基于空间数据挖掘的广东省"旱改水"优先区选择

随着新型城镇化水平的不断提高,大量耕地将会被占用。为有效遏制水田面积减少趋势,提升耕地质量,保障粮食安全,各地政府开始实施"旱改水"工程改造,即将同等数量的旱地改造为水田的方式间接开发水田。旱改水优先区域选择是实施改造先后顺序的重要评判标准。借助WEKA软件,基于空间数据挖掘的方法来选择"旱改水"优先区:(1)通过属性选择获取相关性较高的9个改造因子,实现数据的预处理;(2)通过K-means聚类分析将研究对象划分成5类簇;(3)通过Apriori关联规则挖掘出分区因子属性之间最强关联关系作为决策挖掘出优先改造的簇,并对结果进行分析。应用于我国广东省,试验证明,空间数据挖掘有效地从庞大数据量中提取信息,耦合空间关系,把数据转化为有用的知识,使用空间数据挖掘的方法选择优先区是可行和科学的。     

地理探测器与Tobit模型在粤西地区粮食生产效率及影响因子分析中的比较应用

为明晰粤西地区粮食生产效率及其关键影响因子，实现优化资源配置效率和推进粮食生产转型升级，基于1999—2018年粤西地区茂名、阳江、湛江3市粮食生产数据，采用交叉效率DEA模型测算区域粮食生产效率，揭示近20年粮食生产效率的时空变化特征，并利用Tobit模型和地理探测器模型比较分析粮食生产效率的关键影响因子。结果表明：粤西地区粮食生产效率平均值为0.77，其中，茂名市粮食生产效率最高（0.88），阳江市次之（0.78），湛江市最低（0.65）。Tobit模型和地理探测器测算粤西地区粮食生产效率影响力（贡献力）最大的投入因子是农业机械总动力，分别为-1.082和0.942。Tobit模型测得的7个投入因子仅化肥施用量（0.015）与粮食生产效率呈显著正相关，有效灌溉面积、粮食播种面积、农药使用量3个因子与粮食生产效率相关性不显著，农用塑料薄膜使用量、从业人口、农业机械总动力3个因子呈显著负相关。而地理探测器测得所有因子均对粮食生产效率产生显著影响。阳江市投入因子贡献力与粤西地区大致相同，但化肥施用量贡献力高出有效灌溉面积0.008。湛江市与茂名市化肥和农药投入的贡献力仅次于农业机械总动力，有效灌溉面积贡献力均最低。但茂名市粮食播种面积的贡献力依次大于从业人口和农用塑料薄膜使用量，湛江市则相反。研究表明，20年来粤西地区粮食生产效率不高，整体呈中等效率水平，粮食生产效率先降后升的变化趋势显著；地理探测器测度结果无不显著因子存在，探测因子影响力比Tobit模型所得结果更稳定且偏误小；农业机械总动力是影响粤西3市粮食生产效率的主导因子，但不同城市粮食生产效率的因子贡献力差异较大，湛江和茂名对化肥、农药等污染较大的生产要素依赖性更强。     

BTOPMC/SCAU分布式流域水文模型原理和系统设计

BTOPMC(block-wise use of TOPMODEL(TOPgraphic MODEL,基于地形的水文模型)with the Muskingum-Cunge method,分块应用TOPMODEL和马斯京根-康吉汇流方法)是一个具有较强物理基础的分布式流域水文模型,主要用于教学和流域研究,模型有待软件化,以便用于流域作业预报和水资源管理。该文采用多层架构体系设计了该模型的计算机系统,形成了BTOPMC/SCAU(south china agricultural university),系统由数据层、模型层、通信层、数据表达层和用户操作层组成,运行环境采用客户端/服务端模式。提供手动和自动2种参数率定模式,自动率定采用SCE-UA(shuffled complex evolution developed at university of arizona)全局最优算法,内置7种目标函数。采用Open MP(open multi-processing,开放式多处理)多核并发编程技术在产汇流模块实现了多核并行计算。系统为流域水文作业预报和水资源管理提供了精致的方法和简便工具。     

土壤有机质空间变异与农用地自然质量关系研究

该文以广州市花都区赤坭镇为试验区，根据典型农用地类型的土壤采样基于Cokriging方法进行土壤有机质精确插值与空间变异分析，并将结果与农用地分等成果进行相关分析。结果表明，以土壤有机质和农用地类型为协因子的球状模型Cokriging总体插值精度最高，试验区内土壤有机质分布格局是四周丘陵和水库区含量较低，巴江河两岸的平原地区、西南角的山前冲积平原含量较高，这也是灌溉水田密集的区域；试验区内土壤有机质含量菜地分布比较均匀、空间相关性很强，而水浇地分布差异较大、空间变异性较高；土壤有机质分布在南北、东北-西南两个方向相关性较强具有各向同性特征，在东南-西北、东西方向具有各向异性特征，受到随机因素的影响变异性较大。土壤有机质Cokriging插值结果与试验区内农用地自然质量等指数的相关性很显著，菜地与农用地自然质量等指数相关性最强，灌溉水田其次，旱地最差。     

