地理研究 2016 , 35 (10): 1935-1947 https://doi.org/10.11821/dlyj201610012

研究论文

农用地整治对产能影响的特征预测及评估：方法与实证

范业婷¹^,, 金晓斌¹^,²^,, 项晓敏¹, 杨绪红¹, 黄学锋¹, 周寅康¹^,²

1. 南京大学地理与海洋科学学院,南京 210023
2. 南京大学自然资源研究中心,南京 210023

Prediction and evaluation of characteristic of agricultural productivity change influenced by farmland consolidation: Method and case study

FAN Yeting¹^,, JIN Xiaobin¹^,²^,, XIANG Xiaomin¹, YANG Xuhong¹, HUANG Xuefeng¹, ZHOU Yinkang¹^,²

1. School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China
2. Natural Resources Research Center, Nanjing University, Nanjing 210023, China

通讯作者: 通讯作者：金晓斌（1974- ）,男,甘肃兰州人,博士,副教授,主要从事土地资源管理研究。E-mail: jinxb@nju.edu.cn

收稿日期: 2016-04-16

修回日期: 2016-07-12

网络出版日期: 2016-10-26

基金资助: 国家科技支撑计划课题（2015BAD06B02）

作者简介:

作者简介：范业婷（1990- ）,女,安徽和县人,博士研究生,主要从事土地整治与土地利用规划研究。E-mail: dg1527012@smail.nju.edu.cn

展开

摘要

受工程建设和农田生态系统恢复过程的影响,农用地整治后产能效益的发挥存在滞后性,采用实时遥感数据难以对近期产能变化进行有效估算。基于2001-2013年MODIS-NDVI数据,提取表征产能水平、产能波动、产能潜力和复种指数变化的四项特征参数,以2006-2010年验收的农用地整治项目为样本集,采用SVM算法,建立产能变化与潜在影响因素间的联系,对2011-2013年验收项目的产能影响特征进行预测和评估。研究表明：① 在确定已知样本集特征及其影响因素的基础上,对未知样本集各项特征基于SVM模型进行预测的拟合效果可达到全局最优;② “十二五”前期,农用地整治后实现产能水平提升、产能波动减小、产能潜力提高、复种指数增加的项目比例分别为88.18%、66.41%、81.55%和3.59%;③ 农用地整治对产能提升的影响具有显著的区域差异,长江中游平原、江南丘陵、南岭丘陵、粤西贵南等地区产能提升较为显著,松嫩三江平原和辽宁平原丘陵区仍有较大的提升空间。

关键词： 农用地整治 ; 产能变化 ; 区域差异 ; NDVI ; SVM

Abstract

Influenced by the disturbance of farmland consolidation engineering construction and recovery period of farmland ecosystem reestablishment, agricultural productivity improvement caused by farmland consolidation usually has a time lag. This makes recent change of agricultural productivity hard to be effectively assessed by real-time remote sensing data. Based on MODIS-NDVI data (MOD13Q1) from 2001 to 2013, this study proposes four characteristic parameters to demonstrate agricultural productivity change, i.e., the level of agricultural productivity (PL), the variation of agricultural productivity (PV), the potentiality of agricultural productivity (PP) and multiple cropping index (MI). Then, the study takes farmland consolidation projects labeled as completion acceptance from 2006 to 2010 as a sample set, and establishes intrinsic relationship between characteristics of agricultural productivity change and potential influencing factors using a Support Vector Machine (SVM) model. Finally, the rules concluded from SVM model are used to predict the characteristics of agricultural productivity change influenced by farmland consolidation implemented between 2011 and 2013. The results are as follows: (1) On the basis of defining characteristic of agricultural productivity change and potential influencing factors of a sample set, the fitness of feature parameters of the unkown sample set can achieve global optimum by SVM model. (2) During 2001-2013, the proportions of projects that PL, PV, PP and MI have increased after farmland consolidation are 88.18%, 66.41%, 81.55% and 3.59%, respectively. (3) The general characteristic of agricultural productivity improvement influenced by farmland consolidation has significant spatial variation. The regions are of significant improvement concentrated on the middle Yangtze River plain, the hilly region south of the Yangtze River, Nanling hilly region, western Guangdong and southern Guizhou. It is noteworthy that some regions still need to be further improved in agricultural productivity, such as Songnen-Sanjiang plain, plain and hilly region of Liaoning.

Keywords： farmland consolidation ; agricultural productivity change ; spatial variation ; NDVI ; SVM

PDF (8774KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

范业婷, 金晓斌, 项晓敏, 杨绪红, 黄学锋, 周寅康. 农用地整治对产能影响的特征预测及评估：方法与实证[J]. , 2016, 35(10): 1935-1947 https://doi.org/10.11821/dlyj201610012

FAN Yeting, JIN Xiaobin, XIANG Xiaomin, YANG Xuhong, HUANG Xuefeng, ZHOU Yinkang. Prediction and evaluation of characteristic of agricultural productivity change influenced by farmland consolidation: Method and case study[J]. 地理研究, 2016, 35(10): 1935-1947 https://doi.org/10.11821/dlyj201610012

1 引言

2000年以来,中国粮食生产稳定持续增长,粮食产量不断提升,“十二五”时期粮食总产量增加6062万t,较“十一五”提升2.31个百分点。然而,面对人口总量持续增长、国民饮食结构不断改善、生态环境负荷不断加大等内外部环境的变化,中国粮食安全问题依然严峻^[1-3]。耕地作为粮食生产的物质基础,在国家资源安全战略框架中始终处在重要地位^[4,5]。中国于20世纪90年代末开始实施土地整治。起初主要通过整理、复垦、开发等手段多渠道补充耕地,为全面实现耕地“占补平衡”发挥积极作用;2006年以来,土地整治逐步转向“稳定耕地数量与提升耕地质量并重”的新阶段^[6];“十二五”期间,“提质、增效”更是成为土地整治的工作重点,连续多个中央1号文件都强调加快推进高标准农田建设,不断提升农业综合生产能力。农用地整治通过调整土地利用结构、完善农田基础设施,能够有效增加耕地数量、提高耕地质量,进而提升农业生产能力,对稳定粮食生产格局、保障国家粮食安全等具有重要意义。2014年国土资源部对土地整治示范省建设综合成效评估结果显示,土地整治后耕地质量等别提高了0.84~1.7个国家利用等^[7];2015年国土资源部《全国土地整治规划（2011-2015年）》实施评价结果显示,规划期内全国多渠道建设高标准基本农田4.88亿亩,耕地质量等别平均提高1.21等。但是,上述关于土地整治对产能影响的结果多是通过经验总结或者汇总上报等方式获取,其内涵、特征及区域差异等仍有待进一步挖掘。

现有关于农用地整治产能影响的研究主要集中在农用地整治潜力测算与效益评价等方面,采用统计汇总、典型调查、问卷访谈等数据,基于潜力模型^[8,9]、数理统计^[10,11]、地理空间分析^[12,13]等方法,从中观（市、县）或微观（项目）等空间尺度^[10,14]开展研究。利用长时间、大范围、精度适宜、质量可靠的遥感监测数据,对农用地整治产能影响进行综合研究尚属空白。作为大尺度农业研究的有力手段,植被指数目前已被广泛应用于作物调查、长势监测和产量预测等研究^[15,16]。其中,归一化植被指数（Normalized Difference Vegetation Index,NDVI）因能够消除地形和群落结构的阴影和辐射干扰,削弱太阳高度角和大气所带来的噪音,对大范围的植被覆盖度监测灵敏度较高^[17],更是被广泛应用于土地覆被变化、农业生产变化、粮食产能监测等方面^[18-21],其与农业产能之间的显著相关性也已被国内外学者广泛证明^[22-24]。Fang等采用覆盖全中国的多年平均NDVI数据估算植被净初生产力（Net Primary Production,NPP）年际变化情况,结果证明通过NDVI年际变化能够有效监测不同区域NPP的差异^[25];David采用MODIS-NDVI数据监测农作物季前季中变化情况,估算美国玉米和大豆产量,结果表明NDVI与作物产量呈现显著正相关关系^[26];Maselli等以意大利托斯卡纳区为例,采用MODIS-NDVI数据估算小麦种植面积和产量,并与省级统计数据进行对比,结果表明二者之间具有高度一致性^[27];赵文亮等以河南省为例,结合河南省18个地市冬小麦生产数据,建立了基于区域NDVI的冬小麦产量估算模型,研究表明NDVI能够有效、快速、准确地对作物进行估产^[23]。区别于传统的产能影响评估,农用地整治会在一定时期内对项目区农田生态系统造成扰动,区内产能恢复与提升存在一定的过程性和滞后期（土壤质量稳定一般需要3年左右^[28]）,难以直接利用遥感监测结果对近期实施整治项目的产能变化进行有效分析。为此,通过MODIS-NDVI数据提取农用地整治产能影响特征参数,以已实现产能稳定的整治项目作为样本集,引入机器学习算法SVM（Support Vector Machine）,建立产能影响特征与潜在影响因素之间的联系,对近期实施土地整治项目的产能影响特征进行预测,以期为有效分析农用地整治产能影响提供参考,并为“十三五”农用地整治重点区域和重大工程安排提供科学依据。

2 数据来源与研究方法

2.1 数据来源与处理

2.1.1 农用地整治项目数据农用地整治项目数据来源于国土资源部“农村土地整治监测监管系统”。列入分析的项目为2006-2013年验收入库的农用地整治项目（含土地整理、土地复垦和土地开发）。为与遥感数据解析精度相匹配,以具有明确项目区边界且单个项目区图斑大于100 hm²作为筛选条件,共提取土地整治项目图斑7505个,其中2006-2010年间验收项目（以下简称已知样本集）4442个,2011-2013年间验收项目（以下简称预测集）3063个。具体情况见表1。

表1 列入分析的农用地整治项目统计表

Tab. 1 Statistics of farmland consolidation projects in this study

年份	项目（图斑）数量（个）					建设规模（1000 hm²）
年份	小计		土地整理	土地复垦	土地开发	小计	土地整理	土地复垦	土地开发
2006	568	412	18	138		144.82	107.50	3.34	33.98
2007	767	640	23	104		191.80	161.09	4.86	25.85
2008	795	610	29	156		246.83	197.99	9.01	39.82
2009	852	697	24	131		293.18	254.12	5.64	33.42
2010	1460	1065	18	377		539.21	449.53	3.96	85.71
2011	947	754	12	181		351.67	305.43	2.08	44.15
2012	716	542	21	153		306.91	271.54	4.60	30.77
2013	1400	1232	160	8		681.08	644.30	34.22	2.56
合计	7505	5952	305	1248		2,755.50	2,391.52	67.72	296.27

新窗口打开

2.1.2 NDVI时间序列数据 NDVI时间序列数据采用美国国家航空与航天局（NASA）提供的MODIS-NDVI数据产品MOD13Q1（空间分辨率250 m×250 m,时间周期16 d）,时间序列选择2001年1月1日至2013年12月31日,每个图斑对应299期（23时相/年×13年）数值;数据筛选条件为数据质量可靠（reliability index≤1）,研究期内每个图斑总缺失值<5个。利用Timesat中的S-G滤波器^[29,30]对各图斑的NDVI时相数据进行平滑处理,去除NDVI像元内残余的云、霾等因素的影响,形成基于项目区图斑的NDVI时间序列数据,典型项目区示例见图1。

显示原图| 下载原图ZIP| 生成PPT

图1 2001-2013年典型农用地整治项目区NDVI时间序列数据

Fig. 1 NDVI time series data of a typical farmland consolidation project during 2001 to 2013

2.2 研究方法

SVM最早由Vapnik在统计学理论基础上提出,用于解决分类与预测问题^[31]。SVM具有稳定性、运算效率高的优势^[32-34],对数据分类预测的准确率较为显著,目前已在病害识别^[35,36]、产量预测^[37,38]、数据分类^[39,40]等方面得到广泛应用。SVM的实现主要是通过在原空间或者经过投影后的高维空间中构造最优分类面,并将此分类面作为分类决策面进行数据分类^[40],基本原理如下：

对于给定样本集(x_i,y_i),y_i表示样本类别;x_i表示特征向量,即与样本存在联系的因素组合;假定已知样本n个;待预测样本m个;x_i∈R^d;y_i={+1,-1};i=1,2,…,n;d表示样本维数。当样本集线性可分时,对应的判别函数为f(x)=w^T+b,式中：w、b为n维向量。为确保所有样本被正确分类,分类超平面需满足：

$\begin{matrix} y_{i} (w^{T} x_{i} + b) \geq 1 (i = 1,2, \dots, n) \end{matrix}$ （1）

离分类面最近的样本满足|f(x)|=1;分类间隔为2/‖w‖²;最优分类超平面就是使分类间隔最大,即求解最小‖w‖²。

当样本线性不可分时,SVM则首先将输入的样本向量映射到更高维度空间,使其在高维空间中实现线性分类^[40],这种非线性变换通过引入适当的核函数k(x_i,x_j)得以实现,同时在样本集线性不可分情况下,SVM引入了惩罚参数C和松弛变量 $\begin{matrix} ξ \end{matrix}$ ,此时求解问题转换为：

$\begin{matrix} \{\begin{matrix} \min {‖w‖}^{2} / 2 + C \sum_{i}^{=} ξ_{i} (i = 1,2, \dots, n) \\ s . t . y_{i} (w^{T} ϕ (x_{i}) + b) \geq 1 - ξ_{i} \begin{matrix} \end{matrix} \begin{matrix} \end{matrix} \begin{matrix} \end{matrix} \\ ξ_{i} \geq 0 \begin{matrix} \end{matrix} \begin{matrix} \end{matrix} \end{matrix} \end{matrix}$ （2）

在不等式（2）的约束下,通过拉格朗日函数可将问题转换成对w和b求拉格朗日函数的最小值,并可进一步转换成凸二次规划的对偶问题：

$\begin{matrix} \{\begin{matrix} \max \sum_{i}^{=} α_{i} - \sum_{i}^{=} α_{i} α_{j} y_{i} y_{j} k (x_{i}, x) / 2 (j = 1,2, \dots, m) \\ s . t . 0 \leq α_{i} \leq C, i = 1,2, \dots, n \begin{matrix} \begin{matrix} \begin{matrix} \end{matrix} \end{matrix} \end{matrix} \\ \sum_{i}^{=} α_{i} y_{i} = 0 \begin{matrix} \end{matrix} \begin{matrix} \begin{matrix} \begin{matrix} \end{matrix} \end{matrix} \end{matrix} \begin{matrix} \end{matrix} \end{matrix} \end{matrix}$ （3）

式中：α_i为拉格朗日系数,当α_i≠0时,其对应的样本离最优分类超平面最近,即为支持向量。

上述问题存在唯一最优解 $\begin{matrix} α_{i}^{*} \end{matrix}$ , $\begin{matrix} b_{}^{*} \end{matrix}$ 由式（2）取等号得到,此时对应最优分类函数为：

