CN111222742B - 基于农田景观分区的土壤新增采样点补充布设方法 - Google Patents
基于农田景观分区的土壤新增采样点补充布设方法 Download PDFInfo
- Publication number
- CN111222742B CN111222742B CN201911116019.1A CN201911116019A CN111222742B CN 111222742 B CN111222742 B CN 111222742B CN 201911116019 A CN201911116019 A CN 201911116019A CN 111222742 B CN111222742 B CN 111222742B
- Authority
- CN
- China
- Prior art keywords
- farmland
- partition
- grid
- sampling points
- sampling
- 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.)
- Active
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 127
- 238000005192 partition Methods 0.000 title claims abstract description 105
- 239000002689 soil Substances 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005527 soil sampling Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 12
- 238000011835 investigation Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000007792 addition Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001502 supplementing effect Effects 0.000 description 3
- 239000004927 clay Substances 0.000 description 2
- 238000004138 cluster model Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
Abstract
本发明公开了一种基于农田景观分区的土壤新增采样点补充布设方法,属于土壤科学技术领域。该方法包括预设待采样多边形矢量数据集作为土壤新增采样区,收集多边形数据集内各类农田景观数据;在地理信息系统中定义和生成预设待采样区域的农田空间格网;并对待采样区内收集到的农田景观数据进行处理和输入混合聚类模型运算,得到农田景观分区农田格网;以所述农田格网为基准,对各分区中空间独立图斑不存在现有采样点,以及各分区中现有采样点数量达到采样点密度阈值均衡需新增补充的采样点,进行随机选点取样,确定新增采样点位置和数量;该方法能够提高农田补充采样的合理性和效率。
Description
技术领域
本发明涉及土壤科学技术,具体涉及一种基于农田景观分区的土壤新增采样点补充布设方法。
背景技术
农田土壤采样是获取农田时空理化特性的重要技术手段。目前,在农田基础肥力调查方面已经开展了不同地域范围、采样密度和频度的调查取样工作,已经积累了数量和分布等不同的农田基础数据。实际工作中由于不同的目标需求往往涉及动态更新农田土壤养分等理化特性数据,需要更新或补充采样调查。常规基于网格布点和“S”形的随机采样方法在实际操作过程中通常只考虑农田面积、土地利用现状和土壤类型等极少数因素,实践过程中主观性强。尤其是区域范围较大(如县域或以上范围)时,往往会造成明显的采样分布地域不平衡性。因此在这样的现状背景下,在动态更新的需求下,补充采样点平衡和优化农田采样需求迫切。
区域气候环境、地形地貌、土壤类型等这些“自然禀赋”,以及区域性的农业种植模式、灌溉条件等各因素共同影响了农田的生产能力或农田景观分区。传统的采样点布设方法忽视了农田景观分区对采样点布局的重要性,也直接影响了后续数据结果的科学性和合理性。相应地,以不同的农田景观分区间采样点分布平衡为基准,将现有采样点与农田景观分区叠合,综合判定拟补充新增的采样点数量和分布有助于弥补土壤采样点的合理性。在聚类分析模型、地理信息系统等支撑下,提供一种数据驱动的农田景观分区,并在此基础上与现有采样点关联叠合,随机自动对拟新增补充土壤采样点进行确定的方法,成为本领域亟待解决的技术问题之一。
