【摘要】：耕地數(shù)量及質(zhì)量是決定農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)資源利用及農(nóng)業(yè)政策制定的重要基礎(chǔ)信息。高精度的耕地空間分布、多層面的耕地利用格局及變化特征、動態(tài)的耕地質(zhì)量狀況及變化規(guī)律對農(nóng)情監(jiān)測、田間管理和糧食安全都有著重大的意義。遙感技術(shù)因其大范圍、高時效的優(yōu)勢,已廣泛應(yīng)用于耕地分布制圖、耕地利用格局分析及耕地質(zhì)量時空變化監(jiān)測的研究中,但在耕地制圖方法選取、耕地利用格局指標體系構(gòu)建及耕地質(zhì)量指標動態(tài)變化獲取上仍然存在一些問題與挑戰(zhàn)。本研究以中國及湖北省為研究區(qū),采用多源遙感數(shù)據(jù)、氣象及地形數(shù)據(jù)、耕地及土壤樣本數(shù)據(jù)、農(nóng)業(yè)統(tǒng)計數(shù)據(jù),圍繞耕地數(shù)量及質(zhì)量開展大區(qū)域時空變化遙感監(jiān)測方法研究。在耕地數(shù)量研究的基礎(chǔ)上深入進行耕地質(zhì)量研究,并對兩者之間的關(guān)系進行綜合分析。本論文主要研究內(nèi)容與結(jié)論如下:(1)多源遙感數(shù)據(jù)融合耕地制圖�；诘乩砑訖�(quán)回歸模型(GWR)和優(yōu)化模糊一致性打分法(MFAS),采用七套地表覆蓋遙感數(shù)據(jù)集進行中國區(qū)域的耕地融合制圖。從訓練樣本數(shù)量、輸入遙感數(shù)據(jù)集質(zhì)量和地形地貌三方面設(shè)置不同情景組合,分析不同數(shù)據(jù)融合方法的優(yōu)缺點和區(qū)域適宜性,提出融合算法選擇策略并得到中國最優(yōu)耕地分布圖。研究結(jié)果表明,訓練樣本數(shù)量、輸入耕地遙感數(shù)據(jù)集質(zhì)量和地形地貌是決定多源遙感數(shù)據(jù)融合算法精度的三大主要影響因素。方法的選擇取決于輸入數(shù)據(jù)、景觀地形和應(yīng)用目的。訓練樣本數(shù)量大小是決定GWR融合精度是否高于MFAS融合精度的關(guān)鍵。MFAS方法對于輸入耕地遙感數(shù)據(jù)集的質(zhì)量和地形地貌變化更為敏感。從生產(chǎn)用于全球經(jīng)濟、生物物理和其他土地利用模型的全球或區(qū)域大尺度耕地分布圖這一角度而言,MFAS是最優(yōu)的選擇。從生產(chǎn)高精度大尺度耕地比例圖及分布圖這一角度而言,GWR是最優(yōu)的選擇。(2)多層面耕地利用格局指標體系構(gòu)建及時空變化分析�；诳臻g分辨率30米的GlobeLand30數(shù)據(jù),計算耕地空間分布及變化、耕地面積及變化、耕地類型轉(zhuǎn)移變化、耕地集約化程度及變化、耕地景觀格局及變化等一系列指標。建立多層面高精度的中國耕地利用格局及變化指標體系,系統(tǒng)全面認識中國耕地及其變化情況。研究結(jié)果表明,2000-2010年,中國耕地面積減少且伴隨著破碎化加重的趨勢。現(xiàn)有的耕地保護政策并沒有有效緩解這一問題。城市化為耕地流失且破碎的第一大原因,“退耕還林”為耕地流失的第二大原因。與耕地面積和破碎度上出現(xiàn)的消極狀態(tài)相比,中國的耕地利用集約化程度有了積極而顯著的提升。(3)基于機器學習的耕地質(zhì)量時空變化遙感監(jiān)測方法研究。選取土壤有機質(zhì)(SOM)作為耕地質(zhì)量指標的代表進行方法探索。利用時序MOD09A1數(shù)據(jù)、氣象及地形數(shù)據(jù),計算MODIS地表反射率和植被指數(shù)的年平均值和最大值、坡度、坡向和地形濕度指數(shù)。利用四種機器學習算法預測湖北省多年耕地SOM空間分布并分析其時空變化規(guī)律。實現(xiàn)耕地質(zhì)量指標的動態(tài)遙感提取。并分析湖北省耕地數(shù)量及質(zhì)量時空變化之間的關(guān)系。研究結(jié)果表明,MODIS數(shù)據(jù)的地表反射率和植被指數(shù)是SOM含量預測的關(guān)鍵因素。梯度提升回歸樹模型對于湖北省的耕地SOM含量空間分布預測效果最佳。湖北省耕地SOM含量“南高北低”,2000-2017年SOM含量總體呈現(xiàn)略微增長。鄂北大量SOM含量較低的土地在近18年間被開墾為耕地,而鄂東地區(qū)的優(yōu)質(zhì)耕地由于土地利用變化(如城市化)的影響而流失。
【學位授予單位】：中國農(nóng)業(yè)科學院
【學位級別】：博士
【學位授予年份】：2019
【分類號】：S127
【圖文】：

