遥感与GIS支持下的土地利用动态研究——以三峡库区秭归县为例

以遥感和地理信息系统作为技术支持 ,提出进行土地利用动态研究的方法和体系。并在此基础上 ,使用遥感图像提供的信息和数据 ,运用地理信息系统提供的空间分析功能 ,采用数学统计、土地利用程度综合指数模型、灰色预测等手段 。

基于GIS的中国土壤分类专家系统设计

土壤系统分类以定量化指标划分土壤类型,为土壤自动分类系统的建立提供了依据;地理信息系统(CIS)的应用扩展了土壤空间信息表达的能力,为实现土壤分类自动制图提供了手段。本文着重模仿专家的思维过程,探讨如何实现土壤自动分类。(1)采用面向对象的方法表达专家经验规则、诊断层和诊断特性知识,并在此基础上提出了决策树的构造方式和推理方法;(2)从土壤系统分类专家的知识表示和推理机的构建两个方面,提出了土壤分类专家系统(SCES)的体系结构、土壤自动分类与地理信息融合的方法和基于GIS和专家系统(ES)的土壤自动分类检索系统的框架结构。

基于XML的土壤系统分类检索系统的元数据模型

土壤系统分类的检索系统是以定量化特征为主,描述土壤的知识体系,具有严格的逻辑一致性和完整性,是建立土壤信息元数据模型的重要基础。XML是先进的网络语言标准,采用可扩展的标记,能够描述各种数据结构,是网络信息共享的重要工具。本研究分析了目前土壤信息共享中存在的问题,提出了以中国土壤系统分类检索系统为主体,参照中国土壤分类与代码的国家标准和ISO地理信息元数据标准,采用XML为描述语言,建立的土壤信息元数据模型,为实现土壤信息共享提供解决方案。

土壤分类专家系统设计

土壤系统分类以定量化指标划分土壤类型,为土壤自动分类系统的建立提供了可能。为了模仿专家的思维过程实现土壤自动分类,该文着重研究了如何采用面向对象的方法表达专家经验规则、诊断层和诊断特性知识,在此基础上提出了土壤分类决策树的构造方式和推理方法;并从土壤系统分类专家的知识表示和推理机的构建两个方面,提出了土壤分类专家系统(SCES)的体系结构。GIS作为管理空间信息和提供空间分析方法的平台,也被有效地集成到系统中,以实现土壤自动分类的目的。

基于PCA和SRRI的潮土土壤属性与田间光谱关系研究

应用光谱分析技术可以快速无损地对土壤属性进行定量分析,是提高农田管理效率的有效途径。使用ASD Field Hand Held光谱仪测定了46个潮土土样在田间环境中350～1075nm的光谱。采用主成分分析方法和逐步线性回归方法得到了土壤反射辐射指数(SRRI)。该指数描述了土壤属性对光谱的综合作用和反射辐射能的强弱程度。结果表明潮土pH和CEC与SOC、Fe2O3、Mn和TN等对光谱的影响是不同的。采用PCA和SRRI方法进行土壤属性的光谱估计,其结果精度优于偏最小二乘回归方法(PLS),而且利用土壤属性对SRRI的贡献可准确衡量光谱估计土壤属性的可行性。

土壤定量遥感技术研究进展

分述了目前VIS/NIR地面光谱、多光谱和高光谱数据及分析技术在土壤定量遥感研究中的应用情况和进展,指出多源遥感数据的应用是该领域的主要趋势,并简要分析了目前研究中存在的问题。

土壤全氮田间Vis/NIR光谱测定方法研究

应用Vis/NIR光谱直接测定原始土壤属性具有重要的研究和应用价值。选取我国中部水稻土和潮土共103个土样,对比分析了两种土壤在田间环境下的湿态(Rw)和干态(Rd)光谱特征。采用相对变换光谱方法对湿态光谱进行了处理,结果表明该方法能够有效降低土壤水分的干扰和消除部分噪声,得到的变换光谱(Rn)与干态光谱在信息量和特征方面具有很高的相似度。以此建立了土壤TN的PLS回归估计模型,检验结果表明,Rn对水稻土和潮土TN的估计模型精度均高于Rw,修正判定系数分别从0.26和0.46提高到0.53和0.62。因此,相对光谱变换方法能够有效提高应用田间土壤光谱估计土壤参数的能力,建立的PLS模型可以用于测定TN含量,研究结果可作为实现田间实时分析土壤属性的工作基础。

开放式地理信息学科教学体系构建

开放式教学体系是传统教学模式的延伸和拓宽。文章基于地理信息学科的特点和当前教学中面临的问题,提出构建地理信息学科开放式教学体系的原则和框架,并分析了该体系的优势和实施中的问题。作为对多学科交叉教学体系的改革探索,提出的开放式地理信息学科教学体系,可为其他高等教育专业教学改革提供借鉴。

