一種基于GIS的耕地質(zhì)量評價方法

摘 要：現(xiàn)今的耕地質(zhì)量評價方法區(qū)域元數(shù)占比較低、空間相似性較低，進而導(dǎo)致綜合評價等級較低。因此，研究基于地理信息系統(tǒng)（Geographic Information System，GIS）的耕地質(zhì)量評價方法十分必要。通過GIS合成遙感影像，轉(zhuǎn)換成遙感數(shù)據(jù)，而后進行預(yù)處理和輻射校正；選擇評價指標(biāo)，對不同的評價單元進行賦值；運用累加法對不同評價單元的耕地質(zhì)量綜合指數(shù)進行計算，獲得綜合得分完成等級劃分。試驗結(jié)果表明，所提方法的區(qū)域元數(shù)占比為7.9%，空間分布相似性較高，綜合等級評價結(jié)果最高為8.03，應(yīng)用效果良好。

關(guān)鍵詞：GIS；耕地；質(zhì)量評價；累加法

中圖分類號：F323.21 文獻標(biāo)志碼：A 文章編號：1674-7909（2023）19-155-4

0 引言

隨著人口的增長和經(jīng)濟的發(fā)展，農(nóng)業(yè)生產(chǎn)承擔(dān)著越來越多的糧食供應(yīng)壓力，而保障國家糧食安全和實現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展對優(yōu)質(zhì)耕地的需求越來越迫切。耕地是有限的自然資源，其數(shù)量相對固定。根據(jù)聯(lián)合國糧食及農(nóng)業(yè)組織的數(shù)據(jù)，全球每年大約有600 km2的耕地變?yōu)榉寝r(nóng)業(yè)用地。為了更好地管理和保護有限的耕地資源，進行耕地質(zhì)量評價具有重要意義。然而，現(xiàn)今的耕地質(zhì)量評價方法對于耕地坡度的實際辨別程度低，質(zhì)量監(jiān)測效果不好，耕地產(chǎn)出率下降使評價指標(biāo)具有狹隘性，結(jié)果無法達到預(yù)期［1］。因此，筆者運用地理信息系統(tǒng)（Geographic Information System，GIS），結(jié)合實際情況，合成遙感影像并將其轉(zhuǎn)換為遙感數(shù)據(jù)，而后進行預(yù)處理和輻射校正；選擇適當(dāng)?shù)脑u價指標(biāo)，并為不同的評價單元賦予相應(yīng)的權(quán)重；通過累加法計算不同評價單元的耕地質(zhì)量綜合指數(shù)，根據(jù)綜合指數(shù)對耕地進行等級劃分，并進行試驗和分析，以期提出應(yīng)用效果更好的耕地質(zhì)量評價方法。

1 試驗地概況

基于地理位置、環(huán)境特點、政策需求、產(chǎn)業(yè)發(fā)展等方面的考慮，以某耕地范圍作為研究區(qū)域。該研究區(qū)屬溫帶半濕潤季風(fēng)氣候區(qū)，夏季多雨。該研究區(qū)年平均氣溫為20 ℃，全年太陽輻射量為236.25 kJ/cm2，冬季氣溫為8 ℃左右，年內(nèi)降水量最少為153.2 mm。該研究區(qū)灌排能力不足，土壤沖刷嚴重，土層深厚，土壤養(yǎng)分含量高；淺層地下水分布總面積為125 300 hm2，調(diào)節(jié)儲量為0.65億m3。

2 耕地質(zhì)量評價

2.1 應(yīng)用GIS獲取耕地遙感圖像數(shù)據(jù)

基于研究區(qū)作物生長情況，選擇30 min內(nèi)的專題制圖儀（Thematic Mapper，TM）影像數(shù)據(jù)，空間分辨率為30 m。對研究區(qū)的土壤地貌、耕層深度及管理水平進行調(diào)查得知，該研究區(qū)受海浪侵蝕和泥沙沉積的影響，存在鹽堿地，耕層比較深（可達30 cm），廣泛應(yīng)用化肥和農(nóng)藥。根據(jù)作物葉綠素在0.5 μm的吸收特征，利用光譜指數(shù)推測作物的生長情況和植被覆蓋程度，分析計算光譜遙感數(shù)據(jù)的紅外波段［2］?；谘芯繀^(qū)的遙感影像，通過GIS分析獲取的植被生長過程，獲得作物指數(shù)。對作物指數(shù)進行歸一化處理，以title為單位進行Grid投影。在像元水平上，輸入作物的質(zhì)量，并計算合成后的反射率，得到衛(wèi)星高度與太陽之間方位角的數(shù)值。同時，在作物指數(shù)中，歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）為作物生長狀態(tài)最佳指數(shù)因子，根據(jù)其隨時間變化繪制的變化曲線，通過計算進行比值處理，消除太陽高度角等環(huán)境因素對輻射過程產(chǎn)生的影響。對耕地來說，光波段具有反射作用，可以通過歸一化處理將光波段與紅外波段進行差值計算，得到兩個波段之間的比值，其計算公式為

