基于WebGIS 的家庭农场名录系统设计与实现

【目的】家庭农场基础数据不准、更新不及时、信息不对称、失真等问题阻碍了家庭 农场的健康发展，建立家庭农场精准管理体系，实施精准化、信息化管理服务意义重大。 【方法】文章根据新形势下家庭农场管理服务的需求，基于空间地理信息、移动互联网、大 数据等现代信息技术，构建了B/S 结构的农场名录系统。【结果】该系统实现名录建设、跟 踪监测、示范评定的数字化、网络化，提升了查询、统计、监管等工作效率，并为农场经营 者开展生产经营活动提供相关支持服务。【结论】该系统已面向全国各级农业农村部门和家 庭农场经营者试运行，实现了家庭农场名录的信息采集、审核认定、统计分析等，为了解家 庭农场现状、制定相关政策提供了较好的支撑。     

农村土地承包经营权要素编码的关键问题及解决途径

为准确使用NY/T 2538-2014、规范农村土地承包经营权确权登记颁证工作,针对目前农村土地承包经营权要素编码中存在的县级段代码和乡级段代码编制、发包方编码、承包方编码、特殊区域编码等关键问题,采用文案调查法和实地调查法进行深入剖析,并给出了问题的解决途径。结果表明:1)县级段代码和乡级段代码应以目前正在开展的农村土地承包经营权确权登记颁证工作作为时间节点来进行编码,并采用民政部公布的行政区划代码;2)发包方应按照农村土地所有关系进行编码,并且发包方编码在承包期内保持稳定;3)承包方应视为权利人来进行编码,其编码取决于是否与发包方签订承包合同;4)农村土地承包经营权要素编码与特殊区域内农村土地承包管理方式无关,应按照农村土地承包经营权要素的内在关系进行编码。通过剖析上述关键问题,研究可进一步深化对农村土地承包经营权要素编码的认识,促进NY/T 2538-2014在农村土地承包经营权确权登记颁证工作中的规范应用。     

《农村土地承包经营权要素编码规则》国家标准解读

农村土地承包经营权要素编码是开展农村土地承包管理的基础性工作。《农村土地承包经营权要素编码规则》(GB/T 35958-2018)于2018年9月1日开始实施,必将对规范农村土地承包经营权确权登记颁证工作和促进土地承包管理信息化建设发挥极其重要的作用。为便于国家标准GB/T 35958-2018使用者理解和执行,本文对标准的主要内容进行分析和解读。介绍了GB/T 35958-2018的编制背景,分析了标准的内容要素和层次结构,剖析了标准中农村土地承包经营权要素的代码结构、编码方法和赋码规则,揭示了GB/T 35958-2018与国内相关标准的关系,特别是与NY/T 2538-2014的内在关联性,指出了GB/T 35958-2018在应用过程中需要注意的若干问题,并就及时宣贯和修订国家标准提出了建议。研究可望深化对农村土地承包经营权要素编码的认识,促进GB/T 35958-2018在农村土地承包经营权确权登记颁证工作中的有效实施和规范应用。     

农地确权成果在耕地景观格局分析中的应用

如何将农地确权数据成果应用于农业发展尚在探讨中。研究将农地确权数据成果应用在耕地景观格局分析中,以郑家镇为例,基于2015年农村土地承包经营权确权登记工作中实测法得到的承包地块矢量数据,结合多光谱遥感影像数据,采用景观指数法,分别从镇级、村级两种空间尺度对耕地的自然景观和权属景观格局特征进行了对比分析。结果表明,相同空间尺度下,耕地自然景观与权属景观存在差异,承包经营权制度对耕地景观格局具有影响。在村级尺度下,各村耕地分配具有差异性。郑家镇耕地整体景观表现为一致的聚集程度高,但不同空间尺度下耕地破碎化、连片分布情况和斑块形状复杂程度不一致。农地确权数据成果可在不同空间尺度支持耕地景观格局分析,依据分析结果可以支持不同行政级别的农村耕地承包地权属分配、流转用地经营空间布局和耕地利用整理等农业管理工作,辅助智慧农业发展。     

基于高分辨率影像的农村宅基地空间分布信息提取

【目的】 基于高分辨率影像提取农村宅基地空间分布,可以快速、便捷获取农村宅基地空间分布信息。【方法】 文章选择黑龙江省安达市吉星岗镇作为研究区,基于高分辨率正射影像,采用人工目视解译方法获取了研究区农村宅基地空间分布信息,并利用房地一体农村宅基地和集体建设用地使用权确权登记颁证工作成果对其精度进行了验证。【结果】 （1）吉星岗镇共有宅基地5 897宗,总面积640.76 hm²,平均每宗宅基地面积为1 095.61 m²。（2）吉星岗镇宅基地在空间上总体分布零散,但在行政村内分布相对紧凑,基本上以自然屯为单元,集中分布在自然屯内某个区域。（3）吉星岗镇宅基地数量和面积总体精度分别为81.86%、91.87%,10个行政村宅基地数量精度在72.55%～88.47%之间,面积精度在82.94%～99.92%之间。（4）与实测法、倾斜摄影测绘法、勘丈测绘法等方法相比,基于高分辨率正射影像,采用人工目视解译方法获取宅基地空间信息,操作简单、成本低、工作周期短。【结论】 该文成果可为研究区农村宅基地改革和管理提供数据支撑,该方法为获取农村宅基地空间信息的方式提供了参考。     