发明内容
为了解决现有技术中存在的上述技术问题,本发明提供了一种基于农田景观分区的土壤新增采样点补充布设方法,能够提高土壤补充采样的合理性和效率;
本发明的其他特性将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得;
根据本发明提供的一种基于农田景观分区的土壤新增采样点补充布设方法,包括:预设待采样多边形矢量数据集作为土壤新增采样区,收集多边形数据集内各类农田景观数据;在地理信息系统中定义和生成预设待采样区域的农田空间格网;对待采样区内收集到的农田景观数据进行空间叠加、邻近分析和重采样处理后,将所述各类农田景观数据关联并赋值给农田格网;以格网内农田景观数据为输入变量,通过运用高斯-分类混合聚类模型和BIC准则判断最优分区数,得到待采样区域中农田景观的特异性分区,通过将所述特异性分区与农田格网空间叠加使每个农田格网具有分区属性;
根据本发明的一实施方式,所述预设待采样区必须是覆盖全部现有土壤采样点分布的多边形矢量区域;
根据本发明的一实施方式,预设待采样区需要采集的农田景观数据包括现有采样点分布、地貌类型分区、地面高程、土壤类型、常年平均温度、常年降雨量、耕层质地、种植模式和土地利用数据;
根据本发明的一实施方式,以预设待采样区内农田土地利用类型为基准范围定义和生成尺寸大小为L x L(正方形,单位米)的农田格网;农田格网尺寸大小可根据待采样区范围大小进行调整,通过改变所述网格尺寸来调整所述农田格网的数量,减小预设网格尺寸以增加所述农田格网数量,增大预设网格尺寸以减少所述农田格网数量;其包含的农田格网总数量远大于原有采样点和拟新增土壤采样点的总和;
根据本发明的一实施方式,将预设待采样区内农田景观数据赋值到所述农田格网中;其中常年平均温度、常年降雨量、地面高程通过栅格重采样关联对应到所述农田格网中;农田调查数据(土壤类型、耕层质地、地貌类型分区、种植模式)通过空间叠加和邻近分析提取并统一关联对应到所述农田格网中;
根据本发明的一实施方式,上述方法还包括:将土壤类型、耕层质地、地貌类型分区、常年平均温度、常年降雨量、地面高程和种植模式作为变量输入到混合聚类模型,得到待采样区农田景观分区数据集;并将所述分区与农田空间格网叠加,将分区编号赋值到农田格网中;
根据本发明的一实施方式,所述混合聚类模型特征还包括:a)依据贝叶斯信息准则(BIC)判定聚类分区数量(G_COUNT);b)采用联合高斯和分类函数的混合聚类模型进行田景观特异性分区,所述农田景观分区的最小网格尺寸大小与农田格网一致;由于所述高斯-分类混合聚类模型在本发明中仅作为数据输入应用,不涉及模型的改进和优化,因此不将所述混合聚类模型作具体展开说明;
根据本发明提供的一种基于农田景观分区的土壤新增采样点补充布设方法,还包括:各农田景观分区中补充新增采样点的确定,所述补充新增采样点包括以下两部分:
a)各分区中空间独立图斑不存在现有采样点条件下需新增补充的采样点;
b)各分区中现有采样点数量达到采样点平均密度均衡需新增补充的采样点;
根据本发明的一实施方式,所述各分区中空间独立图斑不存在现有采样点条件下需新增补充的采样点确定方法为:随机选取所述空间独立图斑中任意一个网格中心点作为新增采样点;分区空间独立图斑是指某一农田景观分区中空间上互不相邻的图斑;
根据本发明的一实施方式,所述各分区中现有采样点数量达到均衡需新增补充的采样点确定方法包括:
a)根据各分区中已有采样点密度(分区样点数/分区面积)序列,设定一阈值;所述阈值根据拟补充采样的数量确定,拟采样数量越多,阈值设定越高,拟采样数量越少,阈值设定越低;当前采样点的平均密度高于所述阈值的分区不需要补充新增采样点,当前采样点的平均密度低于所述阈值的分区需要补充新增采样点;
b)需要新增补充样点数量根据当前分区采样点的平均密度与阈值之间的差值及分区面积共同确定,并从所述待补充采样分区中不包含已有采样点的网格中,依次随机选择相应数量的网格中心点作为新增采样点;
根据本发明的一实施方式,上述方法还包括:从所述农田格网中随机选取不包含现有采样点的农田格网(有效格网),并以选取的有效格网中心点作为所述土壤采样点包括:
a)在[1,CELL_COUNT]范围内生成一个或多个随机整数,CELL_COUNT为所述分区或分区各空间独立图斑中不包含已有采样点的网格(有效网格)总数量;
b)为a)所述的有效网格分别设置编号1,2,3,…,CELL_COUNT;
c)遍历所述有效网格,当网格编号等于所述随机整数时,将所述编号的网格中心点选为新增土壤采样点。
根据本发明的一实施方式,上述方法还包括:将所述补充新增土壤采样点记录在一矢量点数据层中。
附图说明
通过参照附图详细描述其示例实施例,本发明的上述和其它目标、特征将变得更加显而易见。
