基于贝叶斯最大熵和机器学习理论的青藏高原草毡层数字制图研究

Soil mattic epipedon, a special diagnostic feature for vegetation in alpine meadow or alpine shrub and meadow mixed zone, plays an important role in soil water retention. In China, it mainly distributed in the Qinghai-Tibetan Plateau. However, its spatial distribution remains unknown and the traditional mapping method is time-consuming and highly expensive with low accuracy. The goal of this research is to evaluate new digital mattic epipedon mapping methods which are suitable for large area with low requirement for soil sample quantity, high accuracy, high efficiency, and the ability for uncertainty assessment. Specifically, the main objectives of this research are to: (1) develop an information extracting algorithm for uncertain data based on the Bayesian maximum entropy method; (2) establish optimal environment variables set for mattic epipedon mapping using variable selection algorithm; (3) establish quantitative soil-landscape model using random forest model and boosted regression tree methods; (4) improve prediction accuracy through parameter optimization algorithm and land use map with high accuracy; (5) assess the uncertainties of the predictions at pixel level; (6) produce spatial distribution maps of mattic epipedon and evaluate its spatial distribution characteristics and landscape distribution patterns. The results of this research will enrich the theory and method of digital soil mapping for our country, and can provide base data for ecological and environmental conservation and effective management of water resources in the Qinghai-Tibetan Plateau.

草毡层是高寒草甸或高寒灌丛草甸植被特有的诊断特征，对于土壤持水能力具有重要的控制作用，在我国集中分布于青藏高原地带。本研究针对目前缺乏草毡层制图研究和传统制图手段耗时久、耗费高、精度低的现状，以青藏高原为研究区，探索适用于大区域范围、对土壤样点数量要求较少、高精度、高效率、且能够对预测结果进行不确定性评估的草毡层数字制图方法。研究内容包括基于贝叶斯最大熵地统计方法开发不确定性数据中有用信息的提取算法；利用环境变量优化算法建立最优的草毡层数字制图指标体系；利用随机森林模型和促进回归树方法建立定量的土壤-景观模型；通过参数优化算法和高精度土地利用图修正两种方式提升模型预测精度；并对预测结果进行像元尺度上的不确定性评价；制作草毡层空间分布图，分析其空间分布特征和景观分布格局。研究结果可以丰富我国数字土壤制图理论和方法，并可为青藏高原生态环境保护和水资源有效管理提供迫切需要的数据支持。

草毡层是高寒草甸或高寒灌丛草甸植被特有的诊断特征，对于土壤持水能力具有重要的控制作用，同时对土壤分类、农业生产活动和生态环境保护具有积极意义。本项目围绕探索适用于大区域范围、对土壤样点数量要求较少、高精度、且能对预测结果进行不确定性评估的草毡层数字制图原理和方法，发表了标注本项目的论文3篇，其中2篇为项目主持人第一作者论文，申报国家发明专利1项，获得软件著作权1项。完成了项目设计的研究目标和相关指标。. 具体研究内容包括：（1）提出了一种基于促进回归树算法的环境变量筛选方法，分别构建了控制草毡层是/否出现和厚度的关键环境变量指标体系。所构建的草毡层指标体系不仅可以从土壤发生学角度很好的解释草毡层的发生发育与环境要素之间的关系，而且可以显著（p = 0.01）提升模型的预测精度。此外，量化了各环境变量对草毡层发生发育的贡献度以及各环境变量之间的相互作用机制。此研究结果有助于加深对草毡层发生发育与环境之间关系的认知。本项目提出的环境变量筛选方法具有精度高、定量化和应用范围广等优点，可用于农业、环境、生态、水文、医学地理和气象等诸多领域的面向二值分类的因子筛选过程。项目主持人以第一作者在《Geoderma Regional》上发表论文1篇，以第一完成人申报国家发明专利1项和获得软件著作权1项。. （2）开发了基于机器学习算法的草毡层预测制图土壤-景观模型，通过参数优化算法进一步提升土壤-景观模型的性能。完成了青藏高原东北部（祁连山地区）草毡层空间分布制图，提出了利用专家知识修正草毡层预测结果以进一步提升预测精度的方法；实现了草毡层空间分布预测制图像元尺度上的不确定性评价。分别揭示了草毡层是/否出现和厚度的空间分布特征及景观分布格局，从而加深了对草毡层空间分布规律的认知。本项目所提出的草毡层数字制图方法可丰富我国数字土壤制图理论和方法。项目主持人以第一作者在《Pedosphere》上发表论文1篇。

内容获取失败，请点击重试