《基于知识模型与 WebGIS 的精准农业处方智能生成系统研究.pdf》由会员分享，可在线阅读，更多相关《基于知识模型与 WebGIS 的精准农业处方智能生成系统研究.pdf（8页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、中国农业科学 2007,40(6):1190-1197 Scientia Agricultura Sinica 收稿日期：2006-08-08；接受日期：2007-01-29 基金项目：北京市京郊土壤养分“3S”技术精准管理试验示范（20060128）、国家863“小麦生产精准作业系统构建与应用”（2006AA10A308）的资助 作者简介：陈云坪（1974-），男，四川德阳人，助理研究员，博士研究生，研究方向为遥感与地理信息系统、精准农业。E-mail：nick_。通讯作者赵春江（1964-），男，河北定兴人，研究员，研究方向为农业信息化技术与精准农业技术体系。Tel：010-5150341
2、1；E-mail：zhaocj 。通讯作者王秀（1965-），男，河北万全人，研究员，研究方向为精准农业、精准施肥。Tel：010-51503425；Fax：010-51503696；E-mail: 基于知识模型与 WebGIS 的精准农业处方智能生成系统研究 陈云坪1,2，赵春江1，王 秀1，马金锋1,2，田振坤1,2（1国家农业信息化工程技术研究中心，北京 100097；2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 100875）摘要：【目的】根据土壤采样调查结果，插值生成田块土壤肥力分布图，并以此为基础生成变量施肥处方图指导变量施肥，即可实现节省肥料、提高经济效益和
3、保护环境的目的，是精准农业的核心思想。【方法】本系统可根据不同采样点所得的土壤养分含量，通过 Kriging 插值获得肥力分布图，经整合多年产量、气象和土壤等基础数据，将作物生产潜力估算、平衡施肥等知识模型与 GIS 相耦合。【结果】生成用于精准农业变量施肥的处方图，并通过网络予以发布，用户通过计算机网络即可获得施肥田块的作物施肥信息。【结论】构建了基于知识模型与WebGIS 的精准农业处方图生成系统的基本框架和处理流程，提高了处方图的合理性和可靠性，实现了通过网络生成和发布处方图，初步解决了目前处方图生成和发布的瓶颈。关键词：知识模型；WebGIS；处方图；变量施肥 Prescription
4、 Map Generation Intelligent System of Precision Agriculture Based on Knowledge Model and WebGIS CHEN Yun-ping1,2,ZHAO Chun-jiang1,WANG Xiu1,MA Jin-feng1,2,TIAN Zhen-kun1,2(1National Engineering Research Center for Information Technology in Agriculture,Beijing 100097;2Research Center for Remote Sensi
5、ng and GIS,College of Geography,Beijing Normal University,Beijing 100875)Abstract:【Objective】According to the result of soil sampling and test,a map of soil properties can be achieved by interpolation.After that,a prescription map can be generated to conduct variable-rate fertilization.This process
6、is the core of precision agriculture.It can not only save fertilizer,but also improve economic and environment benefits.【Method】The system which was based on geography information system(GIS)could:1)interpolate soil properties map by Kriging method;2)integrate yield,meteorological data and soil data
7、 into a database;3)couple GIS with knowledge model,such as crop potential productivity and balanced fertilization model;【Result】4)generate prescription map and transmit by web.【Conclusion】The study constructed the basic frame and process flow of prescription map based on knowledge model and webGIS,i
