精细数字土壤普查模型与方法（附CD光盘1张）

　　序
　　前言
　　第1章  绪论
　　1.1 精细数字土壤资源普查的相关概念及必要性
　　1.1.1 相关概念
　　1.1.2 必要性
　　1.1.3 可能性
　　1.2 土壤普查及其发展现状
　　1.2.1 传统的土壤普查
　　1.2.2 新兴的土壤普查方法与数字土壤制图
　　1.3 土壤资源调查存在的问题
　　1.3.1 传统土壤普查方法与制图中存在的问题
　　1.3.2 新兴的土壤普查方法与数字土壤制图中存在的问题
　　1.4 精细土壤普查技术的概述和特点
　　1.5 本章小结
　　参考文献
　　第2章  精细土壤普查的理论基础和基本思路
　　2.1 土壤与地理环境间的关系
　　2.1.1 土壤发育与环境因素的关系
　　2.1.2 影响土壤形成的环境因素
　　2.1.3 土壤与环境因素间的协同性
　　2.2 精细土壤普查的基本思想
　　2.2.1 基本假定
　　2.2.2 精细土壤普查的理论框架
　　2.3 详细土壤空间变化的表达模型
　　2.3.1 土壤的空间变化特征
　　2.3.2 模糊逻辑的基本概念
　　2.3.3 栅格模型的基本概念
　　2.3.4 土壤空间变化的相似度模型
　　2.3.5 相似度模型与类别多边形模型
　　2.4 精细土壤普查的基本步骤
　　2.5 本章小结
　　参考文献
　　第3章  土壤环境要素信息的获取
　　3.1 环境要素的选取原则
　　3.1.1 选取与土壤空间差异相关的环境要素
　　3.1.2 选择可获取的环境要素
　　3.2 地形要素信息的提取
　　3.2.1 地形属性的提取
　　3.2.2 地貌部位信息的定量描述
　　3.3 植被要素空间分布信息的提取
　　3.3.1 植被类型的定性信息
　　3.3.2 植被属性的定量信息
　　3.4 其他环境要素信息的提取
　　3.4.1 母质条件
　　3.4.2 人为因素
　　3.4.3 时间要素
　　3.4.4 气候要素
　　3.5 本章小结
　　参考文献
　　第4章  土壤与环境关系知识的获取
　　4.1 土壤与环境关系知识的内容及其隶属度函数的表达
　　4.1.1 土壤与环境关系知识的内容
　　4.1.2 土壤与环境关系知识的隶属度函数表达
　　4.2 土壤普查专家知识的获取方法
　　4.2.1 土壤普查专家知识获取方法的基础——个人构念理论
　　4.2.2 知识获取过程
　　4.3 基于大量野外样本的知识获取方法
　　4.3.1 神经网络方法
　　4.3.2 决策树
　　4.3.3 其他基于大量样本的知识获取方法
　　4.4 基于案例推理的知识获取方法
　　4.4.1 基于案例推理的假设
　　4.4.2 基于案例推理的土壤与环境知识的获取和应用
　　4.5 基于已有土壤图的知识获取方法
　　4.5.1 土壤图所包含的土壤与环境关系知识
　　4.5.2 从土壤图中挖掘知识的过程
　　4.6 目的性采样的知识获取方法
　　4.6.1 理论依据
　　4.6.2 目的性采样的知识获取步骤
　　4.7 本章小结
　　参考文献
　　第5章  土壤相似度的计算及其派生信息的生成
　　5.1 土壤相似度的计算
　　5.1.1 基于隶属度曲线的推理过程
　　5.1.2 基于案例的土壤推理过程
　　5.1.3 基于神经网络的推理过程
　　5.2 土壤相似度派生信息的生成
　　5.2.1 土壤类型栅格图及其不确定性图
　　5.2.2 类常规的多边形土壤图
　　5.2.3 土壤属性图
　　5.3 本章小结
　　参考文献
　　第6章  土壤详查的实例
　　第7章  研究方向及展望
　　附录1：所附CD的内容
　　附录2：SoLIMSolutions软件使用手册
　　附录3：美国威斯康星州LaCrosse县Raffelson流域精细土壤普查所需数据

　　    朱阿兴，研究员，男，1962年生，浙江省长兴县人。1979 年9月－1983年7月于北京师范大学地理系毕业获学士学位；1985年9月－1987年7月于加拿大卡尔加里（Calgary）大学地理系获硕士学位；1989年9月－1994年5月于加拿大多伦多（Toronto）大学地理系获博士学位。1994年8月－1995年12月在美国俄亥俄的迈阿密大学地理系工作任助理教授；1996年1月-2003年9月任教于美国威斯康星大学（Wisconsin-Madison）地理系并获终身教授资格；2003年10月入选中国科学院“百人计划”，2004年通过中国科学院“百人计划”择优选拔。现任中国科学院地理科学与资源研究所基地研究员。曾任海外地理信息科学协会（CPGIS）主席，美国地理信息科学大学联盟（UCGIS）威斯康星首席代表，威斯康星大学地理系地理信息科学领域学术带头人，美国农业部资源普查署新技术开发委员会主席，威斯康星大学地理信息科学联盟主席，曾是美国地理信息科学研究方向和研究重点白皮书的编写者之一，现任海外地理信息科学协会学会理事、《资源科学》编委等职。

　　    《精细数字土壤普查模型与方法》对精细数字土壤普查的理论和技术及其应用进行了系统研讨，内容包括数字土壤普查的现状、基于模糊逻辑的精细数字土壤的表达模型、定量描述土壤环境要素空间变化的分析技术、获取土壤与环境关系知识的人上智能和机器学习方法、模糊推理的计算手段以及应用实例。在所附的CD中，为读者提供了软件系统和实际数据，便于读者实践。精细数字土壤普查模型与方法是指利用现代空间分析技术、人工智能和机器学习的方法，基于模糊推理理论获取空间上详细、数学上精确的土壤空间变化信息的方法。
　　    《精细数字土壤普查模型与方法》主要读者对象为从事自然资源（如土壤资源、动物生境等）调查、自然灾害（如滑坡）预测和其他地理信息技术应用的科研人员及大专院校相关专业的师生。