CN107403253A - 监测耕地质量的方法和设备 - Google Patents
监测耕地质量的方法和设备 Download PDFInfo
- Publication number
- CN107403253A CN107403253A CN201710483224.6A CN201710483224A CN107403253A CN 107403253 A CN107403253 A CN 107403253A CN 201710483224 A CN201710483224 A CN 201710483224A CN 107403253 A CN107403253 A CN 107403253A
- Authority
- CN
- China
- Prior art keywords
- arable land
- monitored
- evaluation index
- land
- weight
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 196
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims description 80
- 239000002689 soil Substances 0.000 claims description 70
- 230000009471 action Effects 0.000 claims description 5
- 230000035558 fertility Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 15
- 238000009826 distribution Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 9
- 238000012271 agricultural production Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000003973 irrigation Methods 0.000 description 7
- 230000002262 irrigation Effects 0.000 description 7
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 238000011835 investigation Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000010206 sensitivity analysis Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000011651 chromium Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000002881 soil fertilizer Substances 0.000 description 1
- 238000003900 soil pollution Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种监测耕地质量的方法，包括：获取与被监测耕地相关联的评价数据；根据预确定的多个评价指标和所获取的评价数据确定该多个评价指标中每个的指标值；采用层次分析法确定该多个评价指标中每一个的权重；根据该多个评价指标的指标值和各个评价指标对应的权重计算被监测耕地的耕地质量水平；以及，将计算得到的耕地质量水平发送给显示装置显示。本发明实施例还公开了一种监测耕地质量的设备。采用本发明，可综合地监测耕地质量水平，提高监测的稳定性。
Description
技术领域
本发明涉及计算机地理信息技术领域，更具体地，涉及一种监测耕地质量的方法和设备。
背景技术
耕地，作为最宝贵的农业资源，对保障粮食与生态安全，保持社会经济可持续发展具有重要作用。而我国农业比较效益低、农村劳动力流失及土地流转困难等造成大面积耕地撂荒，中低产田比例加大，耕地质量总体偏低且难以维持可持续发展，在利用中面临着粮食安全保障、耕地撂荒、耕地质量退化严重和耕地土壤环境被污染面积不断增多等众多问题，对于耕地质量的建设与保护呼声和力度也越来越强烈。
随着经济的快速发展和生活水平的提高，耕地质量的综合评价也越来越引起人们的重视。在人类活动和自然条件变化的双重影响下，耕地质量不断发生改变，分布特征差异显著。目前关于耕地质量的评价主要围绕研究内容、指标体系、评价方法、不同尺度等方面进行了积极探索，在评价中多是沿用农用地分等定级的评价指标，主要考虑耕地的自然、利用和经济属性且多数也是定性描述或笼统性初步分级。
耕地质量是耕地各种性质的综合反映，它由土壤条件、农田基础设施条件及耕地立地条件等因素影响并决定。耕地质量评价包括评价指标选取、权重和隶属度函数确定以及耕地质量综合指数计算等步骤。由于选取的指标不同，分析的目标的差异，选择的评价方法也不同，因而，没有统一的评价方法。
以往的传统耕地质量评价中，通常采用定性分析方法，这些方法主要建立在评价专家的经验上。然而定量分析随着计算机技术的普及亟待进一步发展。目前耕地质量评价所采用的主要方法包括经验判断指数和法、主成分分析法、层次分析法、模糊综合评价法、聚类分析法、物元分析法、回归分析法、地统计学方法和灰色关联度分析法等一些综合评价方法。
耕地质量的评价方法很多，近年来将地理信息系统(GIS)与多准则决策综合评价结合的研究逐步增多。但是，这种方法的瓶颈是评价因子权重的不同选择将导致评价结果的不确定性，而评价结果的不确定性将大大影响相关部门的决策结果。
发明内容
本发明要解决的技术问题在于提供一种能够监测耕地质量的方法。相应地，还提供了一种能够监测耕地质量的设备。
根据本发明实施例的一种监测耕地质量的方法，包括：获取与被监测耕地相关联的评价数据；根据预确定的多个评价指标和所获取的评价数据确定该多个评价指标中每个的指标值；采用层次分析法确定该多个评价指标中每一个的权重；根据该多个评价指标的指标值和各个评价指标对应的权重计算所述被监测耕地的质量水平；以及，将该被监测耕地的质量水平发送给显示装置显示。
