论文部分内容阅读
环境适宜性评价是综合考虑针对作物在特定种植土壤环境、气候环境、社会环境所做出的定性、定量和定位的评价。随着现代数学理论的发展和计算机技术的不断更新，环境适宜性评价方法逐渐从简单的单准则、单目标方法逐渐向多准则多目标的方向延伸。在现有的评价方法中，评价方法的选择人为因素的影响较大，根据研究需要在众多评价方法上选取其中一种方法进行评价，这一定程度上忽落了各评价方法的优缺点，进而严重影响了评价结果的合理性和准确性。特别是针对地理环境相对复杂的贵州山地丘陵区域，如何因地制宜地选取评价方法对半夏种植环境适宜性进行评价，并最大限度地确保评价精度，是亟需解决的问题。 本研究以贵州省赫章县半夏种植环境适宜性评价为研究对象，通过采样、分析赫章县半夏种植区205个土壤样品理化性质，以及通过实地走访、调查问卷发放，收集相关的气象、社会资料为基础，基于ArcGIS技术与多种数学模型交叉应用，并采用经验指数和法、地统计学法、模糊数学理论法及人工神经网络法对复杂地理环境下的半夏环境适宜性评价进行综合研究，并对4种评价方法的结果进行了比较分析，主要研究结论如下： 1.基于经验指数和法：采用层次分析与特尔菲相结合中的线性加权求和计算样本综合指数，依据专家打分进行半夏环境适宜性评价分析，不同研究尺度适宜性评价结果存在比较大的差异，样本尺度和区域尺度中适宜区（高度适宜与中度适宜之和）和不适宜区（勉强适宜与不适宜之和）的耕地面积比例分别为3.36:1和2.38:1。 2.基于地统计学法：（1）依据Fisher理论中样本分布的判断标准，其原始数据样本中有机质、速效钾为非正态分布，其余各评价指标均为正态分布。（2）通过对各评价指标进行趋势效应分析，研究区域 pH、有机质、速效钾、海拔、生育期均温趋势分布均为一阶趋势效应，生育期含水量、生育期光照、农民收入的分布趋势均为二阶趋势效应。（3）研究区不同尺度环境适宜性综合评价存在差异。样本尺度和区域尺度上适宜类和不适宜类种植的耕地面积比例分别为3.24:1和3.34:1。 3.基于模糊数学方法：通过模糊综合评价和模糊ISODATA聚类分析方法，两种不同的评价方法所得到的结果差异性不显著。从模糊综合评价法来看，样本尺度和区域尺度适宜类与不适宜类的耕地面积比值分别为：3.61:1和3.71:1；从模糊ISODATA聚类分析来看，样本尺度和区域尺度适宜类与不适宜类的耕地面积比值分别为：3.93:1和3.62:1。 4.基于人工神经网络法：通过BP网络和RBF网络分析，BP网络和RBF网络适宜性评价的环境适宜范围差异不明显。从BP网络来看，样本尺度和区域尺度适宜类与不适宜类的耕地面积比值分别为：2.38:1和2.49:1；从RBF网络来看，样本尺度和区域尺度适宜类与不适宜类的耕地面积比值分别为：1.561和2.50:1。 5.环境适宜性评价方法比较：通过对复杂地理环境条件下环境适应性性评价方法进行理论和评价结果的差异性进行比较，通过样本尺度和区域尺度两种尺度类型进行结果验证：地统计学中样本尺度和区域尺度适宜类与不适宜类的比值接近，说明采用该方法进行区域性的适宜性分类是可行的，不仅可以满足研究区域较小的情况，同样可以适用于研究区域较大的情况，通过地统计学方法可以对大区域的适宜性评价进行量化，进一步节省人力、物力和财力，该方法适宜用于半夏环境适宜性评价。