摘要：基于历史土壤图的知识挖掘和历史图更新对土壤资源调查、管理和利用有着重要的现实意义,而从历史土壤图中筛选代表性训练样本是进行知识挖掘和历史土壤图更新的关键步骤。以安徽省旌德县为研究区,提出一种新的土壤图训练样本筛选方法,包括样本数量确定和样本位置筛选。研究结果表明,面积分段线性缩放法确定的样本数量解决了已有研究未考虑同一类型多个图斑单元间样本数量分配的问题;采用邻域分析方法确定样本位置,当图斑位于地势平缓的区域时,基于高程因子和坡度因子确定的样本空间分布差异较小,而当图斑位于山区时,基于坡度因子确定的样本处于地形变化稳定的位置,全局代表性更高。通过与已有研究中环境因子直方图方法筛选样本进行对比,邻域分析方法确定的样本具有更高的差异比例和标准差,样本信息量更大。基于坡度因子采用邻域分析方法筛选出的图斑样本较高程因子样本拥有更高的全局空间代表性,邻域分析方法筛选的样本较相关研究中环境因子直方图方法筛选的样本拥有更高的信息量。

关键词：历史土壤图 样本数量 邻域分析 样本位置 

单位：土壤与农业可持续发展国家重点实验室(中国科学院南京土壤研究所); 南京210008; 中国科学院大学; 北京100049; 安徽师范大学国土资源与旅游学院; 安徽芜湖241002; 安徽省测绘局; 合肥230031; 南京林业大学林学院; 南京210037