全 文 ：第 !" 卷 第 # 期
$ % & ’ 年 # 月
林 业 科 学
()*+,-*. (*/0.+ (*,*).+
0123!"!,13#
.456! $ % & ’
718"&%6&&9%9:;6&%%&<9!##6$%&’%#$&
收稿日期" $%&$ =%9 =%A# 修回日期" $%&’ =%9 =%&$
基金项目" .十二五/国家科技支撑计划子课题 %$%&$?.g&A?%! =’& # 国家水体污染控制与治理科技重大专项课题 %$%&$Mk%9&%! =
%%’& # 西南大学博士基金% (Ki&&$%>A& $
!谢德体为通讯作者$
基于案例推理的 ,1aS!方法在土壤养分制图中的应用!
徐丽华B谢德体B魏朝富B李B兵
%西南大学资源与环境学院B重庆 !%%9&>&
关键词" B土壤养分制图# 全氮# 案例推理# 土壤 =景观推理模型
中图分类号! (&A"3"BBB文献标识码! .BBB文章编号! &%%& =9!###$%&’$%# =%&!# =%>
;))K$7"+$1.14,1aS! ["-(@1.5"-(2("-1.$.3 $.,1$KU&+*$(.+!"))$.3
k4 /8N4OBk8FgFE8BKF8)NO1S4B/8?8L5
%!"#$%$"&0$1"2+3$1.(/ ’()*+"(,$(-! I"2-9Q$1-6(*)$+1*-7B!9"(%‘*(% !%%9&>&
;<-+*"7+" B-NF&&& G182GOWU2FGXFTFV12FVEF7 8L KOL5;8O514 XOEFTGNF7 1S-NTFFf1T5FGCFGFTZ18T.TFOX8EN V1WU2FQ
5F15TOUN8VO2FLZ8T1LWFLE6-1EO2L8ET15FL V1LEFLE8L ENFG182XOGWFOG4TF7! OL7 ENF2OL7 4GF7OEOOL7 F2FZOE81L! G21UF!
U2OL V4TZOE4TF! UT1S82FV4TZOE4TF! E1U15TOUN8VU1G8E81L 8L7FQOL7 E1U15TOUN8VXFELFGG8L7FQXFTFV12FVEF76-NFG182E1EO2
L8ET15FL XOGWOUUF7 YP4G8L5ENFG1822OL7 8LSFTFLVFW17F2%(1/*]& ENOE8GYOGF7 1L VOGFTFOG1L8L56-NFTFG42EGGN1XF7
ENOE! 2OL7 4GFEPUF7OEOVOL YF4GF7 E18WUT1ZFENFOVV4TOVP1SUTF78VE81L6-NFGUOE8O278GET8Y4E81L 1SG182L4ET8FLEG
UT174VF7 YPENF(1/*] V1LEO8LF7 W1TF8LS1TWOE81L! OL7 UTFGFLEF7 W1TF7FEO82G1SGUOE8O2ZOT8OY828EP1SG182L4ET8FLEG6
-NFTFS1TF! ENF(1/*] YOGF7 1L VOGFTFOG1L8L5XOGZO287OEF7 O5117 WFEN17 S1TG182L4ET8FLEWOUU8L58L ENFGWO2GE47P
OTFOX8EN V1WU2FQ5F15TOUN8VO2FLZ8T1LWFLE6
=(> ?1*@-" BG182L4ET8FLEWOUU8L5# E1EO2L8ET15FL# VOGFTFOG1L8L5# G1822OL7 8LSFTFLVFW17F2%(1/*]&
BB土壤 =景观推理模型%G1822OL7 8LSFTFLVFW17F2!
