刁興良 楊再潔 李奇峰 于景鑫 鄭文剛 史磊剛

摘? ?要：精準(zhǔn)識別農(nóng)業(yè)生產(chǎn)環(huán)境信息和農(nóng)業(yè)生產(chǎn)特征，對氣象、土壤和作物等多源數(shù)據(jù)進(jìn)行綜合分類，是提高農(nóng)業(yè)資源利用效率和優(yōu)化農(nóng)業(yè)種植結(jié)構(gòu)的基礎(chǔ)。本研究基于近20年（1998～2017年）氣象數(shù)據(jù)和華北五省的玉米單產(chǎn)統(tǒng)計數(shù)據(jù)，首先構(gòu)建了華北平原氣候資源和玉米生產(chǎn)時空分布特征數(shù)據(jù)庫，研究區(qū)內(nèi)的降雨量、活動積溫、日照時數(shù)、太陽輻射和玉米單產(chǎn)均存在顯著的時空變化;利用作物精細(xì)種植區(qū)劃方法，將華北平原夏玉米種植區(qū)分為極不適宜區(qū)、不適宜區(qū)、較適宜區(qū)、適宜區(qū)、極適宜區(qū)五大類，各類面積分別占總體的比例約為10%、11%、25%、30%、24%;進(jìn)一步通過環(huán)境類別歸屬度分析方法，將每一大類分為5小類，概率大于75%的相對穩(wěn)定區(qū)域約占總面積的63%，小于75%的波動區(qū)域約占37%;極不適宜區(qū)、不適宜區(qū)和較適宜區(qū)，三類時空分布比較穩(wěn)定，隸屬度為100%分別占各類面積的87.67%、70.41%和84.28%，波動區(qū)主要發(fā)生在極適宜區(qū)和適宜區(qū)，以及適宜區(qū)和較適宜區(qū)之間。本研究構(gòu)建的華北平原夏玉米精細(xì)區(qū)劃結(jié)果，對提高研究區(qū)資源利用效率和優(yōu)化玉米產(chǎn)業(yè)布局具有重要的指導(dǎo)意義。

關(guān)鍵詞：夏玉米;多源數(shù)據(jù);時空分布;精細(xì)區(qū)劃

中圖分類號：F304.5? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? ? ?文章編號：201901-SA002

刁興良， 楊再潔， 李奇峰， 于景鑫， 鄭文剛， 史磊剛. 基于多源數(shù)據(jù)的華北平原夏玉米種植區(qū)劃研究[J]. 智慧農(nóng)業(yè)， 2019， 1（2）： 73-84.

Diao X， Yang Z， Li Q， Yu J， Zheng W， Shi L. Regionalization research of summer corn planting in North China Plain based on multi-source data[J]. Smart Agriculture， 2019， 1（2）： 73-84. （in Chinese with English abstract）

1? 引言

玉米是我國主要糧食作物之一，但我國地域遼闊，玉米種植分布廣泛，生態(tài)環(huán)境復(fù)雜，玉米種植區(qū)易受環(huán)境影響。由于近年來全球氣候變化使區(qū)域農(nóng)業(yè)生產(chǎn)區(qū)劃不斷發(fā)生演變，從而引起玉米種植環(huán)境區(qū)劃的調(diào)整。因此玉米精準(zhǔn)種植區(qū)劃研究可用于指導(dǎo)農(nóng)業(yè)生產(chǎn)，優(yōu)化種植結(jié)構(gòu)，并為適應(yīng)氣候變化提供科學(xué)合理的理論依據(jù)，同時對于指導(dǎo)農(nóng)戶增產(chǎn)增收，提高經(jīng)濟(jì)效益，保障國家糧食安全具有現(xiàn)實意義[1，2]。