8、mproved the rationality and reliability of prescription map,implemented to generate and release a prescription by Web,and make it easy for user to get a prescription map.Key words:Knowledge model;webGIS;Prescription map;Variable-rate fertilization 0 引言【研究意义】化肥是粮食增产的重要因素，其贡献率约占 50%以上1。施肥同时也是一项与作物产量和品
9、质、土壤培肥、面源污染等问题密切相关的复合生态系统物质循环调控的重要措施2。但化肥的大量施用，会导致土壤中重金属和硝酸盐含量增加，土壤板结、酸化，微生物活动降低，最终使土壤肥力降低，肥料投入产出比下降，并不同程度地污染水源。为实现农业的可持续发展，20 世纪 90 年代初欧美等发达国家在大面积机械化生产的基础上应用全球定位系统（global position system，GPS）发展出基于环境资源的 时 空 变 异 确 定 化 肥 或 农 药 投 入 的 精 准 农 业（precision agriculture）。精准农业的本质是处方农作，6 期 陈云坪等：基于知识模型与 WebGIS 的
10、精准农业处方智能生成系统研究 1191 即按需实施，定位控制3。其关键技术之一是按照土壤肥力变异状况、田间杂草及病虫害分布情况生成处方图，再结合 GPS 控制施肥机或喷药机实现定点、定量施肥或喷药。【前人研究进展】近年来，精准农业技术发展很快，在计算机推荐施肥和处方图生成方面，国内外做了一些有益的研究和尝试，但多数是针对田块、农场、同一土壤类型或更大范围的尺度410，【本研究的切入点】对适合进行精准农业智能农机作业的小尺度较少涉及。少数能用于精准农业处方图生成的系统1117，都是基于桌面系统，阈于成本高、操作难度大，受众范围小等因素难以应用和推广。【拟解决的关键问题】本研究在精准农业思想的指导
11、下，基于知识模型与 WebGIS，进行了处方图生成的研究，并通过网络加以实现，解决了适合精准农业智能机械作业的处方图生成和发布的瓶颈问题。1 系统设计 本研究主要基于变量施肥系统的田间地理信息数 据库，依据土壤样品分析结果，结合光温生产潜力模型、目标产量模型等作物生长及施肥模型，使用Kriging 插值的方法，由计算机自动生成处方图或施肥 推荐处方，并通过网络予以发布。该系统既可提供由单独的用户进行人工施肥作业的施肥推荐处方，也可提供指导智能农机进行变量施肥和喷药作业的精准农业处方图，达到减少施肥量或喷药量，减小污染，但不降低作物产量的目的，并取得较高的经济效益。1.1 系统结构 系统由知识库
12、、数据库、模型库、空间数据库、智能决策模块、处方图生成模块及 Web 和 GIS 服务器等几部分组成。其中知识库、数据库、模型库和空间数据库为系统提供地图显示和决策分析的数据及模型支持；智能决策支持模块根据现有数据和模型生成处理方法供处方图生成模块调用；处方图生成模块的功能则是在服务器端生成处方图并通过网络服务器发布。系统结构如图 1 所示。1.2 数据库 数据库设计是系统设计的重要环节之一，本系统 数据库由空间数据库、属性数据库和基础数据库 3 部分构成。空间数据库包括区县、村行政区划图，土壤类型及土壤采样点分布图等；属性数据库包括土壤类型名称，土壤氮、磷、钾含量，区县、村庄名称，铁路、道路
13、、河流名称及长度等字段；基础数据库为关系型 图 1 系统结构图 Fig.1 Architecture of the system 1192 中 国 农 业 科 学 40 卷 数据库，采用 MS SQL server2000 构建，包括气象、土壤、作物参数等资料。2 系统的知识模型 知识模型是系统赖以存在的基础，好的模型不仅为系统提供严格的科学依据，也是输出结果精度的重要保证。限于篇幅和文章论述重点所限，文章仅对涉及产量目标和施肥量的光温生产潜力模型和目标产量模型做简单介绍。2.1 产量目标 产量目标设计是实现作物定量化栽培管理的前提和基础18，其数值选用下式来计算：+=PNWTfffYYYYY
14、meanmeanmeanGoal1 式中，YGoal代表产量目标，Ymean为前 3 年小麦平均产量，YT为决策点的光温生产潜力，可由公式（1）计算得到，fW、fN、fP分别代表水分供应水平、养分供应水平和生产技术水平。YT=Q(1-)(1-)(1-)(1-X)H-1fT （1）式中，Q：到达地面的太阳总辐射强度（Jm-2）；：生理辐射系数；：辐射吸收率；：辐射漏射率；：光饱和限制率；：呼吸消耗率；：量子转化效率；X：植株含水率；H：质能转化系数；fT：温度订正函数19。2.2 施肥模型 施肥量的确定主要有养分平衡法、地力差减法、肥料效应函数法等20。其中养分平衡法是目前应用比较广泛的模型之一
