面向土系调查制图的小尺度区域景观分类——以宁镇丘陵区中一小区域为例

土系是中国土壤系统分类的基层分类单元,与所处微域景观联系密切,对小尺度样区进行景观分类研究有助于对研究区景观建立系统的认识。以宁镇丘陵区一小尺度样区为例,结合景观生态分类理论及土系特点,探讨了面向土系调查制图的景观分类的原则与方法,建立了包括景观区、景观类、景观亚类和景观相的四级景观分类系统,并借助3S技术进行了景观制图,并以此为基础对样区开展土系调查,对景观分类体系进行了验证。结果表明,景观相与土系有较好相关性,对土系分布具有指示作用,此景观分类体系有助于对土壤所处景观条件形成深入系统认识,可为土系调查制图工作提供参考。     

基于景观及微地形特征的丘陵区土壤属性预测

为探讨小流域尺度丘陵区的高分辨率数字土壤制图方法,通过对景观相分类的探索,配合应用不同尺度的Geomorphons(GM)微地形特征数据构成分类变量组参与高分辨率土壤pH、黏粒含量和阳离子交换量的预测制图,并与传统数字高程模型衍生变量和遥感变量进行组合与比较分析。此外,采用支持向量机、偏最小二乘回归和随机森林3种机器学习模型择优与残差回归克里金复合参与预测模型的构建与评价。结果表明: 景观及多尺度微地形分类变量组的应用分别提高小流域尺度丘陵地貌区pH、黏粒含量和阳离子交换量预测精度的18.8%、8.2%和8.7%。包含植被信息的景观相分类图相比土地利用数据有更高的模型贡献度;5 m分辨率的GM微地形分类图相比低分辨率的分类图更适宜高精度的预测制图。黏粒含量使用随机森林复合模型有最高的预测精度,而pH和阳离子交换量则不适宜在随机森林模型的基础上加入残差回归克里金模型。景观-多尺度微地形分类变量、数字高程模型衍生变量和遥感变量三者结合的模型预测表现最佳,表明多元变量在起伏地形区域相比单一数据源能够包含更多的土壤有效信息。由GM数据和地表景观数据组成的景观分类变量组作为主要变量能够解释小流域丘陵区部分土壤属性约40%的空间变异。在同类型土壤预测制图研究中,多分辨率GM及景观分类数据有潜力作为环境变量参与预测模型的构建。