國內(nèi)外對于農(nóng)作區(qū)精準(zhǔn)種植區(qū)劃已有很多研究。王飛和邢世和等[3]對規(guī)模優(yōu)化與布局優(yōu)化作為作物種植區(qū)劃的主要內(nèi)容進(jìn)行了綜述，其觀點對于農(nóng)業(yè)生產(chǎn)具有指導(dǎo)作用。在數(shù)據(jù)提取方法上，劉珍環(huán)等[4]利用時序變化趨勢、空間集聚分析相結(jié)合的方法，以縣域為單位，研究了中國近30年來水稻、小麥和玉米等典型作物種植的時空變化;劉煥軍等[5]提取作物物候信息，研究了東北地區(qū)作物種植結(jié)構(gòu)以及空間分布特征;Loffler 等[6]采用作物生長模型，結(jié)合氣象、土壤、水文及玉米種植數(shù)據(jù)，以鄉(xiāng)鎮(zhèn)為單元總結(jié)主要環(huán)境類型和年際變異環(huán)境類型，實現(xiàn)了對美國黃金玉米種植區(qū)分辨率為2km的精細(xì)劃分。在數(shù)據(jù)類型方面，杜堯東等[7]基于已有氣象站點，分析了氣候變化對廣東省水稻種植區(qū)域的影響;陳浩等[8]基于多源數(shù)據(jù)研究了近30年東北地區(qū)水稻的時空變化特征，分析了水稻分布與氣候變化之間的空間響應(yīng)關(guān)系;劉文平等[9]利用109個氣象站點數(shù)據(jù)，結(jié)合GIS技術(shù)，對山西省主要優(yōu)勢作物展開的區(qū)劃研究，其結(jié)果為相關(guān)部門提供了作物區(qū)劃參考信息;許小明等[10]利用河?xùn)|地區(qū)17個典型氣象站點，對當(dāng)?shù)赜衩追N植區(qū)進(jìn)行區(qū)劃研究，對玉米種植適應(yīng)性進(jìn)行了評價。在數(shù)據(jù)維度方面，王學(xué)等[11]針對華北平原10年小麥種植面積的時空分布研究，為華北平原調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)提供了理論依據(jù);劉哲等[12]基于多年環(huán)境特征，利用屬性聚類方法和類別歸屬分析法，實現(xiàn)東北地區(qū)玉米種植環(huán)境時空型區(qū)劃;Tan等[13]通過SPAM-China模型模擬了近30年來東北地區(qū)玉米種植系統(tǒng)在像素層面的時空分布，并進(jìn)一步分析了玉米隨經(jīng)緯度和海拔高度變動的時空變異

前人多在時間和空間兩個維度上分別展開研究，或逐年進(jìn)行環(huán)境類別、種植區(qū)劃劃分，這些研究使區(qū)劃體系不斷完善，同時對于提升區(qū)劃精度具有很好的借鑒意義。但在實際情況中，某地環(huán)境的突變會存在影響作物產(chǎn)量的可能性，最終影響整個類別的劃分，這種情況并不能合理的代表本地正常情況。因此，為了消除特異性，降低此類情況對于區(qū)劃的影響，本研究以5年環(huán)境特征值的平均值來代表中間年份的環(huán)境特征值，同時熱量作為影響玉米生產(chǎn)的重要因素[14]，考慮將其作為聚類指標(biāo)會使研究結(jié)果更加具有現(xiàn)實意義，而且能夠更加合理的指導(dǎo)優(yōu)化玉米產(chǎn)業(yè)布局，選擇光照、溫度、降雨、熱量和玉米單產(chǎn)等多源數(shù)據(jù)指標(biāo)，從空間和時間角度研究了夏玉米種植時空分布特征，研究結(jié)果對提高華北平原資源利用效率和優(yōu)化玉米產(chǎn)業(yè)布局具有重要的參考價值。

2? 研究區(qū)概況與數(shù)據(jù)處理方法

2.1? 研究區(qū)概況

本研究以北京、天津、河北、山東、河南為研究區(qū)域，以下簡稱為研究區(qū)。該區(qū)域包含了華北平原大部分地區(qū)，地理位置處于北緯31°23′～42°40′，東經(jīng)110°21′～122°42′，地勢平坦，海拔多在50m以下，屬暖溫帶季風(fēng)性氣候，全年降雨量不夠充沛，但夏季高溫多雨，集中在玉米生長旺季。研究區(qū)是中國重要的農(nóng)業(yè)生產(chǎn)區(qū)之一，耕地面積約為3091.19km2，占全國耕地面積的22.9%。土壤肥沃，以旱作為主，主要糧食作物為小麥、玉米等，其中玉米種植面積占這五個省份耕地總面積的34.5%，玉米總產(chǎn)量約為6759.82萬噸，占全國玉米總產(chǎn)量的31.3%。

