CN104899786A - 玉米品种种植适宜性精细区划方法与系统 - Google Patents

Abstract

本发明提供了一种玉米品种种植适宜性精细区划方法与系统，该方法包括：获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；根据区域数据确定待分析区域的作物品种适宜性区划指标；根据作物品种适宜性区划指标以及待分析区域的环境数据，计算作物品种在所述待分析区域的各县域环境中的区划指标适宜度；计算作物品种在各县域环境中的区划指标适宜度的相似性，根据作物品种在各县域环境中的区划指标适宜度的相似性以及待分析区域的预设分区数目，运用空间聚类算法对待分析区域进行分区，实现更精细的作物种植区划。

Description

玉米品种种植适宜性精细区划方法与系统

技术领域

本发明涉及种植业信息化技术领域，尤其涉及一种玉米品种种植适宜性精细区划方法与系统。

背景技术

传统的作物种植区划，基本以不同物种的生态适宜区划分为主，如玉米种植区划分为极早熟区、东华北春播区、西北春播区、黄淮海夏播区和西南区等等。

但现有作物种植区划方法基本没有考虑不同品种间的差异；同时由于数据和方法所限、分区尺度较大，难以表达各大生态区内不同亚区间的差异。随着品种数量的增长，这两方面问题日益突显，已成为我国审定品种推广失败率偏高重要原因之一。因此研究作物品种级别的、综合品种各性状对环境特殊要求的、基于小尺度基本自然单元的、兼顾种植区域间空间特征关系的新的精细区划理论与方法，具有重要的科学和实际意义。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决或者减缓上述问题的玉米品种种植适宜性精细区划方法与系统，以实现更精细的作物种植区划。

根据本发明的一个方面，提供了一种玉米品种种植适宜性精细区划方法，该方法包括：

S11：获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；

S12：根据所述区域数据确定所述待分析区域的作物品种适宜性区划指标；

S13：根据所述作物品种适宜性区划指标以及所述待分析区域的环境数据，计算所述作物品种在所述待分析区域的各县域环境中的区划指标适宜度；

S14：计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

可选的，所述方法还包括：

提取分区后的各分区内的环境数据，得到分区环境数据，根据所述分区环境数据对分区结果进行调整。

可选的，所述步骤S13包括：

根据所述作物品种适宜性区划指标的发生机理与相应环境因子，采用基本气象要素对所述作物品种适宜性区划指标进行量化；所述基本气象要素包括：光、温和水；

根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度；

根据所述作物品种适宜性区划指标的对作物品种的敏感度，对每个单指标赋以权重，计算得出区划综合指标适宜度。

可选的，所述根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度，包括：

利用克里金空间插值方法将量化后的所述作物品种适宜性区划指标中各单指标的点状数据扩展到所述待分析区域；

以县域为统计范围，计算空间插值后其内部所有栅格单元的平均值，将该平均值赋给所述县域，得到各单指标在各县域环境中的区划指标适宜度。

可选的，所述步骤S14包括：

计算所述作物品种在各县域环境中的区划指标适宜度的相似性；

根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，采用先属性聚类后空间连续性调整的空间聚类算法对所述待分析区域进行分区。

可选的，所述步骤S14还包括：

在聚类后所得的结果类内，挑出类内属性值小于第一预设值或大于第二预设值的所有面状实体，作为聚类特异区。

根据本发明的另一个方面，提供了一种玉米品种种植适宜性精细区划系统，该系统包括：

数据获取单元，用于获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；

区划指标确定单元，用于根据所述数据获取单元获取的区域数据确定所述待分析区域的作物品种适宜性区划指标；

计算单元，用于根据所述作物品种适宜性区划指标以及所述待分析区域的环境数据，计算所述作物品种在所述待分析区域的各县域环境中的区划指标适宜度；

分区单元，用于计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

可选的，所述系统还包括：

分区调整单元，用于提取分区后的各分区内的环境数据，得到分区环境数据，根据所述分区环境数据对分区结果进行调整。

可选的，所述计算单元包括：

区划指标量化模块，用于根据所述作物品种适宜性区划指标的发生机理与相应环境因子，采用基本气象要素对所述作物品种适宜性区划指标进行量化；所述基本气象要素包括：光、温和水；