圖 1.1 總體技術(shù)路線Figure 1.1 Workflow of this study1.4 論文結(jié)構(gòu)本論文共包括 6 個章節(jié)。第一章是引言部分。首先介紹耕地數(shù)量及質(zhì)量時空變化遙感監(jiān)測的研究背景及研究意義。接下來分別對耕地數(shù)量時空變化遙感監(jiān)測和耕地質(zhì)量遙感監(jiān)測的研究現(xiàn)狀進行介紹。對于耕地數(shù)量時空遙感監(jiān)測的研究進展，從耕地空間分布遙感提取方法和耕地利用格局時空變化遙感監(jiān)測方法兩方面進行闡述；對于耕地質(zhì)量遙感監(jiān)測的研究進展，從耕地質(zhì)量內(nèi)涵演變、耕地質(zhì)量涉及的數(shù)據(jù)源和指標、耕地質(zhì)量指標遙感監(jiān)測方法三方面進行闡述。在總結(jié)歸納當前研究所存在的問題與不足的基礎(chǔ)上，提出本論文的研究目標、研究內(nèi)容和總體技術(shù)路線。最后是本論文的結(jié)構(gòu)說明。第二章主要介紹本論文的研究區(qū)域和數(shù)據(jù)準備。首先從研究區(qū)的地理位置、行政區(qū)劃、自然條件(氣候、地形、耕地分布、主要農(nóng)作物)進行介紹說明。其次對論文所用到的地表覆蓋遙感數(shù)據(jù)集、MODIS 數(shù)據(jù)、耕地及土壤樣本數(shù)據(jù)、農(nóng)業(yè)統(tǒng)計數(shù)據(jù)、氣象數(shù)據(jù)、地形數(shù)據(jù)的獲取途徑、預處理方法及主要用途進行詳細說明。第三章針對引言中當前研究存在的第一個問題，圍繞多源遙感數(shù)據(jù)融合耕地制圖研究展開。

第二章 研究區(qū)域與數(shù)據(jù)準備本研究的目標是整合豐富的遙感數(shù)據(jù)源，結(jié)合自然、農(nóng)業(yè)活動、土地利用因素，利用多種融合方法和機器學習算法，探索快速、準確提取大范圍耕地數(shù)量及質(zhì)量指標的方法，分析其變化規(guī)律，并進一步探究自然人為因素對耕地時空變化的影響。因此，在研究區(qū)的確定上，慮區(qū)域范圍及代表性；在數(shù)據(jù)源選擇上，應(yīng)充分利用多套現(xiàn)有的地表覆蓋數(shù)據(jù)產(chǎn)品和中分辨時間序列數(shù)據(jù)集。本章主要介紹論文的研究區(qū)和數(shù)據(jù)準備工作。2.1 研究區(qū)域選擇2.1.1 研究區(qū)概況本文選擇中國為主要研究區(qū)，其中第五章對于耕地土壤有機質(zhì)的預測，選取湖北省為研究區(qū)國位于亞洲東部，太平洋西岸，區(qū)域范圍為 73°E ~ 135°E，3°N ~ 53°N(圖 2.1)。陸地面積 9 km2。人口數(shù)量 13.9 億。全國包含 34 個省級行政區(qū)，334 個地級行政區(qū)，2851 個縣級行政區(qū)北簡稱“鄂”，中國省級行政區(qū)之一，位于中國中部地區(qū)，界于 29°N ~ 33°N，108°E ~ 116間(圖 2.1)。湖北省土地總面積 18.59 萬 km2，常住人口 5902 萬人。全省包括 13 個地級行，103 個縣級行政區(qū)，1234 個鄉(xiāng)級行政區(qū)。