15、，该模型表示如下：Winput=(Woutput-Wsoil)/式中，Winput为施肥量（kgha-1），Woutput为作物产量带走的养分量（kgha-1），由公式（2）计算，Wsoil为土壤养分供应量，为肥料养分当季利用率。Woutput=YGoalCg+(1/HI-1)YGoalCstr （2）式中，YGoal：籽粒目标产量（kgha-1）；HI：收获指数；Cg和 Cstr分别为作物籽粒和秸秆中的营养元素含量。土壤养分供应量（Wsoil）受到土壤养分当年供应量、土壤水分状况和作物品种养分吸收效率等因素的影响和制约。以氮素为例，计算公式如下：Wsoil=TnKwaterKsoil 式中，
16、Kwater为水分管理水平因子，通常取（0.81）；Ksoil为作物对土壤氮素当季供应量的吸收效率，为作物品种的遗传参数（01）。Tn为土壤氮素当季供应量（kgha-1）。3 处方图生成策略 处方图生成是精准农业实施的关键环节之一，涉及采样策略、插值方法、作物生长模型、施肥模型等诸多领域。按照处理的先后顺序，笔者将处理流程分为以下 5 个主要步骤：（1）选择土壤采样策略。土壤采样方法大体可以分为 3 大类，即随机抽样、典型抽样和系统抽样（机械抽样）21。由于系统抽样避免了采样点过疏或过密的不足，在空间环境信息采样中得到广泛应用。（2）选择插值方法。常用的空间插值方法包括 Thiessen 多边
17、形法、三角形法、Sibson 自然邻域法、距离倒数函数法、趋势面法、样条函数法和 Kriging法。Kriging 方法因其既有空间上的整体性又有局地性，判据和评价方法较完善，成为目前空间插值的首选方法21,22。本系统采用 Kriging 方法进行空间插值。（3）确定产量目标。系统采用光温生产潜力来计算目标产量。（4）确定 N、P、K 施肥量。采用目标产量模型（属于平衡施肥模型）分别确定 N、P、K 的施肥量。（5）确定有机肥、无机肥和基肥、追肥比例。整个处理流程如图 2 所示：图 2 处方图生成流程 Fig.2 General flowchart of prescription map g
18、eneration 6 期 陈云坪等：基于知识模型与 WebGIS 的精准农业处方智能生成系统研究 1193 4 系统应用实例 4.1 数据获取 试验地选在北京市昌平区小汤山精准农业示范基地，土壤类型为重壤土，较瘠薄。土壤养分数据为 2001年采样分析结果。采样时由系统采样法按 20 m20 m间隔进行栅格采样（实际操作时略有偏差），采样深度 020 cm，共取 292 个点，DGPS 定位，样点空间 图 3 采样点分布图（底图为小汤山国家精准农业示范基地）Fig.3 Soil sampling map(The background is national experi-ment statio
19、n of precision agriculture)分布见图 3，每个样点由分布在 1 m 直径同心圆上 4 点 及圆心共 5 个点混合而成，采样后 24 h 内风干保存。4.2 土壤肥力分布图的生成 土壤肥力分布图是表示土壤肥力质量、数量和空间分布的一种专门的土壤图，包含土壤的肥力因素、土体和土壤结构、土壤耕层深度、有机质、N、P、K含量等方面的信息。本文以有机质为例说明土壤肥力分布图的生成过程。选取采样点分布图，使用 Kriging 方法对其进行插值，形成栅格化的图层，栅格的大小由用户决定，拟合模型包括球面模型、指数模型和高斯模型 3 种常用的模型，选择残差平方和最小的模型。本例数据以指
20、数函数进行模拟：+=aheCCh1)(0 拟合的残差平方和 RSS=4.48E-04，是 3 种模型中最小的，根据实际情况，本例选用指数拟合的误差最小、效果最好。插值结果见图 4 所示。由于采用系统采样的方法，插值后整个插值图的残差均方根 RMSE 呈有规律的均匀分布，只有最右边一列的上部和下部，由于缺少取样点，表现出较大的 RMSE 值（图 5）。采用交叉验证法来检验插值的可靠程度，由采样点的实测值与估计值构建回归方程为：a 平面效果，b 三维效果（x，y 坐标为相对位置），图上点为采样点 a:Plane diagram;b:Three-dimensional diagram.The poi
21、nts of diagram is the soil sampling points 图 4 土壤有机质插值结果 Fig.4 The interpolation result of soil organic matter 1194 中 国 农 业 科 学 40 卷 图 5 插值结果的 RMSE 三维显示 Fig.5 Three-dimensional diagram of interpolation RMSE Y=-0.089+1.053y 式中，回归斜率为 1.053，近似于 1，估算结果是一条近似 45的回归直线（图 6），决定系数为 1，预测值与实测值符合程度高。结果证明运用 Krigi
