景观解译对小区域土系调查的作用研究_王恒钦_潘剑君_余文飞_王文勇_李兆富

景观解译对小区域土系调查的作用研究王恒钦，潘剑君*，余文飞，王文勇，李兆富（南京农业大学资源与环境科学学院，江苏南京210095）

摘要：利用遥感（RS）和地理信息系统（GIS）技术能够快捷高效地进行景观解译。土系分布与景观特征密切相关，可以借助景观变异规律来辅助土系调查。本研究选择句容市某小区域为研究对象，首先以决策树分类方法对资源三号卫星影像进行土地利用类型的分类，将分类结果与原始影像叠加，并结合野外调查结果进行人工修正；精度达到要求后，再以修正后的土地利用类型图为底图，用决策树分类方法添加合适的坡度和高程信息，生成“高程－坡度－土地利用类型”的景观分类图；在此基础上，根据土壤－景观关系，结合数字高程模型（DEM）数据、资源三号卫星原始影像和景观分类图，对大比例尺土系调查进行调查路线的选择、剖面点的设置和土系界线的确定，并在研究区中选取核心区进行验证。结果证明：改进后的方法相对于传统土壤调查方法更加定量地考虑到景观变异情况，调查结果更具有代表性。关键词：土系；调查方法；3S；决策树分类；景观分类；资源三号卫星中图分类号：S159.3文献标识码：A文章编号：0564-3945(2015)02-0257-08

王恒钦，潘剑君，余文飞，王文勇，李兆富.景观解译对小区域土系调查的作用研究[J].土壤通报，2015，46（2）：257-264WANGHeng-qin,PANJian-jun,YUWen-fei,WANGWen-yong，LIZhao-fu.TheInterpretationofLandscapeforSoilSeriesSurveyinaSmallArea[J].ChineseJournalofSoilScience,2015,46(2):257-264

土壤通报ChineseJournalofSoilScience第46卷第2期

2015年4月Vol.46,No.2

Apr.,2015

收稿日期：2014-07-29；修订日期：2014-10-25

基金项目：国家自然科学基金项目(41171173)和江苏高校优势学科建设工程资助项目(PAPD)资助

作者简介：王恒钦(1989-)，男，河北邢台人，硕士研究生，主要从事土壤地理与土壤信息方面研究。E-mail:wyyanmnlp@163.com

*通讯作者：E-mail：jpan@njau.edu.cn

中国土壤系统分类的研究起步较晚，但自1984年以来取得很多成果[1~3]，高级分类单元的研究已经基本完善，基层分类的研究还有所欠缺。目前我国正处在基层分类单元土系的研究阶段，土系具有明显的地域特色，有定量（精确的属性范围）、定性（稳定的土层结构）和定位（明确的地理位置）的特征，相对于其它分类级别而言，土系能够对不同土壤类型给出最大量、最精确的解释，提供给土地使用者尽可能多的信息[4]。土系的调查研究对大比例尺土壤制图和生产实践应用等具有十分重要的意义[5]。大比例尺的土系调查可能会成为今后土系调查的研究趋势，但目前土壤系统分类调查方法的研究较少，土壤－景观的研究是一个突破口，因景观是土壤的一面镜子，景观不同，土壤也往往发生变化；两者具有对应关系[6]。土壤性质是对景观要素的继承，也是一种再现，不同土系是地形部位、水分状况等景观要素随时空变化的结果[7]。土壤－景观模型在美国已成为土壤调查的基本方法[8]，所以可以借助景观变异特点来辅助土系调查。目前国内外有一些关于景观与土系分类相关关系的研究[7,9~11]，近些年也有在景观理论的基础上，以模糊决策树等各种模型算法进行土系预测制图的研究，但也是在大量调查数据和原有土壤图的基础上进行的[12,13]，而国内土壤系统分类详图基本没有，在没有大量土系数据和土壤系统分类详图的基础上，无法进行土系预测制图。众所周知，利用遥感（RS）和地理信息系统（GIS）技术可以快捷高效地提取景观信息，早在50年代初，我国就开始应用航片技术来进行土壤调查制图，80年代不少地区已采用GIS技术进行土壤研究[14]；近些年国内外也有一些关于以RS和GIS技术为主来辅助土壤调查的研究[15~18]，但多是针对土壤高级分类单元、中小比例尺的研究，仅涉及到土类或亚类，且精度也有待提高，国内外涉及到大比例尺土系调查的几乎没有。目前仅依靠RS和GIS技术来进行大比例尺土系制图还没有先例，且很难实现；但我们可以利用RS和GIS技术提取的景观信息来对土系调查方法进行探讨（如调查路线的选择、剖面点的设置、土系界线的寻找等）。以省时高效地为后续的土系调查服务，这方面研究国内也几乎处于空白。基于此，本研究以句容县某小区域为例，利用资源第46卷土壤通报

