農業大數據基於GIS的農業適宜性評價分析方法與流程

2023-10-08 12:46:04

本發明涉及大數據及海量數據處理技術領域，具體而言，涉及一種農業大數據基於gis的農業土地適宜性評價分析方法。

背景技術：

農業大數據是大數據技術和方法在農業領域的實踐，從微觀層面講涉及到耕地、育種、播種、飼養、施肥、植保、收穫、儲運、農產品加工、銷售、畜牧業生產等各環節，從宏觀層面講涉及到結構調整、農業增效、農村增綠、農民增收等板塊，呈現出跨行業、跨專業的產業格局，用農業大數據來指導生產、經營、產業，將為現代農業發展和政府決策提供科學、準確的依據。

農業土地適宜性評價就是對某塊土地是否適宜發展特定農業種植及其適宜程度如何進行綜合評定,通過採集不同時間維度上的土地環境資源數據並進行大數據並行處理,得出反映土地適宜性的綜合指標，再結合地理信息系統(gis)將土地評價指標直觀得展現在地圖中供監管門戶進行決策分析。另外，當前我國部分土壤汙染極為嚴重，各類耕地土壤質量嚴重下降，土壤汙染嚴重超標，「土十條」己獲國務院審核通過。通過農業大數據分析將影響土地種植適宜性的基本因子如氣候、地質、地形、水文、土壤、土壤汙染源以及反映宏觀指標的產量、價格等數據進行匯集、加工和處理，且這些因子都具有較強的區域差異性,表現為空間數據，地理信息系統(gis)可以使土地適宜性評價的空間信息與屬性信息通過「大數據+gis」整合展示,使土地適宜性評價更加定量化、規範化、綜合化，一是能夠為農業生產進行指導，二是對土壤的環境質量，尤其汙染土壤的風險管控和土壤修復問題提供依據。

技術實現要素：

本發明提供一種農業大數據基於gis的農業土地適宜性評價分析方法，對適宜農作物生產的農業基礎資源類型進行評價和排行，為生產決策提供可靠依據。

本發明所採用的技術方案為：

一種農業大數據基於gis的農業土地適宜性評價分析方法，具體步驟如下：

第一步是選取評價指標：對農業大數據中心資料庫中的農業生產基礎資源數據進行選取，選取的評價指標有：氣象數據、土壤數據、地質數據、地形數據、水文數據、病蟲害數據、價格數據、產量數據；

第二步對所述評價指標進行數據採集和抽取：評價指標進行單因子量化分級、評價數據積累；

第三步運用大數據並行計算對單因子適宜性評價指數進行計算；

第四步檢驗單因子適應性評價指數的選取精度；

第五步結合層次分析法ahp對單因子相對權重進行計算；

第六步建立綜合評價模型：在第五步的基礎上按照多因子採樣抽取，使得每個評價單因子都有相應的權重指數分配，再通過二維矩陣模型建立向量表，計算每一個評價單因子的土地適宜度，即通過權重調整後的土地適宜性評價指數；該土地適宜性綜合評價指數採用線性回歸中的向量計算公式計算，同時採用線性函數建立最適宜函數、一般適宜函數及不適宜函數三級函數模型；

第七步對第六步的結果進行綜合評價模型定量測試校驗；如果校驗結果通過，則進度到下一步對綜合評價指數進行多維分析。反之檢驗結果偏差較大，則需要重新劃分基礎數據指標採集範圍，並重複第二、三、四、五、六步的計算過程；

第八步對土地適宜度綜合評價模型進行大數據多維分析，主要分析指標包括：產量價格組合分析、評價指數分布範圍，土地覆蓋率、農作物適宜度分類幾個維度；找出最適宜種植的農作物種類，並輸出為土地資源空間資料庫，形成數據源。

