CN105184224A - 一种东北地区水田分类与信息提取系统及方法 - Google Patents

一种东北地区水田分类与信息提取系统及方法 Download PDF

Info

Publication number
CN105184224A
CN105184224A CN201510486824.9A CN201510486824A CN105184224A CN 105184224 A CN105184224 A CN 105184224A CN 201510486824 A CN201510486824 A CN 201510486824A CN 105184224 A CN105184224 A CN 105184224A
Authority
CN
China
Prior art keywords
paddy field
irrigation
canal
data
well
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
Application number
CN201510486824.9A
Other languages
English (en)
Other versions
CN105184224B (zh
Inventor
杜国明
孙晓兵
张露洋
冯悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Agricultural University
Original Assignee
Northeast Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Agricultural University filed Critical Northeast Agricultural University
Priority to CN201510486824.9A priority Critical patent/CN105184224B/zh
Publication of CN105184224A publication Critical patent/CN105184224A/zh
Application granted granted Critical
Publication of CN105184224B publication Critical patent/CN105184224B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

一种东北地区水田分类与信息提取系统及方法，包括数据准备、水田分类、属性添加和水田提取四部分。根据东北地区耕地利用实际，将水田分为“井灌水田”和“渠灌水田”。井灌水田是通过机井抽取地下水进行灌溉的水田，而渠灌水田是通过渠系引河、湖、江、水库、坑塘等水源进行灌溉的水田。通过土地利用现状数据，借助高分辨率遥感影像、土地整治数据等数据，根据渠系分布状况，通过目视解译实现对井灌水田和渠灌水田的分类与提取。一般而言，灌区之内的水田为渠灌水田，渠灌水田区有着相对完整的干、支、斗、毛等沟渠系统；而井灌水田区的渠系较为简单、不成体系，围绕机电井向外辐射，渠道较窄，东北地区井灌水田区一般会有面积较大的晒水池。

