我国土壤基层分类的研究应用及展望课件

我国土壤基层分类的研究应用及展望目录前言土壤基础分类的研究意义土壤基础分类的研究方法土壤基础分类的研究应用土壤基础分类的问题及发展趋势1前言分类是认识自然事物的重要途径。一般分类是通过对自然界各种事物进行整理，使复杂无序的事物系统化，从而达到认识和区分客观世界，进一步掌握客观世界的目的。实践分类认识土壤分类是为了更清楚的了解土壤的发生、变化以及能够应用的属性。12土属是亚类的续分级别，是在同一亚类下由于地区性成土因素，或土壤利用管理引起土壤重要理化属性分异的续分级别。土种是由一群土壤剖面形态和理化特性相似的土壤个体组成的实体分类单元，以典型土壤个体的分异特征为代表，并与其特定存在的微域地理景观条件相一致，即同一土系的质地、地形部位及水热状况均相似，在一定的控制层段内，反映特征土层的种类、形态以及土壤的生产性能大致相同。3分类方法土壤系统分类标准分类土层特征：剖面划分情况等；土壤基本特性：颗粒组成、容重等；化学物质含量：有机质、水分等常规养分。GIS遥感方法分类研究景观要素及遥感信息特征包括基础数据：时间、天气、海拔、坐标等土地利用要素：地形地貌、坡度、土地利用类型等植被要素：植被密度、覆盖度等土壤要素：有机质、水分等常规养分PDA法土壤分类研究

应用主组元分析(Principalcomponentanalysis)和判别分析(discriminatoryanalysis),相结合的综合方法简称PDA法。主组元分析是把原来多个指标简化为少数几个综合指标的一种统计方法，土壤剖面特征可由反映各发生层的物理性质、化学性质和生物学性质的多种指标（元）表示。各指标间往往存在着不等的相关性,其中若干对指标的相关性甚至可以达到显著性水平。PDA法土壤分类可提高了图像识别精度，并可土壤自动分类。RBF神经网络的土壤自动分类设计研究 RBF神经网络具有离散数据内插特性,且该网络可以提供完备的、最优逼近(universalandoptimizationapproximation)功能;RBF—NN具有结构简单、训练速度快、函数逼近能力和分类能力强,不存在局部最优问题等特点,由该网络构成的系统是有界、稳定的。专家分类系统设计 土壤系统分类以定量化指标划分土壤类型，为土壤自动分类系统的建立提供了可能。采用面向对象的方法表达专家经验规则、诊断层和诊断特性知识，以及土壤分类决策树的构造方式和推理方法，通过土壤系统分类专家的知识表示和推理机的构建两个方面，实现土壤分类专家系统，模仿专家的思维过程实现土壤自动分类。 在土壤分类专家系统中，使用GIS建立空间数据库、分析空间信息和图像显示。空间数据库中包含样点区的母质、地形等信息；采样点的空间定位信息和理化分析数据的点位图。在此基础上，以母质、地形地貌、水文等专题图为底图，以采样数据为输入参数，以克里金插值为基础，建立各种土壤理化数据的空间分布模型。专家系统利用这些数据和模型就可以推断出非采样点图斑的土壤类型。5面临问题及发展趋势偏重高级分类单元的研究，忽略基层分类的研究；度量指标不统一。同一土属内划分土种的指标不统一，甚至同一因素划分的土种，指标的量级也不统一；指标过繁，不分主次，量级差过小；定义模糊使土种分得过粗或土种与上层单元交叉；命名混乱，没有一个合理的命名体系；指标数量化十分薄弱。5.1面临问题

数值分类对系统分类的指标化具有推动作用，理由在于数值分类可以解决以下问题：不同类型土壤之间的关系。通过选用合适的数学处理方法，就可以使剖面内在联系较为密切的土壤归于一类，使内在联系较疏远的那些土壤分属于别一类型中，从而达到分类的目的。不同分类指标间的关系。对复杂多样的分类指标加以筛选，要研究各种分类指标间的关系，择其主要，废其次。土壤类型和分类指标间的关系。土壤类型多种多样，分类指