Utilice el modelo de elevación digital para extraer automáticamente la pendiente de las tierras agrícolas
Recursos terrestres Modelo digital de elevación Pendiente SIG Tierra cultivada
1 Introducción
Para conocer el estado de los recursos de tierra cultivada en pendiente y realizar una evaluación científica, es necesario promover el desarrollo económico y formular científicamente la planificación del desarrollo y utilización de los recursos de la tierra y la planificación del retorno de las tierras agrícolas ecológicas son de gran importancia. Las tierras agrícolas en pendiente son la base de producción de cereales secos, cultivos comerciales, árboles frutales, etc., y desempeñan un papel importante en la producción agrícola. Dado que la mayor parte de las tierras de cultivo en pendiente se recuperan a lo largo de la pendiente, las crestas son imperfectas, la capa superior del suelo se elimina y la capa cultivada se desertifica; además, el uso intensivo y el cultivo ligero, la agricultura extensiva y la poca o ninguna aplicación de fertilizantes orgánicos dan como resultado una pérdida de terreno. El bajo contenido de materia orgánica del suelo y la falta de nutrientes de nitrógeno, fósforo y potasio, el suelo es muy ácido y la capa cultivada es poco profunda y sujeta a sequía, lo que resulta en bajos rendimientos de los cultivos. Sin embargo, las tierras de cultivo en pendiente tienen una gran superficie, suelo profundo, condiciones ambientales superiores, suficiente agua y calor y un gran potencial para aumentar la producción. En respuesta a los problemas existentes, es necesario determinar la cantidad, distribución y propiedad exactas de las tierras agrícolas en pendiente y realizar una evaluación científica, y luego formular las contramedidas correspondientes para la mejora científica.
Por otro lado, desde que los humanos entraron en la civilización agrícola, han escrito una historia de deforestación y recuperación de tierras. El informe "Perspectivas del Medio Ambiente Ecológico Mundial 2000" de las Naciones Unidas señala que la demanda humana de bosques y tierras cultivables ha reducido los bosques mundiales en un 35%, de los cuales el 30% se han convertido en tierras agrícolas, lo que dificulta el apoyo al desarrollo de la civilización humana. . China no es una excepción. La deforestación y la recuperación de tierras han continuado en China durante miles de años. "La comida es la primera prioridad para el pueblo" ha sido una base importante para que los gobiernos de las dinastías pasadas formularan diversas políticas. Desde la fundación de la República Popular China hasta mediados de la década de 1990, los problemas alimentarios siempre han plagado el desarrollo de nuestro país, y el ritmo de la deforestación y la expansión de las tierras agrícolas nunca se ha detenido ni un solo día. Hasta ahora, hay más de 91 millones de acres de tierras agrícolas en pendiente con una pendiente de más de 25 grados en todo el país. Diversas medidas para aumentar la producción de alimentos, incluidas la deforestación y la recuperación de tierras, han permitido a mi país alimentar al 22% de su población con el 7% de la tierra cultivable del mundo. Esta es una contribución notable para toda la humanidad. Sin embargo, el precio ecológico que se paga por ello también es alto. Debido a los métodos agrícolas poco razonables y la deforestación en los tramos superior y medio de los ríos Yangtze y Amarillo, cada año se ingresan 2 mil millones de toneladas de sedimentos en los ríos Yangtze y Amarillo, dos tercios de los cuales provienen de tierras agrícolas en pendiente. La recuperación de tierras agrícolas en pendiente ha provocado la erosión del agua y del suelo y la desertificación de la tierra, lo que en última instancia ha empeorado el entorno ecológico. Es imperativo convertir las tierras agrícolas en bosques. A partir de los últimos años del siglo XX, con la solución fundamental al problema alimentario, fue posible prestar más atención a las cuestiones ecológicas. En 1999, el Comité Central del Partido y el Consejo de Estado se hicieron cargo de la situación general, evaluaron la situación, aprovecharon la oportunidad favorable y tomaron la importante decisión de "convertir tierras agrícolas en bosques a cambio de alimentos para la ecología". poner fin a miles de años de deforestación y recuperación de tierras. Hay que decir que este es un gran punto de inflexión histórico.
