劉 哲 劉 瑋 昝糈莉 封 偉 李紹明 張曉東

(中國農業(yè)大學信息與電氣工程學院， 北京 100083)

基于多年環(huán)境特征的東北春玉米時空型種植區(qū)劃研究

劉 哲 劉 瑋 昝糈莉 封 偉 李紹明 張曉東

(中國農業(yè)大學信息與電氣工程學院， 北京 100083)

玉米是我國主要糧食作物之一，現有的玉米種植環(huán)境區(qū)劃受尺度過大的影響，分區(qū)環(huán)境特征不能滿足品種精細測試要求，只用多年平均值描述環(huán)境空間特征，對于多環(huán)境測試中的環(huán)境不能充分地認知。為此，以地理網格為單元，以東北三省為研究區(qū)，利用東北三省21年的氣象、DEM、坡度和縣域春玉米種植面積等數據，以每年的環(huán)境特征為指標，構建多年環(huán)境特征數據庫，通過屬性聚類方法，從時空角度研究玉米種植環(huán)境精細區(qū)劃方法，將東北三省的多年環(huán)境特征分成7類，使用類別歸屬度分析方法，實現東北三省玉米種植環(huán)境時空型區(qū)劃。與多年環(huán)境特征均值的空間型區(qū)劃對比結果表明，時空型區(qū)劃結果更加精細，環(huán)境認知更加充分。

玉米種植環(huán)境； 多環(huán)境測試； 空間型區(qū)劃； 時空型區(qū)劃； 類別歸屬度

引言

玉米是我國糧食生產的主要作物之一，近年來已逐漸成為主要種植作物，據國家統(tǒng)計局最新數據顯示，2015年，玉米種植面積約為3811.66萬hm2，總產量達2.2億t[1-2]。然而近年來，全球氣候變化導致我國種植環(huán)境不穩(wěn)，極端氣象災害加劇，使得全國玉米生產布局不斷演變[3]，進而促使玉米種植環(huán)境區(qū)劃做出相應調整。農業(yè)種植區(qū)劃是根據農業(yè)生產條件、 特點和方向的相似性對宏觀區(qū)域作物生產的空間分布進行科學劃分[4]。

國內外關于農業(yè)精細區(qū)劃的研究比較多，劉明春等[5]選擇甘肅省不同氣候生態(tài)區(qū)4個縣，對玉米生育期內的光、熱和水氣候生態(tài)因子對玉米產量的影響進行積分回歸分析，篩選出區(qū)劃關鍵氣候因子，對甘肅省進行玉米氣候生態(tài)適宜區(qū)劃。楊錦忠等[6]結合玉米對熱量資源的要求，開展山西省玉米熱量資源精細區(qū)劃，并指出了各種氣象因素的空間變異性。除光、溫、水等主要環(huán)境要素外，不同種植區(qū)或種植亞區(qū)區(qū)劃關注的品種種植適宜性和抗脅迫類型往往也不同，需要著重考慮指標和指標權重存在的差別[7-12]。劉哲等[13]將積溫、種植密度、倒伏、大斑病和空稈指標作為區(qū)劃指標，對黃淮海夏玉米區(qū)進行了以縣域為決策單元的玉米品種精細區(qū)劃。CARLOS等[14]基于氣象站點數據與玉米品種測試數據，使用作物生長模型對區(qū)劃單元的環(huán)境指標進行量化，最終將美國玉米種植區(qū)細分為 5 種環(huán)境類型，并總結出每個鄉(xiāng)鎮(zhèn)單元的主要環(huán)境類型和年際變異環(huán)境類型。SETIMELA等[15]以平均產量為指標利用序貫模式分析法將南非發(fā)展中國家的玉米種植區(qū)劃分為7類。CHENU等[16]使用 100 年氣象數據結合小麥開花到灌漿期的缺水模型將澳大利亞東北易旱區(qū)按照易缺水程度分成3個區(qū)，對指導品種試驗和品種推廣具有重要意義。王思嘉[17]以5 km×5 km地理網格為區(qū)劃對象，以多年環(huán)境指標均值為區(qū)劃指標，利用屬性空間一體化方法實現吉林省玉米種植環(huán)境區(qū)劃，以地理網格為區(qū)劃單元對環(huán)境的描述更加精細。