$\begin{matrix} f (x) = sgn (\sum_{i}^{=} α_{i}^{*} y_{j} k (x_{i}, x) + b_{}^{*}) \end{matrix}$ （4）

3 结果分析

3.1 产能影响特征参数提取

农用地整治以增加有效耕地面积并提高耕地质量为中心,通过土地平整、灌溉与排水、田间道路、农田防护与生态环境保持等工程措施,可以优化田块布局,改善耕作条件,完善农田水利基础设施等。项目实施对产能的影响主要体现在增加平均产量（高产）,降低自然灾害对农业生产的影响（稳产）,提升最高产量（潜力）和增加复种指数（效益）等方面。考虑到整治项目实施后耕地产能恢复与提升的滞后性,结合已有研究成果^[41,42],通过分析样本集整治前后对应图斑NDVI在均值、标准差、最大值以及波峰频数四个参数上的变化,提取表征产能影响的特征参数。具体特征参数释义见表2。

表2 NDVI时间序列数据表征产能影响的特征参数说明

Tab. 2 Description of feature parameters characterized by agricultural productivity change using NDVI time series data

特征参数	参数名称	产能表征	计算公式	参数释义	备注
$\begin{matrix} V_{1} \end{matrix}$	均值变化	产能水平变化	$\begin{matrix} V_{1} = \bar{V_{后}} - \bar{V_{前}} \end{matrix}$	V₁>0,表示农用地整治后产能水平提升;反之,表示未提升	$\begin{matrix} \bar{V_{前}} \end{matrix}$ 、 $\begin{matrix} \bar{V_{后}} \end{matrix}$ 分别表示整治前后NDVI均值
$\begin{matrix} V_{2} \end{matrix}$	标准差变化	产能波动变化	$\begin{matrix} V_{2} = σ V_{后} - σ V_{前} \end{matrix}$	V₂>0,表示农用地整治后产能波动减小;反之,表示未减小	$\begin{matrix} σ V_{前} \end{matrix}$ 、 $\begin{matrix} σ V_{后} \end{matrix}$ 分别表示整治前后NDVI标准差值
$\begin{matrix} V_{3} \end{matrix}$	最大值变化	产能潜力变化	$\begin{matrix} V_{3} = \max (V_{后}) - \max (V_{前}) \end{matrix}$	V₃>0,表示农用地整治后产能潜力提高;反之,表示未提高	$\begin{matrix} \max (V_{前}) \end{matrix}$ 、 $\begin{matrix} \max (V_{后}) \end{matrix}$ 分别表示整治前后NDVI最大值
$\begin{matrix} V_{4} \end{matrix}$	波峰频数变化	复种指数变化	$\begin{matrix} V_{4} = \bar{V_{p 后}} - \bar{V_{p 前}} \end{matrix}$	V₄>0,表示农用地整治后复种指数增加;反之,表示未增加。	$\begin{matrix} \bar{V_{p 前}} \end{matrix}$ 、 $\begin{matrix} \bar{V_{p 后}} \end{matrix}$ 分别表示整治前后NDVI波峰频数均值

注：整治前表示2001年1月1日至项目验收年12月31日,整治后表示项目验收次年1月1日至2013年12月31日。

新窗口打开

3.2 产能影响因素分析

产能影响因素是指对农用地整治产能变化产生影响的潜在因素,是连接已知样本集与预测集的纽带。农用地整治作为当前土地整治的重要内容之一,是以规划指导实施、以实施完善规划的双向作用过程,其对产能变化的影响既与项目所在区域的自然环境条件、经济发展水平、土地利用方式、农业生产特点等要素相关,也与土地整治的途径、措施等紧密联系。综合农用地整治的特点,从自然环境条件、土地资源条件、社会经济条件以及项目属性条件四个层面选取16项指标作为农用地整治产能影响的潜在因素。各项指标的具体释义、数据来源等见表3。

表3 农用地整治产能影响潜在因素说明

Tab. 3 Description of potential factors about agricultural productivity change influenced by farmland consolidation

类型	指标	单位	数据精度	指标含义	数据来源
自然环境条件	高程	m	1 km $\begin{matrix} \times \end{matrix}$ 1 km		美国地质调查局（USGS）DEM数据产品
	坡度	°	1 km $\begin{matrix} \times \end{matrix}$ 1 km		美国地质调查局（USGS）DEM数据产品
	多年平均降水量	mm	500 m $\begin{matrix} \times \end{matrix}$ 500 m		中国气象科学数据共享服务网
	水旱灾指数	%	市级	受灾面积/播种面积 $\begin{matrix} \times \end{matrix}$ 100%	统计年鉴（2010年）
土地资源条件	人均耕地面积	hm²	县级	耕地面积/区域人口	地球系统科学数据共享平台
	耕地质量等	等	1 $\begin{matrix} ∶ \end{matrix}$ 50万	基于光温水土生产潜力测算的耕地潜在生产能力水平	国土资源部全国农用地分等成果
	复种指数	%	1 $\begin{matrix} ∶ \end{matrix}$ 400万	农作物播种面积/耕地面积	全国综合农业区划
	耕地后备资源面积	hm²	市级	可开垦和可复垦的耕地后备资源面积	国土资源部耕地后备资源调查成果（2003年）
社会经济条件	人均GDP	元/人	县级	地区生产总值/总人口	统计年鉴（2010年）
	城镇化率	%	县级	城镇人口/总人口	全国第六次人口普查
	人口密度	人/km²	县级	总人口/区域面积	全国第六次人口普查
	道路密度	km/km²	1 km $\begin{matrix} \times \end{matrix}$ 1 km	各类道路长度/区域面积	百度地图提取
项目属性条件	建设规模	hm²	项目区	项目建设规模	基于农用地整治项目属性提取
	形状指数		项目区	项目区周长/面积
	投资强度	万元/hm²	项目区	项目投资/建设规模
	到最近县级行政中心的距离	km	项目区	项目区中心点到最近县级行政中心的距离	基于农用地整治项目和县级行政区空间位置提取

新窗口打开

3.3 产能影响特征预测模型（P-SVM）设计

3.3.1 模型构造首先,将已知样本集（2006-2010年的4442个整治项目）划分为训练集（2006-2009年的2982个整治项目）和检验集（2010年的1460个整治项目）,再以训练集构建SVM预测模型,以检验集测算预测精度,根据预测精度对预测集产能影响特征进行识别。具体按照以下步骤建立产能影响特征预测模型（P-SVM）：

（1）判断样本集特征类别。根据V₁~V₄特征的变化情况,确定已知样本集各项特征类别,分别记为P₁~P₄。以产能水平V₁为例,如若样本j的产能水平提升,即V₁_j>0（j=1,2,…,4442）,记P₁_j=1,作为正类;否则记P₁_j=-1,作为负类;以此判断已知样本集其他三项特征类别。

（2）构建P-SVM预测模型。将已知样本集产能影响因子按照特征类别组合定义为特征向量A_j,A_j∈R¹⁶,并与特征类别形成集合(A_j,P_ij)（i=1,2,3,4）;然后运用训练集集合(A_m,P₁_m)~(A_m,P₄_m)（m=1,2,…,2982）分别构建关于V₁~V₄的P-SVM预测模型,分别记为(P₁-SVM)~(P₄-SVM)。

（3）测算预测精度。将检验集特征向量A_n（n=1,2,…,1460）带入(P₁-SVM)~(P₄-SVM)模型,得到检验集预测特征类别,分别记为Q₁_n~Q₄_n,通过比较检验集中各样本预测特征类别Q₁_n~Q₄_n与实际特征类别P₁_n~P₄_n的差别,测算特征类别一致性样本比例,得出V₁~V₄特征的预测精度。

（4）识别预测集特征类别。将预测集产能影响因子按照特征类别组合定义为特征向量A_s（s=1,2,…,3063）,A_s∈R¹⁶,分别输入(P₁-SVM)~(P₄-SVM)模型中,由此得到预测集各项特征类别Q₁_s~Q₄_s。

SVM模型通过在Matlab 2015a软件中引入LibSVM 3.20工具箱后编程实现。

3.3.2 参数优化与模型实现参数的选取直接影响最优分类超平面的确定,从而决定模型的预测效果。SVM模型中主要涉及四类参数,即SVM类型参数、核函数类型参数、惩罚参数C以及核函数中的相关参数。四类参数优化选取规则如下：

（1）SVM类型主要包括C-SVC、v-SVC、e-SVR、一类SVM和v-SVR五种,对应的参数值分别为0、1、2、3、4,其中C-SVC是用于解决二分类问题的,适用于本研究,故SVM类型参数设置为0。

（2）核函数类型主要包括线性函数、多项式函数、径向基函数、sigmoid函数四种,对应的参数值分别为0、1、2、3,其中径向基核函数（RBF函数）已被证实在分类预测方面具有较高的适用性^[43],故将核函数类型参数设置为2,计算公式为：

$\begin{matrix} k (x_{i} ， x_{j}) = {e^{- g (x_{i} - x_{j})}}^{2} \end{matrix}$ （5）

式中：k(x_i,x_j)为RBF函数;x_i∈R^d;i为已知样本集个数;j为预测集个数;d表示样本维数;g为径向基参数。

（3）惩罚参数C和径向基参数g均为常数,是影响SVM模型分类器性能的关键参数;其中参数C表示对错分样本的惩罚程度,用于使分类间隔最大化和分类误差最小化达到最佳平衡;参数g影响SVM模型的复杂程度。

通过网格搜索法优化参数C和g。具体步骤为：先在大步距、大范围内进行粗搜,确定一个最优参数区间,针对V₁~V₄特征,初步确定参数C的最优区间分别为0.1~1.9、0.01~0.2、0.5~11.5、0.1~3,参数g的最优区间分别为0.5~6、0.1~2、0.5~6、-0.1~1;然后在上述最优区间中进行小步距精搜,精搜结果及对应的预测精度如图2所示。

显示原图| 下载原图ZIP| 生成PPT

图2 基于参数调整的不同产能影响特征SVM模型预测效果

Fig. 2 Results of influential characteristics of agricultural productivity change based on different parameters adjustment

根据图2,预测精度表现出以下特征：① 产能水平。预测精度先随C、g增大而提升,后趋于稳定;② 产能波动。当C<0.05时,预测精度随g增大而提升,然后逐渐减小;当C>0.05时,预测精度受参数g影响较小且趋于稳定;③ 产能潜力。预测精度总体呈现随C、g增大而提升,并逐渐趋于稳定态势;④ 复种指数。预测精度受参数C影响较小且随g增大而提升,后趋于稳定。综上所述,随着参数C和g的调整优化,V₁~V₄特征的预测精度都趋向稳定,即拟合度可达到全局最优,C和g优化选择结果具体见表4。

表4 不同产能影响特征参数优化选择

Tab. 4 Optimizing selection of different characteristic parameters of agricultural productivity changes

产能特征	参数C	参数g	预测精度（%）
$\begin{matrix} V_{1} \end{matrix}$	0.9	3	74.32
$\begin{matrix} V_{2} \end{matrix}$	0.07	1	77.33
$\begin{matrix} V_{3} \end{matrix}$	9.5	4.5	55.68
$\begin{matrix} V_{4} \end{matrix}$	2	0.7	70.21

新窗口打开

在确定SVM模型中涉及的四类参数值后,通过调用LibSVM中的“svmtrain”函数对数据集进行训练学习,实现对预测集特征的最佳分类预测;调用LibSVM中的“svmpredict”函数实现对预测集V₁~V₄特征类别Q₁_s~Q₄_s的识别,得到2011-2013年农用地整治产能影响特征的预测值。

3.4 2011-2013年农用地整治产能影响特征分析与评估

3.4.1 总体特征分析与评估根据SVM模型对2011-2013年农用地整治各项产能影响特征类别的预测结果,以整治项目编号为基础,采用ArcGIS 10.2中的“Join”工具将各项特征类别逐一连接到对应的项目属性上,即得到2011-2013年农用地整治各项产能影响特征的空间分布结果,如图3所示。

显示原图| 下载原图ZIP| 生成PPT

图3 2011-2013年农用地整治对产能影响的特征空间分布

Fig. 3 Spatial distribution of different characteristic of agricultural productivity changeinfluenced by farmland consolidation during 2011-2013

由图3可知,2011-2013年农用地整治后,全国实现产能水平提升、产能波动减小、产能潜力提高和复种指数增加的项目占项目总数的比例分别为88.18%、66.41%、81.55%和3.59%。“十二五”前期土地整治后产能水平提升最为显著,项目主要分布在长江中下游平原区、北部中低高原区、黄淮海平原丘陵区以及华南丘陵沿海区,产能潜力提高与产能水平提升的项目空间分布基本一致,产能波动减小的项目主要分布在长江中下游区以及华南丘陵区,复种指数增加的项目较少,主要分布在800 mm降水分界线附近。与“十一五”各项产能变化特征相比,“十二五”前期实现产能水平提升、产能波动减小、产能潜力提高的项目比例均有所提升,提升幅度分别为26.16%、11.39%、28.02%,而实现复种指数增加的项目比例下降了29.71%。

3.4.2 区域特征分析与评估中国幅员辽阔,不同区域自然环境条件、经济社会条件差异较大,农用地整治项目安排、整治方式各不相同,故其实施效果也具有明显的区域特征。为进一步分析各项产能影响特征空间分布差异,以《中国综合农业区划》^[44]划定的二级农业区为基础,分析其在各农业区下的分布特征（图4）。

显示原图| 下载原图ZIP| 生成PPT

图4 农用地整治对产能影响的总体特征空间分布

Fig. 4 Spatial distribution of general characteristic of agricultural productivity change influenced by farmland consolidation

从总体上看,“十二五”前期各农业区产能水平提升和产能潜力提高效果较为显著,长城沿线区、陇中青东区、长江下游平原区、江南丘陵区、川鄂湘黔边境区、闽南粤中区、南疆农牧区等19个二级农业区农用地整治后,超过80%的整治项目实现了产能水平和产能潜力双提升;产能波动减小的项目区域分布差异较为明显,其中整治后产能波动显著减小的区域主要集中在黄淮海区、长江中下游区、华南区以及川鄂湘黔边境区、北疆农牧林区和青甘农牧区,另有11个二级农业区产能波动减小不明显,产能波动减小项目不及区域项目总数的50%;复种指数增加的特征表现不显著,仅有14个二级农业区中的110个项目整治后复种指数略有增加,其中增加较为明显的是汾渭谷地区、冀鲁豫低洼区和豫鄂皖低山区,项目比例分别为16.67%、14.99%和14.89%。

从各农业区来看,因各不同农业区地形、气候等自然条件的差异,耕地质量、耕作条件亦有不同,因而整治后产能影响特征表现也不尽相同。综合而言,各农业区产能影响特征分布可分为三种类型,分别为产能提升显著型,主要包括长江中游平原、江南丘陵、南岭丘陵、粤西贵南、长江下游平原丘陵、豫鄂皖低山平原、浙闽丘陵山地、川鄂湘黔边境等地区;产能提升一般型,主要包括长城沿线、晋陕甘黄土丘陵沟壑、陇中青东丘陵、秦岭大巴山和蒙宁甘、黄淮海等地区;产能提升微弱型,主要包括松嫩三江平原和辽宁平原丘陵等地区。

