張莉莉，劉沐潔，胡麗娟，王 強(qiáng)

(1.安徽糧食工程職業(yè)學(xué)院，安徽 合肥 230011；2.安徽農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，安徽 合肥 230036)

在植物生長過程中，土壤和水分是其生長的關(guān)鍵要素，植物根系對土壤水分的吸收能力高低將直接關(guān)系到現(xiàn)代農(nóng)業(yè)的生產(chǎn)水平，不過受到氣候及植物種類的影響，人們很難對土壤水分實(shí)施大面積模擬和監(jiān)測。土壤水分景觀模型屬于一種定量化分析的數(shù)學(xué)模型，其能夠?qū)ν寥浪值男再|(zhì)及其在空間中的分布進(jìn)行研究,模糊隸屬度則是以專家知識為基礎(chǔ)的，其是在環(huán)境與土壤之間所具備的重要相關(guān)性的前提下進(jìn)行假設(shè)，以這種相關(guān)性關(guān)系來得到土壤性質(zhì)圖中的隸屬度函數(shù)。

1 建立土壤景觀模型的新方法

過去，對土壤水分景觀模型的建立主要是統(tǒng)計(jì)模型與模糊隸屬度方法，統(tǒng)計(jì)模型主要是采用logistic回歸模型，其利用統(tǒng)計(jì)關(guān)系對容易量化或能夠直接量化的環(huán)境變量與土壤水分變量之間所具備的相關(guān)性進(jìn)行預(yù)測。

模糊隸屬度則是以專家知識為基礎(chǔ)的，它是在環(huán)境與土壤之間所具備的重要相關(guān)性的前提下進(jìn)行假設(shè)，以這種相關(guān)性關(guān)系來得到土壤性質(zhì)圖中的隸屬函數(shù)。2011年Malone提出模糊K-均值方法，并將該方法應(yīng)用到土壤水分的不確定性實(shí)證當(dāng)中。而本文對土壤水分景觀模型的研究，就是利用模糊隸屬度方法來進(jìn)行的。

針對模糊K-均值方法的不足，本文提出一種基于模糊C-均值的模糊隸屬度方法，該方法能夠?qū)ν寥缊D及土壤利用圖的專家知識進(jìn)行提取，以此建立模糊C-均值隸屬度函數(shù)，其核心在于能夠?qū)⒁酝寥赖貓D當(dāng)作相同環(huán)境因素來對專家知識進(jìn)行提取，這是土壤景觀模型建立的關(guān)鍵，對模糊隸屬度函數(shù)建立能對各個(gè)像元和土壤水分典型區(qū)域的相似度進(jìn)行確定，并對相似值和對應(yīng)調(diào)查值進(jìn)行計(jì)算，從而達(dá)到土壤屬性的連續(xù)預(yù)測目的。模糊C-均值方法能夠?qū)Νh(huán)境數(shù)據(jù)集中所包含的不同環(huán)境組合進(jìn)行識別，其軟件是由C語言進(jìn)行開發(fā)的，并通過Matlab軟件來對分割系數(shù)進(jìn)行計(jì)算，而模糊隸屬度預(yù)測及土壤地圖的生成則采用Erdas、Arc/Info軟件。

2 土壤水分景觀模型的數(shù)據(jù)準(zhǔn)備

2.1 研究區(qū)域的分析

本文以安徽肥東縣作為研究區(qū)域，該區(qū)域?yàn)閬啛釒Ъ撅L(fēng)氣候、四季分明，該地區(qū)東部主要以低山丘陵區(qū)為主，并種植有多種樹木。該區(qū)域夏季持續(xù)時(shí)間約為118天，春季與秋季約為2個(gè)月，而冬季則有4～5個(gè)月。該地區(qū)的最高溫度可超過40攝氏度且雨量集中，這使該區(qū)域非常容易出現(xiàn)旱天或連陰雨。隨著該地區(qū)長期開發(fā)和不斷的種植，全縣已很難看到原始植被，目前隨處可見的只有人工植被(如樹木，莊稼等)，還有一部分是自然草叢植被。

2.2 地面實(shí)測數(shù)據(jù)的收集及處理

本文采用模糊分類隸屬度方法來對土壤水分的樣點(diǎn)進(jìn)行選擇，該方法的樣本選擇是以模糊C-均值來對模糊隸屬度函數(shù)進(jìn)行建立的。該方法共由4個(gè)部分組成，①從土地利用圖與土壤圖中來對專家知識進(jìn)行提取，土壤專家通過記錄和分析土壤環(huán)境條件，再根據(jù)土壤剖面的定性觀測，在野外描述出土壤質(zhì)地、土壤結(jié)構(gòu)、植物根系和土壤顏色等相關(guān)項(xiàng)，提煉出不同土壤類型的典型環(huán)境條件；②采用DEM來自美國EO1衛(wèi)星中分辨率為30m ASTER傳感器的影像，利用C語言對模糊C-均值的運(yùn)行程序進(jìn)行編寫，以模糊分類各項(xiàng)地形屬性，這些地形屬性主要包括海拔、剖面曲率、坡向及地形濕度指數(shù)；③采用Matlab軟件對最佳的分類數(shù)量進(jìn)行計(jì)算；④依據(jù)得到模糊隸屬度值來對樣點(diǎn)進(jìn)行選擇。