綜上所述，全球環(huán)境變化導致環(huán)境氣象因子波動明顯，使用環(huán)境指標均值描述環(huán)境特征不能實現對玉米種植環(huán)境的充分認知，因而難以準確指導品種測試和適宜性推廣工作；區(qū)劃是環(huán)境認知的重要手段，但由于數據方法所限，傳統(tǒng)玉米種植環(huán)境區(qū)劃具有分區(qū)尺度大、界限不明顯、主觀性較強等缺點，區(qū)劃結果準確不夠。針對以上問題，本文從時間和空間2個維度描述玉米種植環(huán)境特征，構建多年環(huán)境特征數據庫，從時空角度探索玉米種植環(huán)境精細區(qū)劃的方法與測試站點的布局策略，提高環(huán)境認知度。

1 研究區(qū)與數據處理

1.1 研究區(qū)概況

東北平原位于大、小興安嶺和長白山脈之間，隸屬于北方春玉米區(qū)，南北長約1 000 km，主要位于東北三省境內，屬寒溫帶濕潤、半濕潤氣候。10℃以上積溫在 2 000～3 600℃之間，夏季平均氣溫在20～25℃之間，全年降水量400～800 mm，從西向東遞減，主要集中在6—9月份。東北平原地勢平坦，土壤肥沃，以黑土、河淤土、棕色土為主，大部分地區(qū)溫度適宜、日照充足，黑龍江省、吉林省、遼寧省的東中部降水量很大，該區(qū) 60%的降水集中在7—9月份，雨熱同期，與玉米生育進程同步，對玉米生長發(fā)育極為有利，玉米增產潛力很大[4]。

本文以黑龍江省、吉林省、遼寧省(以下簡稱東北三省)為研究區(qū)域。

1.2 數據

(1)基礎地理數據：來自國家基礎地理數據中比例尺為1∶4 000 000的省、縣級行政區(qū)劃矢量數據。

(2)縣域玉米種植面積數據：來自農業(yè)部2006—2013年的縣域經濟統(tǒng)計數據。

(3)生態(tài)環(huán)境數據：包括1993—2013年的氣象數據和高程數據。氣象數據來源于國家氣象中心所提供的中國地面氣候資料日值數據集。數據集包括站點名稱、編號、經緯度、日平均氣溫、日最高氣溫、最低氣溫、日降水量、日照時數等要素。高程數據來源于STRM90米分辨率DEM數據。

(4)玉米生育期數據：本文用到的生育期數據主要是玉米播種和成熟的日期，數據來自于國家氣象信息中心提供的中國農作物生長發(fā)育和農田土壤濕度旬值數據集，是依托于農業(yè)氣象站點的點狀數據。

1.3 構建多年環(huán)境特征數據庫

為便于對地理網格的環(huán)境特征進行描述，將研究區(qū)地理網格進行唯一標識。從柵格數據圖層的左上角的格網開始，按照從左到右從上到下的順序進行標記，標記號從1開始，依次遞增，記為CellID。每個地理網格含有6個屬性值，分別是生育期內累計活動積溫、生育期內累計降水量、生育期內累計日照時數、高程、坡度和玉米種植面積，可以確定的是，由于年際環(huán)境變動，地理網格每一年的前3項屬性值往往是不同的，而高程、坡度以及玉米種植面積是相同的。

本文利用東北三省21年的氣象數據，逐網格逐年計算環(huán)境特征值，在此基礎上，計算每個地理網格的多年環(huán)境指標均值，構建了地理網格環(huán)境特征值數據庫流程，如圖1所示。

圖1 構建地理網格環(huán)境特征值數據庫流程圖Fig.1 Flow chart of constructing geographic grid environment characteristic value