在可选实施例中，该方法还包括：根据所获取的与被监测耕地相关联的评价数据确定耕地评价单元以确定所述被监测耕地的质量水平；其中，用于确定所述耕地评价单元的评价数据包括获取所述被监测耕地所在区域的土地利用现状数据、土地利用变更数据、行政区划数据和上述被监测耕地所在区域的土壤属性数据。
在可选实施例中，根据评价数据确定耕地评价单元包括：基于所述土地利用变更数据形成土地利用变更图；基于所述行政区划数据、所述土地利用现状数据和所述土壤属性数据分别形成行政区划图、土地利用现状图和土壤图；将土地利用现状图作为底图，与所述行政区划图、土地利用变更图和土壤图进行空间叠加；以及将叠加后得到的耕地图斑作为耕地评价单元。
在可选实施例中，该方法还包括：确定多个评价指标中每个的指标值包括确定多个评价指标中每个的分级标准；以及计算被监测耕地的耕地质量水平包括通过耕地质量综合评价计算公式确定被监测耕地的耕地质量水平，上述的耕地质量综合评价计算公式为其中R为耕地质量综合得分，Wi为第i个评价指标的权重，Ai为第i个评价指标的分值，n为所述多个评价指标的数量。
在可选实施例中，该方法还包括：采用单因素轮换法依次改变上述的多个评价指标中的任一评价指标对应的所述权重，并相应地改变该多个评价指标中其他评价指标的权重；根据该多个评价指标的指标值和该多个评价指标的对应的改变后的权重计算对应的被监测耕地的质量水平；以及，根据计算得到的各个被监测耕地的质量水平值确定被监测耕地的质量水平的变化率。
在可选实施例中，确定被监测耕地的质量水平的变化率包括确定被监测耕地的质量水平的绝对平均变化率。
根据本发明实施例的一种监测耕地质量的设备，包括：存储器，用于存储与被监测耕地相关联的评价数据；以及处理器，用于执行以下动作：从该存储器获取前述的评价数据，根据预确定的多个评价指标和所获取的评价数据确定多个所述评价指标中每个的指标值，采用层次分析法确定该多个评价指标中每一个的权重，和根据该多个评价指标的指标值和各个评价指标对应的权重计算被监测耕地的质量水平，以及将该被监测耕地的质量水平发送给显示装置显示。
在可选实施例中，该处理器还用于根据所获取的与被监测耕地相关联的基础数据确定耕地评价单元以确定所述被监测耕地的质量水平；其中，用于确定耕地评价单元的评价数据包括获取被监测耕地所在区域的土地利用现状数据、土地利用变更数据、行政区划数据和该被监测耕地所在区域的土壤属性数据。
在可选实施例中，该处理器确定多个评价指标中每个的指标值包括确定多个评价指标中每个的分级标准；以及该处理器计算所述被监测耕地的质量水平包括通过耕地质量综合评价计算公式确定被监测耕地的质量水平，所述耕地质量综合评价计算公式为其中R为耕地质量综合得分，Wi为第i个评价指标的权重，Ai为第i个评价指标的分值，n为所述多个评价指标的数量。
在可选实施例中，该处理器还用于：基于单因素轮换法依次改变多个评价指标中的任一评价指标对应的权重，并相应地改变该多个评价指标中其他评价指标的权重；根据该多个评价指标的指标值和该多个评价指标的对应的改变后的权重计算对应的被监测耕地的质量水平；以及，根据计算得到的各个被监测耕地的质量水平值确定该被监测耕地的质量水平的变化率。
本发明实施例通过采用基于GIS的多准则决策(Multiple Criteria DecisionMaking，MCDM)方法将被监测耕地的例如土壤理化性质、农业生产条件、区位条件、土壤环境状况等作为评价指标来综合评估各因素对耕地质量的影响，从而可以监测耕地的质量水平。进一步地，采用权重敏感性分析的OAT法来评估各指标权重的不确定性对评价结果的影响程度，从而可以确定所监测到的耕地质量水平的稳定性，这样可以为土地利用优化配置或相关规划决策提供可靠的依据。
附图说明
图1是根据本发明实施例的监测耕地质量的方法的一个实施例的框图。
图2是根据本发明实施例的监测耕地质量的方法的另一个实施例的框图。
图3示出了广州市增城区的位置示意图。
图4示出了叠加后的耕地质量评价单元图斑。
图5示出了根据本发明实施例的增城区耕地质量综合评价指标体系及量化的一个示例性表格。
图6示出了根据本发明实施例的单因素轮换OAT法的实施过程的框图。
图7示出了根据本发明实施例的采用有效土层厚度、道路通达度、土壤肥力水平和土壤综合污染指数分别作为主变化因子进行不同权重变化分析得到的耕地质量综合评价结果变化率。
图8示出了根据本发明实施例的采用OAT法改变权重后得到的耕地质量综合评价结果的绝对平均变化率(MACR)。
图9是根据本发明实施例的监测耕地质量的设备的一个实施例的框图。
具体实施方式
下列公开提供了许多不同的实施例或例子，以实现本发明的不同特征。下面描述了部件和方法步骤的具体例子以简化本公开。当然，这些仅是例子并不旨在限制。应该意识到，可以将这里所公开的内容应用在多种广泛形式中，并且这里所公开的任何特定结构和/或功能仅仅是描述性的。基于这里所教导的内容，本领域技术人员应该意识到，可以独立于任何其他方面实现这里所公开的方面，并且可以以多种方式对这些方面中的两个或多个进行组合。
发明人在研究中发现影响耕地质量的因素错综复杂，涉及自然因素、生态环境、社会经济和区位条件等多方面。根据本发明实施例，采用多准则决策(Multiple CriteriaDecision Making，MCDM)分析耕地质量总体特征。在一些实施例中，该多准则包括例如土壤理化性质、农业生产条件、区位条件和土壤环境条件等。此外，用权重敏感性分析的OAT法来评估各指标权重的不确定性问题对监测结果的影响程度。
图1是根据本发明实施例的监测耕地质量的方法的一个实施例的框图。如图1所示，该方法包括：
S101，获取与被监测耕地相关联的评价数据；
S102,根据预确定的多个评价指标和所获取的评价数据确定多个所述评价指标中每个的指标值；
S103,采用层次分析法确定所述多个评价指标中每一个的权重；
S104,根据所述多个评价指标的所述指标值和各个所述评价指标对应的所述权重计算所述被监测耕地的质量水平；以及，
S105,将所述被监测耕地的质量水平发送给显示装置显示。
图2是根据本发明实施例的监测耕地质量的方法的另一个实施例的框图。在本发明实施例中，可通过土地利用变更数据、土壤调查数据、耕地地力调查结果和相关农业统计资料来获取基础数据。对这些基础数据进行数据预处理后得到相应的评价指标的指标值。
S201，对评价数据进行预处理。
