摘要:通过数字土壤制图获取更高精度的土壤类型空间分布，对于人们合理利用土地资源具有重要意义。本研究基于实地采样点根据母质类型筛选环境因子，并使用随机森林，土壤景观推理模型方法（Soil-land Inference Model，SoLIM）、K邻近算法（K-Nearest Neighbor，KNN）等三种不同制图方法分别分区建模，得到制图结果后合并形成全域土壤类型空间分布图，继而，使用FP-Growth算法挖掘环境因子内部关联关系（频繁项集），分别将其与上述三种制图结果结合，再次推理土壤类型空间分布。制图结果显示：（1）按母质类型分开制图的效果和精度均较母质一起制图时好，且土壤类型空间分布的推理也更加合理。（2）随机森林与频繁项集结合制图在本研究中精度最高，为70.73%，且与另外两种结合方法推理的土壤类型空间分布也有一定的相似性，通过对比分析能够确定研究区土种类型的空间分布。（3）与频繁项集结合后，三种方法的制图精度和Kappa系数均有提升，提升最多的为KNN方法（分别提升9.76%，11.70%），最少的为随机森林方法（分别提升4.88%，5.85%），验证了本文设计结合方法的有效性。本研究主要进行了两方面探究，一方面探究了母质对环境因子筛选的影响，为数字土壤制图的因子筛选提供参考；另一方面通过将频繁项集与不同制图方法相结合为数字土壤制图提供了新的方法和思路，同时也为关联关系的信息化应用提供了参考。

摘要:平缓地带数字土壤制图中，环境协变量的选择是提高制图精度的关键。已有研究证明遥感影像可作为推理制图的辅助因子，而如何确定环境因子推理制图时各自的权重已成为现阶段研究的重点。选取湖北省麻城市乘马岗镇为研究区，采用3种特征筛选方法进行有效环境变量筛选，探索参与平原-丘陵混合区域制图的因子并确定其重要性，依据选择的相对稳定的指标，进一步探索提高土壤类型制图准确性的途径。根据141个野外独立样点的检验结果表明：在推理制图中，遥感因子在平原区域的重要性程度高于丘陵区域，且遥感因子中归一化植被指数（NDVI）和均值（Mean）较为稳定；基于递归特征算法的按地形推理制图精度最高为75.89%，分别高于ReliefF算法和基于Tree的特征筛选算法13.48%和4.97%；此外3种特征筛选算法制图结果中，按地形因子分区制图的精度均高于整体区域制图。因此，遥感因子作为辅助手段参与推理过程可有效提高制图精度。本研究采用的特征挖掘与机器学习算法对提升土壤制图精度具有一定的理论意义。