产能提升显著型区域中,长江中游平原、江南丘陵、南岭丘陵、粤西贵南等地区整治项目产能提升效果最为显著,区内整治项目都表现出产能水平提升、产能波动减小和产能潜力提高的特征。这可能因为该类地区多处于暖温带或亚热带,水热资源丰富,水土耦合度较高,耕地质量较好。同时区内农业耕作历史悠久,经济社会发展和土地集约利用水平均高于其他地区,这为整治项目实施创造了良好的基础条件。但这类区域耕地的复种水平普遍达到甚至超过200%,这也导致难以通过完善农田基础设施进一步提高区域复种指数。

产能提升一般型区域中,长城沿线区、晋陕甘黄土丘陵沟壑区、陇中青东丘陵区、秦岭大巴山区和蒙宁甘区的产能水平提升和潜力提高效果较为显著,这类区域多处于中温带,降水分布不均,水旱灾害相对频发,农用地整治通过改善区内耕作条件,提高农田基础设施配套水平,促进了产能水平和产能潜力的提升;但区内经济水平相对偏低,且相对复杂的地形也增大了整治项目实施难度,一定程度影响了整治后项目区产能的稳定性。黄淮海区在产能水平提升和产能波动减小两项特征上表现较为显著,且复种指数增加特征表现最为明显,这得益于该区位于800 mm降水分界线上,兼具旱作和水作的优势,农用地整治通过改善农业生产结构,合理布局经济作物,提高了区内农业复种水平;农田基础设施的建设改善了区内灌溉条件,减少了自然灾害发生率,确保了农用地整治后项目区产能的提升。

产能提升微弱型区域以松嫩三江平原区和辽宁平原丘陵区为典型,两区各项产能特征的提升均不显著,这既因为区内水资源较为丰富、耕地质量好、土壤自然肥力较高,现有农业生产能力已达到较高水平,通过整治进一步提升产能的空间有限;也因地处寒温带,低温冷害频繁,易受伏旱、秋涝等自然灾害的影响,区内粮食生产的稳定性较差。

4 结论与讨论

从农用地整治对产能影响的特征表现入手,采用NDVI时间序列数据,提取表征产能水平、产能波动、产能潜力以及复种指数变化的四类特征指标,通过构建P-SVM模型,实现对2011-2013年间实施农用地整治项目产能影响特征的预测,主要结论：

（1）在确定已知样本各项产能影响特征类别（正负二分类）的条件下,SVM模型适用于预测未知样本产能影响特征类别。通过合理调试优化相关参数,各项产能影响特征参数的拟合度可达到全局最优,本研究中对产能水平、产能波动、产能潜力和复种指数变化的预测精度可分别达到74.32%、77.33%、55.68%和70.21%。

（2）“十二五”前期,农用地整治后较整治前总体呈现产能提升态势,整治后产能水平提升、产能波动减小、产能潜力提高、复种指数增加的项目比例分别为88.18%、66.41%、81.55%、3.59%;与“十一五”相比,产能水平、产能波动、产能潜力提高的项目比例均有所上升,上升幅度分别为26.16%、11.39%、28.02%,但复种指数增加的项目比例降低了29.71%。

（3）农用地整治对产能提升具有显著的区域差异,长江中游平原、江南丘陵、南岭丘陵、粤西贵南等区域产能提升总体效果最为显著;复种指数增加最为显著的区域集中在黄淮海区;松嫩三江平原和辽宁平原丘陵区各项产能影响特征提升效果均低于全国平均水平,整治项目产能提升效果不显著。

随着土地整治的不断深入,土地整治政策被赋予了更多的时代内涵。现阶段土地整治已成为统筹城乡发展的平台、促进新农村建设的途径、保障发展和保护耕地的抓手,但稳定耕地面积、提高耕地产能仍是其核心内容。利用遥感监测数据提取表征产能影响的特征参数,结合机器学习算法,从宏观尺度定量分析并预测了农用地整治对产能变化的影响。由于本研究重点分析土地整治产能影响特征,而非具体测算相应的产量变化,并且研究所跨时间周期相对较短,从抽样调查情况看,土地整治后项目区多延续前期的耕作和利用方式,人为因素干扰（如耕地撂荒、种植结构调整等）引起的NDVI监测误差相对较小,为简化分析过程,未考虑该误差,相关内容将在后续研究中进一步深入。

