基于空間信息技術(shù)的洞庭湖區(qū)水稻生產(chǎn)力動態(tài)預測研究.pdf

1、長期以來,糧食問題一直是困擾人類生存與發(fā)展的重要議題。在當前全球氣候變化、世界性糧價上漲及金融危機形勢下,糧食問題的重要性更加突出。洞庭湖區(qū)位于我國長江中下游,是我國的重要糧食作物-水稻的主產(chǎn)區(qū),享有“魚米之鄉(xiāng)”的美譽。長期以來由于投入不足以及土地利用和管理方式不盡合理,使得該地區(qū)土壤生產(chǎn)力呈漸趨下降的趨勢,從而在很大程度上對我國的糧食安全構(gòu)成潛在威脅。另一方面,在糧食作物生產(chǎn)力預測技術(shù)研究方面,目前的成果主要集中在華北平原等旱作農(nóng)業(yè)區(qū)

2、域,而對水稻為主體的南方地區(qū)糧食作物生產(chǎn)力的預測研究則涉及較少,而且該地區(qū)地形與環(huán)境條件較為復雜,預測難度較大。因而,迄今為止,對洞庭湖區(qū)水稻生產(chǎn)力模擬與預測的研究非常缺乏,鮮見報道。
　　 近年來,數(shù)字農(nóng)業(yè)的提出、水稻生產(chǎn)機械化和農(nóng)場化的結(jié)構(gòu)調(diào)整為水稻生產(chǎn)力預測提出了迫切需求。同時,3S(GIS、GPS、RS)技術(shù)的出現(xiàn)為這一問題的解決提供了便利和可能。本研究選擇我國重要的水稻商品糧基地洞庭湖區(qū)為研究對象,探討該區(qū)域的水稻生產(chǎn)

3、力現(xiàn)狀特征,比較了不同模型預測方法,找到適合洞庭湖區(qū)域的水稻生產(chǎn)力預測模型,利用空間信息技術(shù),為水稻生產(chǎn)管理提供信息化技術(shù)手段與決策支持,為區(qū)域糧食政策的合理制訂提供理論依據(jù)。本文主要研究工作和結(jié)論如下:
　　 (1)針對洞庭湖區(qū)水稻生長特征,通過實驗與模型方法揭示了水稻生長環(huán)境影響因素,分析比較研究了水稻生產(chǎn)力經(jīng)驗與理論預測模型。遵循從小型區(qū)、站(點)數(shù)據(jù)庫構(gòu)建前期機理與模型研究向后期大型區(qū)域性洞庭湖區(qū)數(shù)字農(nóng)業(yè)空間數(shù)據(jù)庫實際建

4、設與模型應用的研究與實踐思路,由點及面,由前期探索到后期實踐,不斷發(fā)現(xiàn)問題后解決問題,逐步積累經(jīng)驗,為模型與GIS耦合及水稻生產(chǎn)力動態(tài)預測系統(tǒng)構(gòu)建打下堅實基礎。
　　 (2)構(gòu)建了基于Ice引摯的洞庭湖區(qū)數(shù)字農(nóng)業(yè)空間數(shù)據(jù)庫,探討了數(shù)據(jù)庫優(yōu)化機制。開展了基于優(yōu)化理論的大尺度、區(qū)域性洞庭湖區(qū)數(shù)字農(nóng)業(yè)空間數(shù)據(jù)庫的建設工作,構(gòu)建出了洞庭湖區(qū)數(shù)字農(nóng)業(yè)空間數(shù)據(jù)庫,探索了數(shù)據(jù)庫優(yōu)化方法,數(shù)據(jù)質(zhì)量獲得較大程度改善,數(shù)據(jù)庫管理水平取得極大提高,數(shù)

5、據(jù)庫運行環(huán)境與可擴展性能優(yōu)勢凸顯,一定程度上解決了數(shù)據(jù)庫數(shù)據(jù)結(jié)構(gòu)單一、異構(gòu)數(shù)據(jù)互訪、復雜格式數(shù)據(jù)存儲與管理等環(huán)境信息數(shù)據(jù)庫建設關(guān)鍵性技術(shù)問題,獲得了高質(zhì)量的數(shù)據(jù)庫平臺。
　　 (3)研究了GIS與水稻生產(chǎn)力預測模型的耦合機制,建立了基于GIS的水稻生產(chǎn)力動態(tài)預測系統(tǒng)。采用OGIS耦合模型達到了實現(xiàn)水稻生產(chǎn)力模型與GIS深度耦合的目標,對水稻生產(chǎn)力模型與GIS深度耦合起到借鑒與指導作用。結(jié)合水稻生產(chǎn)力動態(tài)預測系統(tǒng)本身特點,開展了預

6、測系統(tǒng)構(gòu)建的相關(guān)理論與技術(shù)研究,并按照系統(tǒng)需求和開發(fā)程序,確定了系統(tǒng)總體架構(gòu),采用面向?qū)ο蟮南到y(tǒng)分析與設計(OOA&OOD)方法,應用Rational UnifiedProcess(RUP)和統(tǒng)一建模語言(UML,Unified Modeling Language),基于ArcEngine組件,對系統(tǒng)進行了設計與開發(fā),并逐一實現(xiàn)了各項功能需求。
　　 (4)分析比較了不同預測模型的優(yōu)缺點,優(yōu)選了適合洞庭湖區(qū)域的水稻生產(chǎn)力預測的數(shù)

7、學模型,并對基于空間信息技術(shù)的水稻生產(chǎn)力動態(tài)預測系統(tǒng)進行了應用研究。結(jié)合洞庭湖區(qū)水稻培育情況,逐級計算法比FAO模型更加符合實際情況,適于在該區(qū)域應用。湖區(qū)晚稻生產(chǎn)潛力呈由東南向西北遞增的趨勢,高、中產(chǎn)區(qū)主要集中于常德的臨澧、漢壽、安鄉(xiāng)和澧縣一帶,而低產(chǎn)區(qū)則多分布于岳陽、益陽和長沙等幾個區(qū)域。湖區(qū)不同產(chǎn)量級別的差異較大,高產(chǎn)區(qū)域僅占總面積的14.60％,中產(chǎn)區(qū)為40.40％,而低產(chǎn)區(qū)面積達到近45.00％,呈現(xiàn)明顯的中、低產(chǎn)區(qū)比例偏大的