2 方法

2.1 玉米種植環(huán)境空間型區(qū)劃

玉米種植環(huán)境空間型區(qū)劃將地理網格作為區(qū)劃對象，計算每個地理網格各個指標的多年均值，并將這些指標作為玉米種植環(huán)境的區(qū)劃指標，通過K-means中心聚類法進行空間屬性一體化聚類，通過空間連續(xù)性調整消除異類地理網格，得到最終玉米種植環(huán)境空間型區(qū)劃結果，并對分區(qū)結果進行特征描述。

2.1.1K-means中心聚類法

K-means聚類法[18-20]是以數據點集合為數據源，已知需要聚類數，根據特定的距離函數，將已知數據點迭代到各聚類域中。該方法不必計算每個樣品的距離，相對于系統(tǒng)聚類法，效率更高。具體實現步驟如下：

(1)從N個樣品中采用一定的方法或隨機選取k個樣品作為質心。

(2)對剩余的每個樣品測量其到質心的距離，并將它歸到最近的質心類中。

(3)重新計算已經得到的各個類質心，迭代步驟(2)、(3)直到每個類內各個樣品距離分布的標準差上限小于閾值，則聚類結束。

2.1.2 決定系數R2與半偏決定系數R′2統(tǒng)計量

R2統(tǒng)計量的計算表達式為

R2=Bk/T

(1)

式中Bk——k個類的類間偏差平方和的總和T——總離差平方和

2.1.3 空間連續(xù)性調整

在對地理網格進行多指標K-means中心聚類后，盡管將地理坐標X、Y值以較小的權重作為聚類指標的一部分，在一定程度上能夠提高聚類結果的空間連續(xù)性概率，然而在地理空間上，仍然有異類地理網格零星地分布在其他類別內或多個類別之間的情況，違背了區(qū)劃的空間連續(xù)性原則。因此，需要進行空間連續(xù)性調整，將零星區(qū)域調整到鄰近大的分區(qū)內。主要非連續(xù)情況及調整方法如圖2所示。

圖2 細碎區(qū)調整方法Fig.2 Adjustment method for crushing zone

2.2 玉米種植環(huán)境時空型區(qū)劃方法

玉米種植環(huán)境時空型區(qū)劃的主要流程如下：將地理網格的每年環(huán)境特征值作為聚類指標，其指標與指標權重的設定、聚類方法、聚類數目的確定方法與空間型區(qū)劃時一致，在此基礎上實現多年環(huán)境特征的分類，以此對地理網格完成時空型區(qū)劃，主要流程如圖3所示。

圖3 玉米種植環(huán)境時空型區(qū)劃流程圖Fig.3 Flow chart of spatial-temporal regionalization of maize planting environment

2.2.1 環(huán)境類別時空變化特征

由于環(huán)境年際間變動的影響，同一地理網格在不同年往往會歸屬于不同的類，類似情形如圖4所示，若經過多年環(huán)境特征聚類得到A、B、C、D等幾個類，對于地理網格mi，其環(huán)境特征值由mji標識，j表示其來自的年份，從上往下，地理網格在第1年屬于A類，而第2、3年又屬于B類，第4年屬于C類，第5年又屬于A類，等等。根據地理網格每年的歸屬環(huán)境類別，則可以確定每年內各個環(huán)境類別的空間分布情況，形成研究區(qū)每一年的環(huán)境類別區(qū)劃圖，不同年內出現的環(huán)境類別以及各環(huán)境類別的空間分布都是不同的，經比較，可以看出地理網格年際間的環(huán)境類別時空變化特征。

圖4 地理網格每年環(huán)境指標值類別變化特征Fig.4 Geographic grid annual category changing characteristics of environmental indicator value

2.2.2 玉米種植環(huán)境時空型區(qū)劃方法

圖5 環(huán)境類別年空間分布特征Fig.5 Annual spatial distribution characteristics of environmental categories