例如，获取被监测耕地所在区域的1:10000的土地利用变更调查数据，并且从该土地利用变更数据中获取耕地布局、农村居民点分布、道路、沟渠水域以及各乡镇、街道行政中心等数据信息。这些数据信息与区位条件准则下的各评价指标相关联。此外，诸如水田、旱地、水浇地等耕地利用类型，农田水利设施(例如从土地利用数据库中提取的水工建筑用地、沟渠、河流、水库水面等信息)、地块规整度和耕地连片度等数据信息与农业生产条件准则下的各评价指标相关联。
图3示出了广州市增城区的位置示意图。例如以广州市增城区为例，区内有水稻土和旱地土壤2个土类。2012年全区土地面积共1616.47平方公里，下辖3个街道和6个镇，区府驻守荔城街道，常住人口103.68万。截至2012年末耕地总面积为22597.3公顷，其中水田14210.7公顷、水浇地7637.35公顷、旱地749.25公顷，人均耕地面积0.4亩。2012年，增城区公路通达里程2378公里，其中，国道56.78公里，省道256.63公里，县道162.95公里。
又例如，获取1:50000DEM(数字高程模型)提取地形坡度，根据土地利用现状数据获取耕地利用方式，在现状数据库中提取水工建筑用地、沟渠、河流、水库水面等形成水源图层，在空间分析模块中运用欧式距离计算地块离沟渠、水利设施用地以及河流水域的远近，制定灌溉潜力分级标准。根据公式
(式中，S为地块面积，L为周长)
计算地块形状系数。并根据该土壤普查数据获取土壤属性信息，包括表层土壤质地、有效土层厚度等。此外，获取耕地地力调查结果并根据耕地地力调查结果计算与土壤理化性质相关联的土壤肥力指标，其中耕地地力调查结果包含2022个采样点，涉及土壤有机质、全氮、有效磷、速效钾等属性。这些评价数据与土地理化性质准则下的各评价指标相关联。
又例如，获取土壤重金属采样数据并根据土壤重金属采样数据计算土壤综合污染指数，其中土壤重金属采样数据可以包含216个采样点，涉及铅(Pb)、镉(Cd)、铬(Cr)三种土壤污染元素。这些评价数据与土壤环境条件准则下的各评价指标相关联。
可选地，还可以使用监测所在年份的统计年鉴及相关农业统计资料，提取社会经济等统计数据，确定排水条件。
S202，确定耕地评价单元。
在一些实施例中，采用叠置法和多边形法获取评价单元及其属性数据。耕地评价单元是指潜在生产能力近似且边界封闭具有一定空间范围的耕地。例如，可以采用被监测区域的土地利用现状图作为底图，通过对行政区划图、土地利用变更图、土壤图进行空间叠加，得到的耕地图斑作为评价单元。形成的评价单元空间界线及行政隶属关系明确，单元的位置容易实地确定，同时同一单元的地貌类型及土壤类型一致，利用方式及耕作方法基本相同。例如，根据本发明实施例的增城区2012年1:10000的土地利用现状为底图，通过对行政区划图、土地利用变更图、土壤图进行空间叠加，得到的耕地图斑作为耕地评价单元，如图4所示。
S203，建立评价指标体系。
图5示出了根据本发明实施例的增城区耕地质量综合评价指标体系及量化的一个示例性表格。
自然因素包括土壤、水文、气候、地质、地形地貌等，是进行农业生产的基础，它是决定耕地质量的重要指标。耕地自然质量强调耕地的本底条件，县级区域范围内气候条件及种植制度差异较小，其差异主要来自地形、表层土壤质地、有效土层厚度、土壤肥力水平等。
在一些实施例中，基于耕地布局、农村居民点分布、道路、沟渠水域以及各乡镇、街道行政中心等数据信息确定区位条件准则下的评价指标，包括例如中心城镇影响度、道路通达度、耕作距离和耕作便捷度等。
土壤肥力状况、农业生产经济条件虽然对耕地质量好坏起着决定性的影响，但如果土壤污染情况严重，会阻碍或抑制土壤微生物的区系组成与生命活动，影响土壤营养物质的转化和能量活动，从而也不利于作物的正常生长发育。随着工农业的快速发展，土壤重金属污染已经成为威胁食物安全及区域生态系统健康的重要因素。因此，可选地，土壤中的重金属含量也成为评价土壤环境质量的指标之一。
S204，在确定用于监测耕地质量的评价指标后，确定各评价指标的权重。通常采用现有的层次分析法与专家打分法相结合的方式确定指标权重，在具体的应用过程中主要包括建立层次结构模型、构造判断矩阵、层次单排序、判断矩阵的一致性检验、层次总排序五个步骤最终得到权重值。图5示出了本发明实施例的增城区耕地质量综合评价指标体系及量化的一个示例性表格。
例如，对于土壤理化性质准则下的一个评价指标—土壤肥力水平，其涉及土壤有机质、全氮、有效磷、速效钾等，它们对作物生长的效应形式主要是S型效应。基于目前对土壤肥力评价的研究结果，结合T型和S型效应土壤肥力分级标准综合评价法，确定土壤肥力指标的各因子权重，分别取值为0.3、0.3、0.2、0.2。
然后，通过加权处理方式计算土壤养分综合分值，采用自然断点法划分出5个等级，并进行分级评分。
对于S型效应的土壤肥力因子，其标准化方程为
式中Ci为i指标因子的得分值；X为i指标因子的测定值；X1为S型效应的第1个转折点处的指标因子的测定值；X2为第2个转折点处的指标因子的测定值。在本发明实施例中，S型效应土壤肥力指标的分级标准如表2所示。
表2 S型效应土壤肥力因子分级标准
| 评价因子(g·kg-1) | 有机质a1 | 全氮a2 | 有效磷a3 | 速效钾a4 |
| X2 | 30 | 1.5 | 10 | 100 |
| X1 | 10 | 0.5 | 2.5 | 40 |
在本发明实施例中，对于农业生产条件准则下的一个评价指标—地块规整度，可以以地块形状系数K计算各耕地评价单元的地块规整度，根据公式
(式中，S为地块面积，L为周长)
计算地块形状系数。越小表示地块形状越规则，反之则越复杂。
在本发明实施例中，对于农业生产条件准则下的一个评价指标—耕地连片度，可以采用空间相连性计算法，利用ARCGIS的空间分析功能，定量计算地块的集中连片程度。可以根据耕地现状分布和土地调查技术规程要求，确定耕地连片度的阈值。在本发明实施例中，以距离阈值为20m(缓冲半径10m)为例进行缓冲分析，且根据集中连片的面积大小，构建耕地的空间连片度。连片度计算公式如下：
式中Si为连片面积现状值，Smin为连片面积最小值，Smax为最大值。连片度指标值取值结果范围为[0，1)。通过上述公式计算后，运用ARCGIS的分类功能的自然断点法，将各评价单元分值划分为5个分值区间。
在本发明实施例中，对于区位条件准则下的一个评价指标—道路通达度，按照指数衰减模型的方法计算其作用分值，道路等级类型和作用的大小，以道路宽度和通行能力来衡量，并随着距离增加道路的影响力指数递减，公式为：