2.2? 數(shù)據(jù)來源

（1）華北平原底圖。來自于中國科學(xué)院資

源環(huán)境科學(xué)數(shù)據(jù)中心提供的2012年中國行政分布圖。

（2）氣象數(shù)據(jù)。1998～2017年的氣象數(shù)據(jù)，來源于國家氣象中心提供的中國地面氣候資料日值數(shù)據(jù)集。各氣象指標(biāo)數(shù)據(jù)源于華北平原69個氣象站點的逐日數(shù)據(jù)，站點具體分布情況如圖1所示。

（3）高程數(shù)據(jù)。STRM 90m分辨率的DEM數(shù)據(jù)。

（4）玉米生育期主要是玉米播種和成熟日期，數(shù)據(jù)來源于國家氣象信息中心提供的中國農(nóng)作物生長發(fā)育數(shù)據(jù)集，是基于農(nóng)業(yè)氣象站點的點狀數(shù)據(jù)。

（5）玉米單位面積產(chǎn)量數(shù)據(jù)。來源于農(nóng)業(yè)農(nóng)村部各省縣域統(tǒng)計數(shù)據(jù)。

2.3? 構(gòu)建環(huán)境特征數(shù)據(jù)庫

環(huán)境特征數(shù)據(jù)庫實際上就是包含玉米生育期內(nèi)各氣象指標(biāo)的數(shù)據(jù)集。

首先采用反距離權(quán)重法將得到的點狀數(shù)據(jù)集利用ArcGIS軟件進(jìn)行空間插值，得到精度為5km×5km的華北地區(qū)氣象指標(biāo)柵格數(shù)據(jù)集。為便于對研究區(qū)的環(huán)境特征進(jìn)行表述，將研究區(qū)劃為地理網(wǎng)格并進(jìn)行標(biāo)識，按照從上到下、從左到右的原則，自柵格數(shù)據(jù)集左上角開始，標(biāo)記號從0開始，依次遞增。在借鑒劉哲等[12]方法的基礎(chǔ)上，對聚類指標(biāo)以及網(wǎng)格精度進(jìn)行改進(jìn)和提高，地理網(wǎng)格中所包含屬性值分別為玉米生育期內(nèi)的累積降雨量、累積日照時數(shù)、大于10℃累積活動積溫、累積太陽輻射量、高程和坡度等環(huán)境特征指標(biāo)，考慮到玉米種植區(qū)會隨時間發(fā)生遷移[15，16]，因此將玉米單位面積產(chǎn)量作為聚類指標(biāo)的一部分。

3? 研究方法

3.1? ISOData聚類法

ISOData聚類算法可用于區(qū)劃研究[17，18]，它是基于K-means中心聚類法改進(jìn)的聚類方法，與其前身一致，以數(shù)據(jù)點的集合作為數(shù)據(jù)源，根據(jù)確定的距離函數(shù)，將各個數(shù)據(jù)點迭代到各個類域中。ISOData算法增加了人機交互機制，設(shè)定閾值，在聚類過程中對類進(jìn)行合并與分裂操作。

ISOData算法步驟為：①設(shè)置初始控制參數(shù);②將數(shù)據(jù)集中的每個樣本按照最小距離原則，將它劃分到某一個類中;③如果某個類中的樣本個數(shù)小于設(shè)置的初始值，則聚類中心個數(shù)減1，重復(fù)步驟②;④重復(fù)進(jìn)行迭代運算，直至達(dá)到步驟①中設(shè)置的最大迭代次數(shù)或過程收斂。

