包邮精细数字土壤普查模型与方法-(含光盘)

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La Crosse县Raffelson流域精细土壤普查所需数据