图1是根据一示例性实施方式示出的一种基于农田景观分区的土壤新增采样点补充布设方法流程图;
图2A是根据一示例性示出的基于贝叶斯信息准则(BIC)的混合聚类模型分区数量判定
图2B是根据一示例性示出的某县域范围内农田景观分区分布示意图;
图2C是根据一示例性示出的某县域范围内(局部放大)农田景观分区示意图;
图3是根据一示例示出的土壤采样区已有采样点分布及农田格网分布示意图;
图4A是根据一示例示出某分区空间独立图斑中没有包含现有采样点的新增采样点确定示意图;
图4B是根据一示例示出某分区中现有采样点数量达到特定(75%分位)采样密度阈值需新增补充的采样点确定示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案作进一步说明。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。此外,所描述的特征或结构可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本发明的实施方式的充分理解。
如图1所示,本发明的一示例性实施方式示出的基于农田景观分区的土壤新增采样点补充布设方法,具体包括如下步骤:
1)待补充采样区域及数据采集:以某一县域范围为例(经度:119°52′58″—120°32′13″E,纬度:29°21′29″—29°58′59″N)。示例区域内中部为河谷盆地,北部为河网平原,水资源充沛,最高峰为1194米;年均气温16.3℃,年平均降水量1270mm;地貌类型有河网平原、河谷平原、低丘大畈、丘陵山地,其中农田面积约3.65万公顷;土壤类型丘陵山地红壤和河谷平原水稻土为主;农田耕层质地以粘土、粘壤土为主;种植模式以水稻、油菜和蔬菜等(轮作)为主;目前现有土壤采样点2683个;分别获取了县域范围的平均常年平均气温、降雨量数据和地面高程,均为栅格数据,空间精度均为30米,地貌类型分布、种植模式、耕层质地,均为矢量点数据,以及土壤类型和农田土地利用现状,均为矢量多边形数据。
2)定义和生成待采样区域农田格网:以测绘部门提供的县域范围内土地利用现状数据(农田部分)为基础图件,在地理信息系统软件中,本示例以90米×90米的网格大小生成统一格网;本发明不以所述网格大小为限,可以根据待补充土壤样点数量和区域范围大小进行设置调整;选取格网中心点落在农田土地利用上的网格作为农田格网,格网总数量为41843个,远大于现有土壤采样点数量;
3)农田格网赋值:在地理信息系统软件中,将待采样区域范围内的常年平均温度、常年降雨量和地面高程通过栅格重采样(Resample)关联赋值到农田格网中的每个网格中;土壤类型通过空间叠加关联赋值到每个农田格网中;耕层质地、地貌类型分区、种植模式通过邻近分析提取关联赋值到每个农田格网中;
4)农田景观分区:将土壤类型、耕层质地、地貌类型分区、常年平均温度、常年降雨量、地面高程和种植模式作为变量输入到高斯分类混合聚类模型中,根据贝叶斯准则(BIC)值最小确定最优分区数(示例得到18个分区),以及待采样区农田景观分区数据集;将所述各分区进行分区编号,即1,2,3,…,18,通过已编号的农田景观分区与农田格网的空间叠加赋值,得到具有农田景观分区编号的农田格网。在地理信息系统软件中,对所述农田格网图层新增空间独立图斑序号字段,并对每个空间独立图斑进行连续编号(1,2,3,…,m;m为该空间独立图斑中网格总数);
5)建立新增采样点矢量格网图层:在地理信息系统软件中,以4)所述农田格网为基准,叠加现有采样点分布矢量图,剔除包含现有采样点的农田格网,得到新增采样点矢量格网图层;所述新增采样点矢量格网图层,包括分区编号、网格序号、分区序号、独立图斑序号和是否新增[New_Add]等字段,且新增采样点矢量格网图层中网格序号与农田格网中的序号对应,所述新增采样点矢量格网图层中心点包含了所有拟新增采样点的可能位置;
6)各分区中补充新增采样点的确定:以具有农田景观分区编号的农田格网为基准,
a)若分区中任意空间独立图斑不包含现有任一采样点,以分区i中的第j个独立图斑为例(i=1,2,3,…n,n=18;j≥0,j≤N,N为所述分区中独立图斑总数),若j>0,利用随机数生成模块,在从1到独立图斑j中的网格总数(即[1,CELL_COUNT(j)])中生成一个随机整数R,选取该独立图斑中图斑序号=R的网格为拟新增采样点网格(Pnewij0);在地理信息系统软件中,根据该网格所在的网格序号,与新增采样点矢量格网图层进行关联,并在其[New_Add]字段中标记“[新增]”属性,同时在现有采样点矢量图层中新增该点。依次完成分区i的其他无现有采样点的独立图斑样点的新增,以及其他分区中无现有采样点的独立图斑采样点的新增;新增总数量为示例中县域范围内共拟新增补充采样点391个;
