Analysis and representation of uncertainty in digital soil maps in the Zyrzyn area (SE Poland)

• Autorzy: Dobers E.S.

Warianty tytułu

PL

Analiza i reprezentacja niepewności cyfrowych map glebowych obszaru Żyrzyna (południowo-wschodnia Polska)

• Języki publikacji: EN

Abstrakty

EN

The transferable belief model (TBM) is used to combine the soil information from soil maps and remote sensing information from colour aerial photography in two steps, with respective assumptions about the uncertainty and reliability of data. At a first step, the soil type maps of different scales were analysed for mapping unit purity to derive a soil map with integrated uncertainty information (map₀). In the second step, belief values regarding soil type hypotheses were assigned to pixels derived from airphoto classification. The ’soil type - air photo dass’ combinations were determined according to results from tested area. This new map was combined with map₀ using TBM. Two scenarios for data reliability were studied. The resulting soil type map is depicting spatial variability visible on the airphoto, when data reliability was increased for remote sensing information. The additional values of maximum belief and weight of conflict from the TBM can be integrated into GIS as spatial uncertainty information.

PL

Wykorzystano transferable belief model (TBM) do łączenia informacji o cechach gleby pochodzących z map glebowych i zdjęć lotniczych w dwóch etapach, z uwzględnieniem pewności i niepewności danych. W pierwszym kroku, porównano mapy glebowe (różne skale) w celu określenia ich wspólnego mianownika dokładności („czystości”) w wyniku czego powstała mapa „niepewności informacji” (map₀). W drugim kroku wartości zaufania dotyczące hypotezy odnośnie typów glebowych zostały przypisane do pikseli otrzymanych na podstawie klasyfikacji zdjęć lotniczych. Kombinacje klas zdjęć lotniczych z typami gleb zostały określone na podstawie wyników z obszaru testowego. Nowa mapa została połączona z mapą₀ z wykorzystaniem TBM. Badano dwa scenariusze dotyczące pewności danych. Wynikowa mapa glebowa przedstawia zmienność przestrzenną, która jest widoczna na zdjęciach lotniczych, gdy pewność danych wzrosła po zastosowaniu informacji z teledetekcji. Dodatkowa ocena maksymalnego zaufania oraz współczynnik wagi konfliktu otrzymane metodą TBM mogą być włączone jako przestrzenna informacja o niepewności w GIS.

Słowa kluczowe

EN

transferable belief model; TBM zob.transferable belief model; soil map; remote sensing; efficiency; Zyrzyn commune; Poland

• Wydawca: -
• Czasopismo: Zeszyty Problemowe Postępów Nauk Rolniczych
• Rocznik: 2005
• Tom: 507
• Numer: 1
• Opis fizyczny: p.115-126,fig.,ref.

Twórcy

autor

Dobers E.S.

• Department of Soil Science, Institute of Soil Science and Plant Cultivation, Czartoryskich 8, 24-100 Pulawy, Poland

Bibliografia

• Baumgardner M.F., Silva L.F., Biehl L.L., Stoner E.R. 1985. Reflectance Properties of Soils. Advances in Agronomy 38: 1-44.
• Bishop T.F.A., McBratney A.B., Whelan B.M. 2001. Measuring the quality of digital soil maps using information criteria. Geoderma 103: 95-111.
• Bragato G. 2004. Fuzzy continuous classification and spatial interpolation in conventional soil survey for soil mapping of the lower Piave plain. Geoderma 118: 1-16.
• Brubaker S.C., Hallmark C.T. 1991. A comparison of statistical methods for evaluating pap unit composition, in: Spatial Variabilities of Soils and Landforms. Mansbach M.J., Wilding L.P. (Eds). Soil Science Society of America, Spedal Publication 28: 73-88.
• Burrough P.A., Bouma J., Scott R.Y. 1994. The state of the art in pedometrics. Geoderma 62: 311-326.
• Burrough P.A., Van Gaans P.F.M., Hootsmans R. 1997. Continuous classification in soil survey: spatial correlation, confusion and boundaries. Geoderma 77: 115-135.
• De Gruijter J.J., Walvoort D.J.J., Van Gaans P.F.M. 1997. Continuous soil maps - a fuzzy set approach to bridge the gap between aggregation levels of process and distribution models. Geoderma 77: 169-195.
• Eastman J.R. 1999. Idrisi32 - Guide to GIS and Image Processing. Vol. 1 & 2, Clark University: Worcester, USA 161 p./144 p. (Online version).
• Hannemann J. 2003. The consideration of fuzziness in content and space in the GIS- based creation of the soil map of Brandenburg in scale of 1 : 50 000 (BK 50) - a test on the example of the sheet Königs Wusterhausen. Brandenburgische Geowissenschaftliche Beiträge 10: 61-76 (in German).
• Lark R.M. 2001. Some tools for parsimonious modelling and interpretation of within- field variation of soil and crop systems. Soil and Tillage Research 58: 99-111.
• Lark R.M., Bolam H.C. 1997. Uncertainty in prediction and interpretation of spatially variable data on soils. Geoderma 77: 263-282.
• Mays M.D., Bogardi I., Bardossy A. 1997. Fuzzy logic and risk-based soil interpretation. Geoderma 77: 299-315.
• McBratney A. 1992. On variation, uncertainty and informatics in environmental soil management. Aust. J. Soil Res. 30: 913-935.
• Minasny В., McBratney A.B. 2000. FuzME version 2.1, Australian Centre for Precision Agriculture, The University of Sydney, NSW 2006. (http://www.usyd.edu.au/su/agric/acpa).
• Ostaszewska K. 2005. personal communication.
• Smets P. 2000. Data fusion in the transferable belief model. Proc. 3rd Intern. Conf. Information Fusion, Paris, France: 21-33.
• Smets P., Kennes R. 1994. The transferable belief model. Artificial Intelligence 66: 191-234.
• Srinivasan A., Richards J.A. 1993. Analysis of GIS spatial data using knowledge- based methods. Int. J. Geograpical Information Systems 7: 479-500.
• Stuczyński T. 2005. personal communication.
• Tso B., Mather P.M. 2001. Classification methods for remotely sensed data. Taylor & Francis: London, New York: 332 p.
• Turski R., Flis-Bujak M. 1975. Differentiation in light reflection in various soil types in relation to their moisture. Polish Journal of Soil Science 8/2: 125-130.
• Webster R., Oliver М.A. 1990. Statistical Methods in Soil and Land Resource Survey. Oxford University Press: 316 p.