图1决策树遥感解译模型Fig.1Remotesensinginterpretationmodelofdecisiontree

三号卫星影像和数字高程模型（DEM）数据，以RS技术进行景观解译，生成“高程－坡度－土地利用类型”的景观分类图；在借鉴传统土壤调查技术的基础上，结合景观解译结果，利用RS和GIS技术，由景观变异规律对大比例尺土系调查方法进行探讨，并实地调查进行验证，以期为土系调查研究提供参考。1研究材料1.1研究区概况研究区位于江苏省句容市边城镇境内，北纬32°2′00″~32°7′24″，东经119°9′14″~119°15′54″。总面积约48.8km2，海拔25~400m，主要坡度范围0°~25°，气候为北亚热带暖湿气候，干湿冷暖、四季分明，年均温15.2℃，年降水量在1060mm左右，年平均干燥度在1.0左右。研究区内地形复杂，有石质高丘、泥质低丘缓坡、岗、塝、冲等地形，成土母质主要是残积物、坡积物和下蜀黄土母质[19]，该区处于暖温带落叶阔叶林向北亚热带常绿阔叶林的过渡地带，植被资源丰富，土地利用方式有天然林地、人工林地、旱地，还有面积较广阔的水田。研究区内地形复杂，植被类型众多且变化强烈，是进行景观与土系研究的理想区域。1.2数据来源本研究选用资源三号卫星影像，获取多光谱波段影像与全色波段影像各一幅，影像成像时间均是2013年8月8日，多光谱波段影像空间分辨率5.8m，包含蓝（0.45~0.52μm）、绿（0.52~0.59μm）、红（0.63~0.69μm）、近红外（0.77~0.89μm）4个波段，全色波段影像空间分辨率2.1m，光谱范围0.50~0.80μm，两幅幅宽均为51km。数字高程模型（DEM）由比例尺为1∶10000研究区地形图在ArcGIS9.3中数字化等高线、高程点数据，并按照相关参数转化为与影像投影坐标一致的WGS1984坐标系统后提取生成的，像元大小为5m×5m。2研究方法2.1影像数据预处理在ENVI4.8软件中对多光谱波段影像与全色波段影像进行裁剪、配准、融合及几何校正，由于获取的原始影像数据受到大气分子、气溶胶和云粒子等大气成份吸收与散射的影响，使其获取的遥感信息中带有一定的非目标地物的成像信息，数据预处理的精度往往达不到定量分析的要求。为消除这些大气影响，选用目前精度最高的FLAASH模型对其进行大气校正[20]。2.2景观决策树分类研究2.2.1土地利用类型决策树分类影像分类方法选择决策树分类，决策树分类方法是通过对训练样本进行归纳学习生成决策树或决策规则，然后使用决策树或决策规则对新数据进行分类的一种数学方法；相对于监督分类方法和非监督分类方法，其分类精度更高[21,22]，而且可以利用多源数据，获取更多的信息。在ENVI4.8软件中选择决策树方法先进行土地利用类型的分类，以服务土系调查为原则，将研究区影像分成水体、林地、旱地、水田、裸地及其他（道路、村庄等建筑用地）六大类。资源三号卫星影像空间分辨率很高，但只有4个波段，光谱分辨率较低，为提高分类精度，在综合分析研究区的地形地貌特点和分析比较各种植被指数的前提下，引入归一化差异植被指数[23]

（NDVI），差值植被指数[24]（DVI）和数字高程模型（DEM）进行研究，以建立能提高分类精度的分类规则，相关土地利用类型的分类提取过程见图1。

2.2.2高程和坡度景观因子的添加单个土体的土壤性状与外界景观状况相关，随微域景观状况的改变而使土壤性状相应改变[5]。景观因子高程和坡度的变化可

能会导致土系的变异，故将景观细化以此来更好地指导土系调查，本研究以DEM数据为基础数据，采用决策树分类方法提取对土壤类型有影响的高程和坡度信息，添加在土系调查布点区域（林地、水田、旱地、裸地）；为方便分析研究将坡度和高程进行分级。坡度分级标准根据坡度对土地利用及水保措施布设的影响，参照汤国安等[25]的研究，坡度分级标准见表1。

2582期王恒钦等：景观解译对小区域土系调查的作用研究表3研究区土地利用类型修正结果精度评价Table3Theprecisionoflandusecorrectionresultinthestudyarea

生产精度Produceraccuracy99.98%99.90%95.16%95.38%97.03%98.01%用户精度Useraccuracy100%98.51%95.77%96.99%96.16%99.96%总精度98.53%Kappa系数0.9815土地利用类型Landusetype水体林地旱地水田裸地其它

研究区绝对高程范围为25~400m，总体地势为由北向南地势降低，因土系调查的主要目的是服务于生产实践，研究区主要与农业利用相关的景观高程均小于100m，对农业利用有重要意义的景观重点研究，以25m的距离为间隔，100~200m属于低山丘陵中下部或农业用地与丘陵的过渡地带，坡度为缓坡或中缓坡，有一定的实用价值，高程间隔较大；200~400m时基本上属于丘陵区中上部，以松杉、灌木等天然植被为主，坡度陡坡为主，无农业利用，对指导农业生产、土地利用的价值不大，高程间隔最大（表2）。

2.3剖面的采集与分析为验证景观解译对土系调查的作用，在研究区选取核心区（约8km2）。核心区能涵盖研究区所有的景观特征，在核心区进行高密度采样，共设置主要剖面30个（图2），检查剖面50个。采样时间为2013年6~11月之间，在野外填写土壤剖面记载表，经过野外分析和室内化验，确定土系类型。

3结果与讨论3.1景观决策树分类制图3.1.1土地利用类型分类图的修正与评价土地利用类型分类图精度决定了在土系调查中的应用是否可行，在ENVI4.8软件中根据野外调查资料和在影像上随机选取的纯净像元作为验证样本进行混淆矩阵精度评价，验证后总精度为81.05%，Kappa系数为0.7598；为进一步提高精度在ENVI4.8软件中进行人工解译修正分类结果，多次修正后得到研究区土地利用类型修正结果分类图（图3），对得到的修正后结果选择同