地理網格類別歸屬度分析方法如下：對于具有n年環(huán)境特征值的地理網格mi，經過上面的屬性聚類后，歸屬的類別有u個，分別比較這u個類別出現的年數，若類別A出現年數最多，記為y，則類別A將作為該地理網格的最終歸屬類別，其中該地理網格屬于類別A的概率p設定為

p=y/n×100%

(2)

根據公式(2)得到每個地理網格的最終歸屬類別以及歸屬概率，并獲得所有地理網格的環(huán)境類別在空間上的分布，實現玉米種植環(huán)境時空型區(qū)劃。

3 結果與分析

3.1 環(huán)境類別在每年的空間分布特征

由圖5比較可知，每一種環(huán)境類別在多年間出現的概率、分布情況往往是不同的，體現了環(huán)境在時間和空間2個維度的變異。

地理網格年際間類別的變化，可能是由以下2個原因導致：①該地理網格多年環(huán)境特征差異較大，使其在年際間屬于不同的類別。②該地理網格的多年環(huán)境特征差異不大，而由于其特殊的環(huán)境與多個類的類中心距離都很大，每個分類對它的代表性都很差，使得在不同年間，環(huán)境特征值少量的變化都能使其歸屬到不同的類中。

盡管環(huán)境年際間的變化導致地理網格的隸屬類別不確定，但由于其空間環(huán)境型的相對穩(wěn)定性，必定存在屬于某個類的趨勢，那么這個類別就可以用來描述該地理網格，由此提出地理網格類別歸屬度分析方法，在此基礎上實現玉米種植環(huán)境時空型區(qū)劃。

3.2 玉米種植環(huán)境空間型區(qū)劃和時空型區(qū)劃

3.2.1 玉米種植環(huán)境空間型區(qū)劃

通過2.1節(jié)的方法，獲得最終的玉米種植環(huán)境空間型區(qū)劃，結果如圖6所示。

圖6 玉米種植環(huán)境空間型區(qū)劃Fig.6 Spatial regionalization of maize planting environment

圖7 玉米種植環(huán)境時空型區(qū)劃及地理網格對類別的歸屬度Fig.7 Spatial-temporal regionalization of maize planting environment and belonging degree for categories on geographic grid

3.2.2 玉米種植環(huán)境時空型區(qū)劃類別歸屬度

利用地理網格環(huán)境年際類別歸屬度分析方法，計算東北三省地理網格的環(huán)境類別歸屬度，確定地理網格最終歸屬類別，得到東北三省玉米種植環(huán)境時空型區(qū)劃，結果如圖7所示，圖例中的數值，第1位表示地理網格的最終歸屬類別編號，第2、3位表示該地理網格歸屬于該類的概率，如771表示該地理網格的最終歸屬類別為環(huán)境類別7，其歸屬的概率為71%，概率越大，地理網格在年際間隸屬于該類別可能性越大，另外若第2、3位值皆為0，表明該地理網格以100%的概率歸屬于該類別。由圖7可知研究區(qū)多年間出現的主要環(huán)境類別是2、3、5、6、7，特別是位于幾個類的交界處的區(qū)域由于年際間環(huán)境特征變化較大或者位于多個類別的邊緣地帶的原因，其歸屬最終類別的概率非常??；第1、4類只存在一小部分區(qū)域。通過分析圖5可知可能是由于這2個類在21年間出現的頻次較小的緣故；另外，多個環(huán)境類別不僅僅在空間分布上有差別，也可能環(huán)境變異導致的同一區(qū)域在不同年之間屬于不同的類別，如第3類和第4類、第1類和第6類，地理分布有很大的重合度，主要是由降雨量的差別導致。

3.2.3 玉米種植環(huán)境時空型區(qū)劃最佳聚類數

將生育期內活動積溫、降雨、日照時數指標的權重設置為0.25，高程權重0.15，為盡量保證聚類結果的空間連續(xù)性，選擇X、Y坐標作為聚類指標，權重皆為0.05；去掉坡度大于25°，高程大于2 000的網格，這些網格將不作為測試站點的布局網格；設定擬定的聚類數目區(qū)間，預設聚類數目為2～10類；分別計算分成這些類的R2和R′2值，如表1所示，經過比較，發(fā)現聚類數目為8、9、10的R2都較大，且R′2在聚類數為7和8時差距最大，因此確定最終聚類數目為7。最終區(qū)劃結果如圖7所示。