农村土地承包经营权要素编码规则研究

建立统一的农村土地承包经营权要素编码规则是开展农村土地承包信息化建设的基础性工作。从农村土地承包经营权的主体、客体和内容出发，将发包方、承包方、承包地块、承包合同、农村土地承包经营权证和农村土地承包经营权证登记簿作为编码对象；基于农村土地承包经营权各要素之间的相互关系，将承包地块和承包方纳入到发包方下进行统一编码，承包合同、经营权证和登记簿编码一致，并且与承包方编码关联；以行政区划编码为基础，提出了各编码要素的代码结构、编码方法和赋码规则。研究对提高农业行政主管部门办事效率和促进农村土地承包信息化建设具有十分重要的理论和实践意义。     

世界主要国家精准农业发展概况及对中国的发展建议

中国是一个农业生产和消费大国,同时也面临着投入产出比率相对较低、环境污染等一系列问题,尤其在国际形势变化、自然灾害频发的背景下,中国传统农业生产方式亟需转型升级。在人工智能、物联网、云平台等新兴技术的带动下,精准农业孕育而生,成为了全球农业实现绿色、高产的有效途径。该文瞄准世界精准农业发展较好的发达国家和地区,通过文献梳理和总结,凝练出政府引导、信息化建设、科技支撑、新型农民培育等发达国家和地区发展精准农业的成功经验。在此基础上,着眼于中国大田种植,分析中国发展精准农业的基础,从农田配套设施及信息化建设、农业信息获取、自动变量作业系统及装备等方面充分认识中国发展精准农业的薄弱环节。该文旨在厘清中国精准农业的发展方向,借鉴国际经验,提出中国精准农业今后的发展建议,如强化政府组织领导作用、加强基础设施和信息化建设、聚焦核心技术研发、培养新型农业人才、分区域试点示范。     

基于无监督和YOLOX的农村房屋建设状态识别算法

【目的】 为了提升自然场景中农村在建房屋的识别准确率,并为后续的农村违建房屋智能化监管提供技术支撑。【方法】 文章基于无监督聚类和YOLOX目标检测算法,发展了一种乡村房屋在建状态识别方法。首先,构建在建房屋无监督聚类模型,并以此对在建房屋进行类别精细划分,使得不同类别之间特征差异较大,相同类别特征差异较小,其次,再使用划分好的类别制作房屋检测数据集,并训练YOLOX目标检测模型对在建房屋进行识别,最后,在在建房屋数据集上设计模型对比实验,以此验证算法有效性。【结果】 实验结果表明：在在建房屋识别任务中,基于无监督聚类和YOLOX的在建房屋识别算法mAP为83.27%,比采用原始数据（不进行在建房屋类别划分）训练的YOLOX算法mAP提升了7.91%,同时比采用人工划分类别的YOLOX算法mAP提升了5.08%。【结论】 因此该文方法有效提升了乡村房屋在建状态的识别精度,同时也为具有复杂场景和多个不同状态的目标进行识别时,提升识别准确率提供一种有效且可靠的解决思路。     

农村宅基地代码编制规则研究与应用以安达市吉星岗镇吉星村为例

【目的】 建立统一的农村宅基地代码编制规则是开展农村宅基地信息化管理的基础性工作。【方法】 在吸收、消化国内外相关编码的基础上,文章将宅基地所有权人、农户、宅基地、宅基地使用权人和农民房屋作为农村宅基地编码内容,提出了相应的代码结构、编码方法和赋码规则,并以安达市吉星岗镇吉星村为例,对编码进行了应用。【结果】 （1）各编码内容体现了农村宅基地的权利要素构成,符合农村宅基地基础信息调查工作的实际需要;（2）各编码内容以行政区划编码为基础,符合国家行政管理原则,能够与其它相关编码体系进行有效衔接,有助于农村宅基地信息的交换和共享;（3）以宅基地所有权人为基础进行统一编码,能够很好地反映各编码内容之间的内在关系,有利于农村宅基地信息化管理。【结论】 研究对提高农业农村行政主管部门工作效率和促进农村宅基地管理信息化建设具有十分重要的理论和实践意义。     

垂直干旱指数的改进及在冬小麦生长季的应用

基于近红外-红波段特征空间的垂直干旱指数(PDI)在表征土壤水分时精度还有待于提高。为提高PDI对土壤水分的敏感性，基于短波红外和红边波段对作物水分胁迫响应更为敏感这一事实，考虑Sentinel 2卫星数据的短波红外、红边1、红边2和红边3波段，分别与红波段构建特征空间，提出新的土壤水分监测指数(分别记为SPDI、R1PDI、R2PDI和R3PDI),改进PDI,并基于冬小麦全生育期的土壤湿度实测数据评价构建的指数。结果表明，与PDI相比，新建立的指数在表征土壤墒情方面表现良好，与实测土壤湿度的负相关性更强。冬小麦播种、越冬、拔节和灌浆期的土壤墒情最优表征指数分别是SPDI、R1PDI、R2PDI和R2PDI,这些指数与实测数据的相关系数绝对值|r|分别为0.79、0.74、0.70和0.61,相关性极显著，均强于PDI与冬小麦播种、越冬、拔节和灌浆期实测数据的相关性。Sentinel 2数据的短波红外、红边1和红边2波段更适合构建水分响应指数，与红波段构建的新型指数在土壤墒情监测方面具有潜力。