基于GARBF神经网络的耕地土壤有效磷空间变异分析

为了调整耕地管理措施、合理施用磷肥、减少磷素流失、降低水体非点源污染,该研究以高州市为例,在全市各区镇共采集了664个耕作层(0～20cm)土样,利用遗传算法优化的径向基函数(radial basis function network optimized by geneti calgorithm,GARBF)神经网络和普通克里金法(Ordinary Kriging)等方法,分析了县域耕地土壤有效磷在不同采样尺度下的空间变异特征及其空间分布格局与成因。结果表明,高州市耕地表层土壤有效磷存在半方差结构,半方差函数曲线与指数和球状模型曲线拟合较好;5种采样尺度下(训练样点数分别为100、200、300、400和500)耕地表层土壤有效磷均表现出弱的结构空间相关,在较大范围内空间自相关性较差。GARBF神经网络空间插值能力在整体上要有优于基于邻近点RBF神经网络和普通克里金法。300样本下GARBF神经网络空间插值结果表明,高州市耕地表层土壤有效磷的盈余现象比较严重,并且盈余有效磷的流失对该地区水环境会产生严重的威胁。该研究结果可以为土壤属性空间估测、合理施肥以及降低水体非点源污染提供理论依据和技术支持。     

高背型异育银鲫池塘主养试验

鲫在传统的养殖业中，仅是一个配养种类，因此，产量低，经济效益不显著。为了活跃市场，丰富人们的生活，使养殖业获得较好的经济效益，我所以高背型异育银鲫为对象，进行了养殖试验。现将结果介绍如下：一、材料和方法（一）材料“1．池塘条件：池塘土质为沙壤上，为防止渗漏，池底和池边铺以塑料薄膜，并在薄膜上覆盖20厘米厚的土层。面积3．sl亩，池塘为东西走向的长方形，池深2．5米，水深1．0～1．6米。2．水源及水质状况：水源为地下水。设四十米深的6时密封井抽灌，水温16～17C，经水泥衬砌渠道80米流程后进入鱼池。溶氧3．15毫克…     

多种分类器在农用地分等中的应用及其用法改良

以广东省第二次土壤普查成果资料为主要数据源,选取贝叶斯决策、BP神经网络、概率神经网络、聚类等分类方法分别对数据源进行分类;并且,笔者为了充分利用有监督学习分类准确率高和无监督学习无需标定的学习样本的优点,提出了基于监督--非监督的聚类算法,然后对上述五种方法的评价结果作了比较分析;实验表明文章提出的基于监督--非监督聚类方法只利用少量的有标定学习样本,即可得到较高的分类准确率,特别在少量样本时,该方法能得到比贝叶斯决策方法、BP神经网络和概率神经网络等监督学习方法更好的土地评价结果;在实际应用中,可以尝试结合监督和非监督学习的方法,实现分类正确率和获取大量有类标签的样本之间的折中。     

基于概率神经网络的广东省土地资源评价

用概率神经网络的方法，以广东省土地资源为对象进行了土地资源评价的研究，并与BP网络的评价结果作了比较,结果表明，用概率神经网络进行评价的结果比BP网络的评价结果更加准确，更加切合实际情况，一定程度上避免了人为因素的干扰，提高了土地资源评价的准确性．     

基于MaxEnt模型提取撂荒耕地——以四川省武胜县为例

在乡镇尺度厘清商品粮生产基地的撂荒耕地问题,对耕地保护和粮食安全具有重要意义。基于国产GF-1号遥感影像,耦合撂荒耕地的影响因子及影像波谱信息,以撂荒耕地问题较为突出的四川省武胜县为案例区域,探索应用MaxEnt模型提取常年性、季节性撂荒耕地信息的潜力,揭示撂荒耕地时空分异规律及其影响因素。结果表明,MaxEnt模型识别撂荒耕地的受试者工作特征曲线下面积（AUC）值均大于0.9,混淆矩阵总精度大于80%,季节性撂荒耕地面积与统计年鉴的相对误差不超过10%。受高程影响,常年性撂荒耕地主要集中分布于海拔超过300 m的丘陵山区,少数零星分散于嘉陵江两岸地势低缓的地区;季节性撂荒耕地各镇均普遍分布,局部呈片状分布特征。在2015—2018年研究时段内,常年性、季节性撂荒耕地面积和撂荒耕地总面积均保持平稳态势。研究认为,MaxEnt模型在提取撂荒耕地信息方面具有较大的应用潜力和优势;常年性与季节性撂荒耕地具有不同的空间分异特征,前者归因于海拔、交通及灌溉条件,后者归因于海拔、耕作半径和灌溉条件。研究丰富了基于遥感影像提取撂荒耕地信息的方法,增强了撂荒耕地时空分异特征与归因的认知,为乡村耕地合理利用与管理的实践提供理论支撑。