土壤養(yǎng)分不僅影響作物生長,也影響產(chǎn)量和品質(zhì)。然而,傳統(tǒng)的土壤檢測方法多基于隨機(jī)點(diǎn)位采樣,通過實(shí)驗(yàn)室化驗(yàn)獲取養(yǎng)分含量。這種以“點(diǎn)”代“面”的方式,由于隨機(jī)性和主觀性嚴(yán)重影響了耕地土壤肥力評(píng)估的精確性和整體性。精準(zhǔn)農(nóng)業(yè)和智慧農(nóng)業(yè)的發(fā)展迫切需要實(shí)現(xiàn)對(duì)土壤養(yǎng)分的客觀評(píng)價(jià)。以遙感RS(Remote Sensing)為代表的對(duì)地觀測技術(shù)和地理信息系統(tǒng)GIS(Geographic Information System)為代表的空間分析技術(shù)為土壤養(yǎng)分的快速、高效和定量評(píng)價(jià)提供了重要的技術(shù)保障。本文選取北京市通州區(qū)作為研究區(qū),通過收集的402個(gè)土壤養(yǎng)分實(shí)測點(diǎn)數(shù)據(jù),對(duì)其進(jìn)行統(tǒng)計(jì)分析和空間插值,并采用ArcGIS Engine二次開發(fā)技術(shù),設(shè)計(jì)土壤養(yǎng)分空間插值軟件,實(shí)現(xiàn)了五種空間插值算法;基于時(shí)序Landsat-7和Landsat-8 OLI影像,提取了地塊尺度的耕地空間分布和面積;根據(jù)北京市土壤養(yǎng)分等級(jí)評(píng)價(jià)綜合指標(biāo),實(shí)現(xiàn)了地塊尺度的土壤養(yǎng)分等級(jí)劃分。主要研究內(nèi)容和結(jié)論如下:(1)土壤養(yǎng)分空間插值方法比較與軟件設(shè)計(jì)。選取反距離權(quán)重法IDW(Inverse Distance Weighted)、普通克里金法OK(Ordinary Kriging)、樣條函數(shù)法Spline和趨勢面法Trend四種插值方法對(duì)緩效鉀進(jìn)行空間插值,采用平均誤差ME(Mean Square)、均方根誤差RMSE(Root Mean Square Error)對(duì)插值精度進(jìn)行評(píng)價(jià)。其中OK的半變異函數(shù)類型選擇球面函數(shù),指數(shù)函數(shù)和高斯函數(shù)三種模型,通過比較發(fā)現(xiàn)指數(shù)函數(shù)模型精度高于其他兩種模型,RMSE和ME分別為176.71和-1.13。樣條函數(shù)插值法包含規(guī)則樣條函數(shù)方法和張力樣條函數(shù)方法,張力樣條函數(shù)的ME和RMSE最小,分別為0.23和178.89。最終結(jié)果表明,OK插值法的RMSE最小,其中指數(shù)函數(shù)模型插值精度最優(yōu)�；贏rcGIS Engine框架,搭建了土壤養(yǎng)分空間插值軟件,實(shí)現(xiàn)IDW、OK、Spline、Trend和自然領(lǐng)域Natural Neighbor五種空間插值算法。其中,OK插值包含了球面、圓、指數(shù)、高斯和線性五種插值模型;樣條函數(shù)包含規(guī)則樣條函數(shù)和張力樣條函數(shù)兩種插值模型;趨勢面法采用多項(xiàng)式回歸分析,回歸類型包含多項(xiàng)式回歸和邏輯趨勢面兩種類型。完成空間插值后,軟件還可統(tǒng)計(jì)柵格單元值,并包含地圖瀏覽、右鍵菜單等輔助功能。(2)基于時(shí)序Lansat-7和Landsat-8耕地地塊遙感提取�；�2009年的Landsat-7和2014、2019年的Landsat-8時(shí)序遙感影像,對(duì)其進(jìn)行輻射定標(biāo)、大氣校正、影像融合等預(yù)處理基礎(chǔ)上,進(jìn)行ISODATA非監(jiān)督分類和NDVI計(jì)算,通過波段組合構(gòu)建多源遙感數(shù)據(jù),采用CART(Classification and Regression Trees)決策樹分類法對(duì)其進(jìn)行土地利用分類。結(jié)果表明,2009年、2014年和2019年總體精度分別為83.22%、85.54%和88.57%,Kappa系數(shù)分別為0.7774、0.8171和0.8510,可用于做耕地土壤養(yǎng)分等級(jí)評(píng)價(jià)。對(duì)分類后的耕地進(jìn)行面積統(tǒng)計(jì)和分析,結(jié)果顯示,2009年耕地面積為462.37 km~2,2014年的耕地面積為463.907 km~2,五年間耕地面積變化不大,到2019年耕地面積減少至398.433km~2,說明耕地面積變化較大。(3)地塊尺度的土壤養(yǎng)分等級(jí)劃分。根據(jù)北京土壤肥料工作站制定的土壤養(yǎng)分綜合指數(shù),選取有機(jī)質(zhì)OM(Organic Matter)、全氮TN(Total Nitorgen)、速效磷AP(Available Phosphorus)和速效鉀AK(Available Potassium)四個(gè)指標(biāo)進(jìn)行OK空間插值。利用ArcGIS柵格計(jì)算器計(jì)算耕地土壤養(yǎng)分綜合指數(shù),并用2009年提取的耕地地塊作為掩膜,得到研究區(qū)土壤養(yǎng)分低、中、高三個(gè)等級(jí),其面積占比分別為2.32%、92.02%、5.66%。通過對(duì)各鄉(xiāng)鎮(zhèn)耕地土壤養(yǎng)分及三個(gè)等級(jí)的耕地面積進(jìn)行統(tǒng)計(jì)。得出西集鎮(zhèn)OM含量最高,平均值為19.04 g/kg;馬駒橋鎮(zhèn)的TN含量最高,平均值為1.09 g/kg;宋莊鎮(zhèn)AP含量最高,平均值最大達(dá)到70.56 mg/kg;潞城鎮(zhèn)的AK含量最高,平均值為162.96 mg/kg。低等級(jí)耕地面積占比最大的是漷縣鎮(zhèn),面積為6.059 km~2,占全鎮(zhèn)的7.05%,占全區(qū)的1.31%;中等級(jí)耕地面積占比最大的是永樂店鎮(zhèn),面積為65.039 km~2,占全鎮(zhèn)的99.3%,占全區(qū)的14.06%;高等級(jí)耕地面積最大的是潞城鎮(zhèn),面積為8.581 km~2,占全鎮(zhèn)的20.39%,占全區(qū)的2.59%。本文基于北京市通州區(qū)耕地土壤養(yǎng)分樣點(diǎn)數(shù)據(jù)和Landsat-7/Landsat-8遙感數(shù)據(jù),通過比較土壤緩效鉀SAK(Slowly Available Potassium)空間插值方法,設(shè)計(jì)了土壤養(yǎng)分空間插值軟件;基于時(shí)序Landsat-7/Landsat-8遙感數(shù)據(jù),提取了研究區(qū)的耕地地塊;通過計(jì)算耕地養(yǎng)分綜合指數(shù),對(duì)地塊尺度的土壤養(yǎng)分進(jìn)行了空間制圖,實(shí)現(xiàn)了土壤養(yǎng)分監(jiān)測的“點(diǎn)”到“面”的空間擴(kuò)展。
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2020
【中圖分類】：S158;TP79
【部分圖文】：

第二章材料與方法8第二章材料與方法2.1研究區(qū)概況2.1.1地理位置通州區(qū)地處北緯39°36′~40°02′，東經(jīng)116°32′~116°56′，與順義區(qū)、朝陽區(qū)和大興區(qū)接壤，見圖2.1。作為環(huán)渤海經(jīng)濟(jì)圈中的核心樞紐部位，與北京中央商務(wù)區(qū)（CBD）相鄰，距離國貿(mào)中心13km，首都機(jī)場16km[46]，素有“一京二衛(wèi)三通州”之稱。圖2.1北京通州區(qū)區(qū)位圖Fig.2.1LocationMapofTongzhouDistrict,Beijing

安徽大學(xué)碩士學(xué)位論文9圖2.2通州區(qū)行政區(qū)劃Fig.2.2AdministrativeDivisionofTongzhouDistrict2.1.2水文氣候通州區(qū)屬于典型的溫帶大陸性半濕潤季風(fēng)氣候。雨熱同季，但是各個(gè)季節(jié)降水分配不均，七八月份降水較為集中，年均降水量為620.9mm，常年發(fā)生春旱、夏澇。全年最高氣溫極端下可達(dá)40.3℃，最低氣溫極端情況下可達(dá)-21℃，1月份為最冷月，月平均氣溫為-5.1℃，7月份為最熱月，月平均氣溫為25.7℃，，無霜期190天左右。2.2數(shù)據(jù)獲取所選數(shù)據(jù)類型及來源分兩個(gè)部分：（1）遙感數(shù)據(jù)源，北京通州區(qū)DEM數(shù)據(jù)從地理空間數(shù)據(jù)云下載，從USGS平臺(tái)下載用于分類的2009年、2014年和2015年北京通州區(qū)遙感影像，選取2009年4月7號(hào)、2014年5月15號(hào)和2019年5月13號(hào)的影像，此時(shí)間段耕地信息較為明顯。由于Landsat-8OLI2103年發(fā)射，因此2009年影像采用Landsat-7ETM+，2014年和2019年影像采用Landsat-8OLIlevel-1。Landsat陸地衛(wèi)星各傳感器參數(shù)如表2.1和表2.2所示。（2）土壤養(yǎng)分樣點(diǎn)數(shù)據(jù)，由北京農(nóng)業(yè)信息技術(shù)研究中心采樣整理后提供。

創(chuàng)建項(xiàng)目Fig.3.5Createproject
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張冬明;張永發(fā);吳鵬飛;漆智平;;海南島土壤養(yǎng)分質(zhì)量綜合評(píng)價(jià)[J];熱帶作物學(xué)報(bào);2009年09期

2 張素梅;王宗明;張柏;宋開山;劉殿偉;李方;任春穎;黃健;張惠琳;;利用地形和遙感數(shù)據(jù)預(yù)測土壤養(yǎng)分空間分布[J];農(nóng)業(yè)工程學(xué)報(bào);2010年05期

3 黃彥;朱艷;馬孟莉;王航;曹衛(wèi)星;田永超;;基于遙感和地統(tǒng)計(jì)學(xué)方法的小麥生長管理分區(qū)[J];應(yīng)用生態(tài)學(xué)報(bào);2011年02期

4 鄒春野;;不同化肥配施對(duì)玉米以及土壤養(yǎng)分的影響研究[J];種子科技;2019年10期

5 王世明;;山西省梨園土壤養(yǎng)分及葉片營養(yǎng)情況[J];中國果業(yè)信息;2020年01期

6 王廷超;王國偉;安宇;;基于大數(shù)據(jù)統(tǒng)計(jì)的土壤養(yǎng)分含量預(yù)測模型設(shè)計(jì)[J];現(xiàn)代電子技術(shù);2020年08期

7 王蘭;石建紅;孟衛(wèi)東;張世文;沈強(qiáng);;北京市懷柔區(qū)耕地土壤養(yǎng)分演變特征研究[J];安徽理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年05期

8 賴進(jìn)紅;羅興華;蘇玉柱;馬馳;;洱海流域耕地土壤養(yǎng)分分析與管理[J];農(nóng)業(yè)與技術(shù);2018年12期

9 高敏;;不同氮、磷、鉀肥用量影響西梅產(chǎn)量及土壤養(yǎng)分[J];中國果業(yè)信息;2017年03期

10 高銘遠(yuǎn);;利用葉片顏色判斷土壤養(yǎng)分方法的研究[J];電子測量技術(shù);2016年11期

相關(guān)博士學(xué)位論文 前10條

1 原樹生;大興安嶺林區(qū)土壤養(yǎng)分及化學(xué)計(jì)量特征影響因素研究[D];東北林業(yè)大學(xué);2019年

2 楊歆歆;華北小麥玉米輪作區(qū)土壤養(yǎng)分變異規(guī)律與精準(zhǔn)施肥分區(qū)[D];山東農(nóng)業(yè)大學(xué);2019年

3 朱洪芬;黃土高原太原盆地區(qū)土壤養(yǎng)分空間分異與尺度效應(yīng)研究[D];山西農(nóng)業(yè)大學(xué);2017年

4 南鋒;黃土高原煤礦區(qū)復(fù)墾農(nóng)田主要土壤養(yǎng)分高光譜反演[D];山西農(nóng)業(yè)大學(xué);2017年

5 張強(qiáng);‘富士’蘋果果實(shí)品質(zhì)與土壤養(yǎng)分和氣象因子關(guān)系的研究[D];中國農(nóng)業(yè)大學(xué);2018年

6 許紅衛(wèi);田間土壤養(yǎng)分與作物產(chǎn)量的時(shí)空變異及其相關(guān)性研究[D];浙江大學(xué);2004年

7 劉杏梅;基于GIS和地統(tǒng)計(jì)學(xué)的不同尺度水稻田土壤養(yǎng)分時(shí)空變異及其機(jī)理研究[D];浙江大學(xué);2005年

8 李瑞;規(guī)模經(jīng)營條件下土壤養(yǎng)分精準(zhǔn)管理研究[D];中國農(nóng)業(yè)科學(xué)院;2006年

9 王紅娟;我國北方糧食主產(chǎn)區(qū)土壤養(yǎng)分分布特征研究[D];中國農(nóng)業(yè)科學(xué)院;2007年

10 姜城;不同經(jīng)營體制下土壤養(yǎng)分空間變異規(guī)律及管理技術(shù)的研究[D];中國農(nóng)業(yè)科學(xué)院;2000年

相關(guān)碩士學(xué)位論文 前10條

1 劉玲玲;耕地土壤養(yǎng)分空間插值與等級(jí)劃分方法解析[D];安徽大學(xué);2020年

2 亓剛;采樣方法對(duì)土壤養(yǎng)分空間插值結(jié)果的影響研究[D];安徽農(nóng)業(yè)大學(xué);2017年

3 李夢天;不同草地管理方式對(duì)土壤養(yǎng)分及其化學(xué)計(jì)量的影響研究[D];西北師范大學(xué);2019年

4 侯寧寧;澆灌沼液對(duì)幾種植物生長和土壤養(yǎng)分含量以及氮損失的影響[D];廣西大學(xué);2019年

5 李鵬;泡桐人工林養(yǎng)分吸收分配規(guī)律與土壤養(yǎng)分特征研究[D];中南林業(yè)科技大學(xué);2019年

6 余雅婧;農(nóng)牧交錯(cuò)帶土地利用方式對(duì)土壤養(yǎng)分的影響[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2019年

7 陳婧;吉蘭泰人工梭梭林下土壤養(yǎng)分和機(jī)械組成的時(shí)空分布規(guī)律[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2019年

8 宿寶巍;農(nóng)田土壤養(yǎng)分空間變異尺度效應(yīng)及其冬小麥生育響應(yīng)[D];山東農(nóng)業(yè)大學(xué);2019年

9 劉力川;內(nèi)蒙古阿榮旗坡耕地保護(hù)性利用研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2019年

10 王盼盼;不同種類綠肥對(duì)煙田土壤酶活性和土壤養(yǎng)分含量的影響[D];東北林業(yè)大學(xué);2019年

本文編號(hào)：2886855