b)各分区的采样点密度达到某一特定水平所需补充新增的采样点:
b1)首先计算各分区采样点平均密度序列:以分区i为例,首先获取所述分区面积(Ai)和所述分区内的已有采样点——包括分区中原有采样点和前述a)中新增的采样点,共有(Poldi+Pnewi0)个,计算得到所述分区的样点密度SDi=N(Pnewi0+Poldi)/Ai。类似地,依次得到其他分区的样点密度;
b2)然后以全部分区密度序列(从小到大)的75%分位数(本发明不以所述值为限,可以取其他值,如60%,85%等)作为基准值(SD75);大于所述基准值的分区不需要补充平衡样点,小于所述基准值的分区需补充新增采样点,拟补充采样点数量为NBnewi=(SD75-SDi)×Ai,NBnewi四舍五入取整(如果为0则表示不需新增点);
b3)若分区i需要补充采样的数量NBnewi>0,利用随机数生成模块,在从1到该分区i中的不包括已有采样点的有效网格总数(即[1,CELL_COUNT(i)])中生成p个随机整数(R1,…,Rp),分别选取该分区网格序号=(R1,…,Rp)的网格为该分区拟新增采样点网格(PBnewit,t=1,…,p;p=NBnewi);在地理信息系统软件中,根据所选新增采样点网格所在的分区网格序号,与新增采样点矢量格网图层中的网格序号一一对应关联,并在新增采样点矢量格网图层中[New_Add]字段中标记“[新增]”属性;重复上述步骤,依次完成其他需补充采样分区新增采样点的确定;新增总数量为示例总共新增263个补充采样点;
7)全部新增采样点输出:在地理信息系统软件中,将新增采样点矢量格网图层中[New_Add]字段中标记为“[新增]”属性的网格进行选取、导出,并将网格图层转换成网格中心点图层,即新增采样点矢量图层;需补充新增的采样点包括步骤(6a)与步骤(6b)中新增采样点,即总新增样点数为Pnew=Pnew0+PBnew;示例中县域范围内总共拟新增采样点数为391+263=654个。
Claims (5)
1.一种基于农田景观分区的土壤新增采样点补充布设方法,其特征在于包括如下步骤:
S1:待采样区域预设和农田景观数据收集:预设多边形矢量数据集作为土壤待采样区,采集待采样区内现有采样点分布、地貌类型分区、地面高程、土壤类型、常年平均温度和常年降雨量、耕层质地、种植模式和土地利用数据;
S2:定义和生成待采样区域农田格网:以待采样区域农田土地利用为基准图,根据所述农田土地利用范围内大小预设格网大小为L x L,生成格网,选取格网中心点落在农田土地利用上的网格作为农田格网,其包含的网格总数量远大于原有采样点和新增采样点的总和;
S3:农田格网赋值:将待采样区域范围内的常年平均温度、常年降雨量和地面高程通过栅格重采样关联对应到农田格网的每一个网格中,农田调查数据通过空间叠加和邻近分析提取并统一关联对应到农田格网的每一个网格中,农田调查数据包括土壤类型、耕层质地、地貌类型分区、种植模式;
S4:农田景观分区:将土壤类型、耕层质地、地貌类型分区、常年平均温度、常年降雨量、地面高程和种植模式作为变量输入,得到待采样区农田景观分区数据集;
S5:农田格网分区数据赋值:将S4中获得的农田景观分区与农田格网进行空间叠加,将分区信息赋值到农田格网中,得到具有农田景观分区的农田格网;
S6:各分区中补充新增采样点的确定:以农田格网为基准,
S61:各分区中空间独立图斑不存在现有采样点条件下需新增补充的采样点:若分区中任意空间独立图斑不包含现有任一采样点,随机选取所述图斑中任意一个网格中心点作为新增采样点;
S62:各分区中现有采样点数量达到采样密度均衡需新增补充的采样点:根据各分区中已有采样点密度序列,设定一阈值,所述采样点密度序列包括分区样点数和分区面积,高于所述阈值的分区不需要补充新增采样点,低于所述阈值的分区需要补充新增采样点;需要补充采样点的分区和新增补充样点数量确定后,从所述分区中不包含已有采样点的网格和S61中新增采样点中依次随机选择相应数量的网格中心点作为新增采样点;
S63:全部新增采样点为S61和S62中新增的补充采样点的总和;
其中,对农田格网进行分区编号赋值1,2,3,…, G_COUNT,G_ COUNT为分区数量,形成空间上相邻或独立的分区图斑。
2.根据权利要求1所述的一种基于农田景观分区的土壤新增采样点补充布设方法,其特征在于农田格网的尺寸大小根据待采样区域的范围大小可调整,采样区域内的网格总数量远大于所述区域内拟采样的全部样点数。
3.根据权利要求1所述的一种基于农田景观分区的土壤新增采样点补充布设方法,其特征在于所述步骤S4如下:
S41:输入变量包括常年平均气温、常年降雨量、土壤类型、耕层质地、地貌分区、地面高程与种植模式;
