基于空间连续性聚类算法的精准农业管理分区研究

被引：30

作者：

李翔

潘瑜春

赵春江

王纪华

鲍艳松

刘良云

王锦地

机构：

[1] 北京师范大学地理学与遥感科学学院遥感与地理信息系统研究中心,国家农业信息化工程技术研究中心,国家农业信息化工程技术研究中心,国家农业信息化工程技术研究中心,北京师范大学地理学与遥感科学学院遥感与地理信息系统研究中心,国家农业信息化工程技术研究中心,北京师范大学地理学与遥感科学学院遥感与地理信息系统研究中心北京,国家农业信息化工程技术研究中心,北京,北京,北京,北京,北京,北京,北京,遥感科学国家重点试验室,北京

来源：

农业工程学报 | 2005年 / 08期

关键词：

精准农业; 管理分区; SCKM算法; 评价指标;

D O I：

暂无

中图分类号：

S12 [农业物理学];

学科分类号：

09 ;

摘要：

该研究在K均值算法KM的基础上,根据空间单元位置的相互依赖关系,提出了一种新的空间连续性聚类算法SCKM。以北京精准农业示范基地获取的OMIS图像为数据源,选用K均值算法、等间隔法、分位数法、自然断点法等传统分区方法和SCKM算法,对肥水需求关键时期的小麦的长势差异进行了管理分区提取研究,并引入了权重方差和聚集度两种分区效果评价指标,对分区结果进行了比较和评价。结果表明SCKM算法与传统分区方法分区结果相比,区内方差差异不显著;而空间聚集度远好于后者,利用SCKM法分区能够有效地去除大量的孤立单元或碎片。

引用

页码：78 / 82

页数：5