(1/*]&在提高土壤普查效率和精度(降低普查成本
方面具有显著优势!已经在美国得到推广应用 % (N8
$-.#=! $%%!# 杨琳等! $%%"# $%&%&$ (1/*]中专家
知识可以通过基于规则的方法或者基于案例推理的
方法获取$ 与多元回归模型相比!基于规则的
(1/*]方法能够用较少的建模点获得更高的精度
%杨琳等! $%%"&$ 但基于规则的 (1/*]方法需要土
壤与环境之间较为详细的专家知识!而且它假设各
个输入变量之间相互对立!这使基于规则的 (1/*]
方法的应用受到了一定限制% (N8$-.#=! $%%!&$ 由
于基于案例推理的方法直接使用隐含于案例中的专
家知识而克服了规则获取的困难性!已经在医学(农
业(金融保险管理和保险索赔(土地景观规划(自然
资源规划和管理(语音识别和计算机图像处理等领
域得到广泛应用 %CFWW! $%%!# 任海涛! $%%!# 唐
雪飞! $%&%&$ 当预测变量为名称特征变量时!基于
案例推理的方法比其他方法具有显著优势!如在土
壤类型分布图%(N8$-.#=! $%%!&(物种和栖息地制图
%CFWW! $%%!& 方面!基于案例的推理方法都是比
较好的一种方法$
基于案例推理的 (1/*]方法不仅具有比传统
土壤制图方法更高的效率!而且减少了人为误差!提
高了制图精度!这已经在美国威斯康星州西南地区
的一个案例中得到了证明% (N8$-.#=! $%%!&$ 但该
方法用于小尺度%对应于较小的空间范围&研究上
的适用性仍需进一步探索$ 中国西南丘陵山区受到
新构造运动的影响!地形割裂!多形成孤立的山丘和
岗地!耕地破碎(分散%余端等! $%&$&!其地理环境
相对复杂!基于案例推理的 (1/*]方法能否在这样
的区域取得更高的土壤养分预测精度值得进一步
探讨$
本研究借助高程(坡度(平面曲率(剖面曲率(地
形湿度指数(坡位指数等地形要素数据和实测的土
地利用类型数据及土壤全氮含量数据!利用案例推
理的 (1/*]方法对环境相对较复杂的三峡库区王
!第 " 期 徐丽华等! 基于案例推理的 B6JO&方法在土壤养分制图中的应用
家沟小流域的土壤全氮含量进行推理制图#以期为
B6JO&方法的应用提供新的案例支持$
$"研究区概况
研究区位于三峡库区王家沟小流域%?$>‘A@aDEbFN
?$>‘E?a?b# A@‘#EaA>bNA@‘#DaE>bU&#属亚热带季风
气候区#年平均气温 AA1? G#年平均降水量 @?@1>
::$ 研究区总面积 A#>1@? 8:A$ 区域内土地利用
类型以农用地为主# 其面积约占整个流域土地总面
积的 "%1A>c$ 园地(水田(旱地和林地面积分别占
农用地总面积的 EE1A%c# AE1AEc# A?1$Ec 和
#1">c$ 地貌以丘陵为主#地势自北向南逐渐降低#
相对高差小于 A$$ :#地势较为平坦#利于农业生
产$ 土壤类型为水稻土和紫色土$
>"数据来源
A1?!土壤养分含量数据!A$$" 年 @ 月#在专家指
导下用多点混合采样的方式获得研究区内耕层土壤
%$ A^$ R:&的 ??? 个土壤样本%图 ?&$ 将采好的土
壤样本分别装入带有编号的塑料袋中#带回实验室
进行自然风干$ 将自然风干的土壤样本中干结的土
块敲碎#剔除土壤以外的侵入体%如植物的根系(石
粒等杂质&#经过研磨(过筛处理后采用半微量凯氏
定氮法获得土壤样本的全氮含量 %杨剑虹等#
A$$"&$
图 ?!土壤样本分布
./0T?!V/359/K45/6( 6736/-3’:<-+3
A1A!环境因子!本研究选用土地利用(高程(坡度(
平面曲率(剖面曲率(地形湿度指数和坡位指数作为
推算土壤养分含量空间分布的环境因子#其中土地
利用数据如图 ? 所示$ 数字高程模型 % ,/0/5’-
+-+S’5/6( :6,+-# VF&& %图 A&是利用 H9RdOB@1E 软
件从等高线中提取的#根据中华人民共和国测绘行
业标准确定 VF&的格网大小为 ? :$ 虽然在多数
情况下#土壤在空间上是渐变的#但是当土壤个体的
空间范围足够小%? ?^$ :&时#土壤个体的属性差
异可以被忽略#可以将这个空间范围内的土壤认为
是同质的#这符合精细土壤普查的基本假设$ 坡度(
平面曲率(剖面曲率(地形湿度指数和坡位指数这 #
个环境要素分别利用软件 H9RdOB @1E( B6JO&和
H9Re/+\E1A 从 VF&中提取%图 E >^&$
图 A!高程
./0TA!F+-+S’5/6(
图 E!坡度
./0TE!B-6<+
!"基于案例推理的土壤养分预测方法
E1?!基本假设!基于案例推理的 B6JO&方法用于
土壤养分制图中#主要是基于下面的假设!