Para desarrollar y mejorar las tierras agrícolas en pendiente y convertirlas en bosques, es necesario comprender con precisión la distribución y el grado de pendiente de las tierras agrícolas en pendiente. En la actualidad, los departamentos de gestión de tierras de varios lugares utilizan los datos de pendientes recopilados durante el estudio inicial detallado de la tierra cuando realizan estudios de tierras agrícolas en pendiente. Estos datos de pendientes se obtienen mediante métodos manuales o semimanuales. La precisión de los datos es difícil de verificar por completo. , lo que inevitablemente afectará la precisión de los datos agregados por provincia, ciudad e incluso país. Con la mejora de las capacidades de procesamiento de datos informáticos, el uso generalizado de instrumentos de medición automáticos y el desarrollo de la tecnología cartográfica, se ha hecho posible utilizar computadoras para extraer de forma automática y precisa la pendiente y la distribución de las tierras agrícolas inclinadas. DEM se utiliza en el proceso de ortorectificación de imágenes de teledetección. En circunstancias normales, una vez completada la corrección, los datos DEM quedan inactivos y son datos obtenidos con mucho esfuerzo y deben desarrollarse en profundidad para mejorar su utilización y permitir que desempeñen más funciones. Este artículo analiza cómo utilizar las tecnologías avanzadas existentes para realizar la extracción automática de tierras agrícolas en pendiente.
2 Acerca del modelo de elevación digital DEM
2.1 Descripción general del modelo de elevación digital
A mediados de la década de 1950, Miller, director del Laboratorio de Fotogrametría del MIT (C.L. Miller) propuso un concepto general: Modelos Digitales del Terreno (DTM). Desde entonces, DTM se ha desarrollado rápidamente y se ha utilizado ampliamente en muchos campos, incluido el SIG. Los modelos digitales de elevación (DEM) son un caso especial de MDT. Ambos son conjuntos numéricos ordenados que describen la distribución espacial de las características del terreno. La distribución espacial se describe mediante el sistema de coordenadas horizontales X, Y o la latitud y longitud.
A diferencia del DTM, la característica del terreno del DEM es el valor de elevación Z, en lugar de describir valores de atributos como el tipo de suelo, el tipo de vegetación y el uso de la tierra. Actualmente, los verdaderos SIG tridimensionales (3D) todavía se encuentran en la etapa de investigación, y DEM sigue siendo el principal medio bidimensional para que los SIG representen el terreno en 3D. Los DEM comúnmente utilizados en SIG son: cuadrícula regular (GRID) y red triangular (TIN) basadas en representación de 2,5 dimensiones, y mapas de contorno basados en representación de plano bidimensional. GRID utiliza un conjunto de cuadrículas del mismo tamaño para describir la superficie del terreno. Puede expresar completamente los cambios detallados en la elevación. La relación topológica es simple, el algoritmo es fácil de implementar y algunas manipulaciones y almacenamiento del espacio son convenientes. es que ocupa una gran cantidad de almacenamiento. Existe una disonancia entre las características espaciales irregulares del terreno y la representación de datos regulares. TIN se compone de una serie de triángulos separados formados por puntos de terreno dispersos de acuerdo con ciertas reglas. Sus ventajas son un almacenamiento eficiente, una estructura de datos simple, armoniosa con características irregulares del terreno y puede representar características funcionales delicadas y superponer límites de área en forma arbitraria, pero el La implementación del TIN es más compleja y difícil. Los algoritmos de generación de GRID comúnmente utilizados incluyen: interpolación ponderada por distancia inversa (IDW), interpolación bilineal, interpolación de superficie de tendencia, interpolación spline, función de superficie de interpolación superpuesta de múltiples capas e interpolación Kriging, etc. Los algoritmos de generación de TIN incluyen principalmente: Método de segmentación y fusión, método de inserción punto por punto y método de crecimiento paso a paso.
2.2 Método de producción de DEM
Los datos DEM generalmente se pueden obtener o comprar de las autoridades topográficas y cartográficas. Si obtiene datos DEM que cumplen con las especificaciones de proyección y la precisión de la escala, puede usarlos recortándolos de acuerdo con un cierto rango de cobertura en el software GIS. Por ejemplo, puede utilizar el comando GRIDCLIP en el módulo GRID del software ARC/INFO.
Si no puede obtener datos DEM ya preparados, también puede generarlos usted mismo utilizando mapas topográficos. Los pasos son los siguientes:
(1) Digitalización y calibración de mapas topográficos en papel, es decir, escaneo de mapas topográficos y corrección geométrica.
