[发明专利]一种基于土壤—环境知识获取多尺度环境因子集方法

说明书

本发明涉及一种基于土壤—环境知识获取多尺度环境因子集方法，采用多尺度环境因子集的选择方法，提取数字高程模型下的多尺度地形因子以及基于遥感影像的多尺度遥感因子信息，获取土壤—环境知识数据集，运用Boruta算法对不同的环境因子变量集进行预处理及筛选，得到最优环境因子数据集，并从原始土壤图中提取训练样本集，运用网格搜索优化的CatBoost分类算法模型对训练样本集进行建模，从而推理生成土壤类型图。本发明通过建立土壤—环境知识尺度数据集，并对多尺度环境因子数据集进行筛选，选取最优多尺度环境因子数据集，运用最佳数据集进行建模，综合利用推理制图数据源从而提高土壤类型制图精度。

技术领域

本发明涉及一种基于土壤—环境知识获取多尺度环境因子集方法。

背景技术

土壤调查与制图是获取土壤信息的基本手段，在土壤科学发展中发挥了至关重要的作用，基于环境协变量开展数字土壤制图(Digital Soil Mapping，简称DSM)是土壤学科新兴的研究方向。近年来，随着大数据时代的来临，获取土壤信息的手段和来源逐渐增加。采用一组相同的环境因子对不同土壤属性的空间分布进行推测或进行采样设计时，无法充分体现不同属性成土因素的不同带来的空间分布上的差异，因而可能会降低土壤属性的推测精度或采样的效率。环境因子对土壤属性空间分布的影响是具有尺度效应的，不同土壤属性的环境因子其作用的尺度可能不同。多尺度环境因子的加入，较单尺度因子表现出了更强大的推测能力。如何获取准确的土壤和环境属性之间的多尺度协同关系是数字土壤制图的关键点。

发明内容

本发明的目的在于提供一种基于土壤—环境知识获取多尺度环境因子集方法，以解决上述背景技术中提出的土壤调查和制图中获取土壤—环境知识多尺度因子及提高数字土壤制图精度的问题。

本发明的一种基于土壤—环境知识获取多尺度环境因子集方法，所述方法包括如下步骤：

S1：收集区域的遥感影像数据、等高线数据以及原始土壤图；

S2：从等高线数据中提取数字高程模型，进而提取多尺度地形因子信息；

S3：对遥感影像做主成分分析，提取多尺度遥感因子数据集；

S4：从原始土壤图中提取母质信息和训练样本集；

S5：将多尺度地形因子和多尺度遥感因子数据进行打包，形成训练集各尺度自然—遥感环境数据集；

S6：对训练集中的多尺度自然—遥感环境数据集进行特征变量筛选；

S7：将精度最高的最优尺度环境因子集的训练集运用网格搜索优化的CatBoost模型建模从而推理得到土壤类型图。

S8：使用实地采样点建立验证集，对推理得到的土壤类型图进行精度验证，获取总体精度、用户精度、生产精度和Kappa系数，确定推理的土壤类型图是否合格。

优选的，所述地形因子分别有母质、坡度、坡向、水平曲率、沿平面曲率、沿剖面曲率、地形湿度指数、地形起伏度和地表粗糙度。

优选的，所述多尺度地形因子采用3×3至29×29的奇数大小，共14个尺度，运用邻域分析提取各个尺度地形因子，获取多尺度地形因子集。

优选的，所述遥感因子集包括NDVI和八个纹理特征，八个纹理特征分别是：均值、方差、相异性、对比度、协同性、二阶矩、相关性和信息熵。

优选的，所述从遥感影像中提取的多尺度遥感因子，其多尺度采用3×3至29×29的奇数大小，共14个尺度，采用Band math工具计算NDVI，运用灰度共生矩阵(GLCM)提取各个尺度遥感因子从而获取多尺度遥感因子集。

优选的，所述从遥感影像中提取多尺度遥感因子之前，先要在Snap软件中对遥感影像数据进行栅格数据重采样，采样空间分辨率为10米。