Description

一种东北地区水田分类与信息提取系统及方法
技术领域
本发明涉及一种耕地利用类型分类与提取技术，尤其是东北地区水田分类与信息提取系统及方法，属于国土资源信息处理技术领域。
背景技术
目前，土地利用现状分类系统(GB/T21010-2007)将耕地分为水田、旱地、水浇地等三类，其中水田主要指用于种植水稻、莲藕等水生农作物的耕地。中国东北地区属大陆性湿润半湿润季风气候区，适宜水稻种植，但其降雨量年际波动较大，农业生产普遍通过水利设施进行灌溉，水源为地下水或地表水，由于这二者的温度存在差异，对水稻长势及单产具有显著影响，采用地下水灌溉的水田单产比地表水灌溉的水田单产低5％左右。根据我国特别是东北水田发展的实际情况，将水田划分为井灌水田和渠灌水田两种类型。其中，井灌水田是通过机井抽取地下水对水田进行灌溉的水田，而渠灌水田则是通过渠系引河、湖、江、水库、坑塘等水源进行灌溉的水田。通过利用国土部门掌握的土地利用现状数据(比例尺一般为1：10000或1：5000)，借助高分辨率遥感影像、土地整治数据等辅助数据，根据渠系分布状况，通过人机交互式目视解译实现对井灌水田和渠灌水田的分类与提取。另外，不同的灌溉方式对区域的水资源承载力和水资源利用效率具有重要影响。但目前的国土管理部门及学术界并没有针对这一现象对水田进行细化分类。
发明内容
本发明技术解决问题：针对东北地区水田的分类状况进行细化，提供一种东北地区水田分类与信息提取系统及方法，从而为水田利用与管理提供依据。
本发明技术解决方案：一种东北地区水田分类与信息提取系统，其特征在于包括：数据准备模块、水田分类模块、属性添加模块和水田提取模块；
数据准备模块，收集研究区相同年份的土地利用现状图即国土部门掌握的基于二次土地调查的地类图斑DLTB图层、1-8m的高分辨率遥感影像、土地整治规划数据，并对高分辨率遥感影像、土地整治规划数据进行几何校正和空间配准，最后数据准备模块得到经过几何校正与空间配准的高分辨率遥感影像、土地整治规划数据，并借助土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据，从已有的土地利用现状图中提取地类为水田(011)的图斑，并单独存储为水田分布图层，送至水田分类模块，从而为水田分类提供基础数据；
水田分类模块，根据经过几何校正与空间配准的高分辨率遥感影像、土地整治规划数据，将水田分为井灌水田和渠灌水田，基本依据是：根据土地整治数据，不同规模的灌区之内的水田为渠灌水田，渠灌水田区有着相对完整的干、支、斗、毛等沟渠系统；而井灌水田区的渠系较为简单、不成体系，围绕机电井向外辐射，渠道较窄，但一般会有面积较大的晒水池，将水田划分的井灌水田和渠灌水田送至属性添加模块；
属性添加模块，依照将水田划分为井灌水田与渠灌水田两种类型，借助ArcGIS空间分析软件，在水田分布图层(011)的属性数据上添加水田类型(stlx)字段(字符型，宽度为1)，基于水田分布图层及相应的遥感数据、土地整治数据，按照渠系灌溉设施状况将井灌水田代码设置为“1”，渠灌水田代码设置为“2”，逐图斑添加井灌水田与渠灌水田的类型代码，为水田提取模块提供基础数据，通过人机交互式目视解译后，应进行一定比例的野外实地验证，送至水田提取模块；
水田提取模块，依据土地调查的DLTB图层和土地整治规划数据，借助高分辨率遥感影像数据，根据井灌与渠灌类型将水田划分为井灌水田与渠灌水田两种类型，将水田(011)图斑中添加的井灌水田(1)和渠灌水田(2)，分别单独存储为井灌水田(1)与渠灌水田(2)分布图层，即为提取的井灌水田与渠灌水田。
一种东北地区水田分类与信息提取方法，实现步骤如下：
(1)根据收集研究区同时段的土地利用现状图即国土资源部掌握的基于二次土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据等相关资料，借助ArcGIS、ENVI等软件进行几何校正与空间配准，从土地调查的DLTB中提取地类代码(DLDM)为“011”的水田图层，并转存为单独的水田分布图层，得到经过几何校正与空间配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据、水田(011)图斑等数据，送至水田利用类型的分类模块；
(2)根据经过校正与配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据等数据，并依照灌溉设施状况与土地整治规划数据，将水田划分为井灌水田与渠灌水田；依据主要为：不同规模的灌区之内的水田为渠灌水田，渠灌水田区有着相对完整的干、支、斗、毛等沟渠系统；而井灌水田区的渠系较为简单、不成体系，围绕机电井向外辐射，渠道较窄，但一般会有面积较大的晒水池；将划分的井灌水田和渠灌水田送至属性添加模块；
(3)根据将水田划分为井灌水田与渠灌水田两类，借助ArcGIS等空间分析软件在水田属性表中添加水田类型(stlx)的属性列(字符型，宽度为1)，按照渠系灌溉设施状况将井灌水田代码设置为“1”，渠灌水田代码设置为“2”，依照高分辨率遥感影像、土地整治规划数据等数据，进行人机交互式目视解译，逐图斑添加井灌水田(1)与渠灌水田(2)图斑代码，并根据分类结果进行野外验证，将属性添加的水田送至水田提取模块；
(4)根据水田属性的分类及属性添加状况，“1”表示井灌水田，“2”表示渠灌水田，借助ArcGIS等空间分析软件，分别单独存储为井灌水田(1)与渠灌水田(2)分布图层，即为提取的井灌水田与渠灌水田。