从研究结果看,“十二五”前期土地整治产能提升效果总体优于“十一五”时期,但仍有11.82%的整治项目产能提升效果不佳。同时,农用地整治对产能变化的影响具有明显的区域差异,其中产能提升显著的区域主要集中在长江中下游地区以及华南、西南等地区,这与《全国土地整治规划（2011-2015年）》中确定的农用地整治重点区域在空间分布上并不完全一致,这一问题应在新一轮全国土地整治规划编制工作中予以重视。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	Foley J A, Ramankutty N, Brauman K A, et al. Solutions for a cultivated planet. Nature, 2011, 478(7369): 337-342. [本文引用: 1]
[2]	Foley J A, DeFries R, Asner G P, et al. Global consequences of land use. Science, 2005, 309(5734): 570-574.
[3]	Tilman D, Balzer C, Hill J, et al. Global food demand and the sustainable intensification of agriculture. Proceedings of the National Academy of Sciences, 2011, 108(50): 20260-20264. https://doi.org/10.1073/pnas.1116437108 URL PMID: 22106295 [本文引用: 1] 摘要 Global food demand is increasing rapidly, as are the environmental impacts of agricultural expansion. Here, we project global demand for crop production in 2050 and evaluate the environmental impacts of alternative ways that this demand might be met. We find that per capita demand for crops, when measured as caloric or protein content of all crops combined, has been a similarly increasing function of per capita real income since 1960. This relationship forecasts a 100–110% increase in global crop demand from 2005 to 2050. Quantitative assessments show that the environmental impacts of meeting this demand depend on how global agriculture expands. If current trends of greater agricultural intensification in richer nations and greater land clearing (extensification) in poorer nations were to continue, 651 billion ha of land would be cleared globally by 2050, with CO-C equivalent greenhouse gas emissions reaching 653 Gt yand N use 65250 Mt yby then. In contrast, if 2050 crop demand was met by moderate intensification focused on existing croplands of underyielding nations, adaptation and transfer of high-yielding technologies to these croplands, and global technological improvements, our analyses forecast land clearing of only 650.2 billion ha, greenhouse gas emissions of 651 Gt y, and global N use of 65225 Mt y. Efficient management practices could substantially lower nitrogen use. Attainment of high yields on existing croplands of underyielding nations is of great importance if global crop demand is to be met with minimal environmental impacts.
[4]	Godfray H Charles J, Beddington John R, Crute Ian R, et al. Food security: The challenge of feeding 9 billion people. Science, 2010, 327(5967): 812-818. https://doi.org/10.1126/science.1185383 URL PMID: 20110467 [本文引用: 1] 摘要 Continuing population and consumption growth will mean that the global demand for food will increase for at least another 40 years. Growing competition for land, water, and energy, in addition to the overexploitation of fisheries, will affect our ability to produce food, as will the urgent requirement to reduce the impact of the food system on the environment. The effects of climate change are a further threat. But the world can produce more food and can ensure that it is used more efficiently and equitably. A multifaceted and linked global strategy is needed to ensure sustainable and equitable food security, different components of which are explored here.
[5]	宋小青, 欧阳竹. 1999-2007年中国粮食安全的关键影响因素 . 地理学报, 2012, 67(6): 793-803. Magsci [本文引用: 1] 摘要选取耕地保护“新政”时期的1999-2007 年为研究时段,以耕地面积与粮食产量变化的分歧原因—耕地生产力变化为切入点,通过比较分析、空间与计量分析探寻粮食安全的关键影响因素。结果表明:农民种粮积极性变化决定着耕地集约利用是影响粮食安全的关键;2003-2007 年农民种粮积极性的持续提高主要来自市场粮价的上涨;粮食直补仅在开始实施的年份激发了农民对种粮收益的预期。此外,本文从提高农民种粮积极性、优化粮食生产投入及改进耕地保护模式3方面,提出了耕地保护发展的政策建议。 [Song Xiaoqing, Ouyang Zhu. Key influencing factors of food security guarantee in China during 1999-2007. Acta Geographica Sinica, 2012, 67(6): 793-803.] Magsci [本文引用: 1] 摘要选取耕地保护“新政”时期的1999-2007 年为研究时段,以耕地面积与粮食产量变化的分歧原因—耕地生产力变化为切入点,通过比较分析、空间与计量分析探寻粮食安全的关键影响因素。结果表明:农民种粮积极性变化决定着耕地集约利用是影响粮食安全的关键;2003-2007 年农民种粮积极性的持续提高主要来自市场粮价的上涨;粮食直补仅在开始实施的年份激发了农民对种粮收益的预期。此外,本文从提高农民种粮积极性、优化粮食生产投入及改进耕地保护模式3方面,提出了耕地保护发展的政策建议。
[6]	国土资源部土地整理中心.中国土地整治发展研究报告 (2014版) No. 1. 北京: 社会科学文献出版社, 2014. [本文引用: 1] [Land Consolidation Center of Ministry of Land and Resources. Research Report on the Development of Land Consolidation in China (2014 Edition) No. 1. Beijing: Social Sciences Academic Press, 2014.] [本文引用: 1]
[7]	国土资源部土地整理中心. 中国土地整治发展研究报告 (2015版) No. 2. 北京: 社会科学文献出版社, 2015. URL [本文引用: 1] 摘要 2015年，土地整治要准确把握新形势新任务新要求，进一步激发内生活力和发展动力，继续以高标准农田建设为重点，以土地整治重大工程和示范建设为主要抓手，统筹推进各项重点任务，为经济持续健康发展、社会和谐稳定和生态文明建设提供有力支撑，为“十二五”规划收官交上满意的答卷。 [Land Consolidation Center of Ministry of Land and Resources. Research Report on the Development of Land Consolidation in China (2015 Edition) No. 2. Beijing: Social Sciences Academic Press, 2015.] URL [本文引用: 1] 摘要 2015年，土地整治要准确把握新形势新任务新要求，进一步激发内生活力和发展动力，继续以高标准农田建设为重点，以土地整治重大工程和示范建设为主要抓手，统筹推进各项重点任务，为经济持续健康发展、社会和谐稳定和生态文明建设提供有力支撑，为“十二五”规划收官交上满意的答卷。
[8]	张瑞娟, 姜广辉, 周丁扬, 等. 耕地整治质量潜力测算方法 . 农业工程学报, 2013, 29(7): 238-244. Magsci [本文引用: 1] 摘要农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题，给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard)，难以求解的问题，指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快，易引起早熟；在进化后期收敛速度慢，易引起振荡的问题，提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证，并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明，该算法运算开销约为同类算法的10%，且可以降低潜在的召回规模约30%，适用于农产品加工环节的产品召回优化。 [Zhang Ruijuan, Jiang Guanghui, Zhou Dingyang, et al. Calculation method of qualitative potential of farmland consolidation. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(7): 238-244.] Magsci [本文引用: 1] 摘要农产品加工是食品供应链质量控制的关键环节。该文针对农产品加工环节的产品召回优化问题，给出了批次分散优化模型并分析了其算法复杂度。针对优化模型为NP难度(non-deterministic polynomial hard)，难以求解的问题，指出了采用粒子群优化进行求解的途径。针对粒子群优化算法在进化的初期收敛速度快，易引起早熟；在进化后期收敛速度慢，易引起振荡的问题，提出了一种基于分段门限粒子替换策略的改进粒子群优化算法。采用相关算例对该文提出的改进粒子群优化算法进行优化性能验证，并与类似智能优化算法进行性能对比。算例仿真和性能对比的结果表明，该算法运算开销约为同类算法的10%，且可以降低潜在的召回规模约30%，适用于农产品加工环节的产品召回优化。
[9]	唐秀美, 潘瑜春, 刘玉, 等. 基于耕地系数和预评价法的耕地整治潜力测算方法 . 农业工程学报, 2014, 30(1): 211-218, 294. Magsci [本文引用: 1] 摘要为科学合理测算耕地整治潜力，提高潜力测算结果的应用性，该文结合二调数据及农用地分等数据，进行了耕地整治数量潜力和质量潜力的测算研究，耕地整治数量潜力测算采用耕地系数法（CLC，cultivated land coefficient），耕地整治质量潜力测算采用农用地分等因子提高后的预评价法。研究表明：五华县耕地整治潜力较大，数量总潜力为841.69 hm2，各行政村数量潜力分布情况为南高北低；质量潜力方面，经过整治，耕地自然等别可平均提高1.28等，利用等别可平均提高0.71等，生产能力可提高57 862.99×104 kg。该研究方法符合当地土地整治实际情况，研究结果可为制定县域土地整治规划、划定高标准基本农田建设区及确定耕地整治建设重点项目区提供参考。 [Tang Xiumei, Pan Yuchun, Liu Yu, et al. Calculation method of cultivated land consolidation potential based on cultivated land coefficient and pre-evaluation of farmland classification. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(1): 211-218, 294.] Magsci [本文引用: 1] 摘要为科学合理测算耕地整治潜力，提高潜力测算结果的应用性，该文结合二调数据及农用地分等数据，进行了耕地整治数量潜力和质量潜力的测算研究，耕地整治数量潜力测算采用耕地系数法（CLC，cultivated land coefficient），耕地整治质量潜力测算采用农用地分等因子提高后的预评价法。研究表明：五华县耕地整治潜力较大，数量总潜力为841.69 hm2，各行政村数量潜力分布情况为南高北低；质量潜力方面，经过整治，耕地自然等别可平均提高1.28等，利用等别可平均提高0.71等，生产能力可提高57 862.99×104 kg。该研究方法符合当地土地整治实际情况，研究结果可为制定县域土地整治规划、划定高标准基本农田建设区及确定耕地整治建设重点项目区提供参考。
[10]	项晓敏, 金晓斌, 杜心栋, 等. 基于Ward系统聚类的中国农用地整治实施状况分析 . 农业工程学报, 2015, 31(3): 257-265. https://doi.org/10.3969/j.issn.1002-6819.2015.06.036 URL [本文引用: 2] 摘要为科学分析当前中国农用地整治的实施特征和空间格局特点,厘清实施状态与规划目标的协调状态,该文基于土地整治项目管理信息,以县域为研究单元,通过整治强度、整治潜力和整治难度3项指标,采用Ward系统聚类法,对2006-2012年中国农用地整治实施状况进行综合分区,并结合既定的规划目标,对实施状态进行了定量分析,得出以下结论：1）高整治强度区主要位于华北平原、三江平原、长江三角洲等传统农区;高整治潜力区主要位于青甘农牧区、黄土高原区等半湿润半干旱地区;高整治难度区主要位于秦巴山地和云贵高原等地形较为复杂的地区。2）研究期内中国农用地整治实施状态可划分为＂中高-低-中＂（Ⅰ类）、＂中-中低-中＂（Ⅱ类）、＂中高-中高-中高＂（Ⅲ类）、＂低-中-高＂（Ⅳ类）和＂高-中低-中＂（Ⅴ类）等5种类型,其中以Ⅲ类最为集中,Ⅰ类和Ⅱ类次之,Ⅳ类、Ⅴ类数量较少且分布零散。3）从实施状态与整治规划的协调性看,实施现状与规划确定的农用地整治重点区域、高标准基本农田建设示范县,以及基本农田整治重大工程等重点任务,均存在一定偏差;从与表征经济发展、粮食生产、土地整治活动的分区对比来看,区域差异不甚明显,整治重点尚不突出。该研究成果可为中国土地整治规划评价和宏观制度设计提供参考。 [Xiang Xiaomin, Jin Xiaobin, Du Xindong, et al. Analysis of farmland consolidation implementation status in China based on Ward hierarchical clustering. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(3): 257-265.] https://doi.org/10.3969/j.issn.1002-6819.2015.06.036 URL [本文引用: 2] 摘要为科学分析当前中国农用地整治的实施特征和空间格局特点,厘清实施状态与规划目标的协调状态,该文基于土地整治项目管理信息,以县域为研究单元,通过整治强度、整治潜力和整治难度3项指标,采用Ward系统聚类法,对2006-2012年中国农用地整治实施状况进行综合分区,并结合既定的规划目标,对实施状态进行了定量分析,得出以下结论：1）高整治强度区主要位于华北平原、三江平原、长江三角洲等传统农区;高整治潜力区主要位于青甘农牧区、黄土高原区等半湿润半干旱地区;高整治难度区主要位于秦巴山地和云贵高原等地形较为复杂的地区。2）研究期内中国农用地整治实施状态可划分为＂中高-低-中＂（Ⅰ类）、＂中-中低-中＂（Ⅱ类）、＂中高-中高-中高＂（Ⅲ类）、＂低-中-高＂（Ⅳ类）和＂高-中低-中＂（Ⅴ类）等5种类型,其中以Ⅲ类最为集中,Ⅰ类和Ⅱ类次之,Ⅳ类、Ⅴ类数量较少且分布零散。3）从实施状态与整治规划的协调性看,实施现状与规划确定的农用地整治重点区域、高标准基本农田建设示范县,以及基本农田整治重大工程等重点任务,均存在一定偏差;从与表征经济发展、粮食生产、土地整治活动的分区对比来看,区域差异不甚明显,整治重点尚不突出。该研究成果可为中国土地整治规划评价和宏观制度设计提供参考。
[11]	徐康, 金晓斌, 吴定国, 等. 基于农用地分等修正的土地整治项目耕地质量评价 . 农业工程学报, 2015, 31(4): 247-255. Magsci [本文引用: 1] 摘要农田系统对大气CO2库呈碳汇还是碳源效应取决于土壤有机碳的固定和温室气体释放之间的平衡，而耕作措施会改变土壤有机碳含量和储量，影响农田系统的碳循环与碳平衡。该研究以北方旱区山西临汾20 a长期保护性耕作定位试验为基础，田间原位测定土壤呼吸和土壤有机碳含量，确定各类农业投入碳排放参数，利用碳足迹方法综合分析不同耕作措施（传统耕作CT和免耕NT）下农田生态系统碳平衡。结果表明：在化肥、机械等农业投入产生的间接碳排放量方面，化肥投入碳排放量约占系统农业总投入碳排放量的73.5%～77.4%，是农业投入中主要的碳源。由于免耕减少了翻耕、旋耕和秸秆移除3道程序，NT比CT少排放约5.1%，NT产量显著提高28.9%，且碳生产力大于CT。0～60 cm土壤有机碳储量NT（50.86 Mg/hm2）比CT（46.00 Mg/hm2）高10.5%。与CT相比，在小麦休闲期和生育期NT土壤呼吸CO2释放总量高于CT。但根据农田系统碳平衡公式分析得出，NT更有利于农田生态系统固碳，呈碳汇效应，而CT表现为碳源。因此，长期免耕耕作能够提高农田土壤固碳量，减少大气温室气体排放，对于改善北方旱区土壤碳库和减排效果是一个良好的选择。 [Xu Kang, Jin Xiaobin, Wu Dingguo. Cultivated land quanlity evaluation of land consoliadation project based on agricultural land gradation. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(4): 247-255.] Magsci [本文引用: 1] 摘要农田系统对大气CO2库呈碳汇还是碳源效应取决于土壤有机碳的固定和温室气体释放之间的平衡，而耕作措施会改变土壤有机碳含量和储量，影响农田系统的碳循环与碳平衡。该研究以北方旱区山西临汾20 a长期保护性耕作定位试验为基础，田间原位测定土壤呼吸和土壤有机碳含量，确定各类农业投入碳排放参数，利用碳足迹方法综合分析不同耕作措施（传统耕作CT和免耕NT）下农田生态系统碳平衡。结果表明：在化肥、机械等农业投入产生的间接碳排放量方面，化肥投入碳排放量约占系统农业总投入碳排放量的73.5%～77.4%，是农业投入中主要的碳源。由于免耕减少了翻耕、旋耕和秸秆移除3道程序，NT比CT少排放约5.1%，NT产量显著提高28.9%，且碳生产力大于CT。0～60 cm土壤有机碳储量NT（50.86 Mg/hm2）比CT（46.00 Mg/hm2）高10.5%。与CT相比，在小麦休闲期和生育期NT土壤呼吸CO2释放总量高于CT。但根据农田系统碳平衡公式分析得出，NT更有利于农田生态系统固碳，呈碳汇效应，而CT表现为碳源。因此，长期免耕耕作能够提高农田土壤固碳量，减少大气温室气体排放，对于改善北方旱区土壤碳库和减排效果是一个良好的选择。
[12]	高明秀, 张芹, 赵庚星. 土地整理的评价方法及应用 . 农业工程学报, 2011, 27(10): 300-307. Magsci [本文引用: 1] 摘要为评价土地整理与新农村建设的耦合关系，该文提出了土地整理功效的内涵和研究方法，构建了土地整理功效评价指标体系和数学模型。以泰安市岱岳区5个已实施土地整理项目区的23个行政村为例，采用层次分析法、综合评价法和地理信息系统（GIS）方法进行了实证。研究结果表明，23个整理村可划分为高效整理型、次高效整理型、中效整理型和低效整理型4种土地整理功效类型；投资与土地整理功效呈复杂的正相关关系，在项目区层次上，土地整理功效值基本存在国家级项目区>省项目区>市区项目区的规律，而在村级层次上，投资总额和整理规模较大的村土地整理功效值相对较大。该研究初步探索了土地整理功效的内涵、方法及应用，取得了较好的研究结果，为评价和协调土地整理与新农村建设的耦合关系，并采取针对性措施推进二者健康协调可持续发展提供了科学依据。 [Gao Mingxiu, Zhang Qin, Zhao Gengxing. Evaluation methods and application of land consolidation. Transactions of the Chinese Society of Agricultural Engineering, 2011, 27(10): 300-307.] Magsci [本文引用: 1] 摘要为评价土地整理与新农村建设的耦合关系，该文提出了土地整理功效的内涵和研究方法，构建了土地整理功效评价指标体系和数学模型。以泰安市岱岳区5个已实施土地整理项目区的23个行政村为例，采用层次分析法、综合评价法和地理信息系统（GIS）方法进行了实证。研究结果表明，23个整理村可划分为高效整理型、次高效整理型、中效整理型和低效整理型4种土地整理功效类型；投资与土地整理功效呈复杂的正相关关系，在项目区层次上，土地整理功效值基本存在国家级项目区>省项目区>市区项目区的规律，而在村级层次上，投资总额和整理规模较大的村土地整理功效值相对较大。该研究初步探索了土地整理功效的内涵、方法及应用，取得了较好的研究结果，为评价和协调土地整理与新农村建设的耦合关系，并采取针对性措施推进二者健康协调可持续发展提供了科学依据。