3.2? 決定系數(shù)R 2與半偏決定系數(shù)R′2的確定

樣本總量為n的樣本分成k類后的Rk2統(tǒng)計量的計算公式為：

（1）

（2）

（3）

其中，T表示總離差平方和，x表示總平均值，xi（i=1，2，...，k）表示各組平均值，xij為第i組第j個樣本量，ni表示第i組的樣本數(shù)。

R2越大，表明類與類之間能夠更明顯的區(qū)分開，聚類效果越好，但該值會受到樣本量、分類個數(shù)的影響，因此只通過R2的值來確定聚類數(shù)目的意義不大。

半偏決定系數(shù)R'2的計算表達(dá)式為：

（4）

R'2越大，代表聚類效果越好，因此選擇用R2與R'2來共同確定聚類數(shù)目[19]。

3.3? 空間連續(xù)性調(diào)整

空間連續(xù)性調(diào)整是將分區(qū)后零星的異類網(wǎng)格并入到臨近的大類中。種植區(qū)劃采用空間一體化聚類法劃分，理論上某一分區(qū)內(nèi)的環(huán)境特征相似的同時，在空間上應(yīng)該是連續(xù)的，也就是說同一分區(qū)內(nèi)的網(wǎng)格應(yīng)該是不分離的、完整的自然區(qū)域。但在實際的多指標(biāo)屬性聚類后，盡管已經(jīng)將地理坐標(biāo)以較小權(quán)重考慮在聚類指標(biāo)內(nèi)，能夠部分提高空間連續(xù)性，但仍會出現(xiàn)零星的異類網(wǎng)格分布在其他分類或多個類別之間的情況，因此需要進(jìn)行空間連續(xù)性調(diào)整。

3.4? 玉米種植區(qū)劃研究

3.4.1? ?玉米空間型種植區(qū)劃研究

將地理網(wǎng)格中的各項指標(biāo)，包括玉米生育期內(nèi)的降雨量、日照時數(shù)、太陽輻射量等作為玉米種植區(qū)劃指標(biāo)，通過ISOData聚類法對地理網(wǎng)格進(jìn)行空間屬性一體化聚類，異類網(wǎng)格采用空間連續(xù)性調(diào)整的方式消除，最終得到玉米種植環(huán)境空間型區(qū)劃。根據(jù)專家打分原則，將玉米生育期內(nèi)累積降雨量、累積日照時數(shù)、大于10℃累積活動積溫和累積太陽輻射量的指標(biāo)權(quán)重設(shè)為0.2，高程權(quán)重為0.1，為了調(diào)整空間連續(xù)性，將地理坐標(biāo)X、Y以0.05的權(quán)重作為聚類指標(biāo)后，玉米種植區(qū)劃聚類數(shù)的確定如表1所示，預(yù)設(shè)的聚類數(shù)目為2-9類，分別計算分成若干類的R2和R'2，可以看出，當(dāng)聚類數(shù)目為6、7、8時，R2的值較大，但對應(yīng)的R'2值過小，因此確定的最終聚類數(shù)目5類。

熵權(quán)法的基本思路是利用指標(biāo)變異性的大小來客觀確定權(quán)重，因此利用熵權(quán)法分析各聚類指標(biāo)對于區(qū)劃結(jié)果的影響程度，求得玉米單位面積產(chǎn)量、光照時數(shù)、太陽輻射量、降雨量、大于10℃的活動積溫的權(quán)重分別為0.15、0.29、0.24、0.21、0.11，因此光照時數(shù)和太陽輻射量對于玉米種植區(qū)劃的影響較大，降雨量次之。

3.4.2? ?玉米時空型種植區(qū)劃研究

首先對得到的地理網(wǎng)格內(nèi)的每年環(huán)境特征值進(jìn)行空間一體化聚類，按照空間型區(qū)劃方式確定其所含指標(biāo)、各指標(biāo)權(quán)重、聚類方法、聚類數(shù)目。在此基礎(chǔ)上，對多年環(huán)境特征值的分類，以實現(xiàn)地理網(wǎng)格的時空型區(qū)劃劃分。

