吉林西部农业生态资源调查及其时空分布特征

分类：论文范文 发表时间：2021-06-11 10:30

　　摘要:为推进3S技术在国土资源调查方向的应用研究，本文以吉林西部为研究区，设计了基于多时相遥感数据的农业生态资源调查方案，利用本方案完成了4种农业生态资源类型的自动化提取，并对主要提取结果(农田)按7种采样间距(60、90、120、240、270、300和360m)进行了样点提取，分析了地表主要农业生态资源的时空分布特征．研究结果表明:(1)分类方案在研究区共提取了4种一级地类，总体分类精度为88．93%，Kappa系数为0．881．农耕旱地总面积为23100km2，是本研究区内最大的农业生态资源类型之一．水田的面积为3089km2，是本区域内主要的湿地类型;(2)研究区北部，农田的斑块空间分异的变程为480m;研究区南部，旱田的斑块空间格局在660m左右变化;(3)研究区北部的地表农作物表现出南北延伸，东西更替;南部的地物空间分布大致表现为东西延伸，南北更替;(4)与北部相比，研究区南部地表植被的空间自相关性在60～120m的距离空间采样上有较强的空间自相关性．总之，旱田分布相对分散，水田分布较集中．该文的遥感分类调查精度达到了一个比较理想的分类结果．

　　关键词:3S技术;吉林西部;农业资源;空间分布特征

　　农业资源(AgricultureＲesource)是一种特殊的资源，是被人类利用，直接参与或间接影响农业生产的各种物质、能量、资金和信息．农业资源按其来源可以分为自然资源(包括气候资源、水资源、土地资源和生物资源等)和社会资源(包括农业人力资源、农业资金、农业物质技术资源和农业信息资源等)．农业生态资源主要是指与生物过程有关的可更新的自然资源，林、草、田是农业生态资源的主要内容．［1－4］农业生态资源的有限性和变动性意味着农业资源必须被科学合理地利用．

　　1研究区概况

　　吉林西部是吉林省重要的水稻和旱作作物(玉米、高粱和大豆为主)种植区，植被覆盖类型复杂．研究区北靠大兴安岭，地理坐标范围为121°30'00′′～126°35'00′′E，44°00'00′′～46°30'00′′N．西北部与大兴安岭外围台地相接地势较高;中部多连绵起伏的漫岗地;东南有嫩江、洮儿河环绕，沿岸有较肥沃的冲积平原分布．研究区海拔范围在50～500m，土壤为草甸土、黑钙土分布．吉林西部属于温带大陆性季风气候，四季分明，雨热同期;太阳辐射资源丰富，农作物种植的自然条件优越．

　　2数据来源与研究方法

　　2．1数据来源和预处理

　　研究区的农业生态资源分类方案所用数据为高时间分辨率的MODIS－Terra卫星．数据获取时间为2013年1－24旬的全年数据，选择研究区域上空云量少于10%的数据作为每月的旬值数据．农田空间格局分析所用数据为高空间分辨率的Landsat8陆地资源卫星，数据获取时间为2013年8月11日和9月25日．研究区域上空云量少于10%，选用数据波段由band2到band7，对应landsat7的传感器ETM+上的band1、2、3、4、5、7共6个波段数据，涉及可见光所有波段范围．所有数据均来自美国地质调查局(UnitedStatesGeologicalSurvey，简称USGS)网上发布的免费数据(http://glovis．usgs．gov/)．

　　2．2确定分类类别

　　本文主要提取类型为农业生态资源中的林(高覆盖度地类中的林地与灌丛)、草地、田(水田、旱地)．为了便于科学合理分析，另外提取了5种辅助分析地类作为背景数据:恒定水域、季节性水域(包括沼泽与滩地)、盐碱水域、荒地与其他(包括无植被覆盖或少植被覆盖的建筑用地、民用地)、沙化土地．

　　3结果与分析

　　3．1调查结果统计

　　本方案确定参与调查的土地面积共计46313．375km2，提取农业生态资源类型水田，旱田，林地和草地共计4种．在研究区提取了858个样点验证最终分类结果的精度．在建立的分类混淆矩阵中，总体的分类精度为88．93%，Kappa系数为0．881．统计分析情况如表1，在研究区内:(1)旱地农田耕种面积23100km2，占全区总面积的49．878%，旱田是研究区内主要生态景观类型．水田的耕种面积为3088km2，占全研究区总面积的6．7%;(2)草地、灌丛(中覆盖度地类)和林地(高覆盖度地类)的分布面积较小，分别占全研究区总面积的3．963%和1．608%，在研究区内不占优势;(3)研究区农业生态资源总计28768km2，占研究区总面积的62%，农业后备资源丰富．吉林西部是吉林省最具农业发展潜力的地区，是东北地区土地资源可集中开发利用的地区之一．

　　3．2农业生态资源的时空分布特点

　　本文从以下两个方面分析研究区农业生态资源时空分布特点:(1)农业生态资源的空间格局;(2)各个地类的时间变化规律．在地信软件surfer10中按样点间距60、90、120、240、270、300和360m共7种情况进行样点的提取，保存为ASCII格式的dat数据文件．在GS+9．0中进行空间变异分析

　　4讨论

　　本文将高时间分辨率的MODIS数据与高空间分辨率的LANDSAT数据相结合，构建了研究区农业生态资源遥感调查的技术方案，实现了主要农业生态资源类型完全自动化提取，并对其进行了空间变异分析与空间自相关分析．本文设计的农业资源调查方案有较强的区域性，适用于北方地表植被“单峰型”生长的地区．充分考虑地物发展变化机理，以此为基础更新的分类提取算法是遥感自动化解译的发展方向．

　　5结论

　　(1)基于多时相遥感数据的“多维特征空间数据集+支持向量机算法”是本研究区的分类提取方案，本次分类提取的总体精度为88．93%，Kappa系数为0．881，使现有遥感调查达到了一个比较理想的分类结果．研究区内旱地总面积为23100km2，是本研究区内主要的生态景观类型之一;水田耕种面积为3089km2，是本区域内最大的湿地类型．

　　(2)研究区内林地的生长参数(植被指数，0．507±0．048;变程，5．199±0．1825)说明林地的生长稳定，受气象因子等外在因素的影响弱于其他地表植被．水稻与玉米都是典型单峰型生长作物，而且生长峰值相近．但是不同的生长参数(水稻:植被指数，0．516±0．051，变程，4．645±0．208;玉米旱作:植被指数，0．499±0．052，变程，4．485±0．381;)说明不同土地覆被类型上的植被变化信息有着自己的特点

　　参考文献:

　　［1］孙颔．农业自然资源与区域发展［M］．南京:江苏科学技术出版社，1994．

　　［2］孙鸿良．我国北方地区扩大林草面积的成功模式及其纳入草地生态农业体系的生态学依据［J］．生态农业学报，2009，17(4):807－810．

　　［3］HuangYanbo，LanYubin，HoffmannWC，EtAl．MultisensorDataFusionforHighQualityDataAnalysisandProcessinginMeasurementandInstrumentation［J］．JournalofBionicEngineering，2007，4(1):53－62．

　　［4］王凤花，张淑娟．精细农业田间信息采集关键技术的研究进展［J］．农业机械学报，2008，39(5):112－121．

　　［5］WhiteMA，NemaniＲＲ．Ｒeal－timeMonitoringandShort－termForecastingofLandSurfacePhenology［J］．ＲemoteSensingofEnvironment，2006，104(1):43－49

　　李晓东1，2，姜琦刚1

上一篇：关于小学中高年段学生自律培养的策略 下一篇：学校道德教育中数据的价值意蕴与实践挖掘