農業土地適宜性就是對某塊土地是否適宜發展農業生產及其適宜程度如何進行綜合評定，是土地評價最基本的工作。從微觀層面上來講，它通過採集大量關於氣候、地質、地形、水文、土壤、病蟲害發生率、周邊建築地形地貌、資金投入比重、交通條件等主要影響農業土地適宜性的因子樣本和歷史數據，整合為空間大資料庫，以便直觀清晰的量化和反映土地的「四情」；從宏觀層面上來講，將這些空間數據通過複雜的大數據分析計算後得出反映土地適宜性的綜合指標，將每種影響因子的貢獻比例進行延伸和篩選，突出影響較大的因素，抑制幹擾較深的條件，最終形成適宜性評價指標體系單元及其最優因子的覆蓋程度，再與地理信息系統（gis）相結合進行數字分析處理，通過多圖層技術將評價指標因子進行層級劃分，對適宜農業生產的類型（宜農、宜林、宜牧）進行排行，為生產決策提供可靠依據。

附圖說明

圖1為本發明流程圖；

圖2為本發明在農業大數據平臺實現效果圖。

具體實施方式

下面結合附圖和具體實施方式對本發明進行詳細說明。

如圖1所示，一種農業大數據基於gis的農業土地適宜性評價分析方法第一步是選取評價指標，對農業大數據數據中心中的土地資源基礎數據進行選取，選取的評價指標有：氣象數據、土壤數據、地質數據、地形數據、水文數據、病蟲害數據、價格數據、產量數據。

第二步，主要對評價指標進行數據採集和抽取，評價指標進行單因子量化分級、評價數據積累，其中氣象數據單因子量化分級採集指標包括：空氣溫度、氣壓、空氣溼度、蒸發量、光照、風向、風速；土壤數據包括：土壤類型、土壤溫度、土壤溼度、有機質、氮磷鉀含量、土壤容量；地質數據包括：地質形態、巖石構造、傾斜程度、礦物成分、巖層厚度；地形數據包括：山丘、平原、高原、盆地、邱原、山地；水文數據包括：徑流、泥沙含量、水質、水位、巖層土壤含水量；病蟲害數據包括：糧食作物病蟲害、蔬菜作物病蟲害、經濟作物病蟲害、果樹作物病蟲害、病蟲害類型、病蟲害防治方法；價格數據包括：地頭價格、批發價格、同比價格、環比價格；產量數據包括：畝產量、年產量。以上採集指標作為評價指標的單因子，進行後續計算。

第三步運用大數據並行計算對單因子適宜性評價指數進行計算。由於各種影響土地適宜性評價的單因子都會產生和吸收海量的底層數據，且單因子適宜性評價指數的分析也會涉及到大量的矩陣計算，傳統的線性計算方式已不能滿足整體指標的分析，因此本發明採用目前業界流行的大數據並行計算技術來充分發揮硬體計算資源的使用效率，這將會大大減少矩陣計算的誤差和耗費時間。本專利所採用的大數據並行計算技術採用目前業界流行的hadoop計算架構體系進行，其分布式、並行性、多線程性能，滿足綜合評價指數的計算需求。

第四步檢驗單因子適應性評價指數的選取精度，如果對某一項被選取的因子適宜度發生偏差的話，則應該在下一次計算中剔除出去，例如土壤溼度和土壤水含量兩個因子的適宜度計算產生相互幹擾的話，則只保證其中一項因子作為備選。

第五步結合層次分析法（ahp）對單因子相對權重進行計算。層次分析法建立的步驟。第一，建立遞階層次結構，確定權重的目標層、準則層、措施層；第二，採用特爾菲法構造判斷矩陣，確定各個評價單因子的相對重要性；第三，層次單排序與檢驗，對於構造的判斷矩陣，利用特定數學方法進行層次排序。單排序是指每一個判斷矩陣各因素針對其準則的相對權重。在實際中要求判斷矩陣滿足大體上的一致性，需進行一致性檢驗。只有通過檢驗，才能說明判斷矩陣在邏輯上是合理的，才能繼續對結果進行分析；第四，層次總排序與檢驗，總排序是指每一個判斷矩陣各因素針對目標層（最上層）的相對權重。這一權重的計算採用從上而下的方法，逐層合成。