本发明与现有技术相比的有益效果是：本发明借助土地信息数据库、土地整治数据及遥感影像等数据资料，可快速识别具有不同灌溉设施的水田，根据其不同灌溉形式可将水田划分为井灌水田与渠灌水田，通过ArcGIS等空间分析软件对井灌水田和渠灌水田添加代码，能够实现对井灌水田与渠灌水田的高效提取。本发明能够快速识别不同灌溉形式的水田，准确评估区域水稻产能和水资源消耗量，能够就水田类型不同而因地制宜的进行农业生产，有效避免因水田类型不清而造成的资源浪费，并为区域水土资源优化配置提供依据。
附图说明
图1为本发明的提取系统组成结构框图；
图2为本发明方法的实现流程图；
图3为东北地区某区域遥感影像图；
图4为渠灌水田示意图；
图5为井灌水田示意图。
具体实施方式
如图1所示，本发明的一种东北地区水田分类与信息提取系统，包括数据准备模块、水田分类模块、属性添加模块和水田提取模块四部分。
(1)根据收集研究区同时段的土地利用现状图即国土资源部掌握的基于二次土地调查的地类图斑DLTB图层、1-8m分辨率的高分辨率遥感影像、土地整治规划数据等相关资料，因不同数据源具有不同的空间参考系统，多源数据叠加具有偏差，故借助ArcGIS、ENVI等软件以土地调查的DLTB图层为基准数据对高分辨率遥感影像、土地整治规划等数据进行几何校正，并对高分辨率遥感影像、土地整治规划数据等数据进行空间配准，得到的经过几何校正与空间配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划等数据，利用ArcGIS等空间分析功能，借助属性选择功能从土地调查的DLTB的属性表中选择地类代码(DLDM)为“011”的水田类型，并转存为单独的水田图层，将经过校正与配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据以及提取得到的水田(011)图层等数据，送至水田利用类型分类模块；
(2)根据经过校正与配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据等数据，按照土地调查的“011”水田图层，参照高分辨率遥感影像与土地整治规划数据，并根据水田空间布局形式以及灌溉设施状况，将水田划分为井灌水田与渠灌水田；依据主要为：不同规模的灌区之内的水田为渠灌水田，渠灌水田区有着相对完整的干、支、斗、毛等沟渠系统；而井灌水田区的渠系较为简单、不成体系，围绕机电井向外辐射，渠道较窄，但一般会有面积较大的晒水池；将划分的井灌水田和渠灌水田送至属性添加模块；
(3)根据已有提取得到的水田(011)图层、高分辨率遥感影像、土地整治规划等数据，以及将水田划分为井灌水田与渠灌水田两类，借助ArcGIS等空间分析软件在水田属性表中添加水田类型(stlx)的属性列(字符型，宽度为1)，按照渠系灌溉设施状况将井灌水田代码设置为“1”，渠灌水田代码设置为“2”，依照高分辨率遥感影像、土地整治规划数据等数据，进行人机交互式目视解译，逐图斑添加井灌水田(1)与渠灌水田(2)图斑属性，并根据分类结果进行野外验证，将属性添加的水田送至水田提取模块；
(4)根据水田属性的分类及属性添加状况，1表示井灌水田，2表示渠灌水田，借助ArcGIS等空间分析软件，分别单独存储为井灌水田(1)与渠灌水田(2)分布图层，即为提取得到井灌水田与渠灌水田类型。
如图2所示，本发明是一种东北地区水田分类与信息提取系统及方法的流程图，主要涉及数据准备模块、水田分类模块、属性添加模块和水田提取模块四部分。
(1)在水田分类与信息提取系统及方法中，首先是数据准备及校正与配准，针对同时段同研究区的土地调查的地类图斑DLTB图层、1-8m分辨率的高分辨率遥感影像、土地整治规划等数据进行几何校正及空间配准，若各数据没有得到精确校正，重新进行几何校正与空间配准，若各数据能够进行精确校正及配准，则得到经过几何校正与空间配准的数据；
(2)根据经过几何校正与空间配准的数据，以及水田利用形式与灌溉设施状况，将水田利用类型划分为井灌水田(1)与渠灌水田(2)，并借助ArcGIS等空间分析软件，从土地调查的DLTB图层中提取水田(011)图层；
(3)通过水田(011)图层、高分辨率遥感影像、土地整治规划等数据对水田进行逐图斑赋水田类型代码值，若为井灌水田，则赋值为“1”；若为渠灌水田，赋值为“2”，根据赋值结果，并进行实地验证以检验赋值的准确性，进而运用ArcGIS等空间分析软件从赋值的水田图层中将井灌水田(1)与渠灌水田(2)进行提取并单独保存为井灌水田图层和渠灌水田图层，即为获得的水田分类与提取过程。
图3为东北地区某区域遥感影像图，从整体来看，水田比例较大，但水田利用形式及灌溉状况有所差异，一种东北地区水田分类与信息提取系统及方法即为对水田重新分类与信息的提取；
图4为渠灌水田示意图，从整体结构来看，水田利用形状较为规范，渠灌水田区有着相对完整的干、支、斗、毛等沟渠系统，灌溉形式为渠灌，水田利用类型为渠灌水田；
图5为井灌水田示意图，从整体结构来看，水田利用现状比较散乱，渠系较为简单、不成体系，围绕机电井向外辐射，渠道较窄，但一般会有面积较大的晒水池，灌溉形式为井灌，水田利用类型为井灌水田。
提供以上实例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。