【相似文獻】

相關(guān)期刊論文 前10條

1 鄭弦;;數(shù)據(jù)集采器在臨床護理工作中的應(yīng)用價值探討[J];基層醫(yī)學論壇;2017年12期

2 Long-xiang WANG;Xiao-she DONG;Xing-jun ZHANG;Yin-feng WANG;Tao JU;Guo-fu FENG;;TextGen:用于新型存儲系統(tǒng)基準測試的真實文本數(shù)據(jù)集生成方法（英文）[J];Frontiers of Information Technology & Electronic Engineering;2016年10期

3 劉娟;朱翔鷗;劉文斌;;基于交互信息的數(shù)據(jù)集特征結(jié)構(gòu)研究[J];模式識別與人工智能;2014年01期

4 沈雯漪;;大型數(shù)據(jù)集數(shù)據(jù)挖掘算法研究[J];計算機光盤軟件與應(yīng)用;2014年16期

5 職為梅;郭華平;范明;葉陽東;;非平衡數(shù)據(jù)集分類方法探討[J];計算機科學;2012年S1期

6 吳克壽;曾志強;;非平衡數(shù)據(jù)集分類研究[J];計算機技術(shù)與發(fā)展;2011年09期

7 付優(yōu);;非平衡數(shù)據(jù)集的分類[J];電力學報;2010年04期

8 張纓;周紅俊;李建軍;劉根林;鄭櫻;郝春霞;王一吉;康海瓊;衛(wèi)波;;國際脊髓損傷數(shù)據(jù)集之核心數(shù)據(jù)集[J];中國康復理論與實踐;2009年09期

9 高嘉偉;梁吉業(yè);;非平衡數(shù)據(jù)集分類問題研究進展[J];計算機科學;2008年04期

10 苗卿;單立新;裘昱;;信息熵在數(shù)據(jù)集分割中的應(yīng)用研究[J];電腦知識與技術(shù)(學術(shù)交流);2007年05期

相關(guān)會議論文 前10條

1 繆國宇;劉洪鵬;蘇文學;劉榮生;趙相東;;基于數(shù)據(jù)倉庫的企業(yè)指標分析系統(tǒng)[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

2 王子恒;齊勇剛;劉軍;;路面交通標志檢測調(diào)研:數(shù)據(jù)集及算法[A];2018中國汽車工程學會年會論文集[C];2018年

3 郭景峰;杜京;馬倩;鄒曉紅;;一種基于數(shù)據(jù)集性質(zhì)的快速等差模式聚類算法[A];第二十五屆中國數(shù)據(jù)庫學術(shù)會議論文集（二）[C];2008年

4 孟燁;張鵬;宋大為;王雷;;信息檢索系統(tǒng)性能對數(shù)據(jù)集特性的依賴性分析[A];需將論文集名稱修改為“第十二屆全國人機語音通訊學術(shù)會議（NCMMSC2013）論文集[C];2013年

5 田捷;;三維醫(yī)學影像數(shù)據(jù)集處理的集成化平臺[A];2003年全國醫(yī)學影像技術(shù)學術(shù)會議論文匯編[C];2003年

6 冷傳良;;飛機化銑成樣板劃線數(shù)據(jù)集設(shè)計方法探索[A];第十屆沈陽科學學術(shù)年會論文集（信息科學與工程技術(shù)分冊）[C];2013年

7 范明;魏芳;;挖掘基本顯露模式用于分類[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

8 劉通;張宇獻;;基于加權(quán)平均數(shù)的模糊聚類有效性函數(shù)[A];第十屆沈陽科學學術(shù)年會論文集（信息科學與工程技術(shù)分冊）[C];2013年

9 林荔;林鋮;;福建省小時風速數(shù)據(jù)集研制及應(yīng)用[A];第35屆中國氣象學會年會 S20 深度信息化：應(yīng)用支持與智能發(fā)展[C];2018年

10 于愛榮;劉曉明;曹雷;王俊;;NET Web Services數(shù)據(jù)集在Delphi中的處理與研究[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術(shù)會議論文集[C];2004年