2.3 輔助數(shù)據(jù)的收集

本文使用輔助數(shù)據(jù)來分析對土壤水分產(chǎn)生影響的相關(guān)因素，在輔助數(shù)據(jù)收集上，主要包括土地利用數(shù)據(jù)、地形數(shù)據(jù)以及土壤類型數(shù)據(jù)，其中，土地利用數(shù)據(jù)是由某單位提供的，而地形數(shù)據(jù)則是由美國航天局在測繪任務(wù)中所得到數(shù)據(jù)，土壤類型數(shù)據(jù)則是由當(dāng)?shù)剞r(nóng)業(yè)部門提供，并經(jīng)數(shù)字化處理后生成的。

3 基于C-均值模糊隸屬度的土壤水分景觀模型研究

3.1 建立模糊分類隸屬度模型

本文采用模糊C-均值來對上述數(shù)據(jù)進(jìn)行模糊分類，以此識別專家知識庫中不同環(huán)境下的數(shù)據(jù)集組合，并通過模糊分類來對各個(gè)像元所具有的環(huán)境條件和原型中所具備的相似關(guān)系進(jìn)行確定，以此建立模糊隸屬度函數(shù)來對土壤水分進(jìn)行預(yù)測。在C-均值模糊隸屬度方法中，以事物的相似度值高低來進(jìn)行模糊分區(qū)。模糊C-均值方法采用n維向量對數(shù)據(jù)庫進(jìn)行劃分，以使其劃分成若干個(gè)數(shù)據(jù)簇，然后對各個(gè)數(shù)據(jù)簇中的典型向量值進(jìn)行求出，以使該典型向量值能夠與函數(shù)相似性最大相滿足，進(jìn)而得出各個(gè)對象，其是隸屬于特定核心組的，它的相似矩陣的取值在0至1的范圍以內(nèi)，并對數(shù)據(jù)進(jìn)行歸一化處理。

該算法的迭代過程較為簡單，其在對數(shù)據(jù)進(jìn)行批量處理時(shí)，步驟如下：①利用0至1之間的某一隨機(jī)值對隸屬矩陣進(jìn)行初始化，以使其滿足約束條件；②依據(jù)最小值必要條件對這些聚類中心進(jìn)行計(jì)算；③根據(jù)最小值必要條件來對價(jià)值函數(shù)進(jìn)行計(jì)算，當(dāng)價(jià)值函數(shù)比某閾值時(shí)，則算法停止；④根據(jù)最小值必要條件對新的矩陣進(jìn)行計(jì)算，并重新返回到第②步當(dāng)中。

3.2 模糊隸屬度計(jì)算

在對模糊隸屬度進(jìn)行計(jì)算時(shí)，需要對2個(gè)參數(shù)進(jìn)行確定，分別是加權(quán)參數(shù)與聚類數(shù)目，加權(quán)參數(shù)對聚類的模糊性產(chǎn)生決定性的影響，可通過Matlab軟件進(jìn)行仿真分析，并利用模糊C-均值聚類對特定區(qū)域中的不同加權(quán)參數(shù)進(jìn)行選擇來計(jì)算，由此可發(fā)現(xiàn)，當(dāng)加權(quán)參數(shù)為1.5時(shí)，其模糊隸屬度的取值范圍在0至0.99時(shí)，圖像會(huì)變得越來越清晰，而當(dāng)加權(quán)參數(shù)達(dá)到3時(shí)，其模糊隸屬度的取值范圍在0～0.7時(shí)，模糊相似度圖像會(huì)像著平滑轉(zhuǎn)變，不過其模糊隸屬度的取值始終比0.85低，而當(dāng)加權(quán)參數(shù)為2時(shí)，其相似度曲線會(huì)實(shí)現(xiàn)平滑過渡，而且其隸屬度值為0.95，此時(shí)能夠與實(shí)際調(diào)查相符合。在最佳分類計(jì)算中，由Matlab軟件對分割系數(shù)進(jìn)行計(jì)算，并利用得到的分割系數(shù)來對不同類別之間所具備的重疊度進(jìn)行測算，從而使聚類結(jié)果的有效性得到可靠判斷。在確立加權(quán)參數(shù)與分割系數(shù)后，便可構(gòu)建加權(quán)平均模型，加權(quán)平均模型能夠?qū)ν寥浪诌M(jìn)行計(jì)算，其各個(gè)像素中的土壤水分則可通過由C語言編寫的FCM運(yùn)行程序進(jìn)行計(jì)算。

4 結(jié)束語

本文在對土壤水分景觀模型進(jìn)行研究時(shí)，提出了一種C-均值模糊隸屬度方法，該方法綜合了土壤專家知識，其通過模糊隸屬度函數(shù)的計(jì)算來實(shí)現(xiàn)土壤水分的預(yù)測，并以事物的相似度值來進(jìn)行模糊分區(qū)，同時(shí)采用分割系數(shù)來驗(yàn)證聚類結(jié)果的有效性。其相比于模糊K-均值方法與統(tǒng)計(jì)模型來說，其模擬結(jié)果更好且精度更高，從而為土壤水分景觀模型的研究提供了一種良好的研究方法。