CN103514569A - 一种基于gis技术的粮食作物产量可视化新方法 - Google Patents
一种基于gis技术的粮食作物产量可视化新方法 Download PDFInfo
- Publication number
- CN103514569A CN103514569A CN201310480267.0A CN201310480267A CN103514569A CN 103514569 A CN103514569 A CN 103514569A CN 201310480267 A CN201310480267 A CN 201310480267A CN 103514569 A CN103514569 A CN 103514569A
- Authority
- CN
- China
- Prior art keywords
- data
- soil
- cereal crops
- gis
- crop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种基于GIS技术的粮食作物产量可视化新方法,它包括:海量数据搜集及处理步骤、基于GIS平台的数据库构建步骤、作物生长模型建立步骤、基于GIS平台的作物产量可视化步骤、粮食安全空间评价步骤。本发明通过将计算机领域中的海量数据处理技术、GIS领域中的栅格图叠加技术、作物生长模型的粮食产量计算技术相互结合,创新性的提出了一套粮食作物产量可视化的方法。
Description
技术领域
本发明涉及计算机环境评价与变化监测领域,具体涉及一种基于GIS技术模拟粮食作物产量的时空演变的方法。
背景技术
粮食作物产量往往以统计年鉴为载体,以统计数据的形式出现。
而且粮食作物产量一般又是以行政区域为单位进行逐级统计,高一级别行政单位的粮食产量一般等同于区域内低一级别所有行政单位粮食产量的总和。
在这个统计的过程中,充斥的人为主观因素的影响。部分行政单位可能会因为各种原因,会对粮食的真实产量进行多报或者少报。也有可能因为统计口径的不一样,导致产量统计过程中出现混乱而进一步降低这些数据的客观性。
有些研究者通过设计一套粮食产量修正体系,来修正粮食产量统计过程中可能出现的错误。但是这些体系都还是建立在搜集各种统计数据的基础上,没有从根本上改变粮食作物产量数据来源的主观性。
也有些研究者通过设计模型,将一些能够影响作物产量的因素导入到模型中,进而来模拟粮食的产量。这些技术的发明,在很大程度上提高了粮食作物产量数据来源的客观性。但是这些技术也存在一些缺点,比如有的技术一次只能计算一种粮食作物的产量;有的技术虽然能够一次计算多种作物产量,但是无法剔除或者区别出区域内重复种植的情况。而且这些技术都有一个致命的弱点,就是无法在空间上显示不同作物的分布,即无法实现作物产量的可视化。
如果不能将作物的产量表现到空间分布上,那么粮食产量数据的应用又受到了类似统计数据的局限。而且在大尺度的粮食安全研究中,这些数据的应用价值并不大。比如研究世界范围内不同粮食作物的产量变化,选择已发明的其他相关技术来计算产量,只能得到全世界的作物产量,而很难获得各个国家的粮食作物产量。如果需要获得各个国家的产量,就必须再进行一次以国家为单位的计算。
因此使用这些技术不仅为粮食作物产量的计算增加了巨大的工作量,更关键的问题在于无法保证模拟数据环境的一致性。因为计算机每一次模拟粮食作物产量的过程中会产生各种不确定的误差,每一次的模拟结果并不一定是百分之百相同的。于是导致的结果就是,第一次模拟出来的世界粮食产量与第二次模拟出来各国粮食产量的总和是不一致的。
发明内容
针对粮食作物产量可视化这一核心问题,本发明提出了一套基于GIS技术的粮食作物产量可视化方法。发明的内容主要包括:海量数据搜集及处理新方法、基于GIS平台的数据库构建、改进了的作物生长模型、基于GIS平台的作物产量可视化、粮食安全空间评价方法。其具体技术方案为:如图1所示,一种基于GIS技术的粮食作物产量可视化新方法。
步骤101,海量数据搜集及处理。能够影响粮食作物产量及分布的因素众多,本发明在尽可能搜集资料的原则上,确定了日气象数据、土壤数据、土地利用数据、土地投入数据以及地形数据作为发明的基础数据来源。日气象数据的内容需要包括降水量、最高气温、最低气温、露点、湿度、辐射度等。土壤分类数据的内容需要包括土壤层数、土壤厚度、土壤氮磷钾的含量、土壤PH、土壤有机碳的含量、砂砾含量、容积密度等。土地利用数据需要包括不同土地利用类型的面积与空间分布,其中尤其是农用地的面积与空间分布需要详细。土地投入数据主要内容就是在农用地利用过程中所投入的化肥使用量。地形数据主要分为DEM与SLOP两种。DEM中每个象元值代表该象元所覆盖地区的平均高层。SLOP中每个象元值代表该象元所覆盖地区的平均坡度。这些数据所包含的信息是海量的,因此设计开发了符合本发明需求的海量数据处理软件V1.0。该软件大大提高了数据筛选的速度。
步骤102,但是这些筛选过后的数据由于格式、数据量、空间坐标等的不同,无法在GIS平台上进行识别与操作。因此需要对这些海量数据进行处理。数据必须具有相同的栅格分辨率,而且栅格图的格式必须统一。如果分辨率和格式不统一,可以运用Hawths Analysis工具进行转换。将处理好的所有数据统一汇编成可供GIS平台读取的数据库。如果数据不能读取,需要重新对数据进行筛选和处理。
