一种基于GIS的耕地质量评价方法

摘 要：现今的耕地质量评价方法区域元数占比较低、空间相似性较低，进而导致综合评价等级较低。因此，研究基于地理信息系统（Geographic Information System，GIS）的耕地质量评价方法十分必要。通过GIS合成遥感影像，转换成遥感数据，而后进行预处理和辐射校正；选择评价指标，对不同的评价单元进行赋值；运用累加法对不同评价单元的耕地质量综合指数进行计算，获得综合得分完成等级划分。试验结果表明，所提方法的区域元数占比为7.9%，空间分布相似性较高，综合等级评价结果最高为8.03，应用效果良好。

关键词：GIS；耕地；质量评价；累加法

中图分类号：F323.21 文献标志码：A 文章编号：1674-7909（2023）19-155-4

0 引言

随着人口的增长和经济的发展，农业生产承担着越来越多的粮食供应压力，而保障国家粮食安全和实现农业可持续发展对优质耕地的需求越来越迫切。耕地是有限的自然资源，其数量相对固定。根据联合国粮食及农业组织的数据，全球每年大约有600 km2的耕地变为非农业用地。为了更好地管理和保护有限的耕地资源，进行耕地质量评价具有重要意义。然而，现今的耕地质量评价方法对于耕地坡度的实际辨别程度低，质量监测效果不好，耕地产出率下降使评价指标具有狭隘性，结果无法达到预期［1］。因此，笔者运用地理信息系统（Geographic Information System，GIS），结合实际情况，合成遥感影像并将其转换为遥感数据，而后进行预处理和辐射校正；选择适当的评价指标，并为不同的评价单元赋予相应的权重；通过累加法计算不同评价单元的耕地质量综合指数，根据综合指数对耕地进行等级划分，并进行试验和分析，以期提出应用效果更好的耕地质量评价方法。

1 试验地概况

基于地理位置、环境特点、政策需求、产业发展等方面的考虑，以某耕地范围作为研究区域。该研究区属温带半湿润季风气候区，夏季多雨。该研究区年平均气温为20 ℃，全年太阳辐射量为236.25 kJ/cm2，冬季气温为8 ℃左右，年内降水量最少为153.2 mm。该研究区灌排能力不足，土壤冲刷严重，土层深厚，土壤养分含量高；浅层地下水分布总面积为125 300 hm2，调节储量为0.65亿m3。

2 耕地质量评价

2.1 应用GIS获取耕地遥感图像数据

基于研究区作物生长情况，选择30 min内的专题制图仪（Thematic Mapper，TM）影像数据，空间分辨率为30 m。对研究区的土壤地貌、耕层深度及管理水平进行调查得知，该研究区受海浪侵蚀和泥沙沉积的影响，存在盐碱地，耕层比较深（可达30 cm），广泛应用化肥和农药。根据作物叶绿素在0.5 μm的吸收特征，利用光谱指数推测作物的生长情况和植被覆盖程度，分析计算光谱遥感数据的红外波段［2］。基于研究区的遥感影像，通过GIS分析获取的植被生长过程，获得作物指数。对作物指数进行归一化处理，以title为单位进行Grid投影。在像元水平上，输入作物的质量，并计算合成后的反射率，得到卫星高度与太阳之间方位角的数值。同时，在作物指数中，归一化植被指数（Normalized Difference Vegetation Index，NDVI）为作物生长状态最佳指数因子，根据其随时间变化绘制的变化曲线，通过计算进行比值处理，消除太阳高度角等环境因素对辐射过程产生的影响。对耕地来说，光波段具有反射作用，可以通过归一化处理将光波段与红外波段进行差值计算，得到两个波段之间的比值，其计算公式为

C_NDVI=B₁-B₂/B₁+B₂ （1）

式（1）中：B1为光波段，B2为红外波段。通过等面积正弦曲线图像，将该段时间内的遥感影像进行合成，不同影像的覆盖面大约在300 km×300 km。对获得的遥感数据进行预处理、汇总、下载，然后运用Modis投影工具进行几何校正，转换数据格式。其中Modis的投影参数设置如表1所示。