第一计算模块，用于根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度；

第二计算模块，用于根据所述作物品种适宜性区划指标的对作物品种的敏感度，对每个单指标赋以权重，计算得出区划综合指标适宜度。

可选的，所述分区单元包括：

第三计算模块，用于计算所述作物品种在各县域环境中的区划指标适宜度的相似性；

分区模块，用于根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，采用先属性聚类后空间连续性调整的空间聚类算法对所述待分析区域进行分区。

本发明的有益效果为：

本发明提供的玉米品种种植适宜性精细区划方法与系统，以作物品种为区划对象，解决由于传统作物区划不能充分考虑不同品种间差异的问题，在此基础上划分以往大的分区尺度为更精细的分区，以识别各大生态区内不同亚区间的差异，为精细化的品种推广和分区管理提供决策指导。而且，通过定量化提取指标特征值、确定区划指标适宜性，使得作物品种的分区结果更加精细准确。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例提出的一种玉米品种种植适宜性精细区划方法的流程图；

图2为本发明实施例提出的玉米品种适宜性精细区划方法具体实现流程图；

图3为本发明的实施例中玉米品种秀青73-1在研究区内精细分区结果示意图；

图4为本发明的实施例中玉米品种秀青73-1在研究区内精细分区中特异区提取结果示意图；

图5为本发明实施例提出的一种玉米品种种植适宜性精细区划系统的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。

图1示出了本发明实施例的一种玉米品种种植适宜性精细区划方法的流程图。

参照图1，本发明实施例提出的玉米品种种植适宜性精细区划方法包括：

S11：获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；

本步骤中，所述基础地理数据包括省级和县级行政区数据，待分析区域的环境数据包括区域气象站点数据，所述作物品种在所述待分析区域的试验数据和作物品种在所述待分析区域的县域种植调查数据为预先进行试验、调查获取的，并保存在预设数据库中。

S12：根据所述区域数据确定所述待分析区域的作物品种适宜性区划指标；

其中，待分析区域的作物品种适宜性区划指标可以选取积温、种植密度、倒伏、大斑病、空秆等。

S13：根据所述作物品种适宜性区划指标以及所述待分析区域的环境数据，计算所述作物品种在所述待分析区域的各县域环境中的区划指标适宜度；

S14：计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

进一步地，本发明实施例提出的玉米品种种植适宜性精细区划方法还包括：提取分区后的各分区内的环境数据，得到分区环境数据，根据所述分区环境数据对分区结果进行调整。

本发明实施例，以作物品种为区划对象，解决由于传统作物区划不能充分考虑不同品种间差异的问题，在此基础上划分以往大的分区尺度为更精细的分区，以识别各大生态区内不同亚区间的差异，为精细化的品种推广和分区管理提供决策指导。

其中，所述步骤S13进一步包括：

根据所述作物品种适宜性区划指标的发生机理与相应环境因子，采用基本气象要素对所述作物品种适宜性区划指标进行量化；所述基本气象要素包括：光、温和水；

根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度；具体包括：利用克里金空间插值方法将量化后的所述作物品种适宜性区划指标中各单指标的点状数据扩展到所述待分析区域；以县域为统计范围，计算空间插值后其内部所有栅格单元的平均值，将该平均值赋给所述县域，得到各单指标在各县域环境中的区划指标适宜度。

根据所述作物品种适宜性区划指标的对作物品种的敏感度，对每个单指标赋以权重，计算得出区划综合指标适宜度。

其中，所述步骤S14进一步包括：

计算所述作物品种在各县域环境中的区划指标适宜度的相似性；

根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，采用先属性聚类后空间连续性调整的空间聚类算法对所述待分析区域进行分区；