@D?
林 业 科 学 D@ 卷!
图 D!平面曲率
./0TD!L-’( R49S’549+
图 #!剖面曲率
./0T#!L967/-+R49S’549+
图 %!地形坡位指数
./0T%!M6<609’<8/R<63/5/6( /(,+;
?& 土壤与环境关系的专家隐性知识蕴涵在案
例之中#案例可以代表土壤专家的知识 % B8/#,’-"#
图 >!地形湿度指数
./0T>!M6<609’<8/R\+5(+33/(,+;
A$$D’ 朱阿兴# A$$"&$
A& 可以根据与案例之间的相似性来解决新的
问题#这个相似性可以通过案例点与未知点二者所
处的成土环境的相似性来判断$ 案例点与未知点之
间的成土环境越相似#则未知点与案例点之间的土
壤养分越相似%B8/#,’-"# A$$D’ 朱阿兴# A$$"&$
E& 在小流域内#气候(母质等宏观因素对土壤
形成分布的影响相对均一#土壤空间差异分布主要
受地形变化和土地利用类型的影响 %&R3\++(+]#,
’-"# ?@@D’ 杨琳等# A$$>&$ 因此#在小流域土壤 N
环境关系推理过程中#主要以地形信息%秦承志等#
A$?$&和土地利用类型作为输入参数$
E1A!土壤养分空间分布的推测方法!根据上面的
假设#利用未知点与案例点之间环境组合的相似度
./(0以及各个案例土壤养分含量 1
/#就可以通过线性
加权模型 %朱阿兴等# A$$#&来推测未知点的土壤
养分 1(0# 这部分工作是利用 B6JO&来实现的!
1(02
"
*
/2?
./(0+1
/
"
*
/2?
./(0
$ %?&
式中! ./(0 2:/( 3/(0#?#3
/
(0#A#,#3
/
(0#4#,#3
/
(0#
( )
& # 它表
示在未知点%(#0&的环境与案例点 /之间环境组合
的相似度#是利用案例推理的方法获取的#其中#
3/(0#4为未知点%(#0&与案例点 /之间第 4个环境要素
的相似度#该相似度用模糊隶属度函数来表达$ 本
研究中#除了土地利用的隶属度函数采用名称型 F
函数外#其他环境要素#如高程(坡度(平面曲率(剖
面曲率(地形湿度指数(坡位指数都使用钟形 5函
数作为各个环境要素的隶属度函数#其函数表达形
式见参考文献%朱阿兴# A$$"&$
E1E!精度评价指标!本研究采用平均相对误差
$#?
!第 " 期 徐丽华等! 基于案例推理的 B6JO&方法在土壤养分制图中的应用
%’S+9’0+9+-’5/S++9969# H2F&指标对土壤养分制图
的精度进行评价!
H2F2
"
*
/2?
61
f/
(071
/
(06
1/(0
*
$ %A&
式中! 1
f
/
(0为土壤样本全氮含量的预测值’ 1
/
(0为土壤
样本全氮含量的测量值’ * 为土壤样本的个数$
?"结果与分析
对环境要素值进行标准化和离群值处理后#
用 B6JO&方法进行案例推理得到各个案例点土壤
样本的隶属度分布图$ 值得注意的是#本研究中
的采样点只分布于林地(园地(水田和旱地 D 种土
地利用类型内#道路(居民地(未利用地和坑塘水
面等土地利用类型内没有采样点#所以#无论是哪
个土壤样本的隶属度函数#在道路(居民地(未利
用地和坑塘水面等土地利用类型内的隶属度均为
$$ 案例点 >A# "A# EE 和 E 的土地利用类型分别
为林地(园地(水田和旱地#其隶属度函数如图 "
所示$ 在计算其他未知点对于这些案例点的隶属
度时#加入了土地利用类型作为环境要素#所以在
计算模糊隶属度时#也只是考虑了与案例点相同
的土地利用类型的未知点$ 因此#在案例点 >A 的
隶属度图中只有林地的区域才有相应的隶属度
值#其他区域隶属度为 $$ 同样#因为案例点 "A#
EE 和 E 的土地利用类型分别为园地(水田和旱地#
则其隶属度图上#与其具有不同的土地利用类型
的未知点的隶属度也都为 $$ 而与案例点具有相
同土地利用类型的未知点对于案例点的隶属度的
值通常都在 $ ?^$$c的区间内变化$
图 "!不同土地利用类型的模糊隶属度
./0T"!.4gg]:+:K+938/< 67,/7+9+(5-’(,)43+5]<+3
!!研究区地处西南丘陵山区#地理环境相对复杂$ 每个采样点代表不同的环境组合#表达了一个环境
?#?