S42:依据贝叶斯信息准则BIC进行聚类分区数量的判定;
S43:采用联合高斯和分类函数的混合聚类模型进行田景观特异性分区;
S44:分区的最小网格尺寸大小与统一农田格网一致。
4.根据权利要求1所述的一种基于农田景观分区的土壤新增采样点补充布设方法,其特征在于采用随机数生成模块来选取农田格网中心点:
(1)在[1,CELL_COUNT]范围内生成1个或多个随机整数,CELL_COUNT为所述分区或分区中空间独立图斑中不包含已有采样点的网格总数量,即有效网格总数量;
(2)为所述的有效网格分别设置编号1,2,3, …, CELL_COUNT;
(3)遍历所述有效网格,当网格编号等于所述随机整数时,将所述编号的网格中心点选为新增土壤采样点。
5.根据权利要求1所述的一种基于农田景观分区的土壤新增采样点补充布设方法,其特征在于,还包括:将所述补充新增土壤采样点记录在一矢量点数据层中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911116019.1A CN111222742B (zh) | 2019-11-14 | 2019-11-14 | 基于农田景观分区的土壤新增采样点补充布设方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911116019.1A CN111222742B (zh) | 2019-11-14 | 2019-11-14 | 基于农田景观分区的土壤新增采样点补充布设方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222742A CN111222742A (zh) | 2020-06-02 |
CN111222742B true CN111222742B (zh) | 2023-05-02 |
Family
ID=70810687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911116019.1A Active CN111222742B (zh) | 2019-11-14 | 2019-11-14 | 基于农田景观分区的土壤新增采样点补充布设方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222742B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111707490B (zh) * | 2020-06-24 | 2023-12-26 | 湘潭大学 | 一种农用地土壤污染调查分阶段分区采样的方法 |
CN115097097B (zh) * | 2022-05-16 | 2024-03-29 | 生态环境部南京环境科学研究所 | 一种用于土壤重金属背景值调查的布点采样方法 |
CN115310719B (zh) * | 2022-09-16 | 2023-04-18 | 中国科学院地理科学与资源研究所 | 基于三阶段k-means的农田土壤采样方案设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645350A (zh) * | 2012-03-08 | 2012-08-22 | 浙江大学 | 基于高分卫星遥感数据的土壤采样方法 |
CN106407682A (zh) * | 2016-09-18 | 2017-02-15 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN108287940A (zh) * | 2017-12-22 | 2018-07-17 | 北京农业信息技术研究中心 | 样点布设的方法、装置、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170042081A1 (en) * | 2015-08-10 | 2017-02-16 | 360 Yield Center, Llc | Systems, methods and apparatuses associated with soil sampling |
-
2019
- 2019-11-14 CN CN201911116019.1A patent/CN111222742B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645350A (zh) * | 2012-03-08 | 2012-08-22 | 浙江大学 | 基于高分卫星遥感数据的土壤采样方法 |
CN106407682A (zh) * | 2016-09-18 | 2017-02-15 | 北京市土肥工作站 | 土壤采样点确定方法及装置 |