在聚类后所得的结果类内，挑出类内属性值小于第一预设值或大于第二预设值的所有面状实体，作为聚类特异区。

下面本发明通过具体实施例对本发明提出的玉米品种种植适宜性精细区划方法进行详细阐述和说明。其中，以黄淮海夏玉米区为待分析区域，以玉米品种秀青73-1为作物品种。如图2所示，本发明实施例中玉米品种适宜性精细区划方法具体流程图，包括以下步骤：

获取黄淮海夏玉米区数据：基础地理数据包括省级和县级行政区数据、玉米品种区域试验数据和县域种植调查数据、区域环境数据包括研究区域气象站点数据。

其中所述区域试验数据来自于农业部农技中心发布的国家玉米品种区域试验数据中主要记录玉米品种在黄淮海区的各项农艺性状和抗逆、抗病虫害特性指标；所述调查数据主要记录涉及大田作物种植制度、玉米生育进程、种植面积、单产、生物胁迫、非生物胁迫、种植管理措施、水肥管理、主栽品种及喜好等的数据。所述气象站点指标包括日平均气温、日降雨量、日平均风速、日平均相对湿度、日最大风速、日极大风速等十二个指标在内的地面气象数据

S102：依据现有数据，运用统计分析方法确定了玉米品种适宜性精细区划指标，包括积温、种植密度、倒伏、大斑病、空秆5个因子；

将品种区试数据以试验组为基本单元，计算每个品种每年各项指标的试验组平均表现，并对其做与该品种当年产量的相关性分析，得到区试数据中各指标与产量相关性强的指标列表，如表1所示；

表1 区试数据中各指标与产量相关性强的指标对应关系表

1	指标值	01年	02年	03年	04年	05年	06年	平均
									2	矮花叶病		0.0002	-0.0003	0.0023	-0.0029	-0.0017	-0.1388
3	粗缩病		0.0010	-0.0013	0.0016	-0.0007	-0.0016	-0.0206
									4	大斑病		-0.0012	-0.0005	-0.0003	-0.0019	-0.0033	-0.1426
5	倒伏率	0.0011		-0.0017	-0.0022	-0.0044	-0.0003	-0.1765
									6	倒折率			0.0007	0.0027	0.0018	-0.0025	-0.0684
7	褐斑病			0.0017	0.0002	0.0012		0.0486
									8	黑粉病		-0.0020	0.0012	0.0002	-0.0028	-0.0003	-0.1644
9	灰斑病		-0.0016		0.0002			-0.0545
									10	玉米螟		-0.0027	0.0025	0.0002	-0.0021	-0.0006	-0.055
11	茎腐病		-0.0004	0.0000	0.0002	-0.0018	-0.0057	-0.1207
									12	秃尖	-0.0019	-0.0022	-0.0037	0.0002	-0.0021	-0.0024	-0.2578
13	空杆率	-0.0004	-0.0042	-0.0050	0.0002	-0.0067	-0.0034	-0.4364
									14	生育期	0.002	0.001	-0.004	0.004	-0.001	0.003	-0.062

对品种种植状况调查数据，计算各县域排名前三位的生物胁迫以及非生物胁迫出现的频次，其中，各县域排名前三位的生物胁迫，如表2所示，各县域排名前三位的非生物胁迫出现的频次，如表3所示，综合考虑以上对区试数据和种植调查数据的统计分析，确定空杆、倒伏、大斑病作为区划指标；考虑玉米品种种植必须满足基本的热量条件，将积温作为一项区划指标；考虑到不同地区由于玉米生产工具、种植习惯的不同，可能会导致不同的玉米种植密度，进而可能会影响品种的表现，因此选择调查数据中的平均种植密度作为一项参考指标；由以上综合分析，确定积温、种植密度、倒伏、大斑病、空秆5个区划指标。