林 业 科 学 D@ 卷!
组合与该点土壤之间独特的关系#因此#??? 个采样
点都可以作为案例点$ 本研究从中随机抽取了 %@
个案例点进行土壤全氮含量的推理制图#其余 DA 个
案例点作为验证点$ 对推理结果进行粗差探测#剔
除离群值后重新对土壤氮含量进行推理制图 %图
@&$
图 @!土壤总氮含量分布
./0T@!=6(5+(5,/359/K45/6( 6736/-565’-(/5960+(
利用推理结果计算得到总体样本的平均相对误
差为 ?E1D%Ec#说明该方法用于土壤全氮含量的推
理制图具有较高的预测精度$ 当不考虑土地利用类
型因素 的 影响时# 得到的平均 相对 误 差 只 有
?#1E#Dc$ 从这组数据的比较可以看出#当案例推
理用于土壤养分制图时#考虑土地利用类型对土壤
养分含量空间分布的影响有利于提高土壤全氮含量
预测精度$ 因为#土地利用方式是影响土壤养分空
间分布的重要因素之一%=8’(0#,’-"# A$$$’ 于飞健
等# A$$A’赵瑞芬等# A$??&$ 不同的土地利用方式
改变了系统水分运动途径#从而影响生态系统养分
的输入和输出#从而使得土壤养分含量发生变化
%孟庆华等# A$$$’ 王君等# A$$>’ 王洪杰等#
A$$D&$
从图 @ 可以看出#研究区内土壤全氮含量分布
大多呈斑块状和条带状#呈现出较为明显的空间分
布格局$ 就整个研究区而言#土壤总氮含量最高的
土壤主要分布于水田#其次分别为旱地(园地和林
地$ 即使是在没有案例点分布的区域#如研究区的
东南部和西北部#土壤全氮含量分布也表现出了较
高的空间详细度$ 这是因为基于案例推理的 B6JO&
制图方法将基于模糊逻辑的分类赋值和栅格的 dOB
表达模型相结合#不仅体现了土壤在空间上的连续
分布#还体现了土壤与环境之间的复杂关系% B8/#,
’-"# A$$D’ 杨琳等# A$$@&#使得土壤养分连续空间
变异性的大量细节得到了很好的表达$
#"结论与讨论
本研究在地理环境相对复杂的西南丘陵山区选
了一个较小的研究范围#研究了基于案例推理的
B6JO&方法对于小尺度范围内土壤养分制图的适用
性$ 结果表明#用基于案例推理的 B6JO&方法制作
的土壤养分含量的空间分布图#不仅具有较高的空
间详细度#而且具有较高的属性精确度$ 这说明该
方法对于复杂地理环境下小尺度范围的土壤养分预
测具有一定可行性$ 本研究得到的研究结果为基于
案例推理的 B6JO&方法在小尺度范围的应用提供
了新的案例支持#对研究其他地区林地(园地(水田
和旱地的土壤养分空间分布现状也具有一定的借鉴
意义$ 由于缺乏与采样时间同步的多光谱影像资
料#无法获取研究区的植被信息#如果在研究中加入
植被因子#可能会得到更令人满意的结果$
利用基于规则的 B6JO&方法对土层厚度和土
壤有机质含量进行推理制图时发现#该方法获得的
平均相对误差都高于 ?#c%其平均相对误差分别为
?"1DDc和 ?@1Dc& %赵量# A$$>&#而本研究得到的
土壤养分制图的平均相对误差低于 ?#c$ 土壤砂
含量的案例推理制图的结果也表明#该方法优于传
统的土壤调查方法%B8/#,’-"# A$$D&$ 因此#与基于
规则的方法相比#基于案例推理的方法能够比较容
易而且有效地表达土壤科学家的知识$ 除此之外#
案例推理方法中#案例的选择具有独立性#案例点的
增加或者删除都不会对其他案例点和推理系统产生
影响#这使得知识的积累和更新变得更加容易 %朱
阿兴# A$$"&$
无论是基于规则的推理还是基于案例的推理#
专家知识能否被有效利用是改善知识获取和提高推
理效率的重要途径%裴艳香# A$$%&$ 因此#为了有
效提取和利用土壤学家的知识#改善推理的效果#开
发一个具有知识获取工具和推理机制#能够发挥各
类知识优势的系统将是未来研究的发展趋势
%2+::# A$$D&$
参 考 文 献
孟庆华# 杨林章TA$$$T三峡库区不同土地利用方式的养分流失研
究T生态学报# A$%%& ! ?$A" N?$EET
裴艳香TA$$%T基于案例推理的卫星故障诊断技术的应用研究T哈
尔滨! 哈尔滨工业大学硕士学位论文T
秦承志# 卢岩君# 邱维理# 等TA$?$T模糊坡位信息在精细土壤属性
空间推测中的应用T地理研究# A@%@& ! ?>$% N?>?AT
任海涛TA$$DT基于案例的推理及其在农业专家系统中的应用T太
A#?