式中Fi为道路通达度分值；f0为道路自身的功能分；di为耕地与道路的实际距离；d为道路最大影响距离；wi为权重；wmax为最大权重。在研究区域内，道路分为3个级别，在此取道路的综合功能分f0为100。
道路通达度的最大影响距离不仅与该类道路的总长度有关，还与级别标准相关。级别越高，则影响距离也越大，一般按
推算。根据道路通达值Fi推算缓冲距离，公式如下：
式中Fi为道路通达度分值；f0为道路自身的功能分；d为道路最大影响距离；通过上述公式可以计算得出不同道路di值。
在本发明实施例中，对于土壤环境条件准则下的一个评价指标—土壤综合污染指数，可以选择内梅罗综合指数法进行土壤重金属污染环境评价。
单项污染指数可通过以下公式计算得到:
式中Pi为土壤中污染物i的环境质量指数；Ci为污染物i的实测值；Si为污染物i的评价标准(mg·kg-1)。可选地，一般采用国家土壤环境二级标准(GB15618-1995)(环境保护部于1995年提出的《土壤环境质量标准》)。
内梅罗综合指数法：
式中，P综是采样点的综合污染指数；Pimax为i采样点重金属污染物单项污染指数中的最大值；为单因子污染指数平均值。计算出的综合污染指数，采用自然间断法进行分级。
本发明实施例其它指标的量化可参见图5中示出的表格中的指标分级标准的相应分值。例如耕地利用方式，水田、水浇地、旱地分值分别对应为100、80、60。
S205，通过耕地质量综合评价计算公式计算被监测耕地的耕地质量水平。
在本发明实施例中，采用多因素综合评价法建立空间分析模型。耕地质量评价中根据各评价指标的分级得分值及其权重，利用加权指数和模型计算耕地质量综合得分值，定量分析耕地质量水平。其计算公式：
式中R为耕地质量综合得分，Wi为第i个评价指标的权重，Ai为第i个评价指标的分值，n为所述多个评价指标的数量。并采用[0，100]实现指标属性分值到耕地质量综合评价分值之间的转换，利用ARCGIS栅格计算器将上述各个因素图层进行加权叠加，得出耕地单元的平均评价分值。
根据本发明实施例，当以广东省典型丘陵区增城区作为示范性例，从土壤理化性质、农业生产条件、区位条件、土壤环境情况等方面构建耕地质量综合评价指标体系，用MCDM准则分析增城区耕地质量总体特征及空间布局与行政区域分布规律。分析结果表明：增城区耕地斑块较破碎，质量等级主要集中在第2、3级，中低产田所占比重较大，分别占全区耕地的30.88％和31.69％。从空间布局来看，质量较好的耕地主要分布在南部平原、以及灌溉条件较好的增江、东江和西福河流域，还有北部河流谷地。正果镇、小楼镇以及派潭镇的大部分耕地综合质量不高，新塘镇整体耕地质量较差。
发明人在研究中进一步发现，上述指标模型建立过程中不可避免地存在人为主观因素影响，一定程度上会降低决策结果的可信度。因此其评价结果也并不唯一，可能会随着权重的变化而变化。
针对上述存在的问题，为进一步向用户提供准确性和有效性高的监测结果，本发明实施例提出对权重的敏感性进行检测和分析，并将这种敏感性分析应用到基于GIS的多准则决策模型中，以得到准确性和有效性较高的评价结果。
在本发明一些实施例中，采用单因素轮换OAT(One-at-a-Time)法来检验权重的敏感性，即通过一次只改变一个因子的权重值，而其他因子尽可能保持不变的情况下来反映单因子权重变化对结果变化的影响程度和规律性。将敏感性分析运用在基于GIS的多准则决策模型中，具体是以ANP法计算求得的权重为初始权重，再利用OAT法依次改变准则指标因子的权重，观察对耕地质量及其空间格局变化的影响趋势和规律性，从而评估各指标权重的不确定性对研究结果的影响程度。
在敏感性分析过程中，需要为权重确定一个可行的变化范围，设置范围和选定权重步长的变化。图6示出了根据本发明实施例的单因素轮换OAT法的实施过程的框图。如图6所示，
在S501，预确定百分比变化范围(range of percent change，RPC)。RPC为一组具有原始基础数据的离散百分比变化有限集。
在S502，预确定百分比变化增量(increment of percent change，IPC)。IPC表示在RPC范围内，评价指标权重每次所变化的百分数。
在S503，计算各评价指标的权重值。
为确保所有评价指标权重W(cr)的总和为1：
式中，W(ci,pc)是第i个评价指标ci在一定的pc取值下的权重；n是评价指标的总数，RPCmin和RPCmax分别是RPC的最小值和最大值。
当改变一个主变化评价指标cm的权重，它的权重值W(cm,pc)可以用以下公式表示：
W(cm,pc)＝W(cm,0)+W(cm,0)×pc,1≤m≤n
式中W(cm,0)是主变化评价指标cm的初始权重值。
为确保所有评价指标的权重和为1，其他评价指标W(ci,pc)需要根据前面描述的公式W(cm,pc)＝W(cm,0)+W(cm,0)×pc,1≤m≤n中生成的W(cm,pc)按比例调整权重值，计算如下：
式中，W(ci,0)是第i个评价指标ci的初始权重值，W(cm,0)是主变化评价指标cm的初始权重值。
当主变化评价指标的权重通过IPC在RPC范围内变化时，就会产生一系列评价结果。
D.计算每次权重改变的综合评价结果。
式中R(cm,pc)为随着cm权重的改变，得到的耕地质量综合评价结果。W(cm,pc)为改变主变化评价指标权重时指标的权重；Am为改变权重的评价指标对应的标准分级得分值；W(cj,pc)为其他评价指标的权重；Aj为其他评价指标的分级得分值。
针对每个图斑单元，计算结果的不确定性可以用变化率表示。随着权重的变化，图斑单元的不确定性也能可视化表达。变化率计算公式：
式中Ck(cm,pc)是权重改变时图斑单元k的评价结果的变化率。R(cm,pc)是随着cm权重的改变，耕地质量综合评价结果；R0为初始的耕地质量评价结果。
这里将RPC和IPC分别取值为±30％和±2％，依次选择每个准则因子作为主变化因子将其运用到所有评价指标中，总共产生420组权重值，每组权重进行一次运算，同时产生一个新的耕地综合质量评价结果。
耕地质量综合评价的空间敏感性通过步进式的改变准则因子权重来展开研究。为了清楚说明和便于理解的目的，在本发明实施例中，选取代表性指标有效土层厚度、道路通达度、土壤肥力水平以及土壤综合污染指数分别作为主变化因子进行不同权重变化分析，得出耕地质量综合评价结果变化率如图7所示。