Claims (2)

1.一种东北地区水田分类与信息提取系统，其特征在于：包括数据准备模块、水田分类模块、属性添加模块和水田提取模块；
数据准备模块，收集研究区相同年份的土地利用现状图即国土部门掌握的基于二次土地调查的地类图斑DLTB图层、1-8m分辨率的高分辨率遥感影像、土地整治规划数据，并对高分辨率遥感影像、土地整治规划数据进行几何校正和空间配准，最后数据准备模块得到经过几何校正与空间配准的高分辨率遥感影像、土地整治规划数据，并借助土地调查的DLTB图层、遥感影像、土地整治规划数据，从已有的土地利用现状图中提取地类代码(DLDM)为“011”的水田图斑，并单独存储为水田分布图层，送至水田分类模块，从而为水田分类提供基础数据；
水田分类模块，根据经过几何校正与空间配准的高分辨率遥感影像、土地整治规划数据，将水田分为井灌水田和渠灌水田，将划分的井灌水田和渠灌水田送至属性添加模块；
属性添加模块，依照将水田划分为井灌水田与渠灌水田两种属性，借助ArcGIS空间分析软件，在水田分布图层的属性数据上添加“水田类型”字段，基于水田分布图层及相应的遥感数据、土地整治数据，按照渠系灌溉设施状况将井灌水田代码设置为“1”，渠灌水田代码设置为“2”，逐图斑添加井灌水田与渠灌水田图斑代码，为水田提取模块提供基础数据，通过目视解译后，应进行一定比例的野外实地验证，送至水田提取模块；
水田提取模块，依据土地调查的DLTB图层和土地整治规划数据，借助高分辨率遥感影像数据，根据井灌与渠灌类型将水田划分为井灌水田与渠灌水田两种类型，将水田011图斑中添加的井灌水田1和渠灌水田2，分别单独存储为井灌水田1与渠灌水田2分布图层，即为提取的井灌水田和渠灌水田。
2.一种东北地区水田分类与信息提取方法，实现步骤如下：
(1)根据收集研究区同时段的土地利用现状图即国土资源部掌握的基于二次土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据等相关资料，借助ArcGIS、ENVI等软件进行几何校正与空间配准，从土地调查的DLTB中提取地类代码(DLDM)为“011”的水田图层，并转存为单独的水田分布图层，得到经过校正与配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据、011水田图斑数据，送至水田利用类型的分类模块；
(2)根据经过校正与配准的土地调查的DLTB图层、高分辨率遥感影像、土地整治规划数据等数据，并依照灌溉设施状况与土地整治规划数据，将水田划分为井灌水田与渠灌水田，将划分的井灌水田和渠灌水田送至属性添加模块；
(3)根据将水田划分为井灌水田与渠灌水田两类，借助ArcGIS等空间分析软件在水田属性表中添加“水田类型”的属性列，按照渠系灌溉设施状况将井灌水田代码设置为“1”，渠灌水田代码设置为“2”，依照高分辨率遥感影像、土地整治规划数据等数据，进行人机交互式目视解译，逐图斑添加井灌水田1与渠灌水田2图斑属性，并根据分类结果进行野外验证，将添加属性的水田图层送至水田提取模块；
(4)根据水田分类及代码添加状况，“1”表示井灌水田，“2”表示渠灌水田，借助ArcGIS空间分析软件，分别单独存储为井灌水田1与渠灌水田2分布图层，提取得到井灌水田与渠灌水田类型。
CN201510486824.9A 2015-08-10 2015-08-10 一种东北地区水田分类与信息提取系统及方法 Active CN105184224B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510486824.9A CN105184224B (zh) 2015-08-10 2015-08-10 一种东北地区水田分类与信息提取系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510486824.9A CN105184224B (zh) 2015-08-10 2015-08-10 一种东北地区水田分类与信息提取系统及方法