B第 # 期 徐丽华等" 基于案例推理的 (1/*]方法在土壤养分制图中的应用
原" 山西大学硕士学位论文6
唐雪飞6$%&%6基于案例推理的高光谱图像分类研究6哈尔滨" 哈
尔滨工业大学硕士学位论文6
王洪杰! 史学正! 李宪文! 等6$%%!6小流域尺度土壤养分的空间分
布 特 征 及 其 与 土 地 利 用 的 关 系6 水 土 保 持 学 报!
&#%&& " &A =
王B君! 沙丽清6$%%96滇西北藏区不同土地利用方式对土壤养分
的影响6东北林业大学学报! ’A%&%& " !A =!96
杨剑虹! 王成林! 代亨林6$%%#6土壤农化分析与环境监测6北京"
中国大地出版社6
杨B琳! @ONWP(! DOLL (! 等6$%&%6基于土壤 =环境关系的更新
传统土壤图研究6土壤学报! !9%>& " &%’" =&%!"6
杨B琳! 朱阿兴! 李宝林! 等6$%%96应用模糊 3均值聚类获取土壤
制图所需土壤’’’环境关系知识的方法研究6土壤学报! !!
%A& " 9#! =9"&6
杨B琳! 朱阿兴! 秦承志! 等6$%%"6运用模糊隶属度进行土壤属性
制图的研究’’’以黑龙江鹤山农场研究区为例6土壤学报! !>
%&& " " =&A6
余B端! 魏朝富! 殷B帅6$%&$6四川盆地丘陵区条田规划与工程
设计研究6农机化研究! ’!%$& " & ="6
于飞健! 闵顺耕!巨晓棠!等6$%%$6近红外光谱法分析土壤中的有
机质和氮素6分析试验室! $&%’& "!" =A&6
赵B量6$%%96基于模糊集理论的土壤’’’景观定量关系提取及制
图应用6南京" 南京农业大学硕士学位论文6
赵瑞芬! 张一弓! 张B强! 等6$%&&6不同土地利用方式对土壤养分
状况的影响6中国农学通报! $9%&!& " $>$ =$>>6
朱阿兴6$%%#6精细数字土壤普查模型与方法6北京" 科学出版社6
朱阿兴! 李宝林! 杨B琳! 等6$%%A6基于f*((模糊逻辑和专家知识
的土 壤 制 图 及 其 在 中 国 应 用 前 景6 土 壤 学 报!
!$%A& " #!! =#A&6
)NOL5gD! *G2OW(6$%%%6+GE8WOE81L 1SG182UNPG8VO2UT1UFTE8FG4G8L5
TFW1EFGFLG8L5OL7 OTE8S8V8O2LF4TO2LFEX1T‘6CFW1EF(FLG8L51S
FLZ8T1LWFLE! 9!%’& " A’! =A!!6
]VGXFFLFPe! (2OEFT?e! DOWWFTCg! $-.#=&""!6-1XOT7GOLFX
STOWFX1T‘ S1TW17F28L5ENFG182<2OL7GVOUFV1LE8L44W6@OVE1TG1S(182
@1TWOE81L" O@8SE8FEN .LL8ZFTGOTPCFET1GUFVE8ZF!%’’& " &$9 =&!A6
CFWWe6$%%!6)OGF+V12158VO2]17F28L5! &99%’& " $A" =$#&6
(N8k! MN4 . k! ?4TE^+! $-.#=$%%!6. VOGFOUUT1OVN E1S4\\PG182WOUU8L56(182(V8FLVF(1V8FEP1S.WFT8VO
1^4TLO2! >#%’& " ##A =#"!6
!责任编辑B于静娴"
’A&