View More View Less
  • 1 Miskolci Egyetem Földrajz-Geoinformatikai Intézet, Műszaki Földtudományi Kar 3515 Miskolc-Egyetemváros Magyarország
  • 2 Szent István Egyetem Talajtani és Agrokémia Tanszék Gödöllő Magyarország
  • 3 Szlovák Talajtani és Talajvédelmi Kutató Intézet Bratislava Szlovákia
  • 4 Cseh Élettudományi Egyetem Prága Csehország
  • 5 Kopernikusz Tudomány Egyetem Torun Lengyelország
Restricted access

Purchase article

USD  $25.00

1 year subscription (Individual Only)

USD  $184.00

A pixel alapú kategorikus adatok, különösen a talajosztályozási kategóriák validálása több okból is nehéz. A pixelek szinte sohasem jellemeznek homogén területet, jelentős szintű heterogenitás rejlik mögöttük. Ennek a heterogenitásnak a jellemzésére, illetve az ilyen minőségi változókat, osztályokat tartalmazó adatbázisok jellemzésére nem állnak rendelkezésre validációs adatbázisok. Mennyiségre utaló kvantitatív adatok validálása talán könnyebb, mert ezek jelentős része már önmagában terület alapú adat. A mintákat gyakran nagyobb területről vett részminták összekeverésével gyűjtik, így az ezekből mért adatok már a mintavételi módszertanból adódóan is átlagminták. Talajtípusokra, osztályokra nem lehet „átlagmintázni”, itt minden részmintát külön kell osztályozni és feldolgozni, ezért az ilyen validációs célú adatbázis rendkívül ritka. A ValiDat.DSM erre a célra jött létre. Minden validálni kívánt pixel területére öt szelvény adatait adja meg, melyekből már megjelenési százalék, illetve az osztályok pixelen belüli dominancia viszonyai is meghatározhatók. Ezeket az információkat használtuk fel az osztályváltozókat tartalmazó talajtani adatbázisok validációs módszertanának továbbfejlesztésére.A módszer lényege az osztályváltozók közötti hasonlósági viszonyok számszerűsítése, és területarányú súlyozása. A hasonlóságot egy négy értéket felvevő hasonlósági faktorral jellemeztük. A területi részarányt a ValidDat.DSM-ből származtattuk 20 százalékos kerekítéssel. Ezek alapján számítottunk a validációs helyszínekre taxonómiai alapú becsült pontosság (TAP) értékeket, melyek az adott helyszín egy számértékkel kifejezett pontosság értékei. A hagyományos kategorikus osztályozási pontosság mérésnél csak 0 és 1 értékeket vehettek fel ezek a változók, aszerint, hogy a becsült és a valós osztály kategória megegyezett-e vagy nem. Az általunk javasolt módszer sokkal érzékenyebb, képes egy 0 és 1 közötti skálán bármely értéket felvevő pontosságértékkel jellemezni a becsült és a valós osztályok közötti hasonlóság mértékét.A ValiDat.DSM a validáción kívül számos kutatásnak képezheti kiinduló adatbázisát. Jól alkalmazható eltérő környezeti adottságú területeken belüli talajtani heterogenitás jellemzésére, melyre mintaként a magyarországi pontokat használtuk fel. Az eredmény azt bizonyítja, hogy a referencia csoportok tekintetében a pixelek közel 80%-a viszonylag homogén, ami már önmagában egy értékes és továbbgondolásra érdemes adat. További vizsgálatok lehetségesek az egyéb vizsgált jellemzők térbeli heterogenitására, illetve azok megjelenési összefüggéseinek vizsgálatára is. Az eredmények természetesen erősen függenek a talajképződési környezettől, így értékelésük csak egy komplex természetföldrajzi értelmezés mellett történhet meg.Jelen munkánkban elsősorban a ValiDat.DSM adatbázis és módszertan, valamint a potenciális felhasználási lehetőségek bemutatása volt a cél. A taxonómiai távolságokon alapuló validáció gyakorlatba történő átültetéséhez természetesen még számos részletet ki kell dolgozni. A hasonlósági tényezők önkényesen lettek meghatározva, egy jobban és részletesebben kidolgozott taxonómiai távolság számítási módszer segítségével lényegesen pontosabbá tehetjük a módszert. A helyi viszonyok és jellemzők alapján módosított taxonómiai távolság táblázat valószínűleg tovább javíthatja a módszer megbízhatóságát.A ValiDat.DSM adatbázis a Miskolci Egyetem Földrajz-Geoinformatikai Intézetének honlapján érhető el ( http://www.uni-miskolc.hu/~soil/index.html ).