第六步建立綜合評價模型，在第五步的基礎上按照多因子採樣抽取，使得每個評價因子都有相應的權重指數分配，再通過二維矩陣模型建立向量表，計算每一個評價因子的土地適宜度（通過權重調整後的土地適宜性評價指數）。本發明採用線性回歸中的向量計算公式計算土地適宜性綜合評價指數，在以下公式中：

s為土地適宜性綜合評價指數，wi為第i個評價因子的相對權重，si為第i個評價因子的適宜性評價指數。

同時建立函數模型時採用線性函數。其中最適宜函數可描述為：

一般適宜函數可描述為：

不適宜函數可描述為：

以上各式中，ui、uj、uk分別為最適宜、一般適宜和不適宜3級函數模型，xi為評價單元第i個影響因子的擾動因素，sij為第i個影響因子j的指標。

本發明將等級劃分標準的間斷點作為指標對應最適宜、適宜、不適宜三個等級模糊子集的代表值，根據上述函數模型通式構造各自的線性回歸函數，計算出各單因素指標值分別隸屬於最適宜、中、低三個級別的程度，形成單要素評價矩陣r。在建立綜合評價模型中，為減少因為歷史評價經驗而產生的數據差異性並最終消除擾動因素，每一個評價單因子都應該在一致性滿意度的正態分布區間中進行權重計算。

第七步對第六步的結果進行綜合評價模型定量測試校驗。如果校驗結果通過，則進度到下一步對綜合評價指數進行多維分析。反之檢驗結果偏差較大，則需要重新劃分基礎數據指標採集範圍，並重複第二、三、四、五、六步的計算過程。

第八步對土地適宜度綜合評價模型進行大數據多維分析，主要分析指標包括：產量價格組合分析、評價指數分布範圍，土地覆蓋率、農作物適宜度分類等幾個維度，例如當適宜度綜合評價指數介於一定的區間範圍時，對此條件下的土壤、氣象、水文、產量和價格等多重因子進行綜合分析，找出最適宜種植的農作物種類，並輸出為土地資源空間資料庫，形成數據源。

第九步中整合第八步中的數據結果，對當前綜合適宜度評價指數進行多因子組合，並使用gis多圖層技術進行逐個輸出，通過抽取不同的指數區間，地圖圖層會聯動顯示不同的影響因子分布情況。

下面以天津市武清區天鷹椒種植區域適宜性評價分析舉例說明

1、選取評價指標

評價指標對評價的影響主要表現在兩個方面：其一，對不同的評價目標（例如不同的土地利用方式）要選用不同的評價因子，根據特定區域的不同狀況適當增加或減少評價因子的個數；其二，各評價因子對評價目標的影響大小不是完全一致的，對於不同的評價目標，各評價因子的權重可能不同。

根據當地實際情況，天鷹椒種植用地的評價因子包括：年平均氣溫（ｔ年）、≥10℃活動積溫（∑ｔ≥10℃）、年極端最低氣溫≤-18℃出現的頻率（ftmin≤-18℃）、3-10月平均相對溼度（u3-10）、海拔高度、坡度、坡向、土壤質地、土壤類型等9個指標作為備選評價因子。

2、評價指標數據採集和抽取

通過採集和抽取農業大數據中心的相關評價指標數據，整合成基礎因子數據集合作為備選資料庫表。每一個評價因子都對農作物種植起著至關重要的作用，在綜合評價作物土地適宜性之前，必須研究作物種植每一個影響因子的等級。根據當地實際情況及天鷹椒對各項指標的要求，對評價因子進行分級（表1）。

表1、天鷹椒土地適宜性評價因子分級

3、單因子適宜性評價指數計算

採用大數據並行計算對天鷹椒種植的氣候、地形、土壤數據進行計算，確定影響天鷹椒生長的主要單因子屬性。

4、檢驗單因子適應性評價指數

由於各個因子對作物用地適宜性的影響程度各不相同，只有對各評價因子的重要性大小做出正確判斷，才能保證評價結果的真實性。

5、單因子相對權重計算

經過層次分析法(ahp)確定各評價因子及權重，很明顯，第二層的單排序結果就是總排序結果，同樣，對總排序結果進行一致性檢驗。如果通過，則可以認為判斷矩陣的整體一致性是可以接受的。