从图7可以看出，权重的变化对耕地质量布局有一定的影响，从不同权重分配得到的耕地质量变化率的空间分布情况来看，不同指标的计算结果空间差异较大。图7-d1和7-d2分别为土壤肥力水平权重变化率为±30％时的耕地质量变化率分布图，即各图斑单元不确定性分布图。这两幅图的空间分布基本一致，说明权重变化的绝对值相同时(权重增加或减少的值相同)图斑单元对耕地质量变化具有相同的敏感性。
为了便于决策，需要计算整个区域的综合敏感性，可以用随着W(cm,pc)改变时的绝对平均变化率(MACR)表示，其表达式为：
利用综合敏感性公式，计算各评价指标以例如2％的步长，从初始权重的-30％变化到+30％，得到耕地质量综合评价结果的绝对平均变化率(MACR)如图8所示。
通过图8可以看出各指标的绝对平均变化率值(MACR)基本是以权重变化率为0为中心对称分布，并随着权重变化率绝对值的增加呈现近似线性增长，各指标有不同的变化率值。对于同一个评价指标当权重变化率的绝对值相同时，绝对平均变化率值基本一致，得到的综合评价结果变化率的空间分布基本一致，即同一指标权重变化率绝对值相同时，其对评价结果的敏感性相同，即变化率值有正负之分但具有相似灵敏性。
斜率越大的指标对耕地质量评价的敏感性就越大。从图8可以看出，绝对平均变化率值与指标权重大小有一定的关系，土壤肥力水平的权重最大，其敏感性也最大，即土壤肥力水平对权重变化的敏感性最高，其余指标对权重变化的敏感性也基本遵循其本身权重的大小。例如当权重变化率为30％时，土壤肥力水平绝对平均变化率MACR值为3.5582％，而中心城镇影响度的MACR仅为1.0609％，绝对平均变化率MACR值远低于权重变化率大小，说明耕地质量综合评价结果比较稳定。具有较高的耕地质量综合评价值的区域是比较稳定的，也相对可靠，因为这些地区对于各个指标的综合权重来说都具有较高的值，而且受到单一因素影响的可能性也较低。但是权重变化对于耕地质量较差的区域则较为敏感，当指标权重发生变化时，耕地质量等级有比较明显的分布变化，尤其是当权重变化到该区域的指标限制范围内时具有较高的敏感性。
OAT法简单易行可操作性强，根据空间多准则决策中的空间特性，利用GIS技术实现对评价结果空间动态变化的可视化，加强空间敏感性分析。
在本发明实施例中，还提供了一种监测耕地质量的设备。图9是根据本发明实施例的监测耕地质量的设备的一个实施例的框图。如图9所示，该设备700包括存储与被监测耕地相关联的评价数据的存储器702。设备700还包括与存储器702连接的处理器704。处理器704从存储器702获取存储的评价数据，并且根据预确定的多个评价指标和所获取的评价数据确定多个评价指标中每个的指标值。处理器704还采用层次分析法确定所述多个评价指标中每一个的权重。进一步地，处理器704还根据多个评价指标的指标值和各个评价指标对应的权重计算被监测耕地的耕地质量水平，以及将该耕地质量水平发送给显示装置显示。
在本发明实施例中，处理器704能够根据所获取的与被监测耕地相关联的评价数据确定耕地评价单元以用于确定被监测耕地的质量水平；在本发明实施例中，用于确定所述耕地评价单元的评价数据包括获取被监测耕地所在区域的土地利用现状数据、土地利用现状变更数据、行政区划数据和被监测耕地所在区域的土壤属性数据。
在本发明可选实施例中，处理器704确定多个评价指标中每个的指标值包括确定多个所述评价指标中每个的分级标准。另外，处理器704计算所述被监测耕地的耕地质量水平包括通过耕地质量综合评价计算公式确定所述被监测耕地的耕地质量水平，所述耕地质量综合评价计算公式为其中R为耕地质量综合得分，W为第i个评价指标的权重，Ai为第i个评价指标的分值，n为所述多个评价指标的数量。
在本发明可选实施例中，处理器704还用于基于单因素轮换法依次改变多个评价指标中的任一评价指标对应的权重，并相应地改变多个评价指标中其他评价指标的权重。根据多个评价指标的指标值和多个评价指标的对应的改变后的权重计算对应的被监测耕地的质量水平；以及，根据计算得到的各被监测耕地的质量水平值确定被监测耕地的质量水平的变化率。
本发明实施例的监测耕地质量的设备中处理器704执行各动作的详细实施方式可参考本公开前面关于监测耕地质量的方法中相对应步骤的描述，在此不再描述。可选地，监测耕地质量的设备可以是计算机、或与计算机相关的实体等。应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。
上面概述了几个实施例的特征使得本领域技术人员可较好地理解本公开的方面。本领域技术人员应当理解他们可容易地使用本公开作为基础以设计或修改其他工艺和结构以实行相同目的和/或实现在此介绍的实施例的相同优点。本领域技术人员也应意识到这种等同构造没有脱离本公开的精神和范围内，并且他们在没有脱离本公开的精神和范围情况下可以做各种改变、代替和更改。
Claims (10)
1.一种监测耕地质量的方法，包括：
获取与被监测耕地相关联的评价数据；
根据预确定的多个评价指标和所获取的评价数据确定多个所述评价指标中每个的指标值；
采用层次分析法确定所述多个评价指标中每一个的权重；
根据所述多个评价指标的所述指标值和各个所述评价指标对应的所述权重计算所述被监测耕地的质量水平；以及，
将所述质量水平发送给显示装置显示。
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：
根据所获取的与被监测耕地相关联的评价数据确定耕地评价单元以确定所述被监测耕地的质量水平；其中，用于确定所述耕地评价单元的评价数据包括获取所述被监测耕地所在区域的土地利用现状数据、土地利用变更数据、行政区划数据和被监测耕地所在区域的土壤属性数据。
3.根据权利要求2所述的方法，其特征在于，根据所述评价数据确定耕地评价单元包括：
基于所述土地利用变更数据形成土地利用变更图；
基于所述行政区划数据、所述土地利用现状数据和所述土壤属性数据分别形成行政区划图、土地利用现状图和土壤图；
将所述土地利用现状图作为底图，与所述行政区划图、土地利用变更图和所述土壤图进行空间叠加；以及
将叠加后得到的耕地图斑作为耕地评价单元。
4.根据权利要求1所述的方法，其特征在于：
确定多个所述评价指标中每个的指标值包括确定多个所述评价指标中每个的分级标准；以及