Publications (2)

Publication Number Publication Date
CN105184224A true CN105184224A (zh) 2015-12-23
CN105184224B CN105184224B (zh) 2018-05-29

Family

ID=54906293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510486824.9A Active CN105184224B (zh) 2015-08-10 2015-08-10 一种东北地区水田分类与信息提取系统及方法

Country Status (1)

Country Link
CN (1) CN105184224B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384081A (zh) * 2016-08-30 2017-02-08 水利部水土保持监测中心 一种基于高分辨率遥感影像的坡耕地提取方法和系统
CN106446918A (zh) * 2016-10-24 2017-02-22 中国水利水电科学研究院 一种基于遥感影像对农田灌域和排域划分的方法
CN107084688A (zh) * 2017-05-06 2017-08-22 湖北大学 一种基于地块尺度的农作物面积动态变化遥感监测方法
CN109496797A (zh) * 2018-12-20 2019-03-22 张正卓 一种农业节水灌溉系统及控制方法
CN111598027A (zh) * 2020-05-21 2020-08-28 佛山市高明曦逻科技有限公司 一种基于遥感大数据的区域性浅水种植区分布系统及方法
CN111709379A (zh) * 2020-06-18 2020-09-25 谢国雪 基于遥感影像的丘陵区柑橘种植地块监测方法及系统
CN113484245A (zh) * 2021-07-05 2021-10-08 重庆市规划和自然资源调查监测院 一种丘陵山区水田种植模式遥感快速监测方法、系统及计算机可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102401894A (zh) * 2010-09-08 2012-04-04 杨存建 多源数据协同的精细森林植被类型信息遥感更新方法
CN103077400A (zh) * 2012-12-26 2013-05-01 中国土地勘测规划院 土地利用数据库支持的地类信息遥感自动识别方法
CN104424390A (zh) * 2013-09-06 2015-03-18 中国水利水电科学研究院 灌溉面积监测方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102401894A (zh) * 2010-09-08 2012-04-04 杨存建 多源数据协同的精细森林植被类型信息遥感更新方法
CN103077400A (zh) * 2012-12-26 2013-05-01 中国土地勘测规划院 土地利用数据库支持的地类信息遥感自动识别方法
CN104424390A (zh) * 2013-09-06 2015-03-18 中国水利水电科学研究院 灌溉面积监测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杜国明等: "《黑龙江省近30 年来粮食生产变化及增产因素分析》", 《农业现代化研究》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106384081A (zh) * 2016-08-30 2017-02-08 水利部水土保持监测中心 一种基于高分辨率遥感影像的坡耕地提取方法和系统
CN106384081B (zh) * 2016-08-30 2020-04-24 水利部水土保持监测中心 一种基于高分辨率遥感影像的坡耕地提取方法和系统
CN106446918A (zh) * 2016-10-24 2017-02-22 中国水利水电科学研究院 一种基于遥感影像对农田灌域和排域划分的方法
CN106446918B (zh) * 2016-10-24 2017-12-05 中国水利水电科学研究院 一种基于遥感影像对农田灌域和排域划分的方法
CN107084688A (zh) * 2017-05-06 2017-08-22 湖北大学 一种基于地块尺度的农作物面积动态变化遥感监测方法
CN109496797A (zh) * 2018-12-20 2019-03-22 张正卓 一种农业节水灌溉系统及控制方法
CN111598027A (zh) * 2020-05-21 2020-08-28 佛山市高明曦逻科技有限公司 一种基于遥感大数据的区域性浅水种植区分布系统及方法
CN111709379A (zh) * 2020-06-18 2020-09-25 谢国雪 基于遥感影像的丘陵区柑橘种植地块监测方法及系统
CN111709379B (zh) * 2020-06-18 2023-04-18 广西壮族自治区农业科学院 基于遥感影像的丘陵区柑橘种植地块监测方法及系统
CN113484245A (zh) * 2021-07-05 2021-10-08 重庆市规划和自然资源调查监测院 一种丘陵山区水田种植模式遥感快速监测方法、系统及计算机可读存储介质
CN113484245B (zh) * 2021-07-05 2022-11-22 重庆市规划和自然资源调查监测院 一种丘陵山区水田种植模式遥感快速监测方法、系统及计算机可读存储介质