年際間環(huán)境發(fā)生變動后，同一地理網(wǎng)格在不同年份會出現(xiàn)劃分在不同類的情況，經(jīng)過多年環(huán)境特征聚類后，所有地理網(wǎng)格被劃分為諸多類，如對于同一地理網(wǎng)格，第一年屬于1類，第二年屬于2類，第三年又屬于1類等。逐年計算地理網(wǎng)格的區(qū)劃類別歸屬情況，可以明確逐年各個區(qū)劃類別的空間分布狀況，形成研究區(qū)內(nèi)逐年區(qū)劃類別歸屬分布圖，不同年份之間出現(xiàn)的區(qū)劃類別分布情況不同。經(jīng)過比較，可以看出地理網(wǎng)格年際間的區(qū)劃類別時空變化情況。

最后分析地理網(wǎng)格區(qū)劃類別歸屬度。對于具有多年環(huán)境特征的地理網(wǎng)格，經(jīng)空間屬性聚類后，歸屬類別為m個，分別對這m個類別出現(xiàn)的年份進(jìn)行比較，若類別1出現(xiàn)的概率最大，則將類別1作為該地理網(wǎng)格的最終歸屬類別，其歸屬概率為類別出現(xiàn)年數(shù)與總年份的比值。根據(jù)此方法，得到每個地理網(wǎng)格的最終歸屬類別和歸屬概率，實現(xiàn)地理網(wǎng)格的區(qū)劃類別空間分布情況，最終得到玉米時空型種植區(qū)劃。

4? 結(jié)果與分析

4.1? 研究區(qū)多年環(huán)境數(shù)據(jù)特征

環(huán)境要素特征值相鄰年份間差異不大，但存在較為明顯變化的特異點。本研究采用每5年環(huán)境特征值的平均值來代表一年的環(huán)境特征值，可以在一定程度上降低環(huán)境特異點對區(qū)劃結(jié)果的影響，以2000年為例，2000年指標(biāo)值以1998～2002年的各指標(biāo)均值來代替，依此類推。此方法對于指導(dǎo)農(nóng)業(yè)生產(chǎn)、調(diào)整種植結(jié)構(gòu)更具有現(xiàn)實意義。

為了對整個華北五省地區(qū)的環(huán)境及玉米產(chǎn)量有一個初步的認(rèn)識，通過對近20年（1998～2017年）的環(huán)境變量及玉米產(chǎn)量進(jìn)行描述性統(tǒng)計，結(jié)果如表2所示，可見活動積溫和太陽輻射屬于具有強烈自相關(guān)性的弱變異，光照時數(shù)和降雨量具有中等自相關(guān)性，玉米產(chǎn)量屬于人為活動，會受到品種、環(huán)境等要素的影響[20]，屬于中等變異。

4.2? 玉米生產(chǎn)環(huán)境特征數(shù)據(jù)空間分析

對逐年各指標(biāo)進(jìn)行空間聚類，結(jié)果如圖2所示，將研究區(qū)玉米種植區(qū)劃分為極不適宜區(qū)、不適宜區(qū)、較適宜區(qū)、適宜區(qū)、極適宜區(qū)5大類，后文采用第Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ類來代替。適宜性高的區(qū)域，玉米與環(huán)境的吻合度相對高，產(chǎn)量也相對較高。據(jù)圖2比較可見，每一環(huán)境類別在多年間的分布情況是不同的，體現(xiàn)了環(huán)境在空間和時間兩個維度上的變異情況。整個研究區(qū)內(nèi)，各類別占比與類別間邊界在年際間也是不同的。

如表3所示，分析各年份各類別所占比例可知近20年玉米種植區(qū)中的Ⅰ類區(qū)域、Ⅱ類區(qū)域和Ⅴ類區(qū)域比較穩(wěn)定，Ⅰ類區(qū)域維持在10%左右，Ⅱ類區(qū)域在2010年的比例略有降低，其余年份占比約為12%，Ⅲ類和Ⅳ類波動明顯，在2013～2017年間兩者浮動差距最大。