22、ng 插值获得土壤养分分布图能够获得较满意的结果，插值结果见图 7（9 m9 m 栅格的插值结果，深色代表有机质含量较高）所示。图 6 交叉验证拟合结果 Fig.6 The fit result of cross validate 4.3 模型的集成 由于 GIS 本身的时空分析能力与专业模型相互独立，使得知识模型在 GIS 中的应用受到一定程度的限制。目前一般采用 WebGIS 与决策模型有机链接来实现系统集成的方法来解决这一问题。对于具体的集成方法，按集成的紧密程度，可以划分为对等式集成和嵌入式集成两大类23；按集成环境不同，则可分为GIS 环境内部集成与 GIS 环境外部集成两类24。但
23、无论何种集成方式，都不可避免的面临着集成效率低、图 7 有机质分布图及系统界面 Fig.7 Organic matter map and interface of system 不支持跨平台异构环境、知识模型难以重用等问题。针对这一问题，笔者提出采用基于 Web Service的面向服务的分布式集成方法构建精准农业模型库。通过这种方式：研究者不仅可以为最终用户提供应用系统，也可以为其他研究者或高级用户提供模型服务。GIS 和模型彼此独立又相互耦合，既避免了 GIS和模型进行整合时可能产生的兼容性问题，又保证了GIS 和模型功能的实现。支持异构环境，模型以服务的方式提供给 GIS 应用程序，相对
24、独立，便于升级、维护和重用。模型与应用程序的集成如图 8 所示。图 8 基于 Web Service 的面向服务的分布式集成体系 Fig.8 Architecture of service-oriented distributed integrated system based on Web Service 对于本地应用程序而言，模型的请求和模型的提供无需通过网络发布和查找过程即可在本地直接进行通讯和调用，保证了程序运行的效率。对于其他来自因特网的服务的请求者，则可通过 Web service 的分布服务登记系统获得模型服务，解决了模型在异构环境6 期 陈云坪等：基于知识模型与 WebGIS
25、的精准农业处方智能生成系统研究 1195 下的重用问题。4.4 处方图的生成 系统采用目标产量施肥模型计算施肥量，该模型中需要计算的一个重要的参数是产量目标。生产上现有的产量目标设计主要有以地定产、以前 3 年平均产量定产和将光温生产潜力修订后作为目标产量等 3 种方法。系统为这 3 种方法都提供接口，以地定产即用户根据田块生产力自行输入目标产量，后 2 种方法则需要后台基础数据库的支持。用前 3 年平均产量定产的方法，用户只需要输入目标年份，系统即可自动搜索数据库获得前 3 年产量并计算平均产量后将结果返回给用户供调用。当数据库中无前 3 年平均产量时，应用程序通过 Web Servcie
26、的方式自动调用光温生产潜力模型，并获取基础数据库中日照时数、气温、总辐射、湿度等气象数据由该模型计算出产量目标。所得目标产量作为 2.2 节所列模型中目标产量因子带入公式，同时，获取基础数据库中相关农田土壤参数，由目标产量模型对 4.3 节插值结果进行栅格运算获得处方图。随后，由用户判断是否需要进行肥量运筹。若为真，则分别生成基肥、追肥处方图；否则，以栅格运算结果为处方图并提供用户下载（图 9）。图 9 生成处方图界面 Fig.9 The interface of prescription map 由图 9 可见，根据目标产量模型，针对相同产量目标，在有机质含量较高的地方，氮肥计划施用量较少；
27、对应的，在有机质含量较低的地方，氮肥计划施用量则较高。5 讨论 受施肥理论模型发展现状和信息获取、分析手段等因素的制约，系统在以下几个方面尚有待完善：（1）模型缺乏通用性，尚不能完全满足精准农业的需要。目前的作物生长模型和施肥模型多是针对同一生态区域，其参数仅能代表整个生态区域，直接用于某一田块可能产生较大的误差，因此模型参数的确定需要根据当地多年的栽培经验和试验数据进行调整，一定程度上影响了分析结果的通用性。（2）信息孤立和难于融合。产量是光、温、水、肥等多种因素影响及相互作用的综合效应的反映。目前田间信息采集过程获得了大量的数据，包括土壤样品分析数据，气象数据和遥感数据等，但由于分析方法的
28、限制，往往仅能用某一类型的数据进行分析，数据之间彼此孤立，其相互作用得不到体现，同时也限制了分析结果的精度。（3）插值方法和采样成本的问题。现有的插值方法为了保证一定的精度均需要保证较高的采样密度和合理的采样分布，因此需要投入大量的人力和时间，加之样品化验所需的费用居高不下，难以广泛推广应用。目前有人提出用产量数据进行管理分区的方法部分解决了这个问题25,26，但数据获取仍然十分困难，未来期望用遥感的手段加以解决。（4）Web Service 受限于网络环境的问题。系统采用 Web Service 为 GIS 应用程序提供分布式模型服务，对于异地的请求，不可避免的要受到互联网网络环境的影响，网
29、速成为制约其应用的瓶颈。但可以预见的是，随着网络环境的改善，其跨平台，可重用与共享的特性将使其成为未来精准农业模型库构建的重 要模式和发展方向。6 结论 处方图生成是精准农业实施过程中的关键步骤，也是精准农业技术中的难点之一。本研究以知识模型为立足点，构建了以网络为平台，以 GIS 为载体的处方图生成系统，初步解决了处方图生成和获取的困难，建立了基于网络的处方图生成系统基本框架和操作流程。研究利用小汤山国家精准农业示范基地多年来不断完善的气象、土壤和产量基础数据，以及在此基础上进行调整的数学模型，估算处方图生成过程中的产量、施肥等重要参数，使结果具有较高的精度。在模型库的设计方面，本文提出采用