表2 各县域排名前三位的生物胁迫表

表3 非生物胁迫出现的频次表

根据玉米品种特征值和各县环境特征值之间的关系，建立各区划指标的适宜性衡量标准，定量化表达玉米品种在各县环境中的区划指标适宜度，再根据玉米品种的特性，对区划指标赋以权重，计算得出区划综合指标适宜度，

通过文献分析总结以上5个指标的发生机理与相关环境因子，并归纳为光温水等基本气象要素的量化描述，通过定义各区划指标的适宜度计算方法，将各区划指标适宜度值统一为0到1之间，以使各指标的衡量标准和量纲得到统一。利用克里金空间插值方法将区划指标点状数据扩展到研究区；计算空间插值后其内部所有栅格单元的平均值，将该平均值赋给县单元，无值的栅格单元不参与统计。得到各县域内各指标的适宜度之后，对各指标权重赋值，得到各县综合指标适宜度值，各指标定量化与适宜度计算方法如下：

1、积温指标定量化表达为近20年的逐年有效积温(玉米播种期至收获期内日平均温度≥10℃逐日平均气温累加和)加和的平均值减去标准差(用T表示，见公式(1))；积温适宜度表达为玉米品种生育期内所需积温(T^*)与T的比值(见公式(2)(3))，当S_T>1时，说明县域环境提供的积温不能满足玉米品种生长所需积温，故不适宜在该县种植，排除该区域。相反S_T≤1时，S'_T值越接近1表明积温越适宜。

$S_T=\frac{T^{*}}{T}---\left(2\right)$

$\left\{\begin{array}{cc}{S}_T^{\&prime;}=S_T& S_T\&Element;\left[\mathrm{0.9,1.0}\right]\\ S_T^{\&prime;}=0.9& S_T<0.9\end{array}\right.---\left(3\right)$

式中T—气象站点玉米播种期至收获期20年内置信度为84.14％的≥10℃活动积温值

j_播种——调查数据获得的各县玉米播种时间

j_收获——调查数据获得的各县玉米收获时间

T_i,j——第i年玉米播种至收获期间日均温≥10℃的日平均气温；

S——一倍积温标准差

T^*——玉米品种生育期内所需积温数据

S_T——玉米品种积温适宜性

S'_T——玉米品种的积温适宜度值。

2、空杆指标提取值表达为雌雄穗分化和开花授粉期降雨量≥0.1mm的天数(d_rε)、无日照天数(d_nsε)、开花授粉期日最高气温≥32℃的天数(d_tε)之和,其定量化表达式见公式(4)，适宜度计算见公式(6)(7)。

d_e＝d_re+d_nse+d_te

                                  (4)

3、倒伏胁迫指标的定量化表达为拔节期至成熟期降雨量≥30mm的天数(d_rl)与日最大风速≥9米/秒的天数(d_wl)之和，适宜度计算见公式(6)(7)。

d_l＝d_rl+d_wl

                                     (5)

4、大斑病指标值的提取考虑玉米从拔节到抽穗期间温度在20—25℃之间、空气相对湿度90％以上的天数，适宜度计算见公式(6)(7)。

$x_i^{\&prime;}=\frac{x_{\mathrm{ij}}-x_{\mathrm{ij}\min }}{x_{\mathrm{ij}\max }-x_{\mathrm{ij}\min }}(i=\mathrm{1,2,3};j=\mathrm{1,2,3}...606)---\left(6\right)$

X_i＝1-x′_i i＝1,2,3

                             (7)

其中：

x_ij max＝max(x_ij)(i＝1,2,3；j＝1,2,3...606)

x_ij min＝min(x_ij)(i＝1,2,3；j＝1,2,3...606)

