Дистанционное зондирование и проксимальное зондирование могут быть использованы в цифровом картографировании почвы. Существуют различные способы, с помощью которых данные могут быть использованы для получения полного охвата. Один из способов - заполнить с помощью прямой интерполяции результатов измерений, полученных с помощью дистанционного зондирования свойств почвы, используя эти данные в качестве первичного источника данных. Такой подход подходит, если старые данные о почве скудны или недоступны. Или же, если имеются старые данные о почвах и рельефе, полученные на основе дистанционного зондирования или прокси-серверы почвы могут быть использованы в качестве вторичных переменных и улучшить интерполяцию имеющихся данных о почве.
1. Прогнозирование почвенного пространства.
В данном разделе приведены некоторые методы, которые могут быть использованы для пространственного распределения почвы кратко обсуждается прогнозирование с использованием дистанционного и проксимального зондирования. Проводится различие между использованием дистанционного зондирования и проксимального зондирования в качестве первичного источника данных и использование дистанционного зондирования в качестве основного источника данных. Одноразовое использование результатов дистанционного зондирования в качестве первичных данных возможны, если пространственный охват высокий и хорошио коррелирует в пространстве, например, на малозаросших территориях. Если пространственный охват невелик, например, в случае дистанционного зондирования в растительных районах; или проксимальное зондирование с помощью полевого спектрометра, то данные могут быть использованы в качестве первичного источника данных, но и других вторичных исчерпывающих источников данных, такие как матрица высот или геологическая карта, или изображения дистанционного зондирования используется для получения полного покрытия всей площади и улучшения интерполяции. Поиск с помощью дистанционного зондирования использовался как в качестве первичного, так и в качестве вторичного источника информации.
1.1. Дистанционное зондирование как основной источник данных.
При картировании пространственных структур пиксели могут рассматриваться как регионализированные переменные с использованием геостатистических методов. Таким образом, исчерпывающее освещение удаленных районов извлечения данных зондирования могут быть использованы в качестве первичного источника данных для картирования почвы в районах, которые, например, покрыты растительностью, или в маске облаков. Используя одномерное кригирование можно нанести на карту непрерывност свойств и классов почвы с учетом пространственных особенностей почвы корреляцию между выборочными и соседними не выборочными участками. Простой кригингма не может быть предпочтительным методом в неоднородных областях, потому что среднее значение считается постоянным и известно по всему району. Обычный кригинг часто считается более целесообразным, потому что использование ограниченного доступа, он приспосабливается к местным колебаниям среднего значения по следующим параметрам ограничения области стационарности средней величины местным районом.
Также (обобщенные) линейные модели с независимыми переменными типа поскольку информация об уклоне, кривизне, индексе влажности и профиле почвы использовались для получения карт атрибутов почвы. Несмотря на удовлетворительные результаты полученные в однородных ландшафтах, множественная регрессия имеет свои пределы в сложных гетерогенных районах. Однако то же ограничение распространяется и на обыкновенный и простой кригинг.
1.2. Дистанционное зондирование как вторичный источник данных.
Если измерения в космосе малочисленны или плохо коррелируют между собой, то при измерении оценка основного признака, как правило, улучшается за счет бухгалтерского учета для вторичной информации из другой смежной категориальной или непрерывной информации такие как цифровая модель рельефа, данные дистанционного зондирования или почва. Проксимальное зондирование может быть использовано в качестве первичного источника данных и дистанционного зондирования может быть использовано в качестве одного из вторичных источников данных для предсказывания свойства почвы с помощью проксимального зондирования. Спектральное разрешение проксимальных сенсорных данных может быть объединено со следующими функциями пространственный охват данных дистанционного зондирования. В любом случае, с помощью проксимального зондирования, полевые или лабораторные измерения выполняются в результате чего образуется относительно редкий образец, который может быть использован в качестве первичного образца. Источник данных или как ковариантная переменная (в кокригинге) для пространственного прогнозирования почвенного покрова на плотная решётка. Главный атрибут можно предсказать с помощью кригинга или сочетания регрессионного анализа и кригинга. Если вторичная информация не является исчерпывающе выборочной, оценка может выполняется путем кокригинга. По сравнению с предыдущим периодом описанные методы, кригинг регрессии не предполагает стационарности сами наблюдения, а скорее остатки между ними. Преимущество Кригинг регрессии - это способность расширить метод до более широкого диапазона методов регрессии и позволяет интерпретировать их раздельно интерполированные компоненты.
2. Пространственная стратификация ландшафта
Распространенным способом пространственной сегментации ландшафта является его деление на части во внутренние более или менее однородные и взаимопротиворечивые единицы рельефа местности. Подразделения почвенно-растительного профиля представляют собой специализированные подразделения по рельефу местности, как ожидается, будут относительно однородными в следующих областях основных факторов, включая материнский материал. Таким образом, карты почвенно-растительного покрова являются инструментом для определения мест, где преобладают различные геоморфологические процессы. Карты рельефа местности обычно являются подходящими предикторами типов почв. Потому что развитие почвы часто происходит в ответ на лежащие в ее основе факторы.
2.1. Картирование рельефа местности
Традиционно картирование рельефа местности осуществляется с помощью визуальной интерпретации аэрофотосъемки. В настоящее время, имея доступ к быстродействующим компьютерам и цифровым источникам, такие как цифровые модели рельефа. ЦМР - обычно получаемые с помощью дистанционного зондирования - это может быть сделано в цифровом виде. Как правило, поверхность характеризуется следующими атрибутами: высота, наклон, аспект, кривизна плана и профиля и расхода накопления для получения рельефа или поверхности единицы рельефа местности. Эти атрибуты количественно определяют роль топографии в перераспределении водных ресурсов в ландшафте и в изменении ландшафта количество солнечной радиации, получаемой на поверхности, которое может повлиять на педогенез и, таким образом, характеристики почвы.
Выделяются три вида подразделений по оказанию помощи, исходя из возрастания их численности сложности. Во-первых, элементарные формы, представляющие собой наименьшее из простейших геометрических единиц. Во-вторых, формы рельефа, которые являются композитами элементарных форм и, в-третьих, модели рельефа местности которые представляют собой ассоциации ландшафтов.
Большинство из этих топографических атрибутов рассчитывается по направленности производные цифровой модели рельефа (ЦМР). Надзорная или неконтролируемая классификация ландшафтной сегментации может быть выполнено с использованием четких или нечетких методов кластеризации, варьируя от локальных до глобальных исследований, а также объектное картирование рельефа.
2.2. Картирование рельефа местности на основе комбинированных источников данных
Сочетание матрицы высот со спектральными данными может улучшить рельеф местности классификации по сложным ландшафтам. Из матрицы высот получают основные морфометрические идентификационные параметры, как описано в разделе 2.1, и дополнительная спектральная сегментация была использована для уточнения морфометрически сходных форм рельефа.
Широко изучалось также применение данных РЛС с синтетической апертурой (РСА) и комбинации данных РСА и мультиспектральных данных в контексте улучшения узнаваемости рельефа местности на местном уровне. Другой длины волн SAR-сигнала позволяют проводить структурный анализ элементов в определенных классах размеров, в то время как углы поляризации особенно велики, чувствительны к направленным конструкциям. Ориентация на линейную основу или разломы геоморфологических единиц усиливаются различными единичными разломами. Кроме того, SAR проникает в облака, в то время как сила обратного рассеяния зависит от диэлектрических свойств поверхностных материалов (например, содержание влаги в почве) и чувствительность к сополяризации с поверхностными веществами осадочных пород, которые улучшают классификацию обнаженных поверхностных отложений.