30、了基于 Web Service的面向服务的分布式集成模型库构建体系，使系统具有分布运算的能力、良好的扩展性和模型重用、共享 1196 中 国 农 业 科 学 40 卷 能力。References 1 李生秀.植物营养与肥料学科的现状与展望.植物营养与肥料学报,1999,5:193-205.Li S X.The current state and prospect of plant nutrition and fertilizer science.Plant Nutrition and Fertilizer Science,1999,5:193-205.(in Chinese)2 侯彦林.生态平
31、衡施肥的理论基础和技术体系.生态学报,2000,20:653-658.Hou Y L.Theory and technological system of ecological balanced fertilization.Acta Ecologica Sinica,2000,20:653-658.(in Chinese)3 汪懋华.精细农业发展与工程技术创新.农业工程学报,1999,15(1):1-8.Wang M H.Development of precision agriculture and innovation of engineering technologies.Transac
32、tions of the Chinese Society of Agricultural Engineering,1999,15(1):1-8.(in Chinese)4 Engel T,Hoogenboom G,Jones J W,Wilkens P W.AEGIS/WIN:A computer program for the application of crop simulation models across geographical areas.Agronomy Journal,1997,89:919-928.5 孙 波,严 浩,施建平,张月平,张炳宁.基于组件式 GIS 的施肥专家
33、决策支持系统开发和应用.农业工程学报,2006,22(4):75-79.Sun B,Yan H,Shi J P,Zhang Y P,Zhang B N.Development and application of fertilization decision-making supporting systems based on ComGIS.Transactions of the Chinese Society of Agricultural Engineering,2006,22(4):75-79.(in Chinese)6 施建平,鲁如坤,王德建.基于 Web 的施肥决策支持数据库的设计和
34、建立.土壤,1999,(6):299-303.Shi J P,Lu R K,Wang D J.The design and implemention of fertilize decision support database based on Web.Soils,1999,(6):299-303.(in Chinese)7 吕晓男,陆允甫,王人潮.浙江低丘红壤玉米计量施肥咨询系统研制.农业工程学报,1999,15(4):192-197.L X N,Lu Y F,Wang R C.Advisory system for corn quantitative fertilization in hi
35、lly red soil region in Zhejiang Province.Transactions of the Chinese Society of Agricultural Engineering,1999,15(4):192-197.(in Chinese)8 De S,Kloot R W,Covington E,Bezuglov A,Taduri H.AFOPro:a nutrient management decision support system for the United States.Computers and Electronics in Agriculture
36、,2004,43:69-76.9 刘其成,肖 明.基于 Web 的配方施肥辅助决策系统及其 Java 技术实现.计算机工程与应用,2004,9:216-218.Liu Q C,Xiao M.The fertilizer expert system based on the Web and the implementation using Java technology.Computer Engineering and Applications,2004,9:216-218.(in Chinese)10 McDowell R W,Sharpley A N,Beegle D B,Weld J L.