C_NDVI=B₁-B₂/B₁+B₂ （1）

式（1）中：B1為光波段，B2為紅外波段。通過等面積正弦曲線圖像，將該段時間內(nèi)的遙感影像進行合成，不同影像的覆蓋面大約在300 km×300 km。對獲得的遙感數(shù)據(jù)進行預(yù)處理、匯總、下載，然后運用Modis投影工具進行幾何校正，轉(zhuǎn)換數(shù)據(jù)格式。其中Modis的投影參數(shù)設(shè)置如表1所示。

運用空中交通管制（Air Traffic Control，ATC）和GIS空間分析方法提取該區(qū)的影像，并運用Erdas軟件進行剪裁。將獲得的遙感影像數(shù)據(jù)標(biāo)記出對應(yīng)的邊界范圍，并提取范圍數(shù)據(jù)。運用剪裁工具對圖像進行剪裁，獲得在對應(yīng)范圍中的剪裁影像，得到研究區(qū)范圍的作物指數(shù)數(shù)據(jù)［3］。同時，處理環(huán)境衛(wèi)星數(shù)據(jù)。災(zāi)害預(yù)測衛(wèi)星采用準太陽同步圓軌道，設(shè)定軌道的高程為563.21 km，運用幅寬為350 km的高清相機進行拍攝，對全天時動態(tài)環(huán)境和災(zāi)害情況進行監(jiān)測，能夠及時對生態(tài)環(huán)境和災(zāi)害的發(fā)展情況進行預(yù)測，并快速評估耕地情況。在衛(wèi)星上搭載高清相機和高光譜成像設(shè)備，并進行平行觀測，按照分辨率的特點選擇合適的耕地監(jiān)測尺度。根據(jù)觀測衛(wèi)星的地面處理結(jié)果，處理數(shù)據(jù)后需要對輻射進行校正。明確輻射目標(biāo)，消除誤差。將初始的遙感影像像元亮度值（Digital Number，DN）轉(zhuǎn)換成大氣層中的表面反射率。運用定標(biāo)系數(shù)將圖像轉(zhuǎn)換為輻射圖像的公式為

L=DN/p+L₀ （2）

式（2）中：L為輻射亮度，p為增益系數(shù)，L₀為產(chǎn)生的偏移量。得到環(huán)境衛(wèi)星數(shù)據(jù)圖像后，通過像素光譜特征估計大氣屬性，能夠同步觀測氣象數(shù)據(jù)，消除不同環(huán)境因素對耕地的散射效應(yīng)，去除噪聲獲得平滑光譜。

2.2 選取耕地質(zhì)量評價指標(biāo)

將采樣區(qū)域按照網(wǎng)格劃分，確定采樣點的位置，在每個采樣點位選擇代表性的位置進行采樣，確保在每個采樣點采集兩個土壤剖面樣品。對土樣進行風(fēng)干制備處理，并將樣品裝入瓶中備用。運用GIS軟件將耕地質(zhì)量要素數(shù)據(jù)作為基本字段，并建立數(shù)據(jù)庫［4］。將獲得的遙感圖像數(shù)據(jù)進行文件形式轉(zhuǎn)換，進行空間數(shù)據(jù)庫和屬性數(shù)據(jù)庫的同步更新。對耕地質(zhì)量進行評價時，選擇耕地質(zhì)量分值、全要素耕地質(zhì)量分值、區(qū)域元數(shù)占比、空間分布相似性等評價指標(biāo)。結(jié)合耕地的實際情況與農(nóng)業(yè)生產(chǎn)的整體情況，經(jīng)過專家討論與打分，設(shè)定評價因子總集（見表2）。

將耕地要素組成實體形成評價單元，在同一評價單元中的個體屬性基本相同，不同耕地評價單元之間存在差異性。為此，對不同的評價單元進行賦值。以點帶面，將得到的圖像與屬性進行連接，對每個圖斑單元進行賦值獲取相應(yīng)的屬性數(shù)據(jù)。在耕地質(zhì)量評價中，根據(jù)評價因子對耕地質(zhì)量的貢獻程度添加對應(yīng)的權(quán)重。運用層次分析法，經(jīng)過專家的評價得到不同評價因子的重要性，確定評價因子的權(quán)重。對其進行一致性檢驗，獲得定量化評價結(jié)果。耕地質(zhì)量層次結(jié)構(gòu)如圖1所示。

根據(jù)評價指標(biāo)構(gòu)造判斷矩陣，按照專家精要，確定不同層之間的重要程度，構(gòu)成對不同目標(biāo)層的耕地質(zhì)量的判斷矩陣。繪制數(shù)值的散點圖，并根據(jù)散點圖進行曲線模擬。建立隸屬度函數(shù)，按照不同評價因子的級別建立隸屬度函數(shù)模型。

2.3 耕地質(zhì)量評價

將土壤因素分解為不同層次的構(gòu)成因素，從第二層開始對不同層次的因素進行對比，判斷其重要性后按照順序進行加權(quán)，對加權(quán)后的向量進行一致性檢驗。輸出評價單元的綜合指數(shù)，根據(jù)綜合指數(shù)分值，運用累加法對不同評價單元的耕地質(zhì)量綜合指數(shù)（IF）進行計算。

IF=Σ（F_i×C_i） （3）

式（3）中：[Fi]為因素的評價分值，[Ci]為組合的權(quán)重值。運用決策分析構(gòu)建層次分析模型，并在賦值后將信息載入評價單元數(shù)據(jù)庫，對耕地質(zhì)量等級進行評價，計算得到最終的綜合得分指數(shù)［5］，并按照不同的分級臨界值，進行統(tǒng)一等級劃分［6］。不同的綜合指數(shù)表示不同的等級，在對耕地質(zhì)量進行等級劃分時，需要對目標(biāo)區(qū)域質(zhì)量進行分析，并提出對應(yīng)的建議。例如，對于高質(zhì)量的耕地區(qū)域建議繼續(xù)保持管理水平并加強保護，而對于低質(zhì)量的耕地區(qū)域可能需要改善土壤質(zhì)量、調(diào)整農(nóng)業(yè)管理措施等。

3 試驗測試與分析

為驗證筆者所提方法的有效性，設(shè)置5個小組。其中，運用筆者所提方法的小組為試驗組，運用文獻［2］方法至文獻［5］方法的小組為對照1～4組?；谠u價指標(biāo)體系，對研究區(qū)的耕地質(zhì)量等級進行評價。計算在等級內(nèi)的區(qū)域元數(shù)占比，得到不同評價方法的空間相似性結(jié)果?？臻g相似性較高時綜合評價等級也較高，綜合評價等級最高的方法為最優(yōu)方法。

通過研究區(qū)最新行政區(qū)劃圖和土壤圖建立矢量數(shù)據(jù)庫。以ArcGIS1.3和耕地資源管理系統(tǒng)為評價平臺，對耕地質(zhì)量等級進行評價。通過GEE（Google Earth Engine）云計算平臺獲得NDVI指數(shù)圖，運用吞吐量模型（Requests Per Second，RPS）對耕地質(zhì)量進行等級評價。通過疊加分析及合并小多邊形圖斑獲得耕地質(zhì)量劃分的15 000個評價單元。通過不同指標(biāo)計算耕地質(zhì)量權(quán)重，根據(jù)層次分析模型對耕地質(zhì)量進行等級評價。運用資源和規(guī)劃單位提供的矢量數(shù)據(jù)，在研究區(qū)設(shè)置10個采樣點。通過統(tǒng)計采樣點數(shù)據(jù)并整理，利用GEE下載不同指標(biāo)的成果數(shù)據(jù)。將疊加得到的耕地圖斑按照120 m2的大小進行合并，得到耕地質(zhì)量等級評價單元為10 m柵格數(shù)據(jù)的像元。從多個角度出發(fā)，綜合考慮評價的方向和確定指標(biāo)數(shù)量，選取合理的指標(biāo)數(shù)量，并運用GEE集成一體化云平臺進行計算，提供空間地理分析服務(wù)。評價單元為像元，對像元進行柵格運算。將計算結(jié)果進行地面驗證，以得到更加科學(xué)合理的評價結(jié)果。

4 結(jié)果與分析

運用不同評價方法對研究區(qū)耕地質(zhì)量等級進行評價，結(jié)果如表3所示。

由試驗結(jié)果可知，5個小組的耕地質(zhì)量等級評價結(jié)果空間分布的區(qū)域相似性均有不同。通過計算，得到試驗組的區(qū)域元數(shù)占比為7.9%，對照1～4組的區(qū)域元數(shù)占比分別為6.8%、5.4%、4.7%、4.3%。從計算結(jié)果可以看出，對照組的空間分布相似性較低，而試驗組的空間分布相似性較高，在評價分類過程中運用GIS體系認定的土地分類方法能夠優(yōu)化評價方法，使評價指標(biāo)權(quán)重較大，獲得綜合等級評價結(jié)果最高為8.03。

為進一步驗證耕地質(zhì)量評價結(jié)果的精度，基于樣點數(shù)據(jù)比較全要素耕地質(zhì)量分值和耕地質(zhì)量分值的一致性。結(jié)果表明，全要素耕地質(zhì)量分值為53.284～83.945，均值為68.614；耕地質(zhì)量分值為51.217～84.828，均值為68.022。對耕地質(zhì)量分值與全要素耕地質(zhì)量分值進行回歸分析，得到的結(jié)果如圖2所示。由圖2可知，耕地質(zhì)量分值和全要素耕地質(zhì)量分值呈極顯著正相關(guān)關(guān)系，說明NDVI指標(biāo)可以反映全要素指標(biāo)的信息，耕地質(zhì)量分值與全要素耕地質(zhì)量分值較為近似，評價結(jié)果可信度較高，且相對偏差更小，評價精度較高，進一步證明基于GIS的耕地質(zhì)量評價準確性更高，可替代全要素指標(biāo)對研究區(qū)耕地質(zhì)量進行評價。

綜上所述，通過運用筆者所提耕地質(zhì)量評價方法，對不同區(qū)域中的各項指標(biāo)數(shù)據(jù)進行合理化分析，減少遙感指標(biāo)中的誤差，在耕地劃分中的相似性較高，獲得更為靈活有效的評價指標(biāo)，能夠提出完善的耕地質(zhì)量評價指標(biāo)體系，使得在評價過程中具有較強的空間分析能力。設(shè)置合理數(shù)量的采樣點，通過對采樣點的數(shù)據(jù)進行空間連接，獲得耕地質(zhì)量情況，通過地面驗證獲得更加合理的評價結(jié)果。同時對耕地質(zhì)量保護提出針對性的建議，提升土壤有機質(zhì)含量，為建立高標(biāo)準高質(zhì)量的農(nóng)田做準備，實現(xiàn)基于GIS的耕地質(zhì)量評價方法的良好應(yīng)用。

5 結(jié)束語

筆者從GIS入手，深入分析耕地質(zhì)量評價問題，探究了基于GIS的耕地質(zhì)量評價方法。對監(jiān)測點中不同土壤特性等指標(biāo)因素進行長期監(jiān)測，按照土壤特征的穩(wěn)定性進行分類，提升評價可行性，為耕地質(zhì)量評價提供了方向，解決了空間分辨率問題，在GIS模型應(yīng)用中可以更好地方便訪問者使用。但方法中還存在一些不足之處，如耕地質(zhì)量的經(jīng)濟指標(biāo)選取問題、耕地質(zhì)量等級評價優(yōu)缺點問題等。今后可通過GIS對人為因素進行調(diào)整與修改，降低指標(biāo)選擇的主觀誤差，實現(xiàn)基于GIS的耕地質(zhì)量評價。

參考文獻：

［1］熊軍，張沖，王代印，等.三區(qū)三線管控下GIS劃定永久基本農(nóng)田研究［J］.城市建筑，2022（22）：41-45.

［2］周培誠.基于GIS技術(shù)的干旱地區(qū)碳循環(huán)動態(tài)觀測方法［J］.科技通報，2021（8）：36-39.

［3］信會男，賴寧，耿慶龍，等.基于GIS的塔額盆地農(nóng)田土壤養(yǎng)分空間變異特征分析［J］.新疆農(nóng)業(yè)科學(xué)，2022（7）：1776-1785.

［4］江文娟，湯萌萌，汪甜甜，等.宣城市耕地質(zhì)量等級及土壤養(yǎng)分空間分布特征［J］.土壤通報，2022（1）：36-44.

［5］鄭發(fā)美.基于GIS技術(shù)的高中地理實驗教學(xué)設(shè)計與實踐：以“地理信息系統(tǒng)及其應(yīng)用”為例［J］.中學(xué)地理教學(xué)參考，2022（2）：57-60.

［6］王清華.基于GIS技術(shù)的耕地質(zhì)量評價：以H27V05區(qū)域MODSI數(shù)據(jù)為例［J］.鄉(xiāng)村科技，2021（30）：112-114.