式中i——胁迫指标

i＝1——空杆胁迫

i＝2——倒伏胁迫

i＝3——大斑病胁迫

j——黄淮海夏播玉米区县的个数

x_ij——各胁迫指标定量化结果

x′_i——归一化处理后的胁迫指标值

X_i——胁迫指标的胁迫程度。

5、种植密度指标表达为各县的平均种植密度，见公式(8)。

$\left\{\begin{array}{cc}{S}_L^{\&prime;}=1& {L*}_{\min }\&le;L\&le;{L*}_{\max }\\ S_L^{\&prime;}=\frac{L_{\max }^{*}}{L}& {L*}_{\max }<L\\ S_L^{\&prime;}=\frac{L}{L_{\min }^{*}}& L<{L*}_{\min }\end{array}\right.---\left(8\right)$

式中L——黄淮海区各县的平均种植密度

——玉米品种推荐种植密度的最小值

——玉米品种推荐种植密度的最大值

计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

面状实体空间属性一体化聚类得到区划结果具体包括：

设定分区数目，以玉米品种在各县的综合指标适宜度为相似性判断依据，采用先属性聚类后空间调整的方法获得连续的空间聚类结果，通过相似性准则调整并归并零星区域到邻近类中，最终得到属性上相近，空间上连续的分区结果，将类内属性值差异明显的县域单元划为“特异区”，其中区划结果中类内所有实体的属性值应服从正态分布(得到证实)，对特异区的选择以两倍标准差为评判标准，挑出类内属性值(综合指标值)小于下限(属性平均值减两倍标准差)或者大于上限(属性平均值加两倍标准差)的所有县域面状实体作为聚类特异区。

图3示出了根据本发明的实施例中玉米品种秀青73-1在研究区内精细分区结果示意图；

图4示出了根据本发明的实施例中玉米品种秀青73-1在研究区内精细分区中特异区提取结果示意图；

通过分析各分区内的环境特征，对分区结果进行评价调整。

图5示出了本发明实施例提出的一种玉米品种种植适宜性精细区划系统的结构框图。

参照图5，本发明实施例提出的玉米品种种植适宜性精细区划系统，该系统包括数据获取单元100、区划指标确定单元200、计算单元300以及分区单元400，其中：

所述的数据获取单元100，用于获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；

所述的区划指标确定单元200，用于根据所述数据获取单元获取的区域数据确定所述待分析区域的作物品种适宜性区划指标；

所述的计算单元300，用于根据所述作物品种适宜性区划指标以及所述待分析区域的环境数据，计算所述作物品种在所述待分析区域的各县域环境中的区划指标适宜度；

所述的分区单元400，用于计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

进一步地，本发明实施例提出的玉米品种种植适宜性精细区划系统还包括分区调整单元：

所述分区调整单元，用于提取分区后的各分区内的环境数据，得到分区环境数据，根据所述分区环境数据对分区结果进行调整。

其中，所述计算单元进一步包括：

区划指标量化模块，用于根据所述作物品种适宜性区划指标的发生机理与相应环境因子，采用基本气象要素对所述作物品种适宜性区划指标进行量化；所述基本气象要素包括：光、温和水；

第一计算模块，用于根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度；

第二计算模块，用于根据所述作物品种适宜性区划指标的对作物品种的敏感度，对每个单指标赋以权重，计算得出区划综合指标适宜度。

其中，所述分区单元进一步包括：

第三计算模块，用于计算所述作物品种在各县域环境中的区划指标适宜度的相似性；

分区模块，用于根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，采用先属性聚类后空间连续性调整的空间聚类算法对所述待分析区域进行分区。

综上所述，本发明提供的玉米品种种植适宜性精细区划方法与系统，以作物品种为区划对象，解决由于传统作物区划不能充分考虑不同品种间差异的问题，在此基础上划分以往大的分区尺度为更精细的分区，以识别各大生态区内不同亚区间的差异，为精细化的品种推广和分区管理提供决策指导。而且，通过定量化提取指标特征值、确定区划指标适宜性，使得作物品种的分区结果更加精细准确。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的系统中的模块可以按照实施例描述进行分布于实施例的系统中，也可以进行相应变化位于不同于本实施例的一个或多个系统中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种玉米品种种植适宜性精细区划方法，其特征在于，所述方法包括：