地理網(wǎng)格年際間類別變化可能由以下幾個原因?qū)е拢孩俚乩砭W(wǎng)格多年環(huán)境特征差異明顯，使其在年際間屬于不同的類別;②在實際操作的過程中，即使環(huán)境未發(fā)生改變，或改變幅度較小，但玉米種植區(qū)域受到人為調(diào)整，導(dǎo)致在聚類過程中，地理網(wǎng)格被劃分為不同類別。

環(huán)境年際間的變化導(dǎo)致地理網(wǎng)格的歸屬度

的不確定性，并不會影響其空間環(huán)境型的相對

穩(wěn)定性。某一地理網(wǎng)格必定會存在屬于某一環(huán)境類別的趨勢，那么此類別就可以用來描述該地理網(wǎng)格。

4.3? 玉米空間型種植區(qū)劃

對具有20年環(huán)境特征的地理網(wǎng)格計算各指標(biāo)均值，通過ISOData聚類方法，得到玉米種植環(huán)境空間型區(qū)劃，結(jié)果如圖3所示。

分析不同區(qū)劃類別各指標(biāo)特征值范圍，結(jié)果如表4。根據(jù)不同區(qū)域玉米產(chǎn)量的平均值，將種植區(qū)適宜性列為：Ⅰ<Ⅱ<Ⅴ<Ⅲ<Ⅳ類，分別為極不適宜性、不適宜性、較適宜性、適宜性、極適宜性。

近20年各區(qū)劃類別所占比例分別為：Ⅰ類10.18%、Ⅱ類11.28%、Ⅲ類30.17%、Ⅳ類23.6%、Ⅴ類24.77%。Ⅰ類和Ⅱ類在近20年所占比例與每五年計算所占比例差別不大，Ⅲ類和Ⅳ類變化幅度明顯，主要原因是五省中部降雨增多或減少導(dǎo)致區(qū)劃發(fā)生改變。研究過程中，空間型的玉米種植區(qū)劃的聚類指標(biāo)是20年的特征均值，它會導(dǎo)致20年特征值中的變異點被中和，不能被顯示出來，僅體現(xiàn)出20年來的平均水平，空間型的種植區(qū)劃只考慮空間上的變化，忽略時間維度的變異性，為了提升區(qū)劃結(jié)果的準(zhǔn)確性，進(jìn)行了時空型玉米種植區(qū)劃研究。

4.4? 玉米時空型種植區(qū)劃

在上述研究的基礎(chǔ)上，采用地理網(wǎng)格多年區(qū)劃類別歸屬度分析方法，計算研究區(qū)內(nèi)所有地理網(wǎng)格的區(qū)劃類別歸屬度，確定地理網(wǎng)格的最終歸屬類別以及歸屬概率，實現(xiàn)研究區(qū)內(nèi)玉米時空型種植區(qū)劃，結(jié)果如圖4（a）所示，右下角圖例中的三位數(shù)字，從左往右，第一位代表該地理網(wǎng)格最終歸屬的環(huán)境類別，后兩位表示該地理網(wǎng)格屬于此環(huán)境類別的概率，若后兩位數(shù)字為00，則代表該地理網(wǎng)格100%的概率屬于該環(huán)境類別，圖例中的第一行為0，代表該地理網(wǎng)格屬于變動區(qū)。因波動區(qū)面積范圍過大，將波動區(qū)進(jìn)行進(jìn)一步劃分，結(jié)果如圖4（b）所示，兩位數(shù)字表示該區(qū)域內(nèi)，環(huán)境類別在兩者之間發(fā)生波動，如“34”表示該區(qū)域內(nèi)環(huán)境類別在Ⅲ類和Ⅳ類之間變化，單位數(shù)表示在該區(qū)域內(nèi)，屬于該類別的概率為50%，0則為每年的環(huán)境類型都不相同。