面向地块的MDPA算法实现Landsat7的农用地分类

介绍了使用地块划分Landsat7 ETM+遥感影像作为分类单元。为每一种目标类型选取标准地块,采用MDPA算法计算待分类地块与标准地块的亮度、绿度和湿度3种特征的直方图距离和相似指数,以此作为分类依据,结果准确率为95%。对于地块边界稳定的区域,能够显著地降低工作强度,提高分类精度。

基于ArcIMS的农用地定级信息发布系统

农用地定级信息发布系统是利用ArcIMS平台实现电子地图发布、提供用户浏览、检索、缓冲区分析等功能的综合信息系统,其体系结构采用了Browser、WebGIS Server、Database Server组成的三层模型。本文结合ArcIMS体系结构的特点,设计并实现了农用地定级信息发布系统。

利用GIS和RS资料及层次分析法综合评价江汉平原后湖地区耕地自然地力

利用 GIS与 RS并结合农业行业标准 (NY/ T3 0 9-1996)和样区实际情况对江汉平原后湖地区耕地自然地力进行综合评价 ,从而实现土壤信息交流与共享 ,促进土地资源合理利用与科学管理。根据耕地资源特点及耕地地力评价的原理 ,在分析了多种耕地等级评价因子类型基础上 ,确定了每个评价因子的指数 ,并将层次分析 (AHP)的原理和方法引入耕地地力评价以确定参评因子的权重 ;通过这些模型方法与 GIS和 RS结合 ,快速准确地完成耕地地力评价 ,并将评价结果成图输出。结果表明 ,江汉平原后湖地区的耕地地力可分为一、二、三、四等 ,其面积所占比例分别为 2 0 .99%、47.43 %、19.3 8%、12 .2 0 % ,其中大部分耕地地力处于中上水平 ,说明该地区的耕地质量的总体水平比较高 ;利用 GIS和 RS技术可以建立耕地资源数据库 ,快速准确地获取评价数据和确定评价单元 ,提高评价工作效率 ;通过分析不同等级地力水平可找出障碍因素 ,从而确定土壤改良方向和管理措施。

建立土地资源信息系统的若干问题与对策

地理信息系统（ＧＩＳ）技术应用于土地资源的空间信息处理领域中，为宏观决策提供了强有力的科学依据。根据国内外对土地资源信息系统（ＬＲＩＳ）的研究及作者的实践和理解，讨论了在建立该类系统时应该得到重视和进一步研究的５个方面的问题，并提出相应的对策。

江汉平原后湖地区土壤肥力综合评价方法及其应用

根据模糊数学和多元数理统计分析原理 ,建立了一个定量的土壤肥力综合评价方法 ,并应用于大比例尺样区的土壤肥力综合评价。首先 ,通过野外调查和室内理化分析 ,选取了 9项评价指标 ,包括全 N、全 P、全 K、速效P、速效 K、物理性粘粒、粉粘比、表土层厚、p H;并根据植物效应建立两类隶属度函数 ,分别计算出隶属度值 ;然后 ,利用 AHP法确定各因子的权重 ,根据隶属度值和权重 ,求出各参评指标的分值及评价单元土壤肥力总分值 ;最后 ,利用聚类分析法将样区土壤肥力划分为五级 ,并借助 GIS软件 Map GIS绘制样区的土壤肥力综合评价图。江汉平原后湖地区土壤肥力主要为一、二级 ,一、二、三、四、五级肥力土壤分别占 2 4 .2 5 % ,5 2 .3 4 % ,11.2 0 % ,6.15 % ,6.0 6%。

土壤资源与生态环境数据库的建立及应用——以三峡库区秭归县为例

运用计算机和GIS技术 ,以三峡库区秭归县为例 ,建立了区域土壤资源与生态环境数据库 (RSEDBS)。该系统采用ARC/INFOGIS管理空间数据 ,VisualFoxPro管理属性数据库 ,二者通过公共标识码 (ID)共享数据 ;并运用计算机程序语言 (C + + )开发了DEM、层次分析、模糊数学和综合环境指数等应用模型建立模型子库 ;将空间数据库、属性数据库和应用模型库通过内部和外部接口集成一起 ,对秭归县的生态环境质量进行了定量评价。结果表明 :秭归县生态环境质量较好的乡镇分布在西部和南部的山区 ,且具有覆盖度高、人口密度低、降雨量充沛等特点 ;生态环境质量较差的乡镇分布在沿江地区 ,主要存在人口密度大、覆盖率较低、降雨相对不足、水土流失严重等问题。因此 ,为了实现秭归县土壤资源的可持续利用 ,必须根据区域生态特征 ,优化配置人口、资源与环境。