最後，在參考已有研究成果和實地調查的基礎上，確定了天鷹椒用地適宜性各評價因子的相對重要性，採用大數據並行計算技術進行層次分析法的演繹，並通過一致性檢驗(o≤cr≤0.05．小於0.1)，得出武清區天鷹椒特色經濟作物土地適宜性評價因子的權重（表2）

表2、武清區天鷹椒適宜性評價因子權重

6、構建天鷹椒種植適宜性評價綜合模型

在評價因子的適宜度量化分級裡，有些指標是定量描述的，如年平均氣溫，年降水量，年日照時數等，而有些指標只能做定性描述，如坡向，土壤類型，土壤質地等。為了方便分析問題，應使這些定量或定性的指標有一個統一的衡量標準，以便採用構造隸屬函數的方式進行描述。對定量指標可進行歸一化處理，對定性指標可根據該目標的適宜度等級綜合考慮。

本專利採用分段函數來確定天鷹椒土地適宜度綜合評價等級的回歸函數模型。對於定性指標（坡向、土壤類型、土壤質地），本發明擬根據適宜度的三個分級程度分別賦值為1、2、3。

回歸函數建立後，利用gis軟體的spatialanalyst模塊中的「con」條件函數對指標圖層進行運算，進而得到各指標相對於評價等級的適宜度，最後得到相應的適宜度矩陣r圖層運算的範圍是武清區，基本評價單元為柵格單元，每個單因素指標的空間模糊評價結果是生成3個適宜度圖層。

7、綜合評價模型定量測試校驗

在確定各評價因子權重和單因子模糊評價之後，得到評價因子權重集a和模糊關係矩陣r。要考慮所有因素的影響，得出科學的結論，仍必須進行綜合評價模型定量測試校驗，校驗採用模糊綜合評價。進行模糊綜合評價，還需要進行模糊變換，通過選擇模糊合成算子進行綜合評價。模糊變換的模型為

式中，b=(b1,b2,……，bn)為模糊綜合評價結果向量，a為評價因素的權向量，符號「o」為模糊合成算子，本文採用m(•,+)是一種較為廣泛應用的加權平均型算子模型。其特點是既充分運用評價因子數據，又能明顯地體現各評價因子的權重差異，且具有較強的綜合作用。

上式的模糊變換分兩部分完成：第一步是權重向量與單因素評價模糊矩陣進行乘法運算，對於空間圖像，其運算過程是權重向量與每一個等級的所有因子圖層進行加權平均運算，生成相對於一個評語等級的隸屬度圖層。第二步為求解出各指標對三個評價等級的隸屬度之後，根據最大隸屬度原則，來判斷最終的評價結果等級。

8、天鷹椒適宜性綜合評價結果大數據多維分析

武清區天鷹椒適宜性評價結果表明全區最適宜、適宜和不適宜土地面積分別為1355.48畝、3312.74畝和1440.59畝，分別佔全區參評土地總面積的2.23%、5.45%和2.37%。

9、天鷹椒適宜性綜合評價結果gis多圖層輸出

天鷹椒最適宜區主要集中在武清南部地區。這些地區主要是海拔0-50m的平原，溼度適宜，在天鷹椒生長旺季4-6月的溼度都穩定在75-90％之間，熱量充足，年平均氣溫均大於15℃，大於10℃的年積溫也是處在4500℃以上，冬季極端最低溫度≤-18℃的頻率都小於20％，土壤為砂壤質紅壤和黃壤，正常情況下天鷹椒生產能獲得優質高產。

天鷹椒適宜區，主要分布在武清區東部，土壤主要是水稻土、紅、黃壤，冬季極端最低溫度≤-18℃的頻率大於20％以上，天鷹椒產量不穩定，這些地區可作為武清蔬菜的生態效益而發展。

天鷹椒不適宜區，主要在武清區西北部，冬季極端最低溫度≤-18℃的頻率大於50％以上，此區域天鷹椒容易受到凍害，因此這些地區不宜盲目發展天鷹椒生產。