作者：刘雪琦; 朱阿兴; 杨琳; 缪亚敏; 曾灿英训练样点数据挖掘模型传统土壤图更新
摘要：基于数据挖掘模型的土壤图更新是一项重要的研究。数据挖掘模型构建中训练样点的质量不仅决定其对研究区土壤-环境关系表达的充分程度，而且会对推理制图的结果产生至关重要的影响。本文提出一种基于土壤类型面积分级的典型训练样点选择方法，即依据土壤面积对土壤类型分级，并按照等级之间的比例关系基于典型点选择训练样点。将方法应用于更新美国威斯康星州Raffelson流域的传统土壤图，并与另外两种训练样点选择方法对比，以验证该方法的有效性。结果表明，500次重复实验中，本研究方法与另外两种训练样点选择方法相比，能够更新传统土壤图的比例分别为79.5%、71.8%和63.6%，而且其推理制图结果更符合研究区土壤分布的特征。本研究所提方法是一种有效的训练样点选择方法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