37、Comparing phosphorus management strategies at a watershed scale.Journal of Soil and Water Conservation,2001,56(4):306-315.11 周建军,王 秀,杨世凤,孟志军,钱东平.平移喷灌机变量灌溉决策支持系统研究.河北农业大学学报,2004,27(1):103-107.Zhou J J,Wang X,Yang S F,Meng Z J,Qian D P.Research on the decision support system of variable rate irrigatio
38、n for sprinkling machine.Journal of Agricultural University of Hebei,2004,27(1):103-107.(in Chinese)12 杨世凤,王建新,周建军,王 秀,钱东平.基于变量灌溉数学模型的决策支持系统研究.农业工程学报,2005,21(11):29-32.Yang S F,Wang J F,Zhuo J J,Wang X,Qian D P.Decision support system based on variable irrigation mathematical model.Transactions of t
39、he Chinese Society of Agricultural Engineering,2005,21(11):29-32.(in Chinese)13 苗孝可,夏克俭,王 秀.精准农业变量施肥智能决策支持系统的研究.计算机应用,2004,24(11):153-155.Miao X K,Xia K J,Wang X.Study on intelligent decision-making sustaining system of variable rate fertilization in precision agriculture.Computer Applications,2004,
40、24(11):153-155.(in Chinese)14 邝继双.变量施肥智能空间决策支持系统 VRF-ISDSS地理信息系统 ArcView GIS 在精细农业中的应用.河北农业大学学报,2000,23(3):91-97.Kuang J S.Intelligent spatial decision support system for variable rate fertilizingusing ArcView GIS on precision agriculture.Journal of Agricultural University of Hebei,2000,23(3):91-97.
41、(in Chinese)15 Brown R S,Steckler J-P G A.Prescription maps for spatially variable herbicide application in no-till corn.Transactions of the American Society of Agricultural Engineers,1995,38:1659-1666.16 Juang K W,Liou D C,Lee D Y.Site-specific phosphorus application based on the kriging fertilizer
42、-phosphorus availability index of soils.Journal of Environmental Quality,2002,31:248-1255.17 Mueller T G,Pusuluri N B,Mathias K K,Cornelius P L,.Barnhisel R I.Site-specific soil fertility management.Soil Science Society of America Journal,2004,68:2031-2041.18 曹卫星,朱 艳.作物管理知识模型.北京:中国农业出版社,2005:47-51.C
43、ao W X,Zhu Y.Crop Management Knowledge Model.Beijing:China Agriculture Press,2005:47-51.(in Chinese)19 周治国,孟亚利,曹卫星.基于知识模型和 GIS 的作物生产潜力 6 期 陈云坪等：基于知识模型与 WebGIS 的精准农业处方智能生成系统研究 1197 评价.中国农业科学,2005,38:1142-1147.Zhou Z G,Meng Y L,Cao W X.Knowledge model and GIS-based crop potential productivity evaluati
44、on.Scientia Agricultura Sinica,2005,38:1142-1147.(in Chinese)20 侯彦林,陈守伦.施肥模型研究综述.土壤通报,2002,35:493-501.Hou Y L,Chen S L.Summarization of fertil ization model research.Chinese Journal of Soil Science,2002,35:493-501.(in Chinese)21 谢高地,陈沈斌.环境的空间连续变异与精准农业.北京:气象出版社,2005.Xie G D,Chen S B.Spatial Variabili
45、ty of Environment and Precision Agriculture.Beijing:China Meteorological Press,2005.(in Chinese)22 Kravchenko A,Bullock D G.A comparative study of interpolation methods for mapping soil properties.Agronomy Journal,1999,91:393-400.23 薛 安,倪晋仁,马蔼乃.模型与 GIS 集成理论初步研究.应用基础与工程科学学报,2002:10(2):134-142.Xue A,N
46、i J R,Ma A N.Integration theory of model and GIS.Journal of Basic Science and Engineering,2002,10(2):134-142.(in Chinese)24 于海龙,邬 伦,刘 瑜,李大军,刘丽萍.基于 Web Services 的GIS 与应用模型集成研究.测绘学报,2006,35(2):153-159.Yu H L,Wu L,Liu Y,Li D J,Liu L P.A study of integration between GIS and GIS based model based on Web
47、services.Acta Geodaetica et Cartographica Sinica,2006,35(2):153-159.(in Chinese)25 李 翔,潘瑜春,赵春江,王纪华,鲍艳松,王锦地.基于多年产量数据的精准农业管理分区提取与尺度效应评价.中国农业科学,2005,38:1825-1833.Li X,Pan Y C,Zhao C J,Wang J H,Bao Y S,Wang J D.Delineation and scale effect of precision agriculture management zones using yield monitor data over four years.Scientia Agricultura Sinica,2005,38:1825-1833.(in Chinese)26 Dobermann A,Ping J L,Adamchuk V I,Simbahan G C,Ferguson R B.Classification of crop yield variability in irrigated production fields.Agronomy Journal,2003,95:1105-1120.（责任编辑 李云霞）