*中国科学院 百人计划 项目、中国科学院创新团队国际合作伙伴计划 人类活动与生态系统变化 、国家自然科学基金项目(40501056)、中国科学院地理科学与资源研究所领域前沿项目资助、国际重点基础研究发展计划(973)课题多尺度土壤侵蚀预报模型(2007CB407204) 作者简介:杨 琳(1982~),女,山东文登人,博士研究生,主要从事数字土壤制图研究。E mail:yanglin@lreis.ac.cn 收稿日期:2006 08 01;收到修改稿日期:2007 03 28应用模糊c 均值聚类获取土壤制图所需土壤-环境关系知识的方法研究*杨 琳1,2,3朱阿兴1 李宝林1 秦承志1 裴 韬1 刘宝元2李润奎1,3 蔡强国4(1中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101)(2北京师范大学地理学与遥感科学学院,北京 100875)(3中国科学院研究生院,北京 100049)(4中国科学院地理科学与资源研究所陆地水循环与地表过程重点实验室,北京 100101)摘 要 在没有土壤普查专家及土壤图的地区,获取土壤环境间关系的知识是基于知识进行预测性土壤制图中的关键问题。本文建立了一套应用模糊c 均值聚类(Fuzzy c means,FCM)获取土壤环境间关系知识的方法:得到对土壤形成发展具有重要作用的环境因子,建立环境因子数据库;对环境因子进行模糊聚类,得到环境因子组合隶属度分布图;根据隶属度值确定野外采样点;将环境因子组合与土壤类型对应,进而提取土壤-环境关系知识。为检验该方法的有效性,应用所得知识进行土壤制图,通过独立采样点对土壤图进行精度评价。本文在黑龙江鹤山农场一个研究区的应用结果表明,该方法仅需要少量的野外采样即可获得有效的土壤-环境关系知识,为预测性土壤制图提供必需的依据,同时也显著提高了野外采样的效率。关键词 预测性土壤制图;土壤-环境关系知识;模糊c 均值聚类方法(FC M );环境因子组合;土壤-环境推理模型(SoLIM)中图分类号 P934 文献标识码 A现代遥感测量技术、地理信息系统(GIS)、数字地形模拟、人工智能及模糊推理等方法与技术的发展下,基于GIS 的预测土壤制图应运而生[1,2]。预测性土壤制图以道库恰也夫和詹尼建立的成土因素学说[3,4]和土壤景观模型理论[5]为基础,将环境变量与土壤信息之间的关系或统计模型应用于地理空间数据库中进行推理,依据环境因子的空间分布来推测土壤的空间分布,从而生成土壤图。目前预测性土壤制图方法主要包括两类:基于统计模型的方法[6~9]和基于专家知识的方法[2,10~14]。基于统计模型的方法多采用以回归为基础的统计方法或地统计模型的方法进行制图,由于土壤的形成是多要素制约的非线性过程并且土壤本身具有非常大的变异性,使得这类方法的应用受到制约[14],且这种方法也主要用于小范围内的土壤属性制图。基于专家知识的方法通过提取土壤与环境间关系的知识(也称为土壤景观模型),与环境信息相结合进行土壤推理制图。由于这类方法可以知识的形式描述复杂的土壤与环境间的关系,利于知识的积累和移植,具有广阔的应用前景,并得到越来越广泛的应用[1,14,15]。土壤-环境关系知识的获取是基于专家知识的方法进行土壤制图的关键问题。目前获取土壤-环境关系知识主要有以下两种方式:(1)由土壤普查专家提供土壤-环境关系知识[11,13];(2)通过数据挖掘方法从已有数据中提取知识[12]。第一种方法获得的知识是土壤普查专家通过大量野外调查形成的经验性的知识,这种知识的形成需要长期经验知识的积累。然而,很多国家(包括中国)都缺乏专门进行野外调查的土壤普查专家,因此这种方法推广起来困难很大。第二种方法即数据挖掘的方法,如神经网络、决策树等,主要从传统土壤图或大量野外样第44卷第5期土 壤 学 报Vol 44,No 52007年9月AC TA PEDO LOGI CA SI NICASep.,2007

应用模糊c均值聚类获取土壤制图所需土壤环境关系知识的方法研究