融合专家知识与历史数据的无野外调查数字土壤制图新框架(ED-DSM)研究

【编辑推荐】针对传统土壤图因技术落后和分类系统更新导致的失效问题，华中农业大学团队提出基于专家知识与诊断特征的数字土壤制图框架(ED-DSM)，通过整合中国土壤系统分类(CST)诊断层特征与专家概率评估，实现无新增野外调查的高精度土壤类型制图，验证显示亚类级制图精度提升7.19%，为资源受限区域土壤管理提供创新解决方案。

　　

土壤是人类赖以生存的重要资源，但传统土壤图正面临严峻挑战——这些基于历史调查的图件往往采用过时的技术标准，随着土壤分类体系更新和土壤本身演变，其应用价值正快速衰减。尤其在中国等发展中国家，全面开展新的土壤普查需要耗费巨大的人力物力。如何在不进行新野外调查的情况下，将历史土壤图转化为高精度数字土壤图？这个难题直接关系到农业规划、环境保护和土地政策的科学决策。

华中农业大学资源与环境学院的研究团队在《Geoderma Regional》发表的研究给出了创新答案。他们开发的专家知识与诊断信息驱动的数字土壤制图框架(Expert Knowledge and Diagnostic Information-based Digital Soil Mapping, ED-DSM)，通过巧妙融合中国土壤系统分类(Chinese Soil Taxonomy, CST)中的34个诊断层/特征指标与专家经验，实现了"无新增采样"的土壤数字化重建。这项研究不仅突破了传统制图对野外调查的依赖，更在县级尺度验证中展现出亚类级分类精度最高提升7.19%的显著效果。

研究采用三大核心技术：首先基于CST诊断特征建立专家概率评估体系，将历史图斑转化为带有概率标签的伪样本点；其次运用概率约束确定性退火聚类算法进行特征类型划分；最后通过随机森林建模与重复随机采样生成诊断特征概率分布图，进而构建土壤类型检索规则。这些方法组合创新性地解决了历史数据利用率低、专家知识量化难等关键问题。

研究结果部分显示：

1. 1.

   诊断特征制图：在县级试验区成功生成16个诊断特征的概率分布图，空间分辨率达90米，其中铁质特性、粘化层等特征的制图精度高达0.99。

2. 2.

   土壤分类精度：验证33个土壤剖面显示，在仅考虑最大概率时，土纲、亚纲、土类和亚类级平均精度分别为65.86%、65.03%、47.85%和44.15%；当纳入次大概率结果后，亚类级精度提升至51.34%。

3. 3.

   空间细节呈现：制图结果清晰反映了丘陵区土壤垂直带谱分布规律，如黄褐土与水稻土的过渡特征，验证了方法对复杂地形区土壤格局的捕捉能力。

在讨论部分，作者强调ED-DSM框架具有三重突破性价值：其一，通过专家知识量化与诊断特征解耦，实现了历史数据的"活化再生"；其二，概率化表达方式更符合土壤类型过渡的自然规律；其三，整套方案成本仅为传统调查的15%-20%，特别适合发展中国家推广应用。这项研究为全球土壤数字转型提供了可复制的技术范式，其方法论亦可拓展至地质、生态等相邻领域的遗产数据挖掘。未来通过融合更多环境协变量和深度学习算法，该框架有望在保持低成本优势的同时进一步提升制图精度。