计算所述被监测耕地的质量水平包括通过耕地质量综合评价计算公式确定所述被监测耕地的质量水平，所述耕地质量综合评价计算公式为其中R为耕地质量综合得分，Wi为第i个评价指标的权重，Ai为第i个评价指标的分值，n为所述多个评价指标的数量。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
采用单因素轮换法依次改变所述多个评价指标中的任一评价指标对应的所述权重，并相应地改变所述多个评价指标中其他评价指标的权重；
根据所述多个评价指标的所述指标值和所述多个评价指标的对应的改变后的权重计算对应的所述被监测耕地的质量水平；以及，
根据计算得到的各所述被监测耕地的质量水平值确定所述被监测耕地的质量水平的变化率。
6.根据权利要求5所述的方法，其特征在于，确定所述被监测耕地的质量水平的变化率包括确定所述被监测耕地的质量水平的绝对平均变化率。
7.一种监测耕地质量的设备，包括：
存储器，用于存储与被监测耕地相关联的评价数据；以及
处理器，用于执行以下动作：
从所述存储器获取所述评价数据，
根据预确定的多个评价指标和所获取的评价数据确定多个所述评价指标中每个的指标值，
采用层次分析法确定所述多个评价指标中每一个的权重，和
根据所述多个评价指标的所述指标值和各个所述评价指标对应的所述权重计算所述被监测耕地的质量水平，以及将所述质量水平发送给显示装置显示。
8.根据权利要求7所述的设备，其特征在于，所述处理器还用于根据所获取的与被监测耕地相关联的评价数据确定耕地评价单元以确定所述被监测耕地的质量水平；其中，用于确定所述耕地评价单元的评价数据包括获取所述被监测耕地所在区域的土地利用现状数据、土地利用变更数据、行政区划数据和所述被监测耕地所在区域的土壤属性数据。
9.根据权利要求7所述的设备，其特征在于，所述处理器确定多个所述评价指标中每个的指标值包括确定多个所述评价指标中每个的分级标准；以及
所述处理器计算所述被监测耕地的质量水平包括通过耕地质量综合评价计算公式确定所述被监测耕地的质量水平，所述耕地质量综合评价计算公式为其中R为耕地质量综合得分，Wi为第i个评价指标的权重，Ai为第i个评价指标的分值，n为所述多个评价指标的数量。
10.根据权利要求7所述的设备，其特征在于，所述处理器还用于：
基于单因素轮换法依次改变所述多个评价指标中的任一评价指标对应的所述权重，并相应地改变所述多个评价指标中其他评价指标的权重；
根据所述多个评价指标的所述指标值和所述多个评价指标的对应的改变后的权重计算对应的所述被监测耕地的质量水平；以及，
根据计算得到的各所述被监测耕地的质量水平值确定所述被监测耕地的质量水平的变化率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710483224.6A CN107403253A (zh) | 2017-06-21 | 2017-06-21 | 监测耕地质量的方法和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710483224.6A CN107403253A (zh) | 2017-06-21 | 2017-06-21 | 监测耕地质量的方法和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107403253A true CN107403253A (zh) | 2017-11-28 |
Family
ID=60404752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710483224.6A Pending CN107403253A (zh) | 2017-06-21 | 2017-06-21 | 监测耕地质量的方法和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107403253A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
| CN108960622A (zh) * | 2018-06-28 | 2018-12-07 | 河南理工大学 | 一种基于遥感影像的矿区复垦土地质量的自动化评价方法 |
| CN109358178A (zh) * | 2018-11-01 | 2019-02-19 | 四川省农业科学院土壤肥料研究所 | 一种紫色土稻田土壤肥力评价方法 |
| CN109598455A (zh) * | 2019-01-23 | 2019-04-09 | 石河子大学 | 一种适用于新疆机采棉种植的区划方法及系统 |
| CN109740956A (zh) * | 2019-01-11 | 2019-05-10 | 陕西师范大学 | 一种土地生态质量自动化评价方法 |
| CN109872062A (zh) * | 2019-02-02 | 2019-06-11 | 湖南大学 | 基于三维指标框架的县域尺度水土保持防控区划方法及系统 |
| CN110489716A (zh) * | 2019-05-20 | 2019-11-22 | 浙江省农业科学院 | 生地熟化评价方法及系统 |
| CN110887950A (zh) * | 2019-11-07 | 2020-03-17 | 中交天航港湾建设工程有限公司 | 一种土壤监测点位布设及监测系统及方法 |
| CN111931126A (zh) * | 2020-06-18 | 2020-11-13 | 内蒙古生态环境大数据有限公司 | 一种撂荒地生态化治理的空间决策系统 |
| CN112308047A (zh) * | 2020-12-02 | 2021-02-02 | 宁夏回族自治区自然资源勘测调查院 | 一种耕地质量监测方法及系统 |
| CN113340286A (zh) * | 2021-06-28 | 2021-09-03 | 武汉财源通网络科技有限公司 | 一种土地规划勘察勘测项目测绘信息数据分析方法、设备及计算机存储介质 |
| CN113393105A (zh) * | 2021-06-04 | 2021-09-14 | 南京海容互连电子科技有限公司 | 一种耕地质量检测方法、装置、设备及存储介质 |
| CN113837913A (zh) * | 2021-09-09 | 2021-12-24 | 胡月明 | 一种村镇耕地资源承载力关键阈值确定方法及装置 |
| CN114971164A (zh) * | 2022-04-13 | 2022-08-30 | 江苏禹润水务研究院有限公司 | 一种基于人工智能的污泥处理设备异常检测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489056A (zh) * | 2013-07-08 | 2014-01-01 | 福州大学 | 集成本体知识推理与层次分析的土地评价方法及专家系统 |
| CN104881571A (zh) * | 2015-04-29 | 2015-09-02 | 西安科技大学 | 一种煤矿区地质环境承载能力评价方法 |
| CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
-
2017
- 2017-06-21 CN CN201710483224.6A patent/CN107403253A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103489056A (zh) * | 2013-07-08 | 2014-01-01 | 福州大学 | 集成本体知识推理与层次分析的土地评价方法及专家系统 |
| CN104881571A (zh) * | 2015-04-29 | 2015-09-02 | 西安科技大学 | 一种煤矿区地质环境承载能力评价方法 |
| CN106355334A (zh) * | 2016-08-30 | 2017-01-25 | 中国农业大学 | 农田建设区域判定方法 |
Non-Patent Citations (4)
| Title |
|---|
| Y.CHEN ETC.: "Spatial sensitivity analysis of multi-criteria weights in GIS-based land suitability evaluation", 《ENVIRONMENTAL MODELLING & SOFTWARE》 * |
| 於家: "基于人工智能的土地利用适宜性评价模型研究与实现", 《中国博士学位论文全文数据库信息科技辑》 * |
| 梁欢欢等: "基于OAT-GIS技术的地下水污染风险评估指标权重敏感性分析", 《环境工程技术学报》 * |
| 赵小娟等: "珠三角丘陵区耕地质量综合评价及指标权重敏感性分析", 《农业工程学报》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229859A (zh) * | 2018-02-09 | 2018-06-29 | 中国环境科学研究院 | 一种确定生物多样性保护的关键区域的方法及系统 |
| CN108960622A (zh) * | 2018-06-28 | 2018-12-07 | 河南理工大学 | 一种基于遥感影像的矿区复垦土地质量的自动化评价方法 |
| CN109358178A (zh) * | 2018-11-01 | 2019-02-19 | 四川省农业科学院土壤肥料研究所 | 一种紫色土稻田土壤肥力评价方法 |
| CN109740956A (zh) * | 2019-01-11 | 2019-05-10 | 陕西师范大学 | 一种土地生态质量自动化评价方法 |
| CN109598455A (zh) * | 2019-01-23 | 2019-04-09 | 石河子大学 | 一种适用于新疆机采棉种植的区划方法及系统 |
| CN109872062A (zh) * | 2019-02-02 | 2019-06-11 | 湖南大学 | 基于三维指标框架的县域尺度水土保持防控区划方法及系统 |
| CN110489716A (zh) * | 2019-05-20 | 2019-11-22 | 浙江省农业科学院 | 生地熟化评价方法及系统 |
| CN110887950A (zh) * | 2019-11-07 | 2020-03-17 | 中交天航港湾建设工程有限公司 | 一种土壤监测点位布设及监测系统及方法 |
| CN111931126A (zh) * | 2020-06-18 | 2020-11-13 | 内蒙古生态环境大数据有限公司 | 一种撂荒地生态化治理的空间决策系统 |
| CN112308047A (zh) * | 2020-12-02 | 2021-02-02 | 宁夏回族自治区自然资源勘测调查院 | 一种耕地质量监测方法及系统 |
| CN112308047B (zh) * | 2020-12-02 | 2022-06-17 | 宁夏回族自治区自然资源勘测调查院 | 一种耕地质量监测方法及系统 |
| CN113393105A (zh) * | 2021-06-04 | 2021-09-14 | 南京海容互连电子科技有限公司 | 一种耕地质量检测方法、装置、设备及存储介质 |
| CN113340286A (zh) * | 2021-06-28 | 2021-09-03 | 武汉财源通网络科技有限公司 | 一种土地规划勘察勘测项目测绘信息数据分析方法、设备及计算机存储介质 |
| CN113340286B (zh) * | 2021-06-28 | 2022-03-08 | 广西国土资源规划设计集团有限公司 | 一种土地规划勘察勘测项目测绘信息数据分析方法、设备及计算机存储介质 |
| CN113837913A (zh) * | 2021-09-09 | 2021-12-24 | 胡月明 | 一种村镇耕地资源承载力关键阈值确定方法及装置 |
| CN113837913B (zh) * | 2021-09-09 | 2023-11-17 | 胡月明 | 一种村镇耕地资源承载力关键阈值确定方法及装置 |
| CN114971164A (zh) * | 2022-04-13 | 2022-08-30 | 江苏禹润水务研究院有限公司 | 一种基于人工智能的污泥处理设备异常检测方法及系统 |
| CN114971164B (zh) * | 2022-04-13 | 2023-09-22 | 江苏禹润水务研究院有限公司 | 一种基于人工智能的污泥处理设备异常检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107403253A (zh) | 监测耕地质量的方法和设备 | |
