| 耕地生产力隐性退化遥感监测与影响因素分析 |
| |
| 引用本文： | 李卓,查思含,霍伟,王林林,郭文华,孙丹峰.耕地生产力隐性退化遥感监测与影响因素分析[J].农业机械学报,2022,53(4):363-371. |
| |
| 作者姓名： | 李卓 查思含 霍伟 王林林 郭文华 孙丹峰 |
| |
| 作者单位： | 自然资源部城市国土资源监测与仿真重点实验室,深圳518034;中国农业大学土地科学与技术学院,北京100193,中国农业大学土地科学与技术学院,北京100193,自然资源部城市国土资源监测与仿真重点实验室,深圳518034;自然资源部信息中心,北京100036 |
| |
| 基金项目： | 自然资源部城市国土资源监测与仿真重点实验室开放基金项目（KF-2020-05-026）和国家自然科学基金项目（41801202） |
| |
| 摘 要： | 以江苏省永久耕地为例，基于2001—2019年中分辨率成像光谱仪(Moderate resolution imaging spectroradiometer, MODIS)遥感影像，开展耕地生产力隐性退化遥感监测和影响因素分析。BFAST(Breaks for additive seasonal and trend)算法用于建模历史时期耕地生产力变化的预期行为，并以此为基准判断监测时期耕地生产力是否存在隐性退化风险。基于地理探测器，从3个准则层的8项指标变量对耕地生产力隐性退化进行了主导影响因素探测和因子交互分析。研究结果表明：江苏省存在生产力隐性退化的耕地比例为21.9%,具有显著的空间差异。西北地区的徐州市、宿迁市的耕地生产力隐性退化比例最高，分别为47.2%和43.4%,且表现出聚集性。东南地区的苏州市、无锡市和南通市的耕地生产力隐性退化比例较低，均不足10%。因子探测分析表明外流人口数量、种植业从业人员数量和农业机械化总动力3项指标对江苏省耕地生产力隐性退化的解释力最强。多因子交互耦合后，人口因素与生产条件解释力增强最为显著。耕地生产力隐性退化的地域分异类型划分为生产条件约束型...
|
| 关 键 词： | 耕地生产力 隐性退化 BFAST算法 地理探测器 影响因素分析 江苏省 |
| 收稿时间： | 2021/11/28 0:00:00 |
Remote Sensing Monitoring of Recessive Degradation for Cultivated Land Productivity and Its Influencing Factors |
| |
| LI Zhuo,ZHA Sihan,HUO We,WANG Linlin,GUO Wenhu,SUN Danfeng.Remote Sensing Monitoring of Recessive Degradation for Cultivated Land Productivity and Its Influencing Factors[J].Transactions of the Chinese Society of Agricultural Machinery,2022,53(4):363-371. |
| |
| Authors: | LI Zhuo ZHA Sihan HUO We WANG Linlin GUO Wenhu SUN Danfeng |
| |
| Abstract: | |
| |
| Keywords: | cultivated land productivity recessive degradation BFAST algorithm Geodetor tool influencing factors analysis Jiangsu Province |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
