定量的植被状况空间信息主要通过遥感影像数据的计算获取植被指数和生物物理参数,*三次土壤普查,包括化植被指数(NDVI)叶面积指数(LAI)郁闭度(CC)等。其中,NDVI是土地覆盖植被状况应用广的一种遥感指标,能够检测植被生长状态植被覆盖度和*部分辐射误差等,*三次土壤普查外业调查采样工作,定义为近红外通道与可见光通道反射率之差与之和的商。其计算公式为4植被变量的表征与数据处理式中,指垂直于水流方向的汇流面积,面积为mβ表示坡度(弧度)。TWI=ln其中,地形湿度指数的计算公式为
机器学习模型利用机器学习与数据挖掘方法,提取土壤属性与环境变量之间的关系用来预测土壤属性的空间分布,可以解决土壤属性与环境变量的非线性问题,包括随机森林人工神经网络分类与回归树等。目前随机森林法进行属性制图在数据挖掘方法中应用广泛。
模糊推理是将土壤与环境关系表达为隶属度值,利用单个土壤样点在空间上的代表性推测土壤目标变量的空间变化。该方法制图效果依赖于单个样点的**性,要求对样点的**性进行质量检查。上述方法有两个制约需要大量的土壤样点来提取统计关系;需要具有较好的空间代表性,除机器学习模型外,其它模型制图区域通常不宜过大。
气候因素在较大范围内主要考虑大气候,通常选择年均温年降水积温或相对湿度等因子,并根据制图比例尺选用,或利用气象站点生成相应像素分辨率的气象因子栅格数据。1气候变量的表征与数据选取目前常用的环境变量主要包括
】土壤母质是土壤形成的物质基础,通常直接获得母质信息非常困难,*三次土壤普查外业调查采样第三方,实际制图中,常以地质图或地貌图来代替土壤母质分布图,这些地图上的信息通常为矢量化表达的地质类型。也可以从分级到土种的例尺土壤图中,通过土壤类型信息提取,提取方法参考5。2母质变量的表征与数据处理而在较小的气候范围内,大气对土壤的影响基本是均值的,可以忽略。相比之下,小范围内的地形地貌信息可体现小气候对土壤的影响。