运用空中交通管制（Air Traffic Control，ATC）和GIS空间分析方法提取该区的影像，并运用Erdas软件进行剪裁。将获得的遥感影像数据标记出对应的边界范围，并提取范围数据。运用剪裁工具对图像进行剪裁，获得在对应范围中的剪裁影像，得到研究区范围的作物指数数据［3］。同时，处理环境卫星数据。灾害预测卫星采用准太阳同步圆轨道，设定轨道的高程为563.21 km，运用幅宽为350 km的高清相机进行拍摄，对全天时动态环境和灾害情况进行监测，能够及时对生态环境和灾害的发展情况进行预测，并快速评估耕地情况。在卫星上搭载高清相机和高光谱成像设备，并进行平行观测，按照分辨率的特点选择合适的耕地监测尺度。根据观测卫星的地面处理结果，处理数据后需要对辐射进行校正。明确辐射目标，消除误差。将初始的遥感影像像元亮度值（Digital Number，DN）转换成大气层中的表面反射率。运用定标系数将图像转换为辐射图像的公式为

L=DN/p+L₀ （2）

式（2）中：L为辐射亮度，p为增益系数，L₀为产生的偏移量。得到环境卫星数据图像后，通过像素光谱特征估计大气属性，能够同步观测气象数据，消除不同环境因素对耕地的散射效应，去除噪声获得平滑光谱。

2.2 选取耕地质量评价指标

将采样区域按照网格划分，确定采样点的位置，在每个采样点位选择代表性的位置进行采样，确保在每个采样点采集两个土壤剖面样品。对土样进行风干制备处理，并将样品装入瓶中备用。运用GIS软件将耕地质量要素数据作为基本字段，并建立数据库［4］。将获得的遥感图像数据进行文件形式转换，进行空间数据库和属性数据库的同步更新。对耕地质量进行评价时，选择耕地质量分值、全要素耕地质量分值、区域元数占比、空间分布相似性等评价指标。结合耕地的实际情况与农业生产的整体情况，经过专家讨论与打分，设定评价因子总集（见表2）。

将耕地要素组成实体形成评价单元，在同一评价单元中的个体属性基本相同，不同耕地评价单元之间存在差异性。为此，对不同的评价单元进行赋值。以点带面，将得到的图像与属性进行连接，对每个图斑单元进行赋值获取相应的属性数据。在耕地质量评价中，根据评价因子对耕地质量的贡献程度添加对应的权重。运用层次分析法，经过专家的评价得到不同评价因子的重要性，确定评价因子的权重。对其进行一致性检验，获得定量化评价结果。耕地质量层次结构如图1所示。

根据评价指标构造判断矩阵，按照专家精要，确定不同层之间的重要程度，构成对不同目标层的耕地质量的判断矩阵。绘制数值的散点图，并根据散点图进行曲线模拟。建立隶属度函数，按照不同评价因子的级别建立隶属度函数模型。

2.3 耕地质量评价

将土壤因素分解为不同层次的构成因素，从第二层开始对不同层次的因素进行对比，判断其重要性后按照顺序进行加权，对加权后的向量进行一致性检验。输出评价单元的综合指数，根据综合指数分值，运用累加法对不同评价单元的耕地质量综合指数（IF）进行计算。

IF=Σ（F_i×C_i） （3）

式（3）中：[Fi]为因素的评价分值，[Ci]为组合的权重值。运用决策分析构建层次分析模型，并在赋值后将信息载入评价单元数据库，对耕地质量等级进行评价，计算得到最终的综合得分指数［5］，并按照不同的分级临界值，进行统一等级划分［6］。不同的综合指数表示不同的等级，在对耕地质量进行等级划分时，需要对目标区域质量进行分析，并提出对应的建议。例如，对于高质量的耕地区域建议继续保持管理水平并加强保护，而对于低质量的耕地区域可能需要改善土壤质量、调整农业管理措施等。

3 试验测试与分析

为验证笔者所提方法的有效性，设置5个小组。其中，运用笔者所提方法的小组为试验组，运用文献［2］方法至文献［5］方法的小组为对照1～4组。基于评价指标体系，对研究区的耕地质量等级进行评价。计算在等级内的区域元数占比，得到不同评价方法的空间相似性结果。空间相似性较高时综合评价等级也较高，综合评价等级最高的方法为最优方法。

通过研究区最新行政区划图和土壤图建立矢量数据库。以ArcGIS1.3和耕地资源管理系统为评价平台，对耕地质量等级进行评价。通过GEE（Google Earth Engine）云计算平台获得NDVI指数图，运用吞吐量模型（Requests Per Second，RPS）对耕地质量进行等级评价。通过叠加分析及合并小多边形图斑获得耕地质量划分的15 000个评价单元。通过不同指标计算耕地质量权重，根据层次分析模型对耕地质量进行等级评价。运用资源和规划单位提供的矢量数据，在研究区设置10个采样点。通过统计采样点数据并整理，利用GEE下载不同指标的成果数据。将叠加得到的耕地图斑按照120 m2的大小进行合并，得到耕地质量等级评价单元为10 m栅格数据的像元。从多个角度出发，综合考虑评价的方向和确定指标数量，选取合理的指标数量，并运用GEE集成一体化云平台进行计算，提供空间地理分析服务。评价单元为像元，对像元进行栅格运算。将计算结果进行地面验证，以得到更加科学合理的评价结果。

4 结果与分析

运用不同评价方法对研究区耕地质量等级进行评价，结果如表3所示。

由试验结果可知，5个小组的耕地质量等级评价结果空间分布的区域相似性均有不同。通过计算，得到试验组的区域元数占比为7.9%，对照1～4组的区域元数占比分别为6.8%、5.4%、4.7%、4.3%。从计算结果可以看出，对照组的空间分布相似性较低，而试验组的空间分布相似性较高，在评价分类过程中运用GIS体系认定的土地分类方法能够优化评价方法，使评价指标权重较大，获得综合等级评价结果最高为8.03。

为进一步验证耕地质量评价结果的精度，基于样点数据比较全要素耕地质量分值和耕地质量分值的一致性。结果表明，全要素耕地质量分值为53.284～83.945，均值为68.614；耕地质量分值为51.217～84.828，均值为68.022。对耕地质量分值与全要素耕地质量分值进行回归分析，得到的结果如图2所示。由图2可知，耕地质量分值和全要素耕地质量分值呈极显著正相关关系，说明NDVI指标可以反映全要素指标的信息，耕地质量分值与全要素耕地质量分值较为近似，评价结果可信度较高，且相对偏差更小，评价精度较高，进一步证明基于GIS的耕地质量评价准确性更高，可替代全要素指标对研究区耕地质量进行评价。

综上所述，通过运用笔者所提耕地质量评价方法，对不同区域中的各项指标数据进行合理化分析，减少遥感指标中的误差，在耕地划分中的相似性较高，获得更为灵活有效的评价指标，能够提出完善的耕地质量评价指标体系，使得在评价过程中具有较强的空间分析能力。设置合理数量的采样点，通过对采样点的数据进行空间连接，获得耕地质量情况，通过地面验证获得更加合理的评价结果。同时对耕地质量保护提出针对性的建议，提升土壤有机质含量，为建立高标准高质量的农田做准备，实现基于GIS的耕地质量评价方法的良好应用。

5 结束语

笔者从GIS入手，深入分析耕地质量评价问题，探究了基于GIS的耕地质量评价方法。对监测点中不同土壤特性等指标因素进行长期监测，按照土壤特征的稳定性进行分类，提升评价可行性，为耕地质量评价提供了方向，解决了空间分辨率问题，在GIS模型应用中可以更好地方便访问者使用。但方法中还存在一些不足之处，如耕地质量的经济指标选取问题、耕地质量等级评价优缺点问题等。今后可通过GIS对人为因素进行调整与修改，降低指标选择的主观误差，实现基于GIS的耕地质量评价。

参考文献：

［1］熊军，张冲，王代印，等.三区三线管控下GIS划定永久基本农田研究［J］.城市建筑，2022（22）：41-45.

［2］周培诚.基于GIS技术的干旱地区碳循环动态观测方法［J］.科技通报，2021（8）：36-39.

［3］信会男，赖宁，耿庆龙，等.基于GIS的塔额盆地农田土壤养分空间变异特征分析［J］.新疆农业科学，2022（7）：1776-1785.

［4］江文娟，汤萌萌，汪甜甜，等.宣城市耕地质量等级及土壤养分空间分布特征［J］.土壤通报，2022（1）：36-44.

［5］郑发美.基于GIS技术的高中地理实验教学设计与实践：以“地理信息系统及其应用”为例［J］.中学地理教学参考，2022（2）：57-60.

［6］王清华.基于GIS技术的耕地质量评价：以H27V05区域MODSI数据为例［J］.乡村科技，2021（30）：112-114.