(2) Extracción de información de elevación. Incluyendo: ① Seguimiento vectorial de pantalla de líneas de contorno; ② Asignar valores de elevación a marcas de contorno; ③ Editar, verificar y empalmar para generar relaciones topológicas.
(3) Generación DEM. Esto incluye: ① interpolar el mapa vectorial generado usando una red triangular irregular (TIN) en el software ARC/INFO para que toda el área de estudio contenga valores de elevación; ② muestrear los datos TIN y convertirlos en datos GRID;
(4) Datos de DEM de cultivos. El método es el mismo que antes.
2.3 Datos DEM utilizados en proyectos de investigación
La precisión de los datos es un concepto estrechamente vinculado a la escala del mapa, y los diferentes tipos de datos deben integrarse bajo un marco de precisión unificado. Los datos vectoriales deben editarse, corregirse y sintetizarse cartográficamente bajo un tipo de proyección y un marco de escala específicos; la precisión de los datos DEM también es un concepto estrechamente relacionado con la escala. Las investigaciones muestran que el uso de datos DEM generados a partir de mapas topográficos 1:50.000, cuadrículas de 25 a 30 metros en áreas de media montaña pueden preservar bien la información topográfica. Es mejor utilizar un espaciado de cuadrícula de 20 metros en áreas de alta montaña, mientras que en montañas bajas. y áreas planas, es mejor utilizar un espaciado de rejilla de 20 metros. Se puede utilizar un espaciado de rejilla de 50 metros.
Este estudio utiliza principalmente datos DEM a escala 1:50.000 producidos por la Oficina Nacional de Topografía y Cartografía de acuerdo con estándares unificados, con un espaciado de cuadrícula de 25 metros. El área experimental cubre todo el condado de Longhua ubicado en la parte norte de la provincia de Hebei, con una superficie de 5.492 kilómetros cuadrados. La elevación más baja es de 660 metros y la más alta es de 1244 metros. El formato de datos original es el formato estándar de cobertura. Después de la conversión de coordenadas, las coordenadas se convirtieron uniformemente al sistema de coordenadas Xi'an de 1980. La Figura 1 es una imagen DEM en escala de grises a escala 1:50,000 en el área experimental, y la Figura 2 es la imagen DEM después del procesamiento de sombreado.
Figura 1 Imagen DEM en escala de grises
Figura 2 Imagen DEM después del procesamiento de sombreado
3 Extracción de información de pendiente
3.1 Utilización La base matemática para cálculo de pendiente usando DEM
El autor desarrolló el diagrama de pendiente y aspecto basado en DEM. La pendiente se refiere a la tasa de cambio del valor de elevación del píxel en GRID. El resultado del cálculo se almacena en el atributo del píxel en forma de grados, decimales o porcentajes. El aspecto de pendiente se refiere a la orientación de cada píxel en GRID, que oscila entre 0 y 360 grados. Entre ellos, 0 grados representa el norte, 90 grados representa el este, etc. Hasta ahora, los métodos de cálculo de pendiente y aspecto se pueden resumir en cinco tipos: método de cuatro bloques, método de análisis de vectores espaciales, método de plano de ajuste, método de superficie de ajuste y método de solución directa.
El método de superficie ajustada ha demostrado ser la mejor manera de resolver la pendiente. El método de superficie de ajuste generalmente utiliza una superficie cuadrática, es decir, una ventana de 3×3 (Figura 3):
Figura 3 Ventana de superficie cuadrática del método de superficie de ajuste
Cada punto es una elevación punto. La fórmula de solución para la pendiente del punto G es la siguiente:
Proceedings of Land Resources Monitoring and Survey Engineering [2]
La fórmula de cálculo del aspecto de la pendiente es:
Procedimientos de monitoreo de recursos terrestres de ingeniería topográfica [2]
En la fórmula: S es la pendiente; A es el aspecto de la pendiente; SWE es la pendiente en la dirección este-oeste (eje X); SSN es la pendiente en dirección norte-sur (eje Y). Hay cuatro tipos de algoritmos de pendiente en En la fórmula, ΔG es el espaciado de la cuadrícula de GRID.
