『公告』 云平台升级中,如果您遇到无法访问的情况,可通过电话 QQ 微信 与客服直接联系,非常感谢。
关注我们 新浪 腾讯
数据订购
销售咨询
电话:400-998-6208
010-84896208转898
010-84896208转897
综合咨询:2863548516
2629602953

浙江省农业科学数字农业研究所土壤调查数据技术服务

.背景介绍

      中国的土壤调查研究始于30年代初期。当时主要是进行了一些地区的土壤详查、概查和路线约查,并编制了地区性和全国性的土壤图。中华人民共和国成立以后陆续开展了大规模的区域性土壤调查和专门性的综合科学考察。19581959年和1979年,先后进行了两次全国性土壤普查和大比例尺土壤制图。进入80年代以来,由于调查过程中较多地应用了航片技术和编制了世界级系列成果图件,调查的质量得到提高,为查明土壤资源的数量和质量,以及进行县级农业区划提供了可靠的基础资料。通过各种比例尺的土壤调查和制图,现已确立了若干新的土壤类型,编写和编制了许多调查报告和全国性或区域性的土壤图,填补了若干土壤调查空白区。对于农业生产和土地资源利用管理具有重要的实际意义。


      耕地,是人类赖以生存的基本资源和条件。进入21世纪,人口不断增多,耕地逐渐减少,人民生活水平不断提高,保持农业可持续发展首先要确保耕地的数量和质量。    


      地理国情监测云平台应浙江省农业科学院数字农业研究所的要求,对湖南、湖北和江西(共计:21411/项)稻田本底养分调查数据、上海、湖南、湖北、江西、安徽、江苏2018/202030米耕地空间分布数据提供产品技术服务,以满足客户科研工作的需求。


二.案例详情

服务单位

浙江省农业科学院数字农业研究所

服务时间

2020.11

服务内容

湖南、湖北和江西(共计:21411/项)稻田本底养分调查数据、上海、湖南、湖北、江西、安徽、江苏2018/202030米耕地空间分布数据


土壤调查数据

1.数据产品内容

研究区域

数据名称

年份

地类

要素/分辨率

点位数量、坐标系

江西省

稻田本底养分调查数据

2007-2012

旱地

耕作方式

124

作物种类

349

有机质(%)

376

pH

376

全氮(%)

374

全磷(%)

374

全钾(%)

374

水田

耕作方式

277

作物种类

497

有机质(%)

642

pH

642

全氮(%)

624

全磷(%)

624

全钾(%)

624

湖南省

旱地

耕作方式

415

作物种类

417

有机质(%)

420

pH

420

全氮(%)

379

全磷(%)

379

全钾(%)

379

水田

耕作方式

890

作物种类

906

有机质(%)

915

pH

915

全氮(%)

854

全磷(%)

854

全钾(%)

854

湖北省

旱地

耕作方式

104

作物种类

478

有机质(%)

509

pH

509

全氮(%)

509

全磷(%)

509

全钾(%)

509

水田

耕作方式

33

作物种类

482

有机质(%)

499

pH

499

全氮(%)

499

全磷(%)

499

全钾(%)

499

 2.数据产品生产方式

      土壤采样调查数据是在参考研究区地理图件和区域地形地貌以及土壤类型特征的基础上和专业人员的指导下,经过实地调查和采样,对采样点数据进行误差剔除、分析和验证最终得到(21411/)5种要素值的点状空间分布数据。


3.成果展示

       本次数据成果如图1-3所示


1.湖北省土壤样调查点分布图

2.湖南省土壤样调查点分布图

3.江西省土壤样调查点分布图

耕地数据

本次技术服务的核心是基于Landsat-OLI遥感影像生产的云南省耕地数据产品,包括水田与旱地两种类型。本次技术服务主要流程如下:


    1.数据获取与数据准备

    本研究采用的遥感影像数据来自美国马里兰大学和中国科学院国际科学数据服务平台,均采用美国陆地卫星于2018年所拍摄的Landsat-OLI30m遥感影像,云量均接近0%。本文的遥感影像成像时间不一致,但是季相接近,分别在4-9月份获得,因此地物信息较清楚,由此带来的地物反射光谱差异显著,容易识别,影像解译比较容易。


    2.数据预处理

    在对影像数据进行分类解译之前,首先要对数据做预处理工作,主要步骤有:


    1)波段选择及融合

    本文采用最佳指数法(Optimum Index Factor,简称)和特征值法相结合,共同确定了最佳波段组合,也就是543波段,分别赋予红、绿、蓝色作为标准假彩色合成的RGB波段。这一假彩色影像最关键的是突出了植被特征,并且能提供丰富的信息,能充分显示各种地物特征的差别,便于分类,可以保证分类的准确性。


    2)图像几何校正与配准

    本次技术服务采用的Landsat-OLI图像已经在中国遥感卫星地面站进行过辐射校正和几何粗校正,但为了使研究结果更加的科学、可信,则必须的对影像进行几何精校正。几何精校正是利用地面控制点(Ground control PointGPC)对由各种随机因素引起的遥感图像进行几何畸变的校正。本研究以研究区的地形图作为参考图像,必要时辅以实地考察的GPS点,采用多项式几何纠正计算模型,对遥感影像进行几何精校正。


    3)图像增强处理

    传感器获取的遥感图像含有大量地物特征信息,在图像上这些特征信息以灰度形式表现出来,当地物特征间表现的灰度差很小时,目视判读就无法辨认,图像增强处理是的目的在于突出图像中有用的信息,扩大不同图像特征之间的差别,从而提高对图像的解译和分析能力。遥感数字图像增强处理一般可分为两大类:频域法和空间域法。本文主要采用空间域图像增强方法,其遵循视觉效果比较好、计算相对简单、合乎应用要求的原则。另外,在后面遥感图像分类的新波段变量构造部分还应用了NDVI指数以区分植被和非植被以提高分类精度。


    4)影像拼接与裁剪

    本案例中的研究区域为云南省,则遥感影像数据需要覆盖整个云南省区域,因此需要进行影响拼接,进行拼接时首先要参照某一遥感影像,将其它遥感影像进行直方图匹配处理,使得所有用到的遥感影像具有基本一致的色调,然后再将要用到的影像进行无缝的拼接处理,之后经过裁剪得到覆盖整个研究区的遥感影像。


    3.分类方法

    本次服务是基于Landsat-OLI等遥感信息基础上,在多位专家的参与下,采用全数字人机交互作业方法,同时参照有关地理图件和统计资料,结合外业实地考察验证,对地物的几何形状,颜色特征、纹理特征和空间分布情况进行分析,并在综合各位专家意见后,建立遥感影像解译标志。在内业建立解译标志与实现数据获取的基础上,不断的对解译模板进行修改,直到修改的模板经过评价以后比较满意为止,以提高土地利用/覆盖类型精度。动态图斑数据主要采用“动态分割图斑法”。参照国内外现有土地利用/土地覆盖 的分类体系,结合本项目的开展的目的和要求以及遥感信息源的情况,制定了水田、旱地分类体系。


     在分类过程中,由于遥感图像自身的空间分辨率,同物异谱以及异物同谱现象广泛存在,所以错分和误分的情况很常见,因此对分类结果要做进一步的处理工作,也就是去除小图斑的工作,我们常称之为分类后处理。常用的分类后处理方法有:聚类统计(Clump)、过滤分析(Sieve)、去除分析(Eliminate)和分类重编码(Recode)等。


    4.质量控制与检查

    各工序过程质量按要求进行过程检查 ,100%检查。


    1)耕地数据抽样检查

    对获取的耕地数据产品进行空间抽样检查,验证耕地数据类型定性是否正确。验证的方式主要依靠高分影像(要考虑影像的时效性)与野外实地验证相结合的方式作业,未达到抽样精度90%的重新修正数据。


    2)数据图形处理

    1)栅格数据

    栅格数据统一采用arc/infogrid格式。处理后的分县grid,要严格按照县界确定界线。所有的空间数据均要统一到系统的投影坐标系统下。所有的处理过程都不能增加数据的误差,无论是空间误差还是属性数据误差。


  2)精度控制参数

·         差值(fuzzy)10米;

·         线段最小值(weed):100米;

·         悬结点限值(danglc):10米;

·         结点归并空间距离限值(nodesnap):10米;

·         结点与弧段最短距离(snapping):10米。


    5.技术服务成果展示如下图所示

      京ICP备08100627号-22 京公网安备 11010802030428号