Also Published As

Publication number Publication date
CN105184224B (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN105184224A (zh) 一种东北地区水田分类与信息提取系统及方法
Zhang et al. A 2010 update of National Land Use/Cover Database of China at 1: 100000 scale using medium spatial resolution satellite images
Zhao et al. Index decomposition analysis of urban crop water footprint
Liu et al. Shifting farming–pastoral ecotone in China under climate and land use changes
Xue et al. Evaluation of aeolian desertification from 1975 to 2010 and its causes in northwest Shanxi Province, China
CN103093114A (zh) 一种基于地形和土壤特性的分布式流域缺水量测算方法
Gong et al. Effect of terrain on landscape patterns and ecological effects by a gradient-based RS and GIS analysis
CN102915616A (zh) 一种区域栅格累加土地沙漠化预警方法
CN106294289A (zh) 一种保护动物的生态红线划定方法
Wu et al. Agricultural landscape change in China's Yangtze Delta, 1942–2002: A case study
Li et al. Human and climatic drivers of land and water use from 1997 to 2019 in Tarim River basin, China
Liu et al. Spatio-temporal characteristics of soil protection efforts of the Grain for Green Project in northern Shaanxi Province
CN104698508A (zh) 一种用于土壤侵蚀野外调查的便携式装置及方法
CN104281912B (zh) 土地利用山地地形变更方法
Deng et al. Effect of farmland shelterbelts on gully erosion in the black soil region of Northeast China
CN103500469A (zh) 一种城市绿化建模方法
CN110796340A (zh) 一种宏观尺度的小流域综合治理优先级评估方法
CN101814062A (zh) 区域生态系统服务功能动态区划方法(sizes)
Li et al. Land use and land cover change processes in China's eastern Loess Plateau
Sood et al. Managing shallow aquifers in the dry zone of Sri Lanka
Kumar et al. GIS based irrigation water management
CN114003640A (zh) 一种不稳定耕地的分析方法
Anitha Selvasofia Land use and land cover change detection using GIS and remote sensing of Coimbatore District, Tamilnadu
Peterson et al. Mapping irrigated lands by crop type in Kansas
Kumbhar et al. Assessment of irrigation and agriculture potential using geospatial techniques: a case study of “Bhima-Ujjani” project

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant