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點位采樣,通過實驗室化驗獲取養(yǎng)分含量。這種以“點”代“面”的方式,由于隨機性和主觀性嚴重影響了耕地土壤肥力評估的精確性和整體性。精準農(nóng)業(yè)和智慧農(nóng)業(yè)的發(fā)展迫切需要實現(xiàn)對土壤養(yǎng)分的客觀評價。以遙感RS(Remote Sensing)為代表的對地觀測技術(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、高效和定量評價提供了重要的技術(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個土壤養(yǎng)分實測點數(shù)據(jù),對其進行統(tǒng)計分析和空間插值,并采用ArcGIS Engine二次開發(fā)技術(shù),設計土壤養(yǎng)分空間插值軟件,實現(xiàn)了五種空間插值算法;基于時序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)分等級評價綜合指標,實現(xiàn)了地塊尺度的土壤養(yǎng)分等級劃分。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計。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四種插值方法對緩效鉀進行空間插值,采用平均誤差ME(Mean Square)、均方根誤差RMSE(Root Mean Square Error)對插值精度進行評價。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;趨勢面法采用多項式回歸分析,回歸類型包含多項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時序遙感影像,對其進行輻射定標、大氣校正、影像融合等預處理基礎(chǔ)上,進行ISODATA非監(jiān)督分類和NDVI計算,通過波段組合構(gòu)建多源遙感數(shù)據(jù),采用CART(Classification and Regression Trees)決策樹分類法對其進行土地利用分類。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)分等級評價。對分類后的耕地進行面積統(tǒng)計和分析,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)四個指標進行OK空間插值。利用ArcGIS柵格計算器計算耕地土壤養(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、高三個等級,其面積占比分別為2.32%、92.02%、5.66%。通過對各鄉(xiāng)鎮(zhèn)耕地土壤養(yǎng)分及三個等級的耕地面積進行統(tǒng)計。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,設計了土壤養(yǎng)分空間插值軟件;基于時序Landsat-7/Landsat-8遙感數(shù)據(jù),提取了研究區(qū)的耕地地塊;通過計算耕地養(yǎng)分綜合指數(shù),對地塊尺度的土壤養(yǎng)分進行了空間制圖,實現(xiàn)了土壤養(yǎng)分監(jiān)測的“點”到“面”的空間擴展。
【學位單位】：安徽大學
【學位級別】：碩士
【學位年份】：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)濟圈中的核心樞紐部位，與北京中央商務區(qū)（CBD）相鄰，距離國貿(mào)中心13km，首都機場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

安徽大學碩士學位論文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氣候。雨熱同季，但是各個季節(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40.3℃，最低氣溫極端情況下可達-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、2014年5月15號和2019年5月13號的影像，此時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)建項目Fig.3.5Createproject
【相似文獻】

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)量綜合評價[J];熱帶作物學報;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)預測土壤養(yǎng)分空間分布[J];農(nóng)業(yè)工程學報;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)計學方法的小麥生長管理分區(qū)[J];應用生態(tài)學報;2011年02期

4 鄒春野;;不同化肥配施對玉米以及土壤養(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)計的土壤養(yǎng)分含量預測模型設計[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;;北京市懷柔區(qū)耕地土壤養(yǎng)分演變特征研究[J];安徽理工大學學報(自然科學版);2019年05期

8 賴進紅;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;;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)分及化學計量特征影響因素研究[D];東北林業(yè)大學;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)律與精準施肥分區(qū)[D];山東農(nóng)業(yè)大學;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研究[D];山西農(nóng)業(yè)大學;2017年

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

5 張強;‘富士’蘋果果實品質(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;2018年

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

7 劉杏梅;基于GIS和地統(tǒng)計學的不同尺度水稻田土壤養(yǎng)分時空變異及其機理研究[D];浙江大學;2005年

8 李瑞;規(guī)模經(jīng)營條件下土壤養(yǎng)分精準管理研究[D];中國農(nóng)業(yè)科學院;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)科學院;2000年

相關(guān)碩士學位論文 前10條

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

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

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

4 侯寧寧;澆灌沼液對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;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;2019年

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

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

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

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

10 王盼盼;不同種類綠肥對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;2019年

本文編號：2886855