3.2.4 玉米種植環(huán)境空間型與時空型對比分析

在研究區(qū)內，基于空間型的玉米種植環(huán)境區(qū)劃考慮的是多年的環(huán)境特征的均值，它會使多年環(huán)境特征值中的特異點被中和，而不能凸顯出來，僅體現一種平均水平，同時空間型只是考慮了空間上的變異而沒有考慮時間序列上的變異，導致環(huán)境特征值的離差大于時間型。

基于時空型的玉米種植環(huán)境區(qū)劃不僅考慮了空間上的變異[20]，也考慮了時間序列上年際間環(huán)境特征值的波動，能夠體現對研究區(qū)的主要環(huán)境類型的代表性，對測試環(huán)境的認知更加充分，較空間型玉米種植區(qū)劃更為準確，更加具有使用價值。

表1 東北三省分成2～9類的R2和R′2

3.2.5 時空型種植區(qū)劃地理網格類別歸屬度分析

從圖7中可以發(fā)現，在每一個大類之間的交匯處，地理格網所屬的類別歸屬度非常低或類別變動非常頻繁，特別是在類別7、6、5、4、3相交的地帶更為明顯。

由于每個地理網格含有6個屬性值，分別是生育期內累計活動積溫、生育期內累計降水量、生育期內累計日照時數、高程、坡度和玉米種植面積，可以確定，由于年際環(huán)境變動，地理網格每一年的前3項屬性值往往是不同的，而高程、坡度以及玉米種植面積是相同的。所以可以肯定的是在類別歸屬度低的地理網格生態(tài)環(huán)境不穩(wěn)定，氣候變動大，玉米種植需要特別的關注。

4 結論

(1)構建了多年地理環(huán)境特征數據庫。為了準確描述種植環(huán)境的時空變化特征，本文基于10 km×10 km的地理網格，計算了東北三省(黑龍江省、吉林省、遼寧省)積溫、降水量、高程等種植環(huán)境指標特征值，構建了多年環(huán)境特征數據庫。

(2)提出了玉米種植環(huán)境時空型區(qū)劃方法。以地理網格為聚類對象，以每年的環(huán)境特征值作為聚類指標，利用屬性聚類方法，將東北三省的多年環(huán)境特征分成7類，使用類別歸屬度分析方法，實現東北三省玉米種植環(huán)境時空型區(qū)劃。較玉米種植環(huán)境空間型區(qū)劃，該方法同時考慮了環(huán)境的時間與空間維度的變異特征，區(qū)劃結果更加精細，提高了對環(huán)境的認知。

(3)類別交匯處地理網格的類別歸屬度低，所屬環(huán)境類別變動頻繁。

1 中華人民共和國國家統(tǒng)計局.2015年國民經濟和社會發(fā)展統(tǒng)計公報[EB/OL].(2016-02-29).http:∥www.stats.gov.cn/tjsj/zxfb/201602/t20160229_1323991.html.

2 諶琴，高笑天. 2015年上半年國內玉米市場分析與展望[J]. 農業(yè)展望,2015,11(6):8-12. CHEN Qin, GAO Xiaotian. China’s maize market in the first half of 2015 and its prospect[J]. Agricultural Outlook, 2015,11(6):8-12.(in Chinese)

3 李少昆，王崇桃. 玉米高產潛力·途徑[M]. 北京： 科學出版社, 2010: 368.