CN108287940A (zh) * | 2017-12-22 | 2018-07-17 | 北京农业信息技术研究中心 | 样点布设的方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
雷敏 ; 罗杰 ; 罗春林 ; 李荣喜 ; 张志元 ; .农田土壤镉污染的采样布点方法研究.现代农业科技.2018,(12),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111222742A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222742B (zh) | 基于农田景观分区的土壤新增采样点补充布设方法 | |
CN109757175B (zh) | 一种基于无人机监测的玉米水肥一体化变量施肥方法 | |
CN108012608B (zh) | 一种基于gnss的土地平整方法 | |
CN104050323B (zh) | 一种高海拔山区模糊多准则风电场选址方法 | |
CN1975727A (zh) | 使用gis对植物资源进行定量的方法 | |
CN115563684B (zh) | 一种基于场景模拟的园林景观设计系统 | |
Grassano et al. | Evaluation of rapeseed cultivation suitability in Apulia with GIS-multicriteria analysis | |
CN107480808B (zh) | 一种高海拔山区引水工程线路规划方法 | |
Morais et al. | A spatially explicit life cycle assessment midpoint indicator for soil quality in the European Union using soil organic carbon | |
CN113919185B (zh) | 一种地形地貌状况测度方法与装置 | |
CN116050163A (zh) | 一种基于气象站的生态系统碳水通量计算方法及系统 | |
CN104834971A (zh) | 基于gis和rs的耕地养分管理分区方法 | |
Senetra | Changes of the land use patterns in Polish and Lithuanian trans-border rural area Adam Senetra, Agnieszka Szczepańska, Darijus Veteikis, Monika Wasilewicz-Pszczółkowska, Rasa Šimanauskienė, Jonas Volungevičius | |
CN108765560A (zh) | 一种将dem数据转化为网格模型的方法及装置 | |
CN115310719B (zh) | 基于三阶段k-means的农田土壤采样方案设计方法 | |
CN106355271A (zh) | 一种应用于土地利用规划编制的土地资源空间优化配置方法 | |
CN112559648A (zh) | 一种智能化地球化学调查样点布设方法 | |
CN109977190A (zh) | 面向大规模矢量地图数据的面积查询处理方法及装置 | |
CN115758856A (zh) | 一种景观格局及气候变化对流域未来水质影响的研究方法 | |
Touriño et al. | COPA: a GIS-based tool for land consolidation projects | |
CN107392356A (zh) | 一种管理田块的矩形格网构建方法 | |
Nandi et al. | Geographical Information System (GIS) in water resources engineering | |
Szabó | Compilation of a watershed level, complex land information system for internet service | |
Liu et al. | Design of precision fertilization management information system on GPS and GIS technologies | |
CN116703031B (zh) | 使用gis进行水田选址大数据分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |