|
| 基于多要素空间聚类的南方红黄壤区中低产田分类与障碍类型识别——以海南省澄迈县为例 |
| Classification and Obstacle-Type Identification of Medium–Low Yield Farmland in the Southern Red and Yellow Soil Region Based on Multi-Factor Spatial Clustering: A Case Study of Chengmai County, Hainan Province |
| 投稿时间：2025-09-12 修订日期：2026-01-24 |
| DOI： |
| 中文关键词: 中低产田 空间聚类 耕地分类 障碍类型 澄迈县 |
| 英文关键词: Medium-low yield arable land Spatial clustering Arable land classification Obstacle types Chengmai County |
| 基金项目:国家重点研发计划课题（2023YFD1900101）；四川省重点研发计划项目（24ZDYF1583）；海南省研究生创新科研课题（RC2500003501） |
|
| 摘要点击次数: 886 |
| 全文下载次数: 0 |
| 中文摘要: |
| 为探索适用于南方红黄壤区的中低产田精细化分类方法，提升其识别与障碍诊断的科学性与可操作性，本研究以海南省澄迈县为研究区，构建了由土壤pH、土壤有机质含量、地形坡度和耕地利用类型组成的多属性耕地分类指标体系。采用K-means聚类算法（K-means）、高斯混合模型（GMM）、自组织映射网络（SOM）和基于密度的空间聚类算法（DBSCAN）4种空间聚类方法对研究区耕地进行分类，并通过聚类质量指数（CQI）、轮廓系数（SC）、戴维斯—布尔丁指数（DB）和卡林斯基—哈拉巴斯指数（CH）等内部效度指标对不同算法的分类效果进行综合评价。结果表明，K-means算法在综合聚类性能方面表现最优，其CQI为0.942，SC为?0.103，CH为187.451，聚类结构稳定性明显优于其他方法。基于K-means聚类结果，将研究区耕地划分为3个一级类、8个二级类和17个三级类。在此基础上，结合耕地质量等级约束及《全国中低产田类型划分与改良技术规范（NY/T310—1996）》的判别规则，识别出中低产田的两类主导障碍类型，即瘠薄培肥型和坡地梯改型。研究表明，本研究构建的要素构建—空间聚类—等级约束—障碍归因—空间叠加方法能够有效揭示县域耕地内部属性差异及主导障碍，为中低产田精细化分类和障碍识别提供可操作方法，并可作为分类—诊断—改良技术路径的基础。 |
| 英文摘要: |
| （1）以土壤pH、土壤有机质含量、地形坡度和耕地利用类型为核心因子，构建了多属性耕地分类指标体系，并对多种空间聚类方法的分类效果进行了对比分析。结果表明，在相同指标体系和参数条件下，K-means空间聚类在综合反映耕地属性差异、保持类内一致性和类间区分度方面表现相对稳定，能够较好刻画县域尺度耕地综合属性的空间分异特征。
（2）在空间聚类结果的基础上，引入耕地质量等级约束，并结合《全国中低产田类型划分与改良技术规范（NY/T 310—1996）》的障碍判别逻辑，构建了由要素构建、空间聚类、等级约束、障碍归因与空间叠加组成的系统化识别流程。该流程实现了中低产田类型划分与障碍因子识别的一体化衔接，形成了具有普适性的技术路线。
（3）基于上述方法体系，澄迈县中低产田可归纳为瘠薄培肥型和坡地梯改型两类主导障碍类型。不同障碍类型在中产田与低产田中的构成比例及其要素响应特征存在显著差异，表明中低产田分类结果能够有效反映耕地质量受限的主要特征。 |
| HTML
View Fulltext
查看/发表评论 下载PDF阅读器 |
| 关闭 |
