, WI, USA)
The detailed spatial distribution of soil properties which is essential for watershed modeling and scenario analysis,is mainly acquired through field soil sampling and digital soil mapping. Especially in the red soil region of southern China where the distribution of soil parent material is complex and with large spatial variability, the acquisition of detailed spatial distribution of soil properties is often one of the main bottlenecks in watershed modeling and scenario analysis, due to both the cost of field soil sampling and effectiveness of digital soil mapping method. Recently-emerged fuzzy clustering method for purposive soil sampling and predictive soil property mapping can effectively reduce the required number of soil samples and predict the detailed spatial distribution of soil properties. To explore the applicability of this method over the red soil region in southern China, we applied this method to conducting purposive soil samplingin a small,red-soil watershed (Zhuxi) in Fujian Province,and then predictive soil property mapping of sand content and organic matter content in the soil of 0-20 cm at a spatial resolution of 5 m. A set of five topographic attributes (i.e., elevation, slope gradient, profile curvature, horizontal curvature, and topographic wetness index) were derived from the gridded digital elevation model with 5-m resolution and then were used as environmental variates. Fuzzy clustering method was applied to this set of topographic attributes and got the result of nine fuzzysoil-landscape classes. Purposive soil sampling was carried out at the center of each fuzzy soil-landscape class. Then the value of a soil property at each location can be predicted as the average of the soil property value at every purposive sampling point weighted by the fuzzy membership value of the location to the fuzzy soil-landscape class represented by the purposive sampling point.The ordinary kriging method with 42 modeling points and a traditional method of linking the typical soil property value to soil-type polygon map were chosen as the comparative methods. Based on the validation with 30 random points independent with the modeling points, the fuzzy clustering method requires only a very few soil samples (only nine modeling points used to build the soil-landscape model in this study), and can achieve better prediction accuracy based on the validation with an independent soil sample set. RMSE values of mapping results of sand content and organic matter content in the soil of 0-20 cm are 13.81% and 12.56 g/kg, respectively. And the predictive soil map from fuzzy clustering method can well reflect the spatial variation of the soil in the study area.Therefore, the fuzzy clustering method is applicable over the red soil region in southern China when the sampling cost of digital soil mapping can be significantly reduced.
soil property mapping; fuzzy clustering; red soil region in southern China; Zhuxi Watershed
2014-12-08
2015-08-09
謝軍(1988—)，男，碩士研究生。主要研究方向：土壤侵蝕和水土保持。E-mail:xiejun@lreis.ac.cn
?通信作者簡介：肖桂榮(1972—)，男，研究員。主要研究方向：網(wǎng)絡(luò)信息共享，環(huán)境資源信息工程。E-mail:xiaogr@fzu.edu.cn
S155
A
1672-3007(2015)05-0132-08
項(xiàng)目名稱：國家科技支撐計(jì)劃課題“南方紅壤水土流失治理技術(shù)示范”任務(wù)(2013BAC08B03-4)
猜你喜歡
中國水土保持(2022年6期)2022-06-08 03:58:40
中國水土保持(2021年7期)2021-07-08 06:14:06
中國水土保持(2021年12期)2021-04-11 08:19:44
濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版)(2021年2期)2021-03-04 08:28:42
農(nóng)村青少年科學(xué)探究(2021年11期)2021-02-24 09:53:18
新少年(2020年10期)2020-10-30 02:04:05
上海航天(2018年3期)2018-06-25 02:57:48
華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版)(2017年1期)2017-02-27 13:41:14
中國教育技術(shù)裝備(2015年10期)2015-03-01 02:41:03
