摘 要：該研究在K均值算法KM的基礎上，根據空間單元位置的相互依賴關系，提出了一種新的空間連續性聚類算法 SCKM。以北京精準農業示范基地獲取的0MIS圖像為數據源，選用K均值算法、等間隔法、分位數法、自然斷點法等傳統 分區方法和SCKM算法，對肥水需求關鍵時期的小麥的長勢差異進行了管理分區提取研究，并引入了權重方差和聚集度 兩種分區效果評價指標，對分區結果進行了比較和評價。結果表明：SCKM算法與傳統分區方法分區結果相比，區內方差差 異不顯著；而空間聚集度遠好于后者，利用SCKM法分區能夠有效地去除大量的孤立單元或碎片。

　　關鍵詞：精準農業；管理分區；SCKM算法；評價指標

　　0 引 言

　　變量投入技術是實現農業精準管理的關鍵技術和 手段，初期的精準農業變量投入技術主要通過柵格采樣 方法實現的，然而采樣密度、采樣方式以及插值方法的 不同直接影響應用處方的精度和空間分布[1’2]。而且為 了產生精確的處方圖，需要投入大量的人力、時間和成 本獲取高度密集的采樣數據口]。另一方面，在實際田問 變量實施中，規則的格網處方并不實用。因此，許多學者 開始研究按照土壤或作物長勢狀況的差異性將同一地 塊分成不同的均質性區域進行管理，即管理分區。管理 分區技術是目前實施精準農業變量管理的一個經濟有 效的手段。科學合理的管理分區可以指導用戶以管理分 區為單元，進行土壤和作物農學參數采樣，并根據不同 單元間的空間變異性，實施變量投入、精準管理決策。許 多研究者采用不同的數據源(如高程、坡度、坡向等地形 數據、土壤電導率、土壤耕層深度、產量數據等)進行了 管理分區的劃分研究r4川]，但目前的研究方法主要采用 非監督分類或監督分類以及GIS軟件提供的分類方法 (如等間隔法、分位數法、自然斷點法等)進行管理分區 的勾畫，但由于在分區的過程中僅考慮了空間單元的屬 性數據，并沒有考慮單元的空間分布及空間相互依賴關 系而使分區結果出現許多孤立的單元或碎片，不便于精 準農業機械設備的田間變量管理作業。為了解決此問 題，本研究在傳統的K均值算法的基礎上，引入了空間 收稿日期：2004—11-04修訂日期：2005—02—23 基金項目：863數字農業資助項目(2003AA209040) 作者簡介：李翔(1975一)，男，河南鹿邑人，博士生，主要從事GIS 空間分析與遙感應用研究。北京 北京師范大學地理學與遙感科學 學院遙感與地理信息系統研究中心，i00875。Email：gmlxiangl88 @sohu．com 通訊作者：趙春江(1964～)，研究員，博士生導師，北京國家農業 信息化工程技術研究中心，100089。Email：zhaocj@nercita．org．cn 單元位置的相互依賴關系，提出了一種新的空間連續性 聚類算法SCKM(Spatial Contiguous K—Means cluster)。并以北京精準農業示范基地獲取的高分辨率 成像光譜圖像OMIS(Operative Modular Imaging Spectrometer)為數據源，選用4種傳統的分區方法(K 均值、等間隔、分位數、自然斷點法)和SCKM算法，對 肥水需求關鍵時期的小麥的長勢差異進行了調優栽培 管理分區提取研究，并對傳統方法與SCKM算法的分 區效果進行了比較和評價。

　　1傳統的分區方法

　　1．1 GIS軟件提供的幾種常用方法

　　ArcGIS軟件中提供的幾種常見分類方法： 等間隔法(Equal Interval，EI)：根據空間單元的屬 性數據，按等間隔距離將空間單元劃分不同的類別。 分位數法(Quantile，QT)：按照每個類別具有相同 的空間單元來劃分的方法。 自然斷點法(Natural Breaks，NB)：用Jenk優化公 式確定不同類別間的斷點，該方法相當復雜，但其核心 思想是使類別內方差和最小。自然斷點法能反映空間單 元分布的固有模式或類別。

　　1．2 K均值聚類算法

　　K均值聚類算法(K—Means，KM)是一種經典的 空間聚類算法。首先，要給定聚類數目K創建一個初始 劃分，然后根據聚類準則函數將空間對象與這些聚類中 心和初始類逐一作比較，判斷對象的歸屬。K均值算法 是用每個聚類中所有對象的平均值作為該聚類(簇)的 中心，采用誤差平方和最小準則判斷對象的歸屬。

　　2基于空間連續性聚類算法SCKM

　　Tobler(1978)提出了地理學第一定律—空間自相關性,即“距離相近的物體比距離遠的相關性大”,它是表征兩個位置相近物體的相似程度,是自然界普遍存在的一種地理現象。利用空間自相關性進行精準農業管理分區的提取可以使每個分區具有較高的空間自相關性。而實際上大部分空間自相關度量指標不能用于分類,如全局 Moran' I Geary'C等。因為這些指標是從全

　　局角度來度量樣本之間(在連續的柵格圖像中,每個像元可看作一個樣本)在整個區域的空間依賴程度,而不能度量每個樣本對其周圍樣本的依賴性在空間上的差。

　　3結語

　　本研究在K均值算法的基礎上,提出了一種精準農業管理分區劃分的新算法SCKM,不僅考慮了空間單元的屬性值之間的差異性,還考慮了空間單元的空間分布及其空間相互依賴性。驗證結果表明SCKM算法可以使區內變異較小,而且去除了大量的碎片和孤立的像元,兼顧了管理分區的連續性,適宜精準農業田間變量管理作業。分區結果可以直接作為變量管理的決策單元,在同一管理分區內實施統一管理,不同分區間實施變量管理模式,如根據肥水需求關鍵時期的小麥長勢差異,在不同管理分區間設計不同的目標產量進行產中變量追肥管理12-1。分區結果也可指導生產者和科技工作者進行土壤和作物農學參數采樣,提高采樣精度和效率。因此,利用SCKM算法進行管理分區的劃分為精準農業變量投入、精準管理提供了有效途徑

　　作者：李 翔1’2，潘瑜春2，趙春江2※，王紀華2，鮑艷松1，劉良云2，王錦地1’3