歩数測定マッピング

ペドメトリックマッピング、または統計的土壌マッピングは、統計的手法の使用に基づいて、データ駆動型の土壌特性と土壌クラスのマップを生成します。^{[1] [2] [3]その主な目的は、観測されていない場所のいくつかの土壌変数の値を予測し、}統計的推論、つまり統計的に最適なアプローチを使用してその推定値の不確実性を評価することです。応用の観点から見ると、その主な目的は、さまざまな土壌管理戦略に対する土壌植物生態系の反応を正確に予測することです。つまり、他の環境モデルや意思決定に使用できる土壌特性と土壌クラスのマップを生成します。これは主に、土壌科学における地統計学と、ペドメトリックスで使用される他の統計的手法の適用に基づいています。

歩数マッピングは主にデータ駆動型ですが、専門家の知識に大きく依存することもあります。ただし、より正確な予測モデルを作成するには、専門家の知識を歩数計算フレームワーク内で活用する必要があります。たとえば、時空間カルマンフィルタなどのデータ同化技術を使用して、土壌遺伝学の知識と現場観察を統合することができます。^[4]

情報理論の文脈では、土壌の空間的複雑性（地理的領域における土壌変数の情報量）を記述し、地図、要約尺度、数学モデル、シミュレーションを使用してこの複雑性を表現するために、ペドメトリックマッピングが使用されます。^[5]シミュレーションは、土壌パターンを視覚化するのに適した方法です。なぜなら、シミュレーションは土壌の決定論的パターン（地形による）、地理的ホットスポット、および短距離変動性（下の画像を参照）を表すためです。^[要出典]

土壌測定学は土壌の分布と起源を研究するために数学的・統計的手法を応用したものである。^[6]

この用語は、ギリシャ語の語源pedos (土壌) とmetron (測定) を組み合わせた造語です。この場合の測定は、土壌学(土壌を自然環境下で研究する土壌科学の一分野) に関連する数学的および統計的手法に限定されます。

土壌計量学は、土壌の特性とプロセスに関する決定論的または確率的な変動、曖昧さ、知識不足により不確実性がある場合に、土壌関連の問題に対処します。これは数学的、統計的、数値的手法に依存し、想定される決定論的変動に対処するための分類に対する数値的アプローチを含みます。シミュレーションモデルは、カオス理論、統計的分布、またはファジー ロジックを採用することで不確実性を組み込んでいます。

ペドメトリクスは、ウェーブレット解析、ファジー集合論、土壌データモデリングアプリケーションにおけるデータマイニングなどの新興科学分野の観点から土壌学を扱っています。その進歩は、遠隔および近距離センシングの改善にも関連しています。^[7]

従来の土壌調査では、土壌特性と土壌体の空間分布はメンタルモデルから推測され、手作業で描写されます。このような方法は主観的であると考えられるため、追加のフィールドサンプリングを行わずにこのような地図の精度を統計的に評価することは困難または不可能です。従来の土壌調査マッピングは、異なるマッピング者によって一貫して適用されないことが多く、大部分が手作業で行われ、自動化が難しいという事実に関連して、多主題GISでは制限があります。ほとんどの従来の土壌地図は、想定される土壌体の手作業による描写に基づいており、これに土壌属性が添付されています。^{[8] [9]}歩度測定マッピングでは、すべての出力は厳密な統計計算に基づいているため、再現可能です。

歩数マッピングは、主に、デジタル標高モデル (DEM) 派生データ、リモート センシング画像、気候、土地被覆、地質の GIS レイヤーと画像などの広範かつ詳細な共変量レイヤーに基づいています。歩数マッピングの進化は、SRTM DEM、MODIS、ASTER、Landsat画像、ガンマ放射測定、LiDAR 画像、新しい自動マッピング方法など、新しいテクノロジや世界規模の公開データ ソースの出現と密接に関係しています。

歩数測定分析は厳密に地統計学に依存しているのに対し、デジタル土壌マッピングは厳密には歩数測定ではない、より伝統的な土壌マッピングの概念を使用しています。予測土壌マッピングとも呼ばれるデジタル土壌マッピング^[10] は、土壌特性のコンピューター支援推論に依存して、個別の土壌タイプのデジタルマップを作成します。歩数測定マッピングでは、個別の土壌タイプを示すマップは作成されません。

歩数測定マッピングの方法は、土壌調査データ処理の手順によって異なります。

1. サンプリング
2. データスクリーニング
3. 土壌共変量の前処理
4. 地統計モデルのフィッティング
5. 空間予測
6. クロスバリデーション/精度評価
7. 出力の可視化

土壌計測地図作成の主な理論的根拠の一つは、土壌変異の普遍モデルである。^{[4] [11]}

${\displaystyle Z(\mathbf {s} )=m(\mathbf {s} )+\varepsilon '(\mathbf {s} )+\varepsilon ''}$

...ここで、は土壌変動の決定論的部分、は変動の確率的、空間的に自己相関的な部分、 は残りの残差変動（測定誤差、短期変動など）であり、 にも依存する可能性がありますが、モデル化されていません。このモデルは、フランスの数学者ジョルジュ・マセロンによって初めて導入され、空間データに対する最良の不偏線形予測子であることが証明されました。このモデルを使用して予測やシミュレーションを生成する方法の 1 つは、回帰クリギング（ユニバーサルクリギングとも呼ばれる）を使用することです。土壌データの場合、モデルの決定論的要素は、気候、生物、起伏、母材（岩相）、および時間などの土壌形成要因に基づくことがよくあります。CLORPT モデルとして知られるこの概念モデルは、ハンス・ジェニーによって土壌景観モデリングに導入されました。^[2]${\displaystyle \textstyle {m(\mathbf {s} )}}$${\displaystyle \textstyle {\varepsilon '(\mathbf {s} )}}$${\displaystyle \textstyle {\varepsilon ''}}$${\displaystyle \textstyle {\mathbf {s} }}$

歩数マッピング技術の特別なグループは、エリアベースまたは連続的な空間情報のダウンスケールに重点を置いています。土壌クラスの予測も歩数マッピングの別のサブフィールドであり、特定の地統計学的手法を使用して変数の因子タイプを補間します。

歩数測定マッピングも、土壌特性を測定するための新しい技術、つまりデジタル土壌マッピング技術に大きく依存しています。これには次のものが含まれます。

• 土壌分光法および近位土壌センシング（ハンドヘルドまたは車両駆動デバイス）
• 土壌マッピングとモニタリングのためのリモートセンシングシステム（例： SMOS）
• デジタル標高モデルのためのLiDARテクノロジー
• 精密農業技術

• 国際土壌科学連合の土壌測定委員会
• ISRIC — 世界土壌情報データセンター
• 国際地形計測学会
• カリフォルニア土壌資源研究所による土壌科学者向けのオープンソースツール
• デジタル土壌マッピングに関するワーキンググループ