基于传统土壤图的土壤—环境关系获取及推理制图研究

在数字土壤制图研究中,从历史资料中提取准确的、详细的土壤—环境关系对于土壤图的更新和修正十分重要。从传统土壤图中提取土壤类型并从地形数据中提取环境参数,采用空间数据挖掘方法建立土壤—环境关系,并进行推理制图和精度验证。以湖北省黄冈市红安县华家河镇滠水河流域为例,首先选取成土母质和基于地形数据提取的高程、坡度、坡向等7个环境因子;然后利用频率分布原理得到包含土壤类型与环境因子信息的典型样本数据1 410个;采用See5.0决策树方法进行空间数据挖掘,建立土壤—环境关系;将其导入So LIM中进行推理制图;最后利用270个实地采样点验证所得土壤图的精度。土壤图的精度提高了约11%,证明了本研究方法对土壤类型和空间分布推理的可靠性。

农用土地综合评价的一种新方法

利用遥感（ＲＳ）与地理信息系统（ＧＩＳ）和一门新兴的系统科学———物元分析法，以武汉市狮子山地区为样区对农用土地综合评价进行了研究。研究结果表明，狮子山地区的土地质量中等偏上，符合当地的实际情况。该研究对于解决以往土地评价中存在的一些问题，如权重的不确定、人为因素影响过多等提供了一些新的思路与方法。

贝叶斯最大熵地统计学方法及其在土壤和环境科学上的应用

贝叶斯最大熵(Bayesian Maximum Entropy,BME)地统计学方法是近年来出现的一种时空地统计学新方法。相对于传统的克里金方法,该法具有坚实的认识论框架和方法学基础。它不需要作线性估值、空间匀质和正态分布的假设,能够融入先验知识和软数据,并且不会损失其中蕴含的有用信息,提高了分析精度。本文首先介绍了BME的基本理论及其估值方法,随后简单描述了该方法的理论发展过程及其在土壤和环境科学上的应用情况,最后对该方法的应用做了总结与展望。经过国外研究者多年的开发和实践,BME方法已经被证明是一个理论上较为成熟,能够应用到实际研究中的优秀地统计学方法,在资源环境评估上有着广泛的应用前景。

基于组件式地理信息系统的农用地分等方法研究

参考国家制订的《农用地分等定级规程》,利用组件式地理信息系统软件建立了农用地分等信息系统,并应用于湖北省仙桃市的农用地分等评价。首先,确定用于农用地分等的指定作物为中稻和小麦;然后,采用叠置法划分农用地分等单元,根据土壤属性、作物经济数据和分等参数,计算分等单元综合指数;最后,利用等间距法将仙桃市农用地划分为三等,其中以1等为主,1、2、3等农用地分别占77.48%,13.76%,8.76%。

基于高光谱的油菜叶面积指数估计

以冬油菜为研究对象,2014-2015年度设计了不同施氮水平直播油菜小区试验,在不同生育时期测量冠层光谱、土壤背景光谱以及叶面积指数(leaf area index,LAI),通过相关分析选取了12个光谱特征参数和11个植被指数,建立6叶期至角果期LAI的5种线性和非线性定量反演模型。结果表明:二次多项式反演模型比较适合估算油菜LAI苗期时以红边参数为代表的光谱特征参数,可准确估算出LAI;6叶期时红边幅值预测模型R^2为0.81,RMSEP为0.39,RPD为1.62;8叶期时红蓝边面积比归一化预测模型R^2为0.79,RMSEP为0.60,RPD为2.30;10叶期时红边幅值预测模型R^2为0.92,RMSEP为0.47,RPD为2.36;盛花期时蓝边面积预测模型R^2为0.87,RMSEP为0.34,RPD为2.57;角果期时以RDVI为代表的植被指数也可准确估算出LAI,预测模型R^2为0.74,RMSEP为0.57,RPD为1.36。油菜全生育期采用相同光谱特征参数、植被指数建模估计LAI精度明显降低,预测R^2远小于0.75,RMSEP大于0.65,RPD值均小于1.40,表明难以采用统一参数建模准确估计油菜全生育期LAI,不同生长时期需选择合适的光谱参数、植被指数分段建模估计LAI。

基于波段深度分析和BP神经网络的水稻色素含量高光谱估算

该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R^2=0.61,RMSEP=0.128 mg?g^(-1)),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R^2=0.73,RMSEP=0.343 mg?g^(-1))。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度。