[13]	项晓敏, 金晓斌, 杜心栋, 等. 基于“强度—潜力—难度”综合测度的中国农用地整治实施协调性分析 . 地理研究, 2016, 35(2): 285-298. https://doi.org/10.11821/dlyj201602007 Magsci [本文引用: 1] 摘要 <p>农用地整治实施协调性分析可为土地整治的宏观决策与绩效评价提供参考。基于整治强度、整治潜力和整治难度等土地整治实施的核心指标,借助力学平衡模型和地理空间统计分析,综合评判2006-2012年中国农用地整治的实施协调性。结果表明：研究期间中国农用地整治协调度<i>F</i><sub>合</sub>均值为1.33,核心要素的实施匹配总体上处于拮抗状态,各实施协调度类型在数量占比上无明显差别,实施重点尚不突出;实施偏度θ以过渡型象限（II、V）居多,在协同特征上总体表现为区域农用地整治的强度和潜力间的不匹配;在空间格局上,实施协调度呈显著集聚和空间正相关性,农用地整治实施亟待优化的6类问题区域主要集中在陕甘宁、川渝等西北地区以及长三角、珠三角等地。</p> [Xiang Xiaomin, Jin Xiaobin, Du Xindong, et al. The coordination of farmland consolidation implementation in China by comprehensive measure of "intensity, potential and difficulty". Geographical Research, 2016, 35(2): 285-298.] https://doi.org/10.11821/dlyj201602007 Magsci [本文引用: 1] 摘要 <p>农用地整治实施协调性分析可为土地整治的宏观决策与绩效评价提供参考。基于整治强度、整治潜力和整治难度等土地整治实施的核心指标,借助力学平衡模型和地理空间统计分析,综合评判2006-2012年中国农用地整治的实施协调性。结果表明：研究期间中国农用地整治协调度<i>F</i><sub>合</sub>均值为1.33,核心要素的实施匹配总体上处于拮抗状态,各实施协调度类型在数量占比上无明显差别,实施重点尚不突出;实施偏度θ以过渡型象限（II、V）居多,在协同特征上总体表现为区域农用地整治的强度和潜力间的不匹配;在空间格局上,实施协调度呈显著集聚和空间正相关性,农用地整治实施亟待优化的6类问题区域主要集中在陕甘宁、川渝等西北地区以及长三角、珠三角等地。</p>
[14]	谷晓坤, 范春晓, 柴铎, 等. 不同类型区农用地整治对农田生产能力的影响 . 自然资源学报, 2013, 28(5): 745-753. https://doi.org/10.11849/zrzyxb.2013.05.004 Magsci [本文引用: 1] 摘要 <p>以产能提高为核心的农用地整治已上升为国家层面的重要战略之一。通过建立农用地整治影响下的农田生产能力估算模型,定量评价湖北省内平原、丘陵及山地3种不同类型区农用地整治对农田生产能力的影响,结果表明:①农用地整治后,山地型整治区农田生产能力提高168.91%,丘陵型整治区提高57.78%,平原型整治区提高38.32%;②平原型整治区基础设施要素提高最大,为78.62%;丘陵型整治区水资源要素提高最大,为75%;山地型整治区基础设施要素提高最大,为199.12%;③总体上,基础设施要素对农田生产能力的贡献率都最大。建议国家农用地整治在政策上适当增加对山地型和丘陵型整治区的重视,项目区应合理配套农村居民点整治工程,并尽量避免生态损失。</p> [Gu Xiaokun, Fan Chunxiao, Chai Duo, et al. Evaluation for the production ability of agricultural land in different types of agicultural land consolidation area. Journal of Natural Resources, 2013, 28(5): 745-753.] https://doi.org/10.11849/zrzyxb.2013.05.004 Magsci [本文引用: 1] 摘要 <p>以产能提高为核心的农用地整治已上升为国家层面的重要战略之一。通过建立农用地整治影响下的农田生产能力估算模型,定量评价湖北省内平原、丘陵及山地3种不同类型区农用地整治对农田生产能力的影响,结果表明:①农用地整治后,山地型整治区农田生产能力提高168.91%,丘陵型整治区提高57.78%,平原型整治区提高38.32%;②平原型整治区基础设施要素提高最大,为78.62%;丘陵型整治区水资源要素提高最大,为75%;山地型整治区基础设施要素提高最大,为199.12%;③总体上,基础设施要素对农田生产能力的贡献率都最大。建议国家农用地整治在政策上适当增加对山地型和丘陵型整治区的重视,项目区应合理配套农村居民点整治工程,并尽量避免生态损失。</p>
[15]	赵春江. 农业遥感研究与应用进展 . 农业机械学报, 2014, 45(12): 277-293. https://doi.org/10.6041/j.issn.1000-1298.2014.12.041 URL [本文引用: 1] 摘要农业是遥感技术应用最重要和广泛的领域之一,本文回顾了遥感技术在国内外农业研究与应用中的进展,概括和总结了农田辐射传输机理及作物参量遥感反演、作物遥感分类与识别、农田养分遥感与变量施肥决策、作物产量与品质预测、农情遥感监测与预报、农业遥感监测空间决策支持系统6个主要研究与应用方面。在此基础上,针对农业遥感技术面临的问题与发展趋势,指出了农业遥感技术今后的重点发展方向。 [Zhao Chunjiang. Advances of research and application in remote sensing for agriculture. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(12): 277-293.] https://doi.org/10.6041/j.issn.1000-1298.2014.12.041 URL [本文引用: 1] 摘要农业是遥感技术应用最重要和广泛的领域之一,本文回顾了遥感技术在国内外农业研究与应用中的进展,概括和总结了农田辐射传输机理及作物参量遥感反演、作物遥感分类与识别、农田养分遥感与变量施肥决策、作物产量与品质预测、农情遥感监测与预报、农业遥感监测空间决策支持系统6个主要研究与应用方面。在此基础上,针对农业遥感技术面临的问题与发展趋势,指出了农业遥感技术今后的重点发展方向。
[16]	张学珍, 戴君虎, 葛全胜. 1982-2006年中国东部春季植被变化的区域差异 . 地理学报, 2012, 67(1): 53-61. https://doi.org/10.11821/xb201201006 URL [本文引用: 1] 摘要分析了中国东部1982-2006年4-5月归一化差值植被指数(NDVI)的空间格局和变化趋势空间分布,通过聚类分析辨识了植被活动变化过程的主要模态,并探讨了他们与温度和降水变化的相关关系。结果表明:(1)多年平均的春季植被活动呈现南强北弱的分布特征,由强到弱的过渡带大约位于34°~39°N;(2)1982-2006年,华北平原、呼伦贝尔草原和洞庭湖平原的春季植被活动呈显著增强的趋势,其中华北平原NDVI增速高达0.03/10年(r2=0.52;p0.001),长三角和珠三角地区则呈显著减弱的趋势,其中长三角地区NDVI减速达-0.016/10年(r2=0.24;p=0.014);(3)1982-2006年春季植被活动变化过程的区域差异鲜明,并呈现层次性特征,首先是长三角和珠三角与其他地区的差异,前者呈减弱趋势,后者呈增强趋势,其次是呼伦贝尔草地、华北以及江南—华南地区与东北地区、内蒙古东部和东南部及长江下游地区的差异,前者持续增强,后者以1998年为分界点先增强后减弱,再次是各个模态年际变率的差异;(4)半湿润—半干旱的草地和农田区植被活动与降水量变化显著正相关,半湿润—湿润的森林区植被活动与温度变化显著正相关,温度或者降水最高能解释NDVI60%的方差。 [Zhang Xuezhen, Dai Junhu, Ge Quansheng. Spatial differences of changes in spring vegetation activities across Eastern China during 1982-2006, Acta Geographica Sinica, 2012, 67(1): 53-61.] https://doi.org/10.11821/xb201201006 URL [本文引用: 1] 摘要分析了中国东部1982-2006年4-5月归一化差值植被指数(NDVI)的空间格局和变化趋势空间分布,通过聚类分析辨识了植被活动变化过程的主要模态,并探讨了他们与温度和降水变化的相关关系。结果表明:(1)多年平均的春季植被活动呈现南强北弱的分布特征,由强到弱的过渡带大约位于34°~39°N;(2)1982-2006年,华北平原、呼伦贝尔草原和洞庭湖平原的春季植被活动呈显著增强的趋势,其中华北平原NDVI增速高达0.03/10年(r2=0.52;p0.001),长三角和珠三角地区则呈显著减弱的趋势,其中长三角地区NDVI减速达-0.016/10年(r2=0.24;p=0.014);(3)1982-2006年春季植被活动变化过程的区域差异鲜明,并呈现层次性特征,首先是长三角和珠三角与其他地区的差异,前者呈减弱趋势,后者呈增强趋势,其次是呼伦贝尔草地、华北以及江南—华南地区与东北地区、内蒙古东部和东南部及长江下游地区的差异,前者持续增强,后者以1998年为分界点先增强后减弱,再次是各个模态年际变率的差异;(4)半湿润—半干旱的草地和农田区植被活动与降水量变化显著正相关,半湿润—湿润的森林区植被活动与温度变化显著正相关,温度或者降水最高能解释NDVI60%的方差。
[17]	戴尔阜, 李双元, 吴卓, 等. 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系: 以江西省泰和县为例 . 地理研究, 2015, 34(7): 1222-1234. https://doi.org/10.11821/dlyj201507003 Magsci [本文引用: 1] 摘要 <p>植被净初级生产力（NPP）对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究NPP年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于SPOT VEGETATION NDVI 植被指数数据、气候和植被分类数据,利用光能利用率模型（CASA）估算了中国南方红壤丘陵区泰和县1998-2012年植被NPP,分析了NPP时空分布特征及其与气候因子的相关性。结果表明：① 1998-2012年泰和县植被年均NPP为762 g C/m<sup>2</sup>·a,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征;② 1998-2012年泰和县植被NPP总体呈增长趋势,年际波动较大,平均值为2.21×10<sup>6</sup> g C/a;③ 研究区NPP与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系,表明温度是影响该地区植被NPP的主要气候因子。</p> [Dai Erfu, Li Shuangyuan, Wu Zhuo, et al. Spatial pattern of net primary productivity and its relationship with climatic factors in Hilly Red Soil Region of southern China: A case study in Taihe county, Jiangxi province. Geographical Research, 2015, 34(7): 1222-1234.] https://doi.org/10.11821/dlyj201507003 Magsci [本文引用: 1] 摘要 <p>植被净初级生产力（NPP）对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究NPP年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于SPOT VEGETATION NDVI 植被指数数据、气候和植被分类数据,利用光能利用率模型（CASA）估算了中国南方红壤丘陵区泰和县1998-2012年植被NPP,分析了NPP时空分布特征及其与气候因子的相关性。结果表明：① 1998-2012年泰和县植被年均NPP为762 g C/m<sup>2</sup>·a,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征;② 1998-2012年泰和县植被NPP总体呈增长趋势,年际波动较大,平均值为2.21×10<sup>6</sup> g C/a;③ 研究区NPP与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系,表明温度是影响该地区植被NPP的主要气候因子。</p>
[18]	杨秀春, 徐斌, 朱晓华, 等. 北方农牧交错带草原产草量遥感监测模型 . 地理研究, 2007, 26(2): 213-222. Magsci [本文引用: 1] 摘要及时准确地了解草原产草量的时空配置状况,对于科学合理地利用、管理草地,保证畜牧业生产持续稳定发展、改善生态环境等具有重要的意义。本文利用2005年的MODIS数据和同期野外实测的668个样方产草量数据,分析了5种植被指数和草地生物量之间的相关关系。研究表明:(1)分区模型优于不分区模型,在分区基础上建模更能反映产草量的实际情况;(2)通过线性、非线性模型和BP神经网络模型的对比,得出BP神经网络模型在拟合精度上优于线性和非线性模型,是最适宜监测北方农牧交错带草原产草量的模型;(3)5种植被指数中,NDVI和SAVI与草地生物量之间的拟合精度最高,是研究区最适宜使用的植被指数。 [Yang Xiuchun, Xu Bin, Zhu Xiaohua, et al. Models of grass production based on remote sensing monitoring in northern agro-grazing ecotone. Geographical Research, 2007, 26(2): 213-222.] Magsci [本文引用: 1] 摘要及时准确地了解草原产草量的时空配置状况,对于科学合理地利用、管理草地,保证畜牧业生产持续稳定发展、改善生态环境等具有重要的意义。本文利用2005年的MODIS数据和同期野外实测的668个样方产草量数据,分析了5种植被指数和草地生物量之间的相关关系。研究表明:(1)分区模型优于不分区模型,在分区基础上建模更能反映产草量的实际情况;(2)通过线性、非线性模型和BP神经网络模型的对比,得出BP神经网络模型在拟合精度上优于线性和非线性模型,是最适宜监测北方农牧交错带草原产草量的模型;(3)5种植被指数中,NDVI和SAVI与草地生物量之间的拟合精度最高,是研究区最适宜使用的植被指数。
[19]	李飞, 曾源, 李晓松, 等. 近30年中国陆地植被活动遥感监测 . 中国科学: 地球科学, 2014, 44(8): 1671-1678. URL 摘要陆地植被作为地球陆地表面重要的组成部分,其变化直接影响着地球系统物质与能量的平衡.采用1982~2006年NOAA/AVHRR的NDVI数据和2001~2009年MODIS的NDVI数据,从全国尺度上,分析了近30年来农业植被、森林植被、草地植被与稀疏植被区植被活动的变化特征,并利用气候数据与农业生产统计数据探讨了他们之间的关系.研究结果显示:近30年来中国陆地植被活动整体趋于增强,但在不同时期、地区差异较大;植被活动变化在区域上受人为因素的影响明显,如在西北稀疏植被区与南方森林植被区;通过对农业生产统计数据的分析发现,植被活动直接左右着农业生产,但在时间上存在一定的滞后性. [Li Fei, Zeng Yuan, Li Xiaosong, et al. Remote sensing based monitoring of interannual variations in vegetation activity in China from 1982 to 2009. Scientia Sinica: Terrae, 2014, 44(8): 1671-1678.] URL 摘要陆地植被作为地球陆地表面重要的组成部分,其变化直接影响着地球系统物质与能量的平衡.采用1982~2006年NOAA/AVHRR的NDVI数据和2001~2009年MODIS的NDVI数据,从全国尺度上,分析了近30年来农业植被、森林植被、草地植被与稀疏植被区植被活动的变化特征,并利用气候数据与农业生产统计数据探讨了他们之间的关系.研究结果显示:近30年来中国陆地植被活动整体趋于增强,但在不同时期、地区差异较大;植被活动变化在区域上受人为因素的影响明显,如在西北稀疏植被区与南方森林植被区;通过对农业生产统计数据的分析发现,植被活动直接左右着农业生产,但在时间上存在一定的滞后性.
[20]	丁明军, 陈倩, 辛良杰, 等. 1999-2013年中国耕地复种指数的时空演变格局 . 地理学报, 2015, 70(7): 1080-1090. https://doi.org/10.11821/dlxb201507005 Magsci 摘要 <p>耕地复种是中国普遍的农业种植制度,对保障国家粮食安全和促进农村经济发展十分必要。本文基于1999-2013年1 km×1 km旬SPOT-NDVI数据和3期耕地数据,利用S-G （Savitzky-Golay）滤波方法,重建了农作物生长NDVI曲线;基于二次差分算法及相关阈值限定,提取了各时相复种指数;分析了1999-2013年中国耕地复种指数的时空变化过程。结果表明：① 中国耕地复种指数从北到南逐渐增加,其中种植制度上43.48%的耕地实行一年一熟,56.39%的耕地实行一年两熟,仅有0.13%的耕地实行一年三熟。② 1999-2013年间,中国耕地复种指数整体上呈现显著上升趋势,年均增加约为1.29%（<i>P </i>< 0.001）;但空间差异明显,复种指数显著降低（<i>P </i>< 0.1）的耕地仅占全国耕地的2.12%,主要分布在河北、北京、天津交界地区,安徽中部,四川的成都平原,江西的鄱阳湖平原,湖南的北部和南部以及广西的中部;16.40%的耕地复种指数显著上升（<i>P </i>< 0.1）,主要分布在甘肃的东部,陕西的渭河平原,山西的西部,河北、山东和天津交界处,山东的山东半岛和湖北的江汉平原。③ 耕地复种指数年际变化率与地形起伏和经济发展水平具有较好的相关关系：起伏度增强,复种指数上升;经济发展水平提高,复种指数降低。</p> [Ding Mingjun, Chen Qian, Xin Liangjie, et al. Spatial and temporal variations of multiple cropping index in China based on SPOT-NDVI during 1999-2013. Acta Geographica Sinica, 2015, 70(7): 1080-1090.] https://doi.org/10.11821/dlxb201507005 Magsci 摘要 <p>耕地复种是中国普遍的农业种植制度,对保障国家粮食安全和促进农村经济发展十分必要。本文基于1999-2013年1 km×1 km旬SPOT-NDVI数据和3期耕地数据,利用S-G （Savitzky-Golay）滤波方法,重建了农作物生长NDVI曲线;基于二次差分算法及相关阈值限定,提取了各时相复种指数;分析了1999-2013年中国耕地复种指数的时空变化过程。结果表明：① 中国耕地复种指数从北到南逐渐增加,其中种植制度上43.48%的耕地实行一年一熟,56.39%的耕地实行一年两熟,仅有0.13%的耕地实行一年三熟。② 1999-2013年间,中国耕地复种指数整体上呈现显著上升趋势,年均增加约为1.29%（<i>P </i>< 0.001）;但空间差异明显,复种指数显著降低（<i>P </i>< 0.1）的耕地仅占全国耕地的2.12%,主要分布在河北、北京、天津交界地区,安徽中部,四川的成都平原,江西的鄱阳湖平原,湖南的北部和南部以及广西的中部;16.40%的耕地复种指数显著上升（<i>P </i>< 0.1）,主要分布在甘肃的东部,陕西的渭河平原,山西的西部,河北、山东和天津交界处,山东的山东半岛和湖北的江汉平原。③ 耕地复种指数年际变化率与地形起伏和经济发展水平具有较好的相关关系：起伏度增强,复种指数上升;经济发展水平提高,复种指数降低。</p>
[21]	任建强, 陈仲新, 周清波, 等. MODIS植被指数的美国玉米单产遥感估测 . 遥感学报, 2015, 19(4): 568-577. https://doi.org/10.11834/jrs.20154146 URL [本文引用: 1] 摘要针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。 [Ren Jianqiang, Chen Zhongxin, Zhou Qingbo, et al. MODIS vegetation index data used for estimating corn yield in USA. Journal of Remote Sensing, 2015, 19(4): 568-577.] https://doi.org/10.11834/jrs.20154146 URL [本文引用: 1] 摘要针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。
[22]	李亚芳, 龚健, 杨建新, 等. 基于植被初级生产力的农用地理论和可实现产能核算研究 . 中国生态农业学报, 2015, 23(1): 19-126. Magsci [本文引用: 1] 摘要集约化农业生产过程中, 化学农药所带来的大量环境问题日益引起关注。为减少农药的投入及其所产生的环境负效应, 生物防治害虫的方法在国内外得到了更多的关注与发展。生境管理是一种有利于天敌群落发展, 而不利于害虫种群增长的保护性生物防治方法, 其实质是通过为自然天敌提供诸如花蜜、替代猎物或寄主、躲避不利干扰的庇护所等资源, 将农业景观中天敌的害虫控制服务和功能最大化, 或者通过构建不适宜害虫取食和繁殖的环境条件起到抑制或阻碍害虫发展的作用。本文在参阅国内外文献的基础上, 阐述了生境管理控制害虫的机理, 并总结国外生物防治的实践经验以及近些年国内外的相关研究, 概括提出田间尺度上害虫生物防治的非作物生境及作物生境的建设和植物配置方法, 为通过生境管理提升农业景观中害虫生物防治生态系统服务提供参考。 [Li Yafang, Gong Jian, Yang Jianxin, et al. Using vegetation net primary productivity to determine theoretical and achievable farmland productivity. Chinese Journal of Eco-Agriculture, 2015, 23(1): 119-126.] Magsci [本文引用: 1] 摘要集约化农业生产过程中, 化学农药所带来的大量环境问题日益引起关注。为减少农药的投入及其所产生的环境负效应, 生物防治害虫的方法在国内外得到了更多的关注与发展。生境管理是一种有利于天敌群落发展, 而不利于害虫种群增长的保护性生物防治方法, 其实质是通过为自然天敌提供诸如花蜜、替代猎物或寄主、躲避不利干扰的庇护所等资源, 将农业景观中天敌的害虫控制服务和功能最大化, 或者通过构建不适宜害虫取食和繁殖的环境条件起到抑制或阻碍害虫发展的作用。本文在参阅国内外文献的基础上, 阐述了生境管理控制害虫的机理, 并总结国外生物防治的实践经验以及近些年国内外的相关研究, 概括提出田间尺度上害虫生物防治的非作物生境及作物生境的建设和植物配置方法, 为通过生境管理提升农业景观中害虫生物防治生态系统服务提供参考。