4 王飛，邢世和. 作物種植區(qū)劃研究進展[J]. 中國農業(yè)資源與區(qū)劃,2007,28(5):37-40. WANG Fei, XING Shihe. Progress of the research on crop planing regional planing[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2007, 28(5):37-40.(in Chinese)

5 劉明春, 鄧振鏞, 李巧珍，等. 甘肅省玉米氣候生態(tài)適應性研究[J]. 干旱地區(qū)農業(yè)研究, 2005,23(3): 112-117. LIU Mingchun, DENG Zhenyong, LI Qiaozheng, et al. The suitable planting division of corn in Gansu[J]. Agricultural Research in the Arid Areas, 2005,23(3):112-117.(in Chinese)

6 楊錦忠，崔福柱，郝建平，等. 基于GIS的山西省玉米熱量資源精細區(qū)劃[J]. 山西農業(yè)科學, 2014,42(1): 33-38. YANG Jinzhong, CUI Fuzhu, HAO Jianping, et al. GIS-based precision zoning of heat resources for maize in Shanxi[J]. Journal of Shanxi Agricultural Sciences, 2014,42(1):33-38.(in Chinese)

7 石淑芹，陳佑啟，李正國，等. 基于空間插值分析的指標空間化及吉林省玉米種植區(qū)劃研究[J]. 地理科學, 2011,31(4): 408-414. SHI Shuqin, CHEN Youqi, LI Zhengguo, et al. Spatial simulation of indices based on spatial interpolation tachnique and regional planing for planting maize in Jilin province[J]. Scientia Geographica Sinica, 2011,31(4):408-414.(in Chinese)

8 何奇瑾，周廣勝. 我國夏玉米潛在種植分布區(qū)的氣候適宜性研究[J]. 地理學報, 2011,66(11): 1443-1450. HE Qijin, ZHOU Guangsheng. Climatic suitability of potential summer maize planting zones in China[J]. Acta Geographica Sinica, 2011,66(11):1443-1450.(in Chinese)

9 楊平，張麗娟，趙艷霞，等. 黃淮海地區(qū)夏玉米干旱風險評估與區(qū)劃[J]. 中國生態(tài)農業(yè)學報, 2015,23(1): 110-118. YANG Ping, ZHANG Lijuan, ZHAO Yanxia, et al. Risk assessment and zoning of drought for summer maize in the Huang-Huai-Hai region[J]. Chinese Journal of Eco-Agriculture,2015,23(1):110-118.(in Chinese)

10 吳格娥，張家衛(wèi)，石群. 幾個玉米新品種的豐產性及對大斑病的抗性比較試驗[J]. 黔東南民族職業(yè)技術學院學報, 2007,3(1): 16-18. WU Geer, ZHANG Jiawei, SHI Qun. High yield and resistance to several new varieties of corn exserohilum turcicum comparison test[J]. Journal of Southeast Guizhou Vocational College of Technology for Nationalities, 2007,3(1):16-18. (in Chinese)

11 鄧振鏞，李棟梁，郝志毅，等. 我國高原干旱氣候區(qū)作物種植區(qū)劃綜合指標體系研究[J]. 高原氣象, 2004,23(6): 847-850. DENG Zhenyong, LI Dongliang, HAO Zhiyi, et al. Study on integrative index system of crop ecological suitable planting division in arid climate condition of altiplano region[J]. Plateau Meteorology, 2004,23(6):847-850.(in Chinese)

12 高桂芹，郭麗霞. 2005年唐山市夏播玉米空稈、畸形穗氣象因素分析[J]. 玉米科學, 2006,14(增刊1): 119-120,122. GAO Guiqin, GUO Lixia. Analysis of the cause of meteorological formation of barren stem crooked fringe on summer maize of Tang-shan in 2005[J]. Journal of Maize Sciences, 2006,14(Supp.1):119-120,122.(in Chinese)

13 劉哲，唐日晶，趙祖亮，等. 黃淮海地區(qū)玉米品種適宜性精細區(qū)劃研究[J/OL]. 農業(yè)機械學報, 2015,46(8): 281-288. LIU Zhe, TANG Rijing, ZHAO Zuliang, et al. Regionalization of maize cultivars cultivated in Huang-Huai-Hai plain of China[J/OL]. Transactions of the Chinese Society for Agricultural Machinery,2015,46(8):281-288.(in Chinese)

14 CARLOS L, WEI J, FAST T, et al. Classification of maize environments using crop simulation and geographic information systems[J]. Crop Science, 2005, 45(5): 1708-1716.