| CN102999709B (zh) | 一种农业活动区地下水风险分级分区评价方法 | |
| Nabati et al. | GIS-based agro-ecological zoning for crop suitability using fuzzy inference system in semi-arid regions | |
| Gong et al. | Land suitability evaluation for development using a matter-element model: a case study in Zengcheng, Guangzhou, China | |
| Quan et al. | GIS-based landslide susceptibility mapping using analytic hierarchy process and artificial neural network in Jeju (Korea) | |
| CN107886216A (zh) | 一种基于土地利用适宜性评价的土地承载力分析方法 | |
| Kaufmann et al. | Quality evaluation of restored soils with a fuzzy logic expert system | |
| Poudevigne et al. | Landscape and agricultural patterns in rural areas: a case study in the Brionne Basin, Normandy, France | |
| Kundu et al. | Evaluation of socio-economic drought risk over bundelkhand region of India using analytic hierarchy process (AHP) and geo-spatial techniques | |
| CN108520345A (zh) | 基于ga-bp神经网络模型的耕地质量评价方法及系统 | |
| CN115310806A (zh) | 一种基于空间信息格网的洪涝灾害损失评估方法 | |
| CN105868923A (zh) | 基于多要素耦合模型的资源环境承载力评价方法 | |
| Kong et al. | Geo-environmental suitability assessment for agricultural land in the rural–urban fringe using BPNN and GIS: a case study of Hangzhou | |
| Aslam et al. | Water quality management using hybrid machine learning and data mining algorithms: An indexing approach | |
| Jianchang et al. | Validation of an agricultural non-point source (AGNPS) pollution model for a catchment in the Jiulong River watershed, China | |
| CN111882244A (zh) | 基于层次框架的多源国土开发风险评估体系的构建方法 | |
| Li et al. | Measurement and analysis of regional agricultural water and soil resource composite system harmony with an improved random forest model based on a dragonfly algorithm | |
| Rudra et al. | Artificial neural network for flood susceptibility mapping in Bangladesh | |
| Mahmoudzadeh et al. | New hybrid evolutionary models for spatial prediction of soil properties in Kurdistan | |
| Zhang et al. | Modeling urban growth by the use of a multiobjective optimization approach: Environmental and economic issues for the Yangtze watershed, China | |
| Ahmadi Mirghaed et al. | Effect of landscape fragmentation on soil quality and ecosystem services in land use and landform types | |
| Yue et al. | A patch connectivity index and its change in relation to new wetland at the Yellow River Delta | |
| Alzoubi et al. | Comparing ANFIS and integrating algorithm models (ICA-ANN, PSO-ANN, and GA-ANN) for prediction of energy consumption for irrigation land leveling | |
| CN109784769A (zh) | 一种农业面源污染风险识别方法 | |
| Senaviratne et al. | Use of fuzzy rainfall–runoff predictions for claypan watersheds with conservation buffers in Northeast Missouri |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171128 |