[23]	赵文亮, 贺振, 贺俊平, 等. 基于MODIS-NDVI的河南省冬小麦产量遥感估测 . 地理研究, 2012, 31(12): 2310-2320. Magsci [本文引用: 1] 摘要粮食产量估测对于国家粮食生产宏观调控具有重要意义。以河南省为例, 利用区域 NDVI数据进行冬小麦产量监测研究。基于2000～2010年冬小麦生长关键期3～5月的MODIS～ NDVI数据集, 结合河南省18地市冬小麦生产数据, 分析了研究区小麦产量和播种面积的时间动态变化特征, 建立了基于区域NDVI的冬小麦产量估算模型。结果表明:自2000 至2010年, 研究区冬小麦产量呈上升趋势, 播种面积基本保持稳定;利用单月NDVI建立的冬小麦产量线性模型, 平均相对误差分别为12.02%、10.70%和9.27%;利用不同月份组合的NDVI累积和建立的冬小麦产量模型, 平均相对误差分别为11.13%、10.38%、8.37%和 9.41%;利用多个月份组合的NDVI建立的多元线性回归模型, 平均相对误差分别为 11.00%、9.32%、9.04%和9.58%;将小麦播种面积作为限制因素引入多元线性模型后, 估算精度得到了很大提升, 平均相对误差分别为5.65%、5.34%、6.76%和5.47%.通过误差对比后发现, 在模型中引入播种面积后, 利用区域NDVI可以有效、快速、准确地对冬小麦进行估产。 [Zhao Wenliang, He Zhen, He Junping, et al. Remote sensing estimation for winter wheat yield in Henan based on the MODIS-NDVI data. Geographical Research, 2012, 31(12): 2310-2320.] Magsci [本文引用: 1] 摘要粮食产量估测对于国家粮食生产宏观调控具有重要意义。以河南省为例, 利用区域 NDVI数据进行冬小麦产量监测研究。基于2000～2010年冬小麦生长关键期3～5月的MODIS～ NDVI数据集, 结合河南省18地市冬小麦生产数据, 分析了研究区小麦产量和播种面积的时间动态变化特征, 建立了基于区域NDVI的冬小麦产量估算模型。结果表明:自2000 至2010年, 研究区冬小麦产量呈上升趋势, 播种面积基本保持稳定;利用单月NDVI建立的冬小麦产量线性模型, 平均相对误差分别为12.02%、10.70%和9.27%;利用不同月份组合的NDVI累积和建立的冬小麦产量模型, 平均相对误差分别为11.13%、10.38%、8.37%和 9.41%;利用多个月份组合的NDVI建立的多元线性回归模型, 平均相对误差分别为 11.00%、9.32%、9.04%和9.58%;将小麦播种面积作为限制因素引入多元线性模型后, 估算精度得到了很大提升, 平均相对误差分别为5.65%、5.34%、6.76%和5.47%.通过误差对比后发现, 在模型中引入播种面积后, 利用区域NDVI可以有效、快速、准确地对冬小麦进行估产。
[24]	邹文涛, 吴炳方, 张淼, 等. 农作物长势综合监测: 以印度为例 . 遥感学报, 2015, 19(4): 539-549. [本文引用: 1] [Zou Wentao, Wu Bingfang, Zhang Miao, et al. Synthetic method for crop condition analysis: A case study in India. Journal of Remote Sensing, 2015, 19(4): 539-549.] [本文引用: 1]
[25]	Fang J Y, Piao S L, Tang Z Y, et al. Interannual variability in net primary production and precipitation. Science, 2001, 293(5536): 1723. https://doi.org/10.1126/science.293.5536.1723a URL PMID: 11546840 [本文引用: 1] 摘要 Science. 2001 Sep 7;293(5536):1723. Comparative Study
[26]	David M J. An assessment of pre- and within-season remotely sensed variables for forecasting corn and soybean yields in the United States. Remote Sensing of Environment, 2014, 141(5): 116-128. https://doi.org/10.1016/j.rse.2013.10.027 URL [本文引用: 1] 摘要 Four timely and broadly available remotely sensed datasets were assessed for inclusion into county-level corn and soybean yield forecasting efforts focused on the Corn Belt region of the central United States (US). Those datasets were the (1) Normalized Difference Vegetation Index (NDVI) as derived from the Terra satellite's Moderate Resolution Imaging Spectroradiometer (MODIS), (2) daytime and (3) nighttime land surface temperature (LST) as derived from Aqua satellite's MODIS, and (4) precipitation from the National Weather Service (NWS) Nexrad-based gridded data product. The originating MODIS data utilized were the globally produced 8-day, clear sky composited science products (MOD09Q1 and MYD11A2), while the US-wide NWS data were manipulated to mesh with the MODIS imagery both spatially and temporally by regridding and summing the otherwise daily measurements. The crop growing seasons of 2006–2011 were analyzed with each year bounded by 32 8-day periods from mid-February through late October. Land cover classifications known as the Cropland Data Layer as produced annually by the National Agricultural Statistics Service (NASS) were used to isolate the input dataset pixels as to corn and soybeans for each of the corresponding years. The relevant pixels were then averaged by crop and time period to produce a county-level estimate of NDVI, the LSTs, and precipitation. They in turn were related to official annual NASS county level yield statistics. For the Corn Belt region as a whole, both corn and soybean yields were found to be positively correlated with NDVI in the middle of the summer and negatively correlated to daytime LST at that same time. Nighttime LST and precipitation showed no correlations to yield, regardless of the time prior or during the growing season. There was also slight suggestion of low NDVI and high daytime LST in the spring being positively related to final yields, again for both crops. Taking only NDVI and daytime LST as inputs from the 2006–2011 dataset, regression tree-based models were built and county-level, within-sample coefficients of determination (R) of 0.93 were found for both crops. Limiting the models by systematically removing late season data showed the model performance to remain strong even at mid-season and still viable even earlier. Finally, the derived models were used to predict out-of-sample for the 2012 season, which ended up having an anomalous drought. Yet, the county-level results compared reasonably well against official statistics with R02=020.77 for corn and 0.71 for soybeans. The root-mean-square errors were 1.26 and 0.4202metric02tons02per hectare, respectively.
[27]	Maselli F, Moriondo M, Angeli L, et al. Estimation of wheat production by the integration of MODIS and ground data. International Journal of Remote Sensing, 2011, 32(4): 1105-1123. https://doi.org/10.1080/01431160903510799 URL [本文引用: 1] 摘要 This paper presents a methodology capable of combining Moderate Resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI) imagery and ancillary data to estimate durum wheat production in Tuscany (Central Italy). First, the phenological stages of winter wheat are simulated by the use of an agro-meteorological model (Syrius 4.1). Next, MODIS NDVI images at 250m spatial resolution are utilized to identify fields likely grown with winter wheat. The multitemporal NDVI profiles of these fields are then integrated with Syrius 4.1 outputs through a previously developed procedure in order to simulate wheat above-ground biomass and harvest index. This allows the computation of wheat yield, which, combined with relevant cropped area, provides provincial wheat production estimates. The methodology is tested using ground and MODIS data taken over four Tuscany provinces where winter wheat is widely cultivated. The accuracy of all estimated variables (wheat cropped area, yield and production) is finally evaluated against provincial statistical data. The results of this experiment indicate that the accuracy of wheat cropped area estimation and yield simulation is variable, but interannual production variations are reproduced well for all provinces.
[28]	张雯雯, 李新举, 陈丽丽, 等. 泰安市平原土地整理项目区土壤质量评价 . 农业工程学报, 2008, 24(7): 106-109. Magsci [本文引用: 1] 摘要土壤质量是当前研究的热点问题，是关系土地整理成败的关键。该文以泰安市平原土地整理项目区土壤质量为研究对象，对土壤质量进行了定量化评价。在利用GPS进行野外采样的基础上，确定了以整理后1a、2a和4a地块为采样点。通过室内化学分析，得到了各采样点的属性数据。在具体的土壤质量评价时，根据研究区特点，选用速效养分、有机质、pH值、容重和电导率作为基本的评价因子，并在ArcGIS下对采样点属性进行kriging插值形成综合指标值分布图和土壤质量等级分布图。结果表明：整理后4a的地块养分分布最不均一，土壤质量较整理后1a和2a的地块有了明显的提高，其中Ⅰ、Ⅱ、Ⅲ等级占了整个地块面积的56.77%。 [Zhang Wenwen, Li Xinju, Chen Lili, et al. Soil quality evaluation of plain land consolidation projects in Tai'an. Transactions of the Chinese Society of Agricultural Engineering, 2008, 24(7): 106-109.] Magsci [本文引用: 1] 摘要土壤质量是当前研究的热点问题，是关系土地整理成败的关键。该文以泰安市平原土地整理项目区土壤质量为研究对象，对土壤质量进行了定量化评价。在利用GPS进行野外采样的基础上，确定了以整理后1a、2a和4a地块为采样点。通过室内化学分析，得到了各采样点的属性数据。在具体的土壤质量评价时，根据研究区特点，选用速效养分、有机质、pH值、容重和电导率作为基本的评价因子，并在ArcGIS下对采样点属性进行kriging插值形成综合指标值分布图和土壤质量等级分布图。结果表明：整理后4a的地块养分分布最不均一，土壤质量较整理后1a和2a的地块有了明显的提高，其中Ⅰ、Ⅱ、Ⅲ等级占了整个地块面积的56.77%。
[29]	Jönsson P, Eklundh L. TIMESAT: A program for analyzing time-series of satellite sensor data. Computers & Geosciences, 2004, 30(8): 833-845. https://doi.org/10.1016/j.cageo.2004.05.006 URL [本文引用: 1] 摘要 Three different least-squares methods for processing time-series of satellite sensor data are presented. The first method uses local polynomial functions and can be classified as an adaptive Savitzky鈥揋olay filter. The other two methods are more clear cut least-squares methods, where data are fit to a basis of harmonic functions and asymmetric Gaussian functions, respectively. The methods incorporate qualitative information on cloud contamination from ancillary datasets. The resulting smooth curves are used for extracting seasonal parameters related to the growing seasons. The methods are implemented in a computer program, TIMESAT, and applied to NASA/NOAA Pathfinder AVHRR Land Normalized Difference Vegetation Index data over Africa, giving spatially coherent images of seasonal parameters such as beginnings and ends of growing seasons, seasonally integrated NDVI and seasonal amplitudes. Based on general principles, the TIMESAT program can be used also for other types of satellite-derived time-series data.
[30]	Hird J N, McDermid G J. Noise reduction of NDVI time series: An empirical comparison of selected techniques. Remote Sensing of Environment, 2009, 13(1): 248-258. https://doi.org/10.1016/j.rse.2008.09.003 URL [本文引用: 1] 摘要 Satellite-derived NDVI time series are fundamental to the remote sensing of vegetation phenology, but their application is hindered by prevalent noise resulting chiefly from varying atmospheric conditions and sun-sensor-surface viewing geometries. A model-based empirical comparison of six selected NDVI time series noise-reduction techniques revealed the general superiority of the double logisti...
[31]	Vapnik V. The Nature of Statistical Learning Theory. New York: Springer, 1995. [本文引用: 1]
[32]	Guo G D, Li S Z. Content-based audio classification and retrieval by support vector machines. IEEE Transactions on Neural Network, 2003, 14(1): 209-115. [本文引用: 1]
[33]	Yu D C, Pong W R, Chih H J, et al. Application of SVM to predict membrane protein types. Journal of Theoretical Biology, 2004, 226(4): 373-376. https://doi.org/10.1016/j.jtbi.2003.08.015 URL PMID: 14759643 摘要 As a continuous effort to develop automated methods for predicting types that was initiated by Chou and Elrod (: Structure, Function, and Genetics, 1999, 34, 137-153), the support vector machine (SVM) is introduced. Results obtained through re-substitution, jackknife, and independent data set tests, respectively, have indicated that the SVM approach is quite a promising one, suggesting that the covariant discriminant algorithm (Chou and Elrod, Eng. 12 (1999) 107) and SVM, if effectively complemented with each other, will become a powerful tool for predicting types and the other attributes as well.