步骤103,将符合要求的数据导入到GIS平台中,提供给作物生长模型。本发明的作物生长模型是基于EPIC模型开发改进后得到。将原始EPIC模型的相关参数进行了更新。通过作物生长模型可以计算得到各种不同粮食作物的产量。
步骤104,作物生长模型主要计算得出的是各种不同粮食作物在一定的自然和社会条件下的产量。要实现作物产量的可视化,就需要结合GIS平台。本发明的可视化思路就是以栅格图的象元为单位,通过计算机判别是否符合耕作要求,以及最符合那种作物生长进而计算作物平均产量。这样就成功的实现了作物的产量在空间上的可视化。
步骤105,作物产量可视化技术可以主要应用于粮食安全的时空演变评价研究。运用本发明的方法可以将粮食安全的评价渗入到宏观尺度的微观单元。只要将栅格图的象元面积缩小,粮食作物产量的时空分布就越精确。
本发明的特点在于跨领域技术的结合与创新。通过将计算机领域中的海量数据处理技术、GIS领域中的栅格图叠加技术、作物生长模型的粮食产量计算技术相互结合,创新性的提出了一套粮食作物产量可视化的方法。
附图说明
图1为一个实施例中基于GIS技术粮食安全评价流程图。
图2为一个实施例中气象站点数据处理技术流程图。
图3为一个实施例中土壤数据处理技术流程图。
图4为一个实施例中土地利用类型数据处理技术流程图。
图5为一个实施例中化肥投入情况数据处理技术流程图。
图6为一个实施例中地形数据(DEM、SLOP)处理技术流程图。
图7为一个实施例中粮食作物产量可视化流程图。
具体实施方式
以下结合相关附图和具体实施例对本发明作进一步的详细阐述。
首先对数据进行初步选择和处理。一方面,搜集的数据是海量的,需要对其进行筛选。另一方面,也需要对数据格式进行统一。在数据筛选方面,本发明开发一个海量数据处理软件。软件的硬件环境为:Intel Core i5-2400CPU,4G内存,至少20G可用硬盘空间;软件环境为:Windows7操作系统,JDK1.7以上;软件编程语言为JAVA。该软件具有简单而清晰的操作界面,可以根据研究的需要快速筛选相关数据。
本发明的核心思路在于以栅格图中每一个象元为单位,通过叠加各种能够影响作物产量及分布的因素图层,运用作物生长模型来计算和模拟每一个象元的作物生长情况。要实现作物可视化就必须对所搜集及经过筛选的数据进行格式上的统一处理。即无论筛选的数据是什么格式,必须统一到栅格图层中,并且把相关属性记录到每一个象元中。
气象站点数据都是文本TXT的形式,如何将其转化到栅格图层上是本发明的创新点之一。如图2所示,图2为一个实施例中气象站点数据处理技术流程图。
图2中:
步骤201,因为每个气象站点都有唯一对应的一个经纬度,所以首先在GIS平台上以经纬度为数据源生成一张可以被GIS读取的SHP点文件。
步骤202,然后以这些站点为中心生成泰森多边形图。这样一个站点就对应的生成了一个面,这个面就相当于各个气象站点所观测的范围。
步骤203,因为泰森多边形图是SHP点文件,属于矢量图,因此在GIS平台上将泰森多边形转化为栅格图。
步骤204,最后将生成的气象栅格图与气象站点的数据建立索引关系。
如图3所示,图3为一个实施例中土壤数据处理技术流程图,图3中:
步骤301,首先将不同土壤类型数据进行空间叠加。一般来说不同的土壤类型有各自的图层,为了使数据符合本发明的要求,需要将这些土壤数据叠加到同一层地图上。
步骤302,因为土壤分类图基本都是SHP文件的矢量图,因此需要转为栅格格式。
步骤303,并建立土壤栅格图与土壤数据库的映射关系。
如图4所示,图4为一个实施例中土地利用类型数据处理技术流程图,图4中:
步骤401,土地利用类型图中,土地的类型相对比较多和复杂。本发明所需要的重点在于农用地,并希望把农用地分为灌溉用地和非灌溉用地。这样,在非农用地部分就可以设计为不符合作物生长要求的地区。农用地范围就是符合作物生长要求的范围。
步骤402,土地利用类型图需要与其它图能够显示在同一个地理坐标系统内,所以需要通过坐标转换、矢量边界裁剪等过程生成符合要求的栅格图。
步骤403,然后建立土地利用栅格图与土地利用数据库的映射关系。
如图5所示,图5为一个实施例中化肥投入情况数据处理技术流程图,图5中:
步骤501,本发明的土地投入数据界定为化肥投入。以行政界线为单位搜集该区域内化肥使用量并生成SHP面文件。
步骤502,然后将SHP面文件在GIS平台中转化为栅格文件。
步骤503,最后建立土地投入栅格图与化肥使用数据库的映射关系。
如图6所示,图6为一个实施例中地形数据(DEM、SLOP)处理技术流程图,图6中:
步骤601,因为地形数据是基于地球椭球面的三维数据,所以其形状不能与前面生成的其他图形完全吻合。因此本发明用朗伯等积方位投影的方法,对地形数据进行初步处理,使其形状符合要求。
步骤602,然后通过坐标转换、矢量边界裁剪生成符合要求的栅格图。
步骤603,最后建立地形栅格图与地形数据库的映射关系。
如图7所示,图7为一个实施例中粮食作物产量可视化流程图,图7中:
步骤701,所有数据处理完毕以后,将数据以指定的格式导入到GIS平台中。
步骤702,通过GIS平台将计算粮食产量的数据转化为能被作物生长模型所读取的文本格式。
