土壤图更新中基于土壤类型面积分级的训练样点选择方法

来源：土壤学报杂志2017年第1期北京时间：

作者：刘雪琦,朱阿兴,杨 琳,缪亚敏,曾灿英

单位：刘雪琦，南京师范大学地理科学学院；xueqiliu@yeah.net,朱阿兴，南京师范大学地理科学学院；azhu@wsci.edu,杨 琳，资源与环境信息系统国家重点实验室（中国科学院地理科学与资源研究所）；yanglin@lreis.ac.cn,缪亚敏，南京师范大学地理科学学院；miaopaper1@163.com,曾灿英，南京师范大学地理科学学院；157229280861@163.com,

摘要：基于数据挖掘模型的土壤图更新是一项重要的研究。数据挖掘模型构建中训练样点的质量不仅决定其对研究区土壤-环境关系表达的充分程度，而且会对推理制图的结果产生至关重要的影响。本文提出一种基于土壤类型面积分级的典型训练样点选择方法，即依据土壤面积对土壤类型分级，并按照等级之间的比例关系基于典型点选择训练样点。将方法应用于更新美国威斯康星州Raffelson流域的传统土壤图，并与另外两种训练样点选择方法对比，以验证该方法的有效性。结果表明，500次重复实验中，本研究方法与另外两种训练样点选择方法相比，能够更新传统土壤图的比例分别为79.5%、71.8%和63.6%，而且其推理制图结果更符合研究区土壤分布的特征。本研究所提方法是一种有效的训练样点选择方法。

关键词：训练样点;数据挖掘模型;传统土壤图更新;土壤—环境关系

基金资助：国家自然科学基金项目（41431177；41471178）、江苏省高校自然科学研究重大项目(14KJA170001)、江苏省高校研究生科研创新计划项目（KYLX15_0715）、国家重点基础研究发展计划973项目 (2015CB954102)和千人计划