[34]	Noori R, Karbassi A R, Moghaddamnia A, et al. Assessment of input variables determination on the SVM model performance using PCA, Gamma test, and forward selection techniques for monthly stream flow prediction. Journal of Hydrology, 2011, 401(3): 177-189. https://doi.org/10.1016/j.jhydrol.2011.02.021 URL [本文引用: 1] 摘要 In the research, the role of three input selection techniques is evaluated on support vector machine (SVM) performance for prediction of monthly stream flow. First, a SVM model is adapted to predict the next monthly flow as a function of 18 input variables including monthly rainfall ( R ), discharge ( Q ), sun radiation (Rad), and temperature {as minimum ( T min ), maximum ( T max ) and average ( T ave )} with three temporal delays belong to t, t-1, and t-2. Subsequently, principal component analysis (PCA), Gamma test (GT), and forward selection (FS) techniques are used to reduce the number of input variables. Upon reducing 18 input variables to 5 (using PCA and GT) and 7 (using FS techniques), they are then fed to SVM model. In addition, a proper artificial neural network (ANN) model based on PCA technique is developed (PCA-ANN). Then, comparison among the developed SVM models (PCA-SVM and GT-SVM) and PCA-ANN model is carried out. Furthermore, the imperfections of the discrepancy ratio (DR) statistic are remedied and an appropriate DR statistic is developed. Finally, the error distribution during testing step of selected models (PCA-SVM, GT-SVM, and PCA-ANN) is computed using the developed DR statistic. Results indicated that preprocessing the input variables by means of PCA and GT techniques has improved the SVM model operation and the developed models (PCA-SVM and GT-SVM) are considerably better than original SVM model. Besides, PCA-SVM is superior to GT-SVM and PCA-ANN models. Determination coefficient ( R 2 ) for PCA-SVM model was equal to 0.92 and 0.88 in the training and testing steps, respectively.
[35]	宋凯, 孙晓艳, 纪建伟. 基于支持向量机的玉米叶部病害识别 . 农业工程学报, 2007, 23(1): 155-157. Magsci [本文引用: 1] 摘要针对玉米叶部病害图像的特点，提出将支持向量机（SVM）组成的多分类器应用于多种玉米叶部病害识别中。首先利用Live-Ware分割算法分割出玉米叶部病灶，再利用小波特征提取算法提取病灶的特征向量，最后利用支持向量机分类方法进行病害的识别。玉米叶部病害图像识别试验结果表明，支持向量机分类方法适合小样本情况，具有良好的分类能力,适合多种玉米叶部病害的分类。不同的分类核函数的相互比较分析表明，径向基核函数最适合玉米病害的分类识别。 [Song Kai, Sun Xiaoyan, Ji Jianwei. Corn leaf disease recognition based on suport vector machine method. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(1): 155-157.] Magsci [本文引用: 1] 摘要针对玉米叶部病害图像的特点，提出将支持向量机（SVM）组成的多分类器应用于多种玉米叶部病害识别中。首先利用Live-Ware分割算法分割出玉米叶部病灶，再利用小波特征提取算法提取病灶的特征向量，最后利用支持向量机分类方法进行病害的识别。玉米叶部病害图像识别试验结果表明，支持向量机分类方法适合小样本情况，具有良好的分类能力,适合多种玉米叶部病害的分类。不同的分类核函数的相互比较分析表明，径向基核函数最适合玉米病害的分类识别。
[36]	戴福初, 姚鑫, 谭国焕. 滑坡灾害空间预测支持向量机模型及其应用 . 地学前缘, 2007, 14(6): 153-159. https://doi.org/10.3321/j.issn:1005-2321.2007.06.019 URL [本文引用: 1] 摘要随着GIS技术在滑坡灾害空间预测研究中的广泛应用,滑坡灾害空间预测模型成为研究的热点问题。在总结滑坡灾害空间预测研究现状的基础上,简要介绍了两类和单类支持向量机的基本原理。以香港自然滑坡空间预测为例,采用两类和单类支持向量机进行滑坡灾害空间预测,并与Logistic回归模型进行了比较。结果表明,两类支持向量机模型优于Logistic回归模型,而Logistic回归模型优于单类支持向量机模型。 [Dai Fuchu, Yao Xin, Tan Leslie George. Landslide susceptibility mapping using support vector machines. Earth Science Frontiers, 2007, 14(6): 153-159.] https://doi.org/10.3321/j.issn:1005-2321.2007.06.019 URL [本文引用: 1] 摘要随着GIS技术在滑坡灾害空间预测研究中的广泛应用,滑坡灾害空间预测模型成为研究的热点问题。在总结滑坡灾害空间预测研究现状的基础上,简要介绍了两类和单类支持向量机的基本原理。以香港自然滑坡空间预测为例,采用两类和单类支持向量机进行滑坡灾害空间预测,并与Logistic回归模型进行了比较。结果表明,两类支持向量机模型优于Logistic回归模型,而Logistic回归模型优于单类支持向量机模型。
[37]	王海军, 柳敏燕, 高娟. 利用遗传算法和支持向量机测算农用地理论单产和可实现单产 . 农业工程学报, 2013, 29(19): 244-252. Magsci [本文引用: 1] 摘要为了解决传统的采用一元线性回归法计算农用地理论单产和可实现单产的局限性，该文将遗传算法和支持向量回归机理论应用于农用地产能核算，构建理论单产和可实现单产核算模型。通过建立样点分等因素质量分与理论单产的遗传算法支持向量回归机（genetic algorithm-support vector machine，GA-SVM）模型进行理论单产预测；建立样点分等因素质量分和利用系数之积与可实现单产的遗传算法支持向量回归机模型进行可实现单产预测。以广东省揭西县产能核算为例，分别采用GA-SVM模型和一元线性回归模型测算，并将测算结果进行对比分析。研究结果证明，GA-SVM对于理论单产和可实现单产的测算精度更高，适于单个样本值的预测，可以作为农用地产能核算的一种新方法。 [Wang Haijun, Liu Minyan, Gao Juan. Calculation of theoretical and accessible yields of agricultural land based on genetic algorithm and support vector machine. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(19): 244-252.] Magsci [本文引用: 1] 摘要为了解决传统的采用一元线性回归法计算农用地理论单产和可实现单产的局限性，该文将遗传算法和支持向量回归机理论应用于农用地产能核算，构建理论单产和可实现单产核算模型。通过建立样点分等因素质量分与理论单产的遗传算法支持向量回归机（genetic algorithm-support vector machine，GA-SVM）模型进行理论单产预测；建立样点分等因素质量分和利用系数之积与可实现单产的遗传算法支持向量回归机模型进行可实现单产预测。以广东省揭西县产能核算为例，分别采用GA-SVM模型和一元线性回归模型测算，并将测算结果进行对比分析。研究结果证明，GA-SVM对于理论单产和可实现单产的测算精度更高，适于单个样本值的预测，可以作为农用地产能核算的一种新方法。
[38]	Zai S M, Jia Y H, Guo D D. Grain yield prediction for irrigation district based on LS-SVM. Agricultural Science & Technology, 2009, 10(6): 1-3, 6. URL [本文引用: 1] 摘要 Commonly used grain yield forecasting models were briefly reviewed,and a yield prediction model of irrigation district was established based on least squares support vector machines(LS-SVM).The grain yield in irrigation district was analog calculated.And the test samples were used to compare with gray prediction,and neural network model.The maximum predicted error of least squares SVM was 7.12%,with an average error of 4.81%.The results showed that LS-SVM model has high prediction accuracy and strong generalization ability.So it could be used as a new method for irrigation district yield prediction.
[39]	刘新圣, 孙睿, 武芳, 等. 利用MODIS-EVI时序数据对河南省土地覆盖进行分类 . 农业工程学报, 2010, 26(S1): 213-219. URL [本文引用: 1] 摘要基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODISEVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM(支持向量机)分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物:小麦为81.47%、玉米94.87%、水稻82.43%;经济作物:油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1:10万全国土地覆盖的分类数据,将2000 年的对应数据和分类结果分别归并为:耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。 [Liu Xinsheng, Sun Rui, Wu Fang, et al. Land-cover classification for Henan province with time-series MODIS EVI data. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(S1): 213-219.] URL [本文引用: 1] 摘要基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODISEVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM(支持向量机)分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物:小麦为81.47%、玉米94.87%、水稻82.43%;经济作物:油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1:10万全国土地覆盖的分类数据,将2000 年的对应数据和分类结果分别归并为:耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。
[40]	李欢, 王士同. 支持向量机的多观测样本二分类算法 . 智能系统学报, 2014, 9(4): 392-400. https://doi.org/10.3969/j.issn.1673-4785.201312040 URL [本文引用: 3] 摘要针对多观测样本的分类问题，提出基于SVM的多观测样本二分类算法。每次分类时，首先限制组成多观测样本的所有单观测样本属于同一类别，对多观测样本的类别做2次假设，通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方法无需对分类器进行训练或提前对训练集进行特征表示，而是将已知标签样本集和多观测样本作为一个整体，充分利用特征空间中同类样本连续分布这一特点，使得分类更加准确。结果表明所提方法的有效性。 [Li Huan, Wang Shitong. Binary-class classification algorithm with multiple-access acquired objects based on the SVM. CAAI Transactions on Intelligent Systems, 2014, 9(4): 392-400.] https://doi.org/10.3969/j.issn.1673-4785.201312040 URL [本文引用: 3] 摘要针对多观测样本的分类问题，提出基于SVM的多观测样本二分类算法。每次分类时，首先限制组成多观测样本的所有单观测样本属于同一类别，对多观测样本的类别做2次假设，通过比较不同类别假设下的目标函数最优解来确定多观测样本的类别。该方法无需对分类器进行训练或提前对训练集进行特征表示，而是将已知标签样本集和多观测样本作为一个整体，充分利用特征空间中同类样本连续分布这一特点，使得分类更加准确。结果表明所提方法的有效性。
[41]	黄珂, 刘忠, 杨丽芳. 基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价 . 农业工程学报, 2014, 30(2): 219-226. https://doi.org/10.3969/j.issn.1002-6819.2014.02.020 URL [本文引用: 1] 摘要黄淮海农区是中国重要的粮食生产基地，研究该地区不同等级生产力耕地的空间分布，对提高该地区生产力有重要的意义。该文在提取研究区冬小麦种植空间分布的基础上，对10a时间序列冬小麦MODIS-NDVI进行特征参数提取，并将冬小麦主要生长季多年NDVI特征值均值和年际变异系数，作为多年平均产量水平和稳产水平的指示指标，进行黄淮海农区冬小麦种植区耕地生产力评价，得到黄淮海农区冬小麦生产力空间分布图。结果显示：1）多时相MODIS．NDVI数据可以用于研究区冬小麦种植空间分布提取。经县级尺度验证，有较高的提取精度；2）县级尺度的冬小麦单产水平与其辖区内冬小麦生长关键期多个NDVI特征值有显著的相关关系，可以用来评价冬小麦生产力水平；3）研究区冬小麦种植区耕地以中低生产力水平为主，高生产力水平的耕地只占不到20％。高生产力的麦田大多分布在水热条件较好的黄淮平原亚区，中等生产力麦田大多分布在燕山太行山山麓平原亚区和鲁西黄灌区，而低生产力的麦田多分布在冀、鲁、豫低洼平原亚区。低生产力麦田分布集中连片的区域多为春旱易发、土壤粘淤或低洼积盐的地区。呈现出整体气候条件主导，局部土壤条件影响的高中低生产力空间分布特征。研究结果可以为黄淮海农区的耕地质量管理和中低产田改良提供依据。 [Huang Ke, Liu Zhong, Yang Lifang. Evaluation of winter wheat productivity in Huang-Huai-Hai region by multi-year graded MODIS-NDVI. Transactions of the Chinese Society of Agricultural Engineering, 2014, 30(2): 219-226.] https://doi.org/10.3969/j.issn.1002-6819.2014.02.020 URL [本文引用: 1] 摘要黄淮海农区是中国重要的粮食生产基地，研究该地区不同等级生产力耕地的空间分布，对提高该地区生产力有重要的意义。该文在提取研究区冬小麦种植空间分布的基础上，对10a时间序列冬小麦MODIS-NDVI进行特征参数提取，并将冬小麦主要生长季多年NDVI特征值均值和年际变异系数，作为多年平均产量水平和稳产水平的指示指标，进行黄淮海农区冬小麦种植区耕地生产力评价，得到黄淮海农区冬小麦生产力空间分布图。结果显示：1）多时相MODIS．NDVI数据可以用于研究区冬小麦种植空间分布提取。经县级尺度验证，有较高的提取精度；2）县级尺度的冬小麦单产水平与其辖区内冬小麦生长关键期多个NDVI特征值有显著的相关关系，可以用来评价冬小麦生产力水平；3）研究区冬小麦种植区耕地以中低生产力水平为主，高生产力水平的耕地只占不到20％。高生产力的麦田大多分布在水热条件较好的黄淮平原亚区，中等生产力麦田大多分布在燕山太行山山麓平原亚区和鲁西黄灌区，而低生产力的麦田多分布在冀、鲁、豫低洼平原亚区。低生产力麦田分布集中连片的区域多为春旱易发、土壤粘淤或低洼积盐的地区。呈现出整体气候条件主导，局部土壤条件影响的高中低生产力空间分布特征。研究结果可以为黄淮海农区的耕地质量管理和中低产田改良提供依据。
[42]	谢花林, 刘桂英. 1998-2012年中国耕地复种指数时空差异及动因 . 地理学报, 2015, 70(4): 604-614. https://doi.org/10.11821/dlxb201504008 Magsci [本文引用: 1] 摘要 <p>从国家、区域和省级三个层面上分析了1998-2012年间中国耕地复种指数的变化趋势,并基于Theil指数探讨了中国耕地复种指数的时空差异,利用计量经济学模型从人文视角探讨了耕地复种指数变化的影响因素。结果表明：① 在全国尺度上,中国耕地复种指数总体上呈逐年增长的趋势。② 在区域尺度上,复种指数最高的为中部地区,最低的为东北地区;而复种指数增长最快的是东北地区,最慢的是中部地区,东部地区呈下降趋势。③ 中国31个省份复种指数各不相同,且差距大,复种指数增长最快的是新疆、宁夏和云南。④ 由Theil指数值的大小可知,中国耕地复种指数的差异呈缩小态势,其主要原因为四大区域间的差异。⑤ 人口非农化比重对耕地复种指数产生了显著负向作用,产业非农化比重、农业政策、人均经营耕地和农村家庭人均经营纯收入对耕地复种指数产生了显著正向作用。最后,本文认为转移农村剩余劳动力,提高农民的经营性收入水平,促进土地流转,形成土地规模化经营,以及进一步加大对欠发达地区及粮食主产区农业发展的惠农扶持力度,充分发挥国家惠农政策的诱致作用,有利于全面提高中国耕地复种水平。</p> [Xie Hualin, Liu Guiying. Spatiotemporal difference and determinants of multiple cropping index in China during 1998-2012. Acta Geographica Sinica, 2015, 70(4): 604-614.] https://doi.org/10.11821/dlxb201504008 Magsci [本文引用: 1] 摘要 <p>从国家、区域和省级三个层面上分析了1998-2012年间中国耕地复种指数的变化趋势,并基于Theil指数探讨了中国耕地复种指数的时空差异,利用计量经济学模型从人文视角探讨了耕地复种指数变化的影响因素。结果表明：① 在全国尺度上,中国耕地复种指数总体上呈逐年增长的趋势。② 在区域尺度上,复种指数最高的为中部地区,最低的为东北地区;而复种指数增长最快的是东北地区,最慢的是中部地区,东部地区呈下降趋势。③ 中国31个省份复种指数各不相同,且差距大,复种指数增长最快的是新疆、宁夏和云南。④ 由Theil指数值的大小可知,中国耕地复种指数的差异呈缩小态势,其主要原因为四大区域间的差异。⑤ 人口非农化比重对耕地复种指数产生了显著负向作用,产业非农化比重、农业政策、人均经营耕地和农村家庭人均经营纯收入对耕地复种指数产生了显著正向作用。最后,本文认为转移农村剩余劳动力,提高农民的经营性收入水平,促进土地流转,形成土地规模化经营,以及进一步加大对欠发达地区及粮食主产区农业发展的惠农扶持力度,充分发挥国家惠农政策的诱致作用,有利于全面提高中国耕地复种水平。</p>
[43]	陈君, 彭小奇, 宋彦坡, 等. 特征空间最小数据分布最大间隔支持向量机 . 电机与控制学报, 2013, 17(3): 105-109. https://doi.org/10.3969/j.issn.1007-449X.2013.03.016 URL [本文引用: 1] 摘要为提高支持向量机的泛化能力,根据统计学习理论中学习机推广能力的界和VC维理论,提出了一种同时以特征空间中样本数据分布半径最小化和类间间隔最大化为优化目标的支持向量机模型.通过合理设计其目标函数,将该支持向量机的建模问题转化为二次规划问题,从而可以采用与传统SVM相似的算法快速实现.用UCI数据库中的部分数据进行了仿真,实验证明与传统的SVM相比, 在分类准确度不降低,且有所提高的基础上,使其支持向量的数目得到减少;在支持向量数目相近的情况下,预测精度得到提高.体现出更强的泛化能力. [Chen Jun, Peng Xiaoqi, Song Yanpo, et al. Support vector machine with minimum-data distribution and maximum-margin in feature space. Electric Machines and Control, 2013, 17(3): 105-109.] https://doi.org/10.3969/j.issn.1007-449X.2013.03.016 URL [本文引用: 1] 摘要为提高支持向量机的泛化能力,根据统计学习理论中学习机推广能力的界和VC维理论,提出了一种同时以特征空间中样本数据分布半径最小化和类间间隔最大化为优化目标的支持向量机模型.通过合理设计其目标函数,将该支持向量机的建模问题转化为二次规划问题,从而可以采用与传统SVM相似的算法快速实现.用UCI数据库中的部分数据进行了仿真,实验证明与传统的SVM相比, 在分类准确度不降低,且有所提高的基础上,使其支持向量的数目得到减少;在支持向量数目相近的情况下,预测精度得到提高.体现出更强的泛化能力.
[44]	周立三, 孙颔, 沈煜青. 中国综合农业区划. 北京: 农业出版社, 1981. https://doi.org/10.7621/cjarrp.1005-9121.19810401 URL [本文引用: 1] 摘要正《中共中央关于加快农业发展若干问题的决定》指出:“实现农业现代化,整个农业必须有一个合理的布局,实行区域化、专业化生产,不断提高生产的社会化水平。”怎样从我国的实际出发,有计划地逐步实行农业的区域化、专业化生产,这是在今后规划和领导农业生产的实践中需要认真探索的一个重要课题,也是农业自然资源调查和农业区划工作的一项迫切的研究任务。 [Zhou Lisan, Sun Han, Shen Yuqing.Comprehensive Agricultural Regionalization of China. Beijing: Agricultural Press, 1981.] https://doi.org/10.7621/cjarrp.1005-9121.19810401 URL [本文引用: 1] 摘要正《中共中央关于加快农业发展若干问题的决定》指出:“实现农业现代化,整个农业必须有一个合理的布局,实行区域化、专业化生产,不断提高生产的社会化水平。”怎样从我国的实际出发,有计划地逐步实行农业的区域化、专业化生产,这是在今后规划和领导农业生产的实践中需要认真探索的一个重要课题,也是农业自然资源调查和农业区划工作的一项迫切的研究任务。

Solutions for a cultivated planet.

2011

... 2000年以来,中国粮食生产稳定持续增长,粮食产量不断提升,“十二五”时期粮食总产量增加6062万t,较“十一五”提升2.31个百分点.然而,面对人口总量持续增长、国民饮食结构不断改善、生态环境负荷不断加大等内外部环境的变化,中国粮食安全问题依然严峻^[1-3].耕地作为粮食生产的物质基础,在国家资源安全战略框架中始终处在重要地位^[4,5].中国于20世纪90年代末开始实施土地整治.起初主要通过整理、复垦、开发等手段多渠道补充耕地,为全面实现耕地“占补平衡”发挥积极作用;2006年以来,土地整治逐步转向“稳定耕地数量与提升耕地质量并重”的新阶段^[6];“十二五”期间,“提质、增效”更是成为土地整治的工作重点,连续多个中央1号文件都强调加快推进高标准农田建设,不断提升农业综合生产能力.农用地整治通过调整土地利用结构、完善农田基础设施,能够有效增加耕地数量、提高耕地质量,进而提升农业生产能力,对稳定粮食生产格局、保障国家粮食安全等具有重要意义.2014年国土资源部对土地整治示范省建设综合成效评估结果显示,土地整治后耕地质量等别提高了0.84~1.7个国家利用等^[7];2015年国土资源部《全国土地整治规划（2011-2015年）》实施评价结果显示,规划期内全国多渠道建设高标准基本农田4.88亿亩,耕地质量等别平均提高1.21等.但是,上述关于土地整治对产能影响的结果多是通过经验总结或者汇总上报等方式获取,其内涵、特征及区域差异等仍有待进一步挖掘. ...

Global consequences of land use.

2005

Global food demand and the sustainable intensification of agriculture.

2011

Food security: The challenge of feeding 9 billion people.

2010

1999-2007年中国粮食安全的关键影响因素

2012

1999-2007年中国粮食安全的关键影响因素

2012

2014

2015

耕地整治质量潜力测算方法

2013

... 现有关于农用地整治产能影响的研究主要集中在农用地整治潜力测算与效益评价等方面,采用统计汇总、典型调查、问卷访谈等数据,基于潜力模型^[8,9]、数理统计^[10,11]、地理空间分析^[12,13]等方法,从中观（市、县）或微观（项目）等空间尺度^[10,14]开展研究.利用长时间、大范围、精度适宜、质量可靠的遥感监测数据,对农用地整治产能影响进行综合研究尚属空白.作为大尺度农业研究的有力手段,植被指数目前已被广泛应用于作物调查、长势监测和产量预测等研究^[15,16].其中,归一化植被指数（Normalized Difference Vegetation Index,NDVI）因能够消除地形和群落结构的阴影和辐射干扰,削弱太阳高度角和大气所带来的噪音,对大范围的植被覆盖度监测灵敏度较高^[17],更是被广泛应用于土地覆被变化、农业生产变化、粮食产能监测等方面^[18-21],其与农业产能之间的显著相关性也已被国内外学者广泛证明^[22-24].Fang等采用覆盖全中国的多年平均NDVI数据估算植被净初生产力（Net Primary Production,NPP）年际变化情况,结果证明通过NDVI年际变化能够有效监测不同区域NPP的差异^[25];David采用MODIS-NDVI数据监测农作物季前季中变化情况,估算美国玉米和大豆产量,结果表明NDVI与作物产量呈现显著正相关关系^[26];Maselli等以意大利托斯卡纳区为例,采用MODIS-NDVI数据估算小麦种植面积和产量,并与省级统计数据进行对比,结果表明二者之间具有高度一致性^[27];赵文亮等以河南省为例,结合河南省18个地市冬小麦生产数据,建立了基于区域NDVI的冬小麦产量估算模型,研究表明NDVI能够有效、快速、准确地对作物进行估产^[23].区别于传统的产能影响评估,农用地整治会在一定时期内对项目区农田生态系统造成扰动,区内产能恢复与提升存在一定的过程性和滞后期（土壤质量稳定一般需要3年左右^[28]）,难以直接利用遥感监测结果对近期实施整治项目的产能变化进行有效分析.为此,通过MODIS-NDVI数据提取农用地整治产能影响特征参数,以已实现产能稳定的整治项目作为样本集,引入机器学习算法SVM（Support Vector Machine）,建立产能影响特征与潜在影响因素之间的联系,对近期实施土地整治项目的产能影响特征进行预测,以期为有效分析农用地整治产能影响提供参考,并为“十三五”农用地整治重点区域和重大工程安排提供科学依据. ...

耕地整治质量潜力测算方法

2013

基于耕地系数和预评价法的耕地整治潜力测算方法

2014

基于耕地系数和预评价法的耕地整治潜力测算方法

2014

基于Ward系统聚类的中国农用地整治实施状况分析

2015

... [10,14]开展研究.利用长时间、大范围、精度适宜、质量可靠的遥感监测数据,对农用地整治产能影响进行综合研究尚属空白.作为大尺度农业研究的有力手段,植被指数目前已被广泛应用于作物调查、长势监测和产量预测等研究^[15,16].其中,归一化植被指数（Normalized Difference Vegetation Index,NDVI）因能够消除地形和群落结构的阴影和辐射干扰,削弱太阳高度角和大气所带来的噪音,对大范围的植被覆盖度监测灵敏度较高^[17],更是被广泛应用于土地覆被变化、农业生产变化、粮食产能监测等方面^[18-21],其与农业产能之间的显著相关性也已被国内外学者广泛证明^[22-24].Fang等采用覆盖全中国的多年平均NDVI数据估算植被净初生产力（Net Primary Production,NPP）年际变化情况,结果证明通过NDVI年际变化能够有效监测不同区域NPP的差异^[25];David采用MODIS-NDVI数据监测农作物季前季中变化情况,估算美国玉米和大豆产量,结果表明NDVI与作物产量呈现显著正相关关系^[26];Maselli等以意大利托斯卡纳区为例,采用MODIS-NDVI数据估算小麦种植面积和产量,并与省级统计数据进行对比,结果表明二者之间具有高度一致性^[27];赵文亮等以河南省为例,结合河南省18个地市冬小麦生产数据,建立了基于区域NDVI的冬小麦产量估算模型,研究表明NDVI能够有效、快速、准确地对作物进行估产^[23].区别于传统的产能影响评估,农用地整治会在一定时期内对项目区农田生态系统造成扰动,区内产能恢复与提升存在一定的过程性和滞后期（土壤质量稳定一般需要3年左右^[28]）,难以直接利用遥感监测结果对近期实施整治项目的产能变化进行有效分析.为此,通过MODIS-NDVI数据提取农用地整治产能影响特征参数,以已实现产能稳定的整治项目作为样本集,引入机器学习算法SVM（Support Vector Machine）,建立产能影响特征与潜在影响因素之间的联系,对近期实施土地整治项目的产能影响特征进行预测,以期为有效分析农用地整治产能影响提供参考,并为“十三五”农用地整治重点区域和重大工程安排提供科学依据. ...

基于Ward系统聚类的中国农用地整治实施状况分析

2015

基于农用地分等修正的土地整治项目耕地质量评价

2015

基于农用地分等修正的土地整治项目耕地质量评价

2015

土地整理的评价方法及应用

2011

土地整理的评价方法及应用

2011

基于“强度—潜力—难度”综合测度的中国农用地整治实施协调性分析

2016

基于“强度—潜力—难度”综合测度的中国农用地整治实施协调性分析

2016

不同类型区农用地整治对农田生产能力的影响

2013

不同类型区农用地整治对农田生产能力的影响

2013

农业遥感研究与应用进展

2014

农业遥感研究与应用进展

2014

1982-2006年中国东部春季植被变化的区域差异

2012

1982-2006年中国东部春季植被变化的区域差异

2012

中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系: 以江西省泰和县为例

2015

中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系: 以江西省泰和县为例

2015

北方农牧交错带草原产草量遥感监测模型

2007

北方农牧交错带草原产草量遥感监测模型

2007

近30年中国陆地植被活动遥感监测

2014

近30年中国陆地植被活动遥感监测

2014

1999-2013年中国耕地复种指数的时空演变格局

2015

1999-2013年中国耕地复种指数的时空演变格局

2015

MODIS植被指数的美国玉米单产遥感估测

2015

MODIS植被指数的美国玉米单产遥感估测

2015

基于植被初级生产力的农用地理论和可实现产能核算研究

2015

基于植被初级生产力的农用地理论和可实现产能核算研究

2015

基于MODIS-NDVI的河南省冬小麦产量遥感估测

2012

基于MODIS-NDVI的河南省冬小麦产量遥感估测

2012

农作物长势综合监测: 以印度为例

2015

农作物长势综合监测: 以印度为例

2015

Interannual variability in net primary production and precipitation.

2001

An assessment of pre- and within-season remotely sensed variables for forecasting corn and soybean yields in the United States.

2014

Estimation of wheat production by the integration of MODIS and ground data.

2011

泰安市平原土地整理项目区土壤质量评价

2008

泰安市平原土地整理项目区土壤质量评价

2008

TIMESAT: A program for analyzing time-series of satellite sensor data.

2004

... 2.1.2 NDVI时间序列数据 NDVI时间序列数据采用美国国家航空与航天局（NASA）提供的MODIS-NDVI数据产品MOD13Q1（空间分辨率250 m×250 m,时间周期16 d）,时间序列选择2001年1月1日至2013年12月31日,每个图斑对应299期（23时相/年×13年）数值;数据筛选条件为数据质量可靠（reliability index≤1）,研究期内每个图斑总缺失值<5个.利用Timesat中的S-G滤波器^[29,30]对各图斑的NDVI时相数据进行平滑处理,去除NDVI像元内残余的云、霾等因素的影响,形成基于项目区图斑的NDVI时间序列数据,典型项目区示例见图1. ...

McDermid G J. Noise reduction of NDVI time series: An empirical comparison of selected techniques.

2009

The Nature of Statistical Learning Theory.

1995

... SVM最早由Vapnik在统计学理论基础上提出,用于解决分类与预测问题^[31].SVM具有稳定性、运算效率高的优势^[32-34],对数据分类预测的准确率较为显著,目前已在病害识别^[35,36]、产量预测^[37,38]、数据分类^[39,40]等方面得到广泛应用.SVM的实现主要是通过在原空间或者经过投影后的高维空间中构造最优分类面,并将此分类面作为分类决策面进行数据分类^[40],基本原理如下： ...

Content-based audio classification and retrieval by support vector machines.

2003

Application of SVM to predict membrane protein types.

2004

Assessment of input variables determination on the SVM model performance using PCA, Gamma test, and forward selection techniques for monthly stream flow prediction.

2011

基于支持向量机的玉米叶部病害识别

2007

基于支持向量机的玉米叶部病害识别

2007

滑坡灾害空间预测支持向量机模型及其应用

2007

滑坡灾害空间预测支持向量机模型及其应用

2007

利用遗传算法和支持向量机测算农用地理论单产和可实现单产

2013

利用遗传算法和支持向量机测算农用地理论单产和可实现单产

2013

Grain yield prediction for irrigation district based on LS-SVM.

2009

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

2010

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

2010

支持向量机的多观测样本二分类算法

2014

... [40],基本原理如下： ...

... 当样本线性不可分时,SVM则首先将输入的样本向量映射到更高维度空间,使其在高维空间中实现线性分类^[40],这种非线性变换通过引入适当的核函数k(x_i,x_j)得以实现,同时在样本集线性不可分情况下,SVM引入了惩罚参数C和松弛变量

\begin{matrix} ξ \end{matrix}

,此时求解问题转换为： ...

支持向量机的多观测样本二分类算法

2014

... [40],基本原理如下： ...

\begin{matrix} ξ \end{matrix}

,此时求解问题转换为： ...

基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价

2014

... 农用地整治以增加有效耕地面积并提高耕地质量为中心,通过土地平整、灌溉与排水、田间道路、农田防护与生态环境保持等工程措施,可以优化田块布局,改善耕作条件,完善农田水利基础设施等.项目实施对产能的影响主要体现在增加平均产量（高产）,降低自然灾害对农业生产的影响（稳产）,提升最高产量（潜力）和增加复种指数（效益）等方面.考虑到整治项目实施后耕地产能恢复与提升的滞后性,结合已有研究成果^[41,42],通过分析样本集整治前后对应图斑NDVI在均值、标准差、最大值以及波峰频数四个参数上的变化,提取表征产能影响的特征参数.具体特征参数释义见表2. ...

基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价

2014

1998-2012年中国耕地复种指数时空差异及动因

2015

1998-2012年中国耕地复种指数时空差异及动因

2015

特征空间最小数据分布最大间隔支持向量机

2013

... （2）核函数类型主要包括线性函数、多项式函数、径向基函数、sigmoid函数四种,对应的参数值分别为0、1、2、3,其中径向基核函数（RBF函数）已被证实在分类预测方面具有较高的适用性^[43],故将核函数类型参数设置为2,计算公式为： ...

特征空间最小数据分布最大间隔支持向量机

2013

1981

... 3.4.2 区域特征分析与评估中国幅员辽阔,不同区域自然环境条件、经济社会条件差异较大,农用地整治项目安排、整治方式各不相同,故其实施效果也具有明显的区域特征.为进一步分析各项产能影响特征空间分布差异,以《中国综合农业区划》^[44]划定的二级农业区为基础,分析其在各农业区下的分布特征（图4）. ...

1981

〈

〉

农用地整治对产能影响的特征预测及评估：方法与实证

Prediction and evaluation of characteristic of agricultural productivity change influenced by farmland consolidation: Method and case study

1 引言

2 数据来源与研究方法

2.1 数据来源与处理

2.2 研究方法

3 结果分析

3.1 产能影响特征参数提取

3.2 产能影响因素分析

3.3 产能影响特征预测模型（P-SVM）设计

3.4 2011-2013年农用地整治产能影响特征分析与评估

4 结论与讨论

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子