开江县耕地地力评价方法比较研究

《开江县耕地地力评价方法比较研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南大学硕士学位论文开江县耕地地力评价方法比较研究姓名：詹中泽申请学位级别：硕士专业：土地资源管理指导教师：刘洪斌20120527摘要开江县耕地地力评价方法比较研究摘要我国人口基数大，土地资源十分紧缺，人地矛盾异常突出，人均土地资源占有量远远低于世界平均水平。随着我国经济社会快速发展，城市建设用地的需求越来越大，导致耕地面积的急剧减少；另一方面，GDP的高速增长给生态环境造成了严重影响，进而耕地的质量条件越来越差。这就对粮食安全构成了严峻挑战，也使得社会各界对这一问题日益关注起来，对耕地地力评价的研究越来越多。本文以四川省开江县为研究区域，在地理信息系统及计算机科学技术的支持下，利用第二次土

2、壤普查数据资料和测土配方施肥数据，采用特尔菲法选取了11个影响因素作为适用于研究区的耕地地力评价指标，并分别运用层次分析法和神经网络模型完成了耕地地力评价。在采用层次分析法进行评价的过程中，借助Photoshop图像处理软件对研究区扫描化图件进行处理，然后采用专业画图软件进行数字矢量化形成矢量数据；利用ArcGIS9．3作为空间数据处理工具，在Excel、Access等数据统计分析软件中处理属性数据；基于县域耕地资源管理信息系统平台，构造判断矩阵并确定各个因子的权重；采用模糊数学方法，根据各因子自身特点及其对耕地地力的影响建立隶属函数，进而计算出耕地地力综合指数，并划分地力等级，完成了耕地地

3、力评价工作。采用神经网络模型对研究区进行耕地地力评价，主要借助了MATLAB软件中的BP前向网络模型，以随机抽样为主，兼顾地域分布平衡和各等级均匀分布的原则，选取了8664个评价单元作为训练样本集，对其经过58次训练，使其达到目标误差后，将训练好的神经网络模型对检验样本集进行地力评价。最后以粮食产量水平为标准，对这两种方法得出的评价结果进行验证。通过分布区域变化及分布面积变化对比分析，运用层次分析法评价出的结果与粮食产量水平的拟合度明显高于神经网络模型得到的评价结果与粮食产量水平的拟合度。采用层次分析法对开江县耕地地力进行评价符合当前全国耕地地力评价的普遍趋势，具有很高的科学性、合理性和实用

4、性，能很好地指导开江县农业生产，促进耕地的科学保护和合理利用，为农业的可持续发展创造条件。关键词：地力评价层次分析法模糊神经网络GISAbstractTheMethodCompareResearchoftheCultivatedLandEvaluationBasedonKaijiangCountyWithsuchanimmensepopulationbaseandscarceminerallandresources,thecontradictionbetweenpopulationsandlandareextremelyserious，theper-capitapossessionoflan

5、dresourcesisfarbelowtheworldaverage．Alongwithrapideconomicandsocialdevelopment,theever-increasingdemandoflandusedforcityconstructioncausessharpreductionoffarmland；ontheotherhand，therapidgrowthofGDPcausedaseriousimpactonecologicalenvironment,followingbythequalityoffarmlandgettingworse．Allofthesenoto

6、nlyconstituteaseriouschallengeonfoodsecuritybutalsomakethecommitteegrowingconcern,moreandmoreresearchesarconevaluationoffarmland．Inthepresentstudy,selectingKaijiangCountry,SichuanProvinceasstudyingarea,inthesupportofgeographicinformationsystemandcomputersciencetechnology,usingthesecondnationalsoils

7、urveydataandmeasuredsoiltestingandfertilizerdata,utilizingtheDelphimethodtoselectthe1influencingfactorsasevaluationindicatorsforFarmlandofthestudyarea,andperformingAnalyticHierarchyProcessandtheneuralnetwor