3.2 Generación de mapa de pendientes
De acuerdo con el modelo matemático de cálculo de pendientes anterior, utilice la computadora para procesar y generar automáticamente el mapa de pendientes. Los mapas de pendiente no deben generarse en niveles aleatorios. El nivel de expresión de la pendiente debe determinarse antes de generar la pendiente para ser consistente con los niveles de pendiente que se usan a menudo en el trabajo diario (es decir, los niveles de pendiente requeridos para la construcción). una base de datos del uso actual de la tierra), los niveles de pendiente se formulan especialmente de la siguiente manera:
Proceedings of Land Resources Monitoring and Survey Engineering [2]
De acuerdo con este nivel de pendiente, SIG. El software se utiliza para extraer automáticamente el Polygen correspondiente de la información de la cuadrícula del DEM. Cada nivel El Polygen se compone de diferentes colores y tiene un código de nivel de pendiente agregado automáticamente en las propiedades del Polygen. El estilo del mapa de pendientes generado se muestra en la Figura 4, con diferentes colores que representan diferentes pendientes.
Figura 4 Mapa vectorial de nivel de pendiente
3.3 Superposición de mapa de uso de suelo y mapa de pendiente (extracción de tierras agrícolas de pendiente)
Después del procesamiento anterior, aunque todo mapa Se han expresado todos los diferentes niveles de pendiente dentro del rango, pero no sabemos dónde hay tierra cultivada y dónde no cultivada. Por lo tanto, es necesario utilizar otros medios técnicos para hacer la distinción. Para resolver este problema, generalmente existen dos métodos: método de combinación manual y método de procesamiento automático por computadora. El método manual es muy atrasado y no se analizará en detalle aquí. A continuación solo se analizará el método de procesamiento automático.
En el proceso de construcción de la base de datos de uso de la tierra, los parches del mapa de varios tipos de tierra se han vectorizado después de que el mapa de uso de la tierra vectorizado se haya transformado en coordenadas y se haya registrado con los datos del mapa de pendientes DEM (sobre el método). La conversión y el registro del sistema de coordenadas no se describirán en detalle aquí (consulte la información relevante). La función de análisis espacial del software SIG general se utiliza para calcular automáticamente la pendiente de cada parche cultivado. El principio básico del análisis espacial se muestra en la Figura 5.
El análisis espacial es una operación que superpone dos capas de elementos del mapa para generar una nueva capa de elementos. El resultado es que los elementos originales se dividen, cortan y combinan, y luego se generan nuevos elementos. Se sintetizan los elementos. Se revelan los atributos de los elementos originales de dos capas. En otras palabras, la superposición espacial no solo genera nuevas características espaciales, sino que también conecta los atributos de las características de entrada para generar nuevos atributos. La superposición espacial se divide en dos tipos: datos vectoriales y datos ráster. Para datos vectoriales, se utiliza el método de superposición de vectores. Este método realiza operaciones como segmentar, cortar y ajustar los datos espaciales del vector, y conecta los atributos relacionados con el vector. El resultado de la superposición son nuevos datos vectoriales y datos de atributos. Para datos ráster, se utiliza el método de superposición ponderada ráster, que pondera y agrega los elementos correspondientes de los dos archivos ráster como elementos correspondientes del resultado de la superposición.
Figura 5 El análisis espacial asigna automáticamente valores de pendiente a parches de mapa
Los datos de atributos relacionados con los vectores, o la tabla de conexión de atributos obtenida por la superposición de vectores, se pueden analizar más a fondo por atributo estadísticas para obtener relaciones cuantitativas entre varios elementos.
En la Figura 5, la parte oscura es el parche del mapa de Yipeng. La búsqueda espacial encontró que el parche contiene tres pendientes diferentes de 1°, 2° y 3°. El software realizará automáticamente un promedio ponderado. , para obtener la pendiente final (aproximadamente 2,1° en la imagen).
Agregue un campo de "nivel de pendiente de computadora" al campo de atributo de parche del mapa vectorial de estado de uso de la tierra (para evitar conflictos con el campo original de "nivel de pendiente"), y cada mapa se podrá obtener mediante análisis espacial nivel de pendiente del parche y asigna automáticamente un valor a este campo.
Cabe señalar que el mapa de estado de uso de la tierra después de la asignación automática no solo realiza la asignación de valores a parches de tierras agrícolas, sino que también incluye valores de pendiente para todos los parches, incluidos terrenos forestales, áreas residenciales, áreas de agua, etc. un método de representación sin precedentes, que sienta las bases para futuras aplicaciones en el futuro. La Figura 6 es un mapa del uso actual del suelo con niveles de pendiente.