S11：获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；

S12：根据所述区域数据确定所述待分析区域的作物品种适宜性区划指标；

S13：根据所述作物品种适宜性区划指标以及所述待分析区域的环境数据，计算所述作物品种在所述待分析区域的各县域环境中的区划指标适宜度；

S14：计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

提取分区后的各分区内的环境数据，得到分区环境数据，根据所述分区环境数据对分区结果进行调整。

3.根据权利要求1或2所述的方法，其特征在于，所述步骤S13包括：

根据所述作物品种适宜性区划指标的发生机理与相应环境因子，采用基本气象要素对所述作物品种适宜性区划指标进行量化；所述基本气象要素包括：光、温和水；

根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度；

根据所述作物品种适宜性区划指标的对作物品种的敏感度，对每个单指标赋以权重，计算得出区划综合指标适宜度。

4.根据权利要求3所述的方法，其特征在于，所述根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度，包括：

利用克里金空间插值方法将量化后的所述作物品种适宜性区划指标中各单指标的点状数据扩展到所述待分析区域；

以县域为统计范围，计算空间插值后其内部所有栅格单元的平均值，将该平均值赋给所述县域，得到各单指标在各县域环境中的区划指标适宜度。

5.根据权利要求1或2所述的方法，其特征在于，所述步骤S14包括：

计算所述作物品种在各县域环境中的区划指标适宜度的相似性；

根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，采用先属性聚类后空间连续性调整的空间聚类算法对所述待分析区域进行分区。

6.根据权利要求5项所述的方法，其特征在于，所述步骤S14还包括：

在聚类后所得的结果类内，挑出类内属性值小于第一预设值或大于第二预设值的所有面状实体，作为聚类特异区。

7.一种玉米品种种植适宜性精细区划系统，其特征在于，所述系统包括：

数据获取单元，用于获取待分析区域的区域数据，所述区域数据包括：基础地理数据、作物品种在所述待分析区域的试验数据、作物品种在所述待分析区域的县域种植调查数据以及所述待分析区域的环境数据；

区划指标确定单元，用于根据所述数据获取单元获取的区域数据确定所述待分析区域的作物品种适宜性区划指标；

计算单元，用于根据所述作物品种适宜性区划指标以及所述待分析区域的环境数据，计算所述作物品种在所述待分析区域的各县域环境中的区划指标适宜度；

分区单元，用于计算所述作物品种在各县域环境中的区划指标适宜度的相似性，根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，运用空间聚类算法对所述待分析区域进行分区。

8.根据权利要求7所述的系统，其特征在于，所述系统还包括：

分区调整单元，用于提取分区后的各分区内的环境数据，得到分区环境数据，根据所述分区环境数据对分区结果进行调整。

9.根据权利要求7或8所述的系统，其特征在于，所述计算单元包括：

区划指标量化模块，用于根据所述作物品种适宜性区划指标的发生机理与相应环境因子，采用基本气象要素对所述作物品种适宜性区划指标进行量化；所述基本气象要素包括：光、温和水；

第一计算模块，用于根据预设适宜性衡量标准以及量化后的所述作物品种适宜性区划指标，计算各单指标在各县域环境中的区划指标适宜度；

第二计算模块，用于根据所述作物品种适宜性区划指标的对作物品种的敏感度，对每个单指标赋以权重，计算得出区划综合指标适宜度。

10.根据权利要求8所述的系统，其特征在于，所述分区单元包括：

第三计算模块，用于计算所述作物品种在各县域环境中的区划指标适宜度的相似性；

分区模块，用于根据所述作物品种在各县域环境中的区划指标适宜度的相似性以及所述待分析区域的预设分区数目，采用先属性聚类后空间连续性调整的空间聚类算法对所述待分析区域进行分区。