[发明专利]一种基于聚类采样的山区土壤厚度预测方法

说明书

本发明涉及数据挖掘和地质测绘技术，旨在提供一种基于聚类采样的山区土壤厚度预测方法。包括：获取研究区内DEM，选取土壤厚度影响因子和各栅格点坐标，构建预测模型的输入数据库；确定DEM栅格的最佳分辨率，利用基于SDW‑FMS聚类方法对整个研究区的数据进行聚类分析；在每个分区内实地采样，对样本按照3∶1的比例进行训练集和测试集划分；建立地理加权回归模型以预测土壤厚度；对各分区的GWR模型进行性能测试，预测该分区其他栅格处的土层厚度。本发明采样均匀、其预测结果合理可靠、可拓展性高，可根据其他研究区地形和环境的特点随时更改影响要素，即可完成对土壤厚度的准确预测；能为其他地理空间情报的预测工作提供一定的借鉴作用。

技术领域

本发明涉及到数据挖掘和地质测绘技术领域，更具体地说，是在GIS的平台下，通过采用机器学习的方法对大范围山区内的地质、地貌信息进行挖掘，从而实现土壤厚度的高精度预测，这是一种基于多学科交叉融合的新方法。

背景技术

土壤厚度一般指从地表到基岩竖直方向上的深度，是土壤的一个重要属性，对多数地表及地下过程如地表演化、土壤运移、泥沙沉积等起着控制作用，也决定着土壤的持水和保水能力，对区域内植物的生长有着重要的影响。此外，土壤厚度还与滑坡等地质灾害的发育有着密切的关系，是浅层滑坡地质灾害的重要评价指标之一。所以，土壤厚度的有效预测，对区域地表演化过程、植被发育情况以及地质灾害评价均具有十分重要的意义。

为了扩大土壤厚度预测的应用范围，各国学者陆续推出了土壤厚度的空间模拟方法，其中点采样插值方法和土壤一景观模型外推法应用较广。点采样插值方法是通过野外实地探查得到单点上的土壤厚度实测值，然后再通过插值处理分析得到整个研究区域内的土壤厚度；而土壤-景观模型外推法是以土壤发生学为理论依据，结合数学方法和3S技术的一种定量预测方法，该方法假设相同的土壤环境能发育出相同类型的土壤，从样本出发建立土壤与景观单元的对应关系，通过这些景观单元的特征来预测土壤的属性。无论是点采样插值法还是土壤-景观模型外推法对样本的采集要求较高。

目前，采样方式大多以经典采样(随机和系统采样)、地统计采样和目的采样为主。经典采样往往需要大量样本才能获得高精度的地理要素空间分布，受人力、物理限制难以大范围应用；地统计采样不但需要大量样本来构造空间变异函数，还要求变异函数满足二阶平稳假设和其它内在假设，而地形地貌复杂多变的山区通常难以满足这些假设；目的采样是根据研究目的和先验知识，做少量具有代表性或平均性的状态样本抽样，但样本能否正确反映总体特征取决于研究者的主观判断，缺少客观的误差评估。

因此，为了实现大型山区内土壤厚度的准确预测，提出一种科学、高效、便捷的采样方法和预测方法是十分必要的。

发明内容

本发明要解决的技术问题是，克服现有技术中的不足，提供一种基于聚类采样的山区土壤厚度预测方法。

为解决技术问题，本发明的解决方案是：

提供一种基于聚类采样的山区土壤厚度预测方法，包括以下步骤：

(1)获取研究区内数字高程模型(Digital elevation model，DEM)；

(2)选取土壤厚度影响因子和各栅格点坐标，构建预测模型的输入数据库；

(3)确定DEM栅格的最佳分辨率；

(4)利用基于SDW-FMS(空间距离加权的快速均值漂移，Spatial distanceweighting-Fast mean shift)聚类方法对整个研究区的数据进行聚类分析，即对整个区域按相似属性进行分区；

(5)分别在每个分区内进行土壤厚度实地采样；

(6)对每个分区的样本按照3∶1的比例进行训练集和测试集划分；