Figura 6 Mapa de estado de uso de la tierra con niveles de pendiente
4 Comparación de los resultados de pendiente extraídos automáticamente por computadora con los datos de pendiente en el estudio topográfico original
En base a Longhua Al finalizar la construcción de la base de datos de uso de la tierra del condado, los niveles de pendiente de la tierra cultivada del estudio de tierra original se compararon con los niveles de pendiente extraídos automáticamente por DEM.
Después de la renovación del terreno y el establecimiento de la base de datos en el condado de Longhua, el número total de parches cartográficos es de aproximadamente 35.237, de los cuales 3.934 están marcados con niveles de pendiente según los datos detallados iniciales del estudio (la razón de un tamaño tan pequeño). El número es Hay dos razones: una se debe a que los datos de la investigación detallada original están incompletos o se perdieron durante el proceso de vectorización de la construcción de la base de datos; la otra es que solo se marcan las tierras cultivadas y las demás tierras no están representadas). parches del mapa en el condado. La computadora extrajo automáticamente el nivel de pendiente. Ahora compare los niveles de pendiente marcados con puntos gráficos con los niveles de pendiente extraídos automáticamente por la computadora.
Para verificar la precisión de los resultados de la tabla, este estudio realizó inspecciones puntuales en el sitio en los niveles de las pendientes mientras realizaba estudios de renovación de tierras. El número de inspecciones puntuales fue aproximadamente 50. Los resultados muestran que la mayoría de las parcelas con errores de pendiente (una diferencia de nivel) son tierras cultivadas de aproximadamente 2 grados. 2 grados es la línea divisoria entre los niveles de pendiente 1 y 2. Los errores hombre-máquina tienden a ocurrir cerca de la línea divisoria. lo cual es normal. También se realizaron verificaciones aleatorias de los patrones con errores graves y los resultados mostraron que los resultados de la computadora eran correctos y que los errores graves fueron causados efectivamente por factores humanos.
Como se puede observar en la Tabla 1, durante la investigación detallada inicial, debido a las limitaciones de las condiciones del momento, alrededor del 47% de los valores de pendiente estimados eran correctos y alrededor del 47% tenían errores (el nivel de pendiente difiere en 1 nivel), con una diferencia bruta del 7%. Desde un punto de vista estadístico, estas diferencias son normales y reflejan las deficiencias de los métodos de procesamiento en ese momento. Estas deficiencias eran tolerables e impotentes en las circunstancias de aquel momento, pero hoy, con el rápido desarrollo de la informatización, son cuestiones que no se pueden ignorar. Al mismo tiempo, el autor considera que los estándares de clasificación actuales para los niveles de pendiente son aproximados. Tomando el nivel 1 como ejemplo, la pendiente es de 0 a 2 grados. En el trabajo real, todos saben que existe una diferencia esencial entre 0 grados. Terreno plano y pendiente de 2 grados. Clasificarlo dentro de un nivel afectará inevitablemente futuras aplicaciones en profundidad.
Tabla 1 Comparación entre el nivel de pendiente original y el nivel de pendiente extraído automáticamente por computadora
5 Conclusión
En el proceso actual de construcción de la base de datos de uso del suelo, si continuamos usando los datos de pendiente del estudio detallado inicial, surgirán dos problemas: ① La inexactitud de los datos originales afectará futuras aplicaciones en profundidad; ② Parte de la información de pendiente se perderá durante el proceso de construcción de la base de datos, lo que hará que la información original sea inexacta; los datos son aún más inexactos y es difícil detectar omisiones y corrección mediante la inspección previa, la aceptación y otros medios. Por este motivo, es imperativo utilizar medios técnicos avanzados para reevaluar las tierras agrícolas en pendiente. Se puede obtener un buen efecto de extracción de pendientes utilizando datos DEM, y el DEM a escala 1:50.000 es una variedad más adecuada.
El estándar de clasificación de pendientes actual es demasiado aproximado y puede tener efectos adversos en futuras aplicaciones en profundidad. Se recomienda mejorar el estándar de clasificación de pendientes. En las condiciones actuales, se recomienda conservar los datos DEM durante el proceso de construcción de la base de datos de uso del suelo, o establecer una base de datos DEM para prepararse para futuras aplicaciones.