15 SETIMELA P, CHITALU Z, JONAZI J, et al. Environmental classification of maize-testing sites in the SADC region and its implication for collaborative maize breeding strategies in the subcontinent[J]. Euphytica, 2005, 145(1-2): 123-132.

16 CHENU K, COOPER M, HAMMER G L, et al. Environment characterization as an aid to wheat improvement: interpreting genotype-environment interactions by modelling water-deficit patterns in North-Eastern Australia[J]. Journal of Experimental Botany, 2011, 62(6): 1743-1755.

17 王思嘉. 玉米品種多環(huán)境測試站點的布局方法研究——以吉林省為例 [D]. 北京: 中國農業(yè)大學, 2015. WANG Sijia. Spatial distribution of multi-environment trial station for maize varieties—a case study of Jilin province[D]. Beijing: China Agricultural University,2015.(in Chinese)

18 李震，洪添勝，曾祥業(yè)，等. 基于K-means聚類的柑橘紅蜘蛛圖像目標識別[J]. 農業(yè)工程學報,2012,28(23):147-153,299. LI Zhen, HONG Tiansheng, ZENG Xiangye, et al. Citrus red mite image target identification based onK-means clustering[J]. Transactions of the CSAE, 2012, 28(23): 147-153,299.(in Chinese)

19 汪虎. 玉米品種級種植區(qū)劃算法研究及系統(tǒng)實現[D]. 北京: 中國農業(yè)大學, 2010. WANG Hu. Maize varieties and planting division algorithm and system implementation[D]. Beijing: China Agricultural University,2010.(in Chinese)

20 YAO Xiaochuang, ZHU Dehai, YE Sijin, et al. Spatial interpolation methods study based on geostatistics for the grasshopper population[J]. Sensor Letters, 2014, 12(3):645-650.

Temporal and Spatial Planting Regionalization Description of Spring Maize in Northeast China Based on Several Years Environmental Characteristics

LIU Zhe LIU Wei ZAN Xuli FENG Wei LI Shaoming ZHANG Xiaodong

(CollegeofInformationandElectricalEngineering,ChinaAgriculturalUniversity,Beijing100083,China)

Maize is one of the main food crops in China. Due to too much scales of maize environmental regionalization description, the partition environmental characteristics are not satisfied with the test requirements of the fine varieties, and only using several years average values to describe the spatial characteristics of the environment can not enough recognize the multiple environment test of the environment. The geographical grid was taken as the unit, and the three northeastern provinces as the study area. By using the 21-year meteorological data, DEM, slope and the planting area of spring maize in the three provinces of Northeast China, the every year environment characteristic was used as index to build a multi-year environmental characteristic mean database and a several years environment characteristics database. From the temporal and spatial perspective, the attribute clustering method was used to research a maize environment fine division method. The result was that the environmental characteristics of the three provinces in Northeast China were divided into seven categories. The regionalization of maize planting environment in the three provinces of Northeast China was carried out by using the belonging degree analysis method for category, and compared with the spatial regionalization of the mean value of environmental characteristics for many years, the result of spatial-temporal regionalization was more precise and the environmental cognition was more full.

maize planting environment； multiple environment test； spatial regionalization； spatial-temporal regionalization； belonging degree for category

10.6041/j.issn.1000-1298.2017.06.016

2016-10-14

2016-11-23

國家自然科學基金青年項目(41301075)

劉哲(1985—)，男，副教授，博士，主要從事作物表型測試與種業(yè)信息技術研究，E-mail: liuz@cau.edu.cn

張曉東(1966—)，女，教授，博士生導師，主要從事農業(yè)空間信息技術與應用研究，E-mail: zhangxd@cau.edu.cn

F323.1

A

1000-1298(2017)06-0125-07