基于K-均值算法模型的区域土壤直化分类及预测制图.pdfVIP

第32卷第6期 生 态 ．学 报 V01．32．No．6 2012年3月 ACTA Mar．．2012 ECOLOGICASINICA DoI：10．5846／stxb201102240213 刘鹏飞，宋轩，刘晓冰，陈杰．基于K一均值算法模型的区域土壤数值化分类及预测制图．生态学报，2012，32(6)：1846．1853． LiuP X J．Numedcalsoilclas《6cation K—means and soil at seale．Ael8 F，SongX，LiIIB，Chen usi“gfuz2y algor呈thmpredictivem8pping Ee0109ica regional Sinica，2012，32(6)：1846—1853． 基于K．均值算法模型的区域土壤 数值化分类及预测制图 刘鹏飞1…，宋 轩1’。，刘晓冰1”，陈 杰1’2’4 (1．郑州大学水利与环境学院，郑州450001；2．郑州大学自然资源与生态环境研究所，郑州450001) 摘要：根据封丘县土壤发生学特点遴选质地、有机质、土壤颜色、pH值、电导率和土壤发生层厚度等作为土壤属性向量，运用群 均值算法模型，对研究区40个土壤剖面样本实施数值化分类，并依据《中国土壤系统分类检索》确定算法模型输出的5个中心 土壤剖面的系统分类归属。基于40个样本土壤剖面与各中心剖面的类型之间的分类距离，应用地统计学手段预测研究区空间 任意位置的土壤与各中心剖面的分类距离，完成研究区土壤数值化连续分类并实现可视化表达。在此基础上，运用去模糊化手 段，“硬化”连续分类边界，获得可与传统土壤制图互为参比的研究区土壤预测图，并对输出结果进行了土壤发生学解释。研究 表明，土壤数值化分类手段与地统计学随机模型相结合可以实现区域土壤的空间预测，且预测图比传统土壤图蕴含更加丰富的 信息。 关键词：土壤数值化分类；预测制图；K一均值算法；分类距离 Numericalsoilclassification K-means and soil usingfuzzy algorithmpredictiVe at scale mappingregional LIU Jiel2，+ Pend’eil”，SONGXuanl”，LIUXiaobin91一，CHEN 1 ond sc矗ooz妒耽把rco瑚e删。凡cy 450001，c矗i凡o E删iro凡舭m，珈唧舻b“‰面e邶妙，孔e，卿oM Re删rce 2风砒把旷№￡Hmz ond＆o-E删iron砌眦，z危e，蚴oMuni钟M饥秭e悸^ou45000l，∞ino Abstract：Inthestudied matter so订 content，soil region，choosingtexture，organ