相關(guān)重要報紙文章 前10條

1 記者 張夢然;最大規(guī)模嬰兒微生物組數(shù)據(jù)集建立[N];科技日報;2018年

2 記者 張夢然;癌癥學研究公布最新數(shù)據(jù)集[N];科技日報;2018年

3 記者 王莉英;行政審批網(wǎng)上全流程辦理率年底超80%[N];深圳特區(qū)報;2017年

4 記者 金昶 通訊員 陳斯音;我國發(fā)布首款全球海洋Argo網(wǎng)格數(shù)據(jù)集產(chǎn)品[N];中國海洋報;2017年

5 中國青年報·中青在線記者 謝宛霏;為AI領(lǐng)域“造血”[N];中國青年報;2017年

6 記者 羅旭;全球人工智能挑戰(zhàn)賽開賽[N];光明日報;2017年

7 記者 劉釗 通訊員 徐文慧 楊溯;自主研發(fā)數(shù)據(jù)集顯示今年上半年最熱[N];中國氣象報;2015年

8 冉瑞奎 劉曉林 戴艷萍;均一化歷史氣溫數(shù)據(jù)集問世[N];中國氣象報;2006年

9 通訊員廖雅琴記者馮競;“國人數(shù)字化可視人體數(shù)據(jù)集”完成[N];科技日報;2003年

10 記者 張夢然;科學家以圖片數(shù)據(jù)集揭秘“生命奧秘”[N];科技日報;2015年

相關(guān)博士學位論文 前10條

1 陳迪;耕地數(shù)量與質(zhì)量時空變化遙感監(jiān)測研究[D];中國農(nóng)業(yè)科學院;2019年

2 孫秀寶;基于CMA-LSAT v1.0數(shù)據(jù)集的近百年全球陸表氣溫變化研究[D];南京信息工程大學;2018年

3 劉皓;基于深度學習的行人再識別問題研究[D];合肥工業(yè)大學;2017年

4 王建培;聚類有效性分析及其在電學層析成像中的應(yīng)用[D];天津大學;2017年

5 楊勛;跨視域行人再識別若干問題研究[D];合肥工業(yè)大學;2017年

6 納賽爾 阿里 穆罕默德 巴拉卡特;復雜化學數(shù)據(jù)的知識發(fā)現(xiàn)新型化學計量學算法研究[D];湖南大學;2005年

7 李宏;面向應(yīng)用領(lǐng)域的分類方法研究[D];中南大學;2007年

8 余靂;虛擬可視鼠樣品制備技術(shù)研究[D];華中科技大學;2006年

9 李超;高階多數(shù)據(jù)集建模新方法與應(yīng)用研究[D];哈爾濱工程大學;2017年

10 申彥;大規(guī)模數(shù)據(jù)集高效數(shù)據(jù)挖掘算法研究[D];江蘇大學;2013年

相關(guān)碩士學位論文 前10條

1 王遠旭;基于機器學習算法的醫(yī)療數(shù)據(jù)處理與分析[D];廈門大學;2018年

2 曹鑫;星環(huán)科技Sophon平臺分享系統(tǒng)的設(shè)計與實現(xiàn)[D];南京大學;2019年

3 劉寧;基于深度殘差網(wǎng)絡(luò)的性別分類的研究[D];山東財經(jīng)大學;2019年

4 翁飄;復雜環(huán)境下路面裂縫分割算法研究[D];鄭州大學;2019年

5 連志康;面向動態(tài)數(shù)據(jù)集的隱性知識外顯案例屬性約簡研究[D];鄭州大學;2019年

6 楊壯;面向Bin Picking的虛擬數(shù)據(jù)集構(gòu)建及智能識別方法的研究[D];華東理工大學;2019年

7 鄧世超;基于時空融合模型的南方丘陵區(qū)水稻識別與監(jiān)測研究[D];華中農(nóng)業(yè)大學;2018年

8 尹海波;基于深度學習的端到端自動睡眠分期研究[D];哈爾濱工業(yè)大學;2018年

9 霍東雪;基于集成學習與不平衡多標簽數(shù)據(jù)集的兒科常見病預測模型構(gòu)建[D];昆明理工大學;2018年

10 張道福;局部社區(qū)發(fā)現(xiàn)算法研究[D];中國科學技術(shù)大學;2018年

本文編號：2736953