  • A-Xing Zhua et al., 2010 Construction of membership functions for predictive soil mapping under fuzzy logic. Geoderma. 155.(3–4) 164–174.

    A-Xing Z. , 'Construction of membership functions for predictive soil mapping under fuzzy logic ' (2010 ) 155. Geoderma : 164 -174.

    • Search Google Scholar
  • Brus, D. J., Kempen, B. & Heuvelink, G. B. M., 2011. Sampling for validation of digital soil mapping. European Journal of Soil Science. 62. 394–407.

    Heuvelink G. B. M. , 'Sampling for validation of digital soil mapping ' (2011 ) 62 European Journal of Soil Science : 394 -407.

    • Search Google Scholar
  • Congalton, R. G., 1991. A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Enviroment. 37. 35–46.

    Congalton R. G. , 'A review of assessing the accuracy of classifications of remotely sensed data ' (1991 ) 37 Remote Sensing of Enviroment : 35 -46.

    • Search Google Scholar
  • de Gruijter, J. J. & McBratney, A. B., 1988. A modified fuzzy k-means method for predictive classification. In: Classification and Related Methods of Data Analysis. (Ed.: Bock, H. H.) 97–104. Elsevier. Amsterdam.

    McBratney A. B. , '', in Classification and Related Methods of Data Analysis , (1988 ) -.

  • Dobos E., Seres A. & Vadnai P., 2012. Az e-SOTER digitális talajtérképezés módszertana. In: Geográfia a kultúra fővárosában. (Szerk.: Lóczy D.) V. Magyar Földrajzi Konferencia természetföldrajzi közleményei. Geographia Pannonica Nova. 13. Pécs. 11–26.

    Vadnai P. , '', in Geográfia a kultúra fővárosában , (2012 ) -.

  • Dobos E. et al., 2011. Új generációs nemzetközi talajtérképek készítése, az e-SOTER módszertan. In: Az elmélet és gyakorlat találkozása a térinformatikában II. (Szerk.: Lóki J.) 53–60. Debrecen.

    Dobos E. , '', in Az elmélet és gyakorlat találkozása a térinformatikában II , (2011 ) -.

    • Search Google Scholar
  • Dobos, E. et al., 2012. A novel approach for soil mapping of WRB units. Eurosoil 2012, Bari, Olaszország, 2012. július 2–6. S04-02-P-9.

    Dobos E. , '', in Eurosoil 2012, Bari, Olaszország, 2012. július 2–6. S04-02-P-9 , (2012 ) -.

    • Search Google Scholar
  • Dobos, E. et al., 2013. Soil parent material delineation using MODIS and SRTM data. Hungarian Geographical Bulletin. 62.(2) 133–156.

    Dobos E. , 'Soil parent material delineation using MODIS and SRTM data ' (2013 ) 62. Hungarian Geographical Bulletin : 133 -156.

    • Search Google Scholar
  • FAO, 2006. Guidelines for Soil Description. FAO. Rome.

    '', in Guidelines for Soil Description , (2006 ) -.

  • Illés, G., Kovács, G. & Heil, B., 2011a. Comparing and evaluating digital soil mapping methods in a Hungarian forest reserve. Canadian Journal of Soil Science. 91.(4) 615–626.

    Heil B. , 'Comparing and evaluating digital soil mapping methods in a Hungarian forest reserve ' (2011 ) 91. Canadian Journal of Soil Science : 615 -626.

    • Search Google Scholar
  • Illés G., Kovács G. & Heil B., 2011b. Nagyfelbontású digitális talajtérképezés a Vaskereszt Erdőrezervátumban. Erdészeti Közlemények. 1.(1) 29–43.

    Heil B. , 'Nagyfelbontású digitális talajtérképezés a Vaskereszt Erdőrezervátumban ' (2011 ) 1. Erdészeti Közlemények : 29 -43.

    • Search Google Scholar
  • Iuss Working Group WRB. 2007. World Reference Base for Soil Resources. 2nd ed. World Soil Resources Reports 103. FAO. Rome.

    '', in World Reference Base for Soil Resources , (2007 ) -.

  • Lagacherie, P., Mcbratney, A. B. & Voltz, M. (Eds.), 2006. Digital Soil Mapping: An Introductory Perspective. Elsevier. Amsterdam.

    '', in Digital Soil Mapping: An Introductory Perspective , (2006 ) -.

  • McBratney, A. B., de Gruijter, J. J. & Brus, D. J., 1992. Spatial prediction and mapping of continuous soil classes. Geoderma. 54. 39–64.