步骤703,文本形式的输入数据在作物模型中又会被转为模型特定的数据输入格式。
步骤704,在数据准备完成以后,作物生长模型开始模拟计算各种不同作物的产量,该过程在设计好的模型中自动进行。
步骤705,不同粮食作物产量模拟计算完成后,将计算结果输入到指定模块并保存。
步骤706,将保存在指定模块中的模型成果数据转化为文本输出格式以便GIS平台读取。如果数据通过验证则进入下一步工序,如果数据没有通过验证则需要重新输入GIS平台的输入数据。
步骤707,在GIS平台上,将通过验证的作物选择模型所计算的不同粮食作物产量与空间数据结合,将粮食作物产量显示到地理空间中,生成GIS输出文件。
步骤708,GIS输出文件主要是不同粮食产量的空间分布栅格图,可以利用该图进行粮食安全的时空演变评价。
以上所述,本发明的上述方案都只能认为是对本发明的说明而不能限制本发明,权利要求书指出了本发明的范围,而上述的说明并未指出本发明的范围,因此,在于本发明的权利要求书相当的含义和范围内的任何改变,都应认为是包括在权利要求书的范围内。
Claims (7)
1.一种基于GIS技术的粮食作物产量可视化新方法,其特征在于,它包括:海量数据搜集及处理步骤、基于GIS平台的数据库构建步骤、作物生长模型建立步骤、基于GIS平台的作物产量可视化步骤、粮食安全空间评价步骤。
2.根据权利要求1所述的基于GIS技术的粮食作物产量可视化新方法,其特征在于:所述海量数据搜集及处理步骤是搜集日气象数据、土壤分类数据、土地利用数据、土地投入数据以及地形数据作为基础数据,其中日气象数据包括降水量、最高气温、最低气温、露点、湿度、辐射度,土壤分类数据包括土壤层数、土壤厚度、土壤氮磷钾的含量、土壤PH、土壤有机碳的含量、砂砾含量、容积密度,土地利用数据包括不同土地利用类型的面积与空间分布,土地投入数据主要指在农用地利用过程中所投入的化肥使用量,地形数据分为DEM与SLOP两种,DEM中每个象元值代表该象元所覆盖地区的平均高层,SLOP中每个象元值代表该象元所覆盖地区的平均坡度,所述基础数据统一格式并予以处理建立映射关系。
3.根据权利要求1所述的基于GIS技术的粮食作物产量可视化新方法,其特征在于:所述基于GIS平台的数据库构建步骤是指在相同的栅格分辨率和栅格图的格式统一的情况下,将处理好的所有数据统一汇编成可供GIS平台读取的数据库。
4.根据权利要求1所述的基于GIS技术的粮食作物产量可视化新方法,其特征在于:所述作物生长模型建立步骤是基于EPIC模型开发改进后得到;将原始EPIC模型的相关参数进行了更新;通过作物生长模型计算得到各种不同粮食作物的产量。
5.根据权利要求1所述的基于GIS技术的粮食作物产量可视化新方法,其特征在于:所述基于GIS平台的作物产量可视化步骤是以栅格图的象元为单位,通过计算机判别是否符合耕作要求,以及最符合哪种作物生长进而计算作物平均产量。
6.根据权利要求1所述的基于GIS技术的粮食作物产量可视化新方法,其特征在于:所述粮食安全空间评价步骤是作物产量可视化技术的方法,此方法将粮食安全的评价渗入到宏观尺度的微观单元,只要将栅格图的象元面积缩小,粮食作物产量的时空分布就越精确。
7.根据权利要求1至6之一所述的基于GIS技术的粮食作物产量可视化新方法,其特征在于,其具体步骤为:
步骤101,海量数据搜集及处理:能够影响粮食作物产量及分布的因素众多,其基础数据确定为日气象数据、土壤分类数据、土地利用数据、土地投入数据以及地形数据;所述日气象数据包括降水量、最高气温、最低气温、露点、湿度、辐射度,所述土壤分类数据包括土壤层数、土壤厚度、土壤氮磷钾的含量、土壤PH、土壤有机碳的含量、砂砾含量、容积密度,所述土地利用数据包括不同土地利用类型的面积与空间分布,其中尤其是农用地的面积与空间分布,所述土地投入数据就是在农用地利用过程中所投入的化肥使用量,所述地形数据分为DEM与SLOP两种,DEM中每个象元值代表该象元所覆盖地区的平均高层,SLOP中每个象元值代表该象元所覆盖地区的平均坡度;
步骤102,筛选过后的海量数据由于格式、数据量、空间坐标的不同,无法在GIS平台上进行识别与操作,因此首先对这些海量数据统一处理成具有相同的栅格分辨率,而且栅格图的格式也必须统一;将处理好的所有数据统一汇编成可供GIS平台读取的数据库;
步骤103,将符合要求的海量数据导入到GIS平台中,提供给作物生长模型;所述作物生长模型是基于EPIC模型开发改进后得到,将原始EPIC模型的相关参数进行了更新,通过作物生长模型可以计算得到各种不同粮食作物的产量;
步骤104,所述作物生长模型计算得出的是各种不同粮食作物在一定的自然和社会条件下的产量,再结合GIS平台实现作物产量的可视化;所述可视化指作物的产量在空间上的可视化,是以栅格图的象元为单位,通过计算机判别是否符合耕作要求,以及最符合那种作物生长进而计算作物平均产量;
步骤105,作物产量可视化应用于粮食安全的时空演变评价方法,运用该方法可以将粮食安全的评价渗入到宏观尺度的微观单元,只要将栅格图的象元面积缩小,粮食作物产量的时空分布就越精确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310480267.0A CN103514569B (zh) | 2013-10-15 | 2013-10-15 | 一种基于gis技术的粮食作物产量可视化新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310480267.0A CN103514569B (zh) | 2013-10-15 | 2013-10-15 | 一种基于gis技术的粮食作物产量可视化新方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103514569A true CN103514569A (zh) | 2014-01-15 |
CN103514569B CN103514569B (zh) | 2017-03-08 |
Family
ID=49897250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310480267.0A Active CN103514569B (zh) | 2013-10-15 | 2013-10-15 | 一种基于gis技术的粮食作物产量可视化新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103514569B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960781A (zh) * | 2019-03-21 | 2019-07-02 | 中国农业科学院农业资源与农业区划研究所 | 一种更新全球作物总产量栅格数据的方法 |
CN113449984A (zh) * | 2021-06-25 | 2021-09-28 | 中国水利水电科学研究院 | 一种芦苇资源量评估方法 |
CN116910142A (zh) * | 2023-09-12 | 2023-10-20 | 山东师范大学 | 基于空间化的农业生态系统服务可视化评估方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662185B1 (en) * | 1999-10-15 | 2003-12-09 | Dekalb Genetics Corporation | Methods and systems for plant performance analysis |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN102819669A (zh) * | 2012-07-20 | 2012-12-12 | 中国农业科学院农田灌溉研究所 | 一种区域农业水土资源潜力的测算方法 |
-
2013
- 2013-10-15 CN CN201310480267.0A patent/CN103514569B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662185B1 (en) * | 1999-10-15 | 2003-12-09 | Dekalb Genetics Corporation | Methods and systems for plant performance analysis |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN102819669A (zh) * | 2012-07-20 | 2012-12-12 | 中国农业科学院农田灌溉研究所 | 一种区域农业水土资源潜力的测算方法 |
Non-Patent Citations (2)
Title |
---|
王志强 等: "中国北方气候变化对小麦产量的影响—基于EPIC模型的模拟研究", 《自然灾害学报》 * |
范兰 等: "EPIC模型及其应用", 《地理科学进展》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960781A (zh) * | 2019-03-21 | 2019-07-02 | 中国农业科学院农业资源与农业区划研究所 | 一种更新全球作物总产量栅格数据的方法 |
CN109960781B (zh) * | 2019-03-21 | 2020-10-30 | 中国农业科学院农业资源与农业区划研究所 | 一种更新全球作物总产量栅格数据的方法 |
CN113449984A (zh) * | 2021-06-25 | 2021-09-28 | 中国水利水电科学研究院 | 一种芦苇资源量评估方法 |
CN113449984B (zh) * | 2021-06-25 | 2023-12-29 | 中国水利水电科学研究院 | 一种芦苇资源量评估方法 |
CN116910142A (zh) * | 2023-09-12 | 2023-10-20 | 山东师范大学 | 基于空间化的农业生态系统服务可视化评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103514569B (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Arheimer et al. | Global catchment modelling using World-Wide HYPE (WWH), open data, and stepwise parameter estimation | |
CN104408258B (zh) | 融合环境因素的大尺度土壤有机碳空间分布模拟方法 | |
Bahadur KC | Improving Landsat and IRS image classification: evaluation of unsupervised and supervised classification through band ratios and DEM in a mountainous landscape in Nepal | |
Mai et al. | The great lakes runoff intercomparison project phase 4: the great lakes (GRIP-GL) | |
CN105513133A (zh) | 一种城市风环境数字地图制作及显示方法 | |
CN109582755A (zh) | 一种基于网格的精准农业数据库实现方法 | |
CN115630567A (zh) | 一种海岸带土壤有机碳储量模拟及预测方法 | |
CN103514569A (zh) | 一种基于gis技术的粮食作物产量可视化新方法 | |
CN115310757A (zh) | 一种高精度动态可变分辨率的生态碳汇评估方法及系统 | |
Bashir et al. | Simulating Spatiotemporal Changes in Land Use and Land Cover of the North-Western Himalayan Region Using Markov Chain Analysis | |
Lemenkova et al. | Quantitative morphometric 3D terrain analysis of japan using scripts of GMT and R | |
Wang et al. | A review of regional and Global scale Land Use/Land Cover (LULC) mapping products generated from satellite remote sensing | |
Winzeler et al. | A methodology for examining changes in soil climate geography through time: US soil moisture regimes for the period 1971–2000 | |
Chaney et al. | Two-way coupling between the sub-grid land surface and river networks in Earth system models | |
CN104281912B (zh) | 土地利用山地地形变更方法 | |
Wu et al. | An integrated model to simulate sown area changes for major crops at a global scale | |
Mohammadi | A Review on GIS in Irrigation and Water Management | |
Bato | GIS-based suitability mapping of banana in the Philippines. | |
CN116702299B (zh) | 一种基于园林模拟的园林设计方法 | |
Best et al. | Synthesis of a complete land Use/Land cover dataset for the conterminous united states | |
Ross | Moving towards a unified threshold-based hydrological theory through inter-comparison and modelling | |
Mango et al. | A modeling approach to determine the impacts of land use and climate change scenarios on the water flux of the upper Mara River | |
CN117114194B (zh) | 碳汇量确定、碳汇效益优化的方法、装置及相关设备 | |
CN112598206B (zh) | 基于生态位理论的富硒土壤资源开发利用适宜性评价方法 | |
Hernández | Integrated High-Resolution Modeling for Operational Hydrologic Forecasting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |