基于多要素空间聚类的南方红黄壤区中低产田分类与障碍类型识别——以海南省澄迈县为例OA

为探索适用于南方红黄壤区的中低产田精细化分类方法,提升其识别与障碍诊断的科学性与可操作性,本研究以海南省澄迈县为研究区,构建了由土壤pH、土壤有机质含量、地形坡度和耕地利用类型组成的多属性耕地分类指标体系。采用K-means聚类算法(K-means)、高斯混合模型(GMM)、自组织映射网络(SOM)和基于密度的空间聚类算法(DBSCAN)4种空间聚类方法对研究区耕地进行分类,并通过聚类质量指数(CQI)、轮廓系数(SC)、戴维斯-布尔丁指数(DB)和卡林斯基-哈拉巴斯指数(CH)等内部效度指标对不同算法的分类效果进行综合评价。结果表明,K-means算法在综合聚类表现相对较优,SC为-0.103,CH为187.451,可为后续中低产田分类与障碍类型识别提供基础。基于K-means聚类结果,将研究区耕地划分为3个一级类、8个二级类和17个三级类。在此基础上,结合耕地质量等级约束及《全国中低产田类型划分与改良技术规范》(NY/T 310—1996)的判别规则,识别出中低产田的两类主导障碍类型,即坡地梯改型和瘠薄培肥型。研究表明,本研究构建的要素构建-空间聚类-等级约束-障碍归因-空间叠加方法能够有效揭示县域耕地内部属性差异及主导障碍,为中低产田精细化分类和障碍识别提供可操作方法,并可作为分类-诊断-改良技术路径的基础。