    Brus D. J. , 'Spatial prediction and mapping of continuous soil classes ' (1992 ) 54 Geoderma : 39 -64.

    • Search Google Scholar
  • McBratney, A. B., Mendonça Santos, M. L. & Minasny, B., 2003. On digital soil mapping. Geoderma. 117. 3–52.

    Minasny B. , 'On digital soil mapping ' (2003 ) 117 Geoderma : 3 -52.

  • McBratney, A. B. & Odeh. I. O. A., 1997. Application of fuzzy sets in soil science: fuzzy logic, fuzzy measurements and fuzzy decisions. Geoderma. 77. 85–113.

    Odeh I. O. A. , 'Application of fuzzy sets in soil science: fuzzy logic, fuzzy measurements and fuzzy decisions ' (1997 ) 77 Geoderma : 85 -113.

    • Search Google Scholar
  • McBratney, A. B. et al., 2000. An overview of pedometric techniques for use in soil survey. Geoderma. 97. 293–327.

    McBratney A. B. , 'An overview of pedometric techniques for use in soil survey ' (2000 ) 97 Geoderma : 293 -327.

    • Search Google Scholar
  • Minasny, B. & McBratney, A. B., 2007. Incorporating taxonomic distance into spatial prediction and digital mapping of soil classes. Geoderma. 142. 285–293.

    McBratney A. B. , 'Incorporating taxonomic distance into spatial prediction and digital mapping of soil classes ' (2007 ) 142 Geoderma : 285 -293.

    • Search Google Scholar
  • Pásztor, L., Szabó, J. & Bakacsi, Zs., 2010. Application of the Digital Kreybig Soil Information System for the delineation of naturally handicapped areas in Hungary. Agrokémia és Talajtan. 59. 47–56.

    Bakacsi Zs. , 'Application of the Digital Kreybig Soil Information System for the delineation of naturally handicapped areas in Hungary ' (2010 ) 59 Agrokémia és Talajtan : 47 -56.

    • Search Google Scholar
  • Pásztor, L. et al., 2012. Compilation of 1:50,000 scale digital soil maps for Hungary based on the Digital Kreybig Soil Information System. Journal of Maps. 8.(3) 215–219.

    Pásztor L. , 'Compilation of 1:50,000 scale digital soil maps for Hungary based on the Digital Kreybig Soil Information System ' (2012 ) 8. Journal of Maps : 215 -219.

    • Search Google Scholar
  • Pásztor, L. et al., 2013. Elaboration and applications of spatial soil information systems and digital soil mapping at Research Institute for Soil Science and Agricultural Chemistry of the Hungarian Academy of Sciences. Geocarto International. 28.(1) 13–27.

    Pásztor L. , 'Elaboration and applications of spatial soil information systems and digital soil mapping at Research Institute for Soil Science and Agricultural Chemistry of the Hungarian Academy of Sciences ' (2013 ) 28. Geocarto International : 13 -27.

    • Search Google Scholar
  • Phillips, J. D., 2013. Evaluating taxonomic adjacency as a source of soil map uncertainty. European Journal of Soil Science. 64. 391–400.

    Phillips J. D. , 'Evaluating taxonomic adjacency as a source of soil map uncertainty ' (2013 ) 64 European Journal of Soil Science : 391 -400.

    • Search Google Scholar
  • Soil Survey Division Staff, 1993. Soil Survey Manual. U.S. Department of Agriculture Handbook No. 18. Soil Conservation Service. Washington, D. C.

    '', in Soil Survey Manual , (1993 ) -.

  • Szabolcs I. (szerk.), 1966. A genetikus üzemi talajtérképezés módszerkönyve. OMMI. Budapest.

    '', in A genetikus üzemi talajtérképezés módszerkönyve , (1966 ) -.

  • Szatmári G. & Barta K., 2013. Csernozjom talajok szervesanyag-tartalmának digitális térképezése erózióval veszélyeztetett mezőföldi területen. Agrokémia és Talajtan. 62. 47–60.

    Barta K. , 'Csernozjom talajok szervesanyag-tartalmának digitális térképezése erózióval veszélyeztetett mezőföldi területen ' (2013 ) 62 Agrokémia és Talajtan : 47 -60.

    • Search Google Scholar

Monthly Content Usage

Abstract Views Full Text Views PDF Downloads
Jun 2020 0 4 0
Jul 2020 3 4 0
Aug 2020 6 0 0
Sep 2020 4 0 0
Oct 2020 4 0 0
Nov 2020 6 4 1
Dec 2020 0 0 0