概率在75%以上，環(huán)境類別屬于Ⅰ類的占比10.47%，Ⅱ類的占比9.07%，Ⅲ類的占比僅為0.77%，Ⅳ類的占比22.6%，Ⅴ類的占比19.69%，Ⅰ、Ⅱ和Ⅴ三類時空分布比較穩(wěn)定，隸屬度為100%分別占的比例為87.67%、70.41%和84.28%。波動區(qū)內(nèi)，主要是Ⅲ、Ⅳ類和Ⅳ、Ⅴ類之間的波動，其中Ⅲ、Ⅳ類波動的占比49.92%，Ⅳ、Ⅴ類之間波動的占比9.95%。通過圖4可以看出，類別Ⅳ和類別Ⅴ為多年間出現(xiàn)的主要環(huán)境類別，位于大類交界處的區(qū)域，由于年際間環(huán)境的變化以及種植區(qū)劃的調(diào)整，導(dǎo)致這些邊緣地帶的環(huán)境類別的不確定性;第Ⅲ類只存在于很小的區(qū)域，通過圖2分析原因可能是此地在20年間出現(xiàn)頻率明顯變動;圖2中可明顯看出同一區(qū)域在不同年之間屬于不同的環(huán)境類別，如第Ⅲ類和第Ⅳ類，主要原因是光照時數(shù)與太陽輻射量影響導(dǎo)致。

時空型的種植區(qū)劃從空間和時間兩個維度上來進(jìn)行區(qū)域劃分，在考慮空間變異性的同時，也凸顯了不同年際間環(huán)境的波動，區(qū)劃結(jié)果更能夠體現(xiàn)研究區(qū)內(nèi)的主要環(huán)境類型，加深對環(huán)境的認(rèn)知性，對比玉米空間型種植區(qū)劃來說，一直是極適宜和適宜的區(qū)域應(yīng)該保留和發(fā)展玉米產(chǎn)業(yè)，極不適宜和不適宜的區(qū)域應(yīng)該適當(dāng)減少玉米種植，對于波動敏感區(qū)域應(yīng)該重點關(guān)注玉米的穩(wěn)產(chǎn)性。

5? 討論與結(jié)論

前人多選用無霜期、積溫、年平均溫和降雨量等氣象指標(biāo)，利用最大熵模型評價我國玉米種植氣候適宜性，分析影響因子[21，22]，研究結(jié)果對于調(diào)整產(chǎn)業(yè)布局具有積極作用。本研究玉米種植區(qū)劃適宜性趨勢大體上與前人研究結(jié)果一致，但前人研究范圍大，對于整個華北平原劃分2-3類，種植亞區(qū)也未進(jìn)行精細(xì)劃分。因此本研究結(jié)合實際生產(chǎn)狀況，適當(dāng)縮小研究范圍，將影響玉米生長的太陽輻射量作為聚類指標(biāo)之一，將玉米單位面積產(chǎn)量代替玉米種植面積，對于反映實際玉米種植優(yōu)劣更加合理，將華北五省分為5大類，每一大類又細(xì)分為5個小類，研究結(jié)果更加精細(xì)。為降低某地環(huán)境突變對區(qū)劃結(jié)果的影響，采用五年各指標(biāo)均值代替中間年份指標(biāo)特征值。利用此研究方法對玉米種植區(qū)劃類別歸屬情況進(jìn)行劃分時，歸屬概率僅會出現(xiàn)25%、50%、75%、100%四種情況，以75%和100%的概率為區(qū)劃類別的最終歸屬，25%與50%的情況默認(rèn)為區(qū)劃類別波動區(qū)。氣象站點的密度會影響插值精度[24]，所以在環(huán)境特征值的插值過程中，因數(shù)據(jù)源氣象站點的稀疏性，使插值結(jié)果在一定程度上會與實際的地理環(huán)境特征不符。

為了較準(zhǔn)確描述種植環(huán)境的時空變化分布，以5km×5km的地理網(wǎng)格作為研究對象，計算了華北五省玉米生育期內(nèi)累積活動積溫、降雨量、日照時數(shù)和太陽輻射量等種植環(huán)境指標(biāo)特征值，建立了多年環(huán)境特征數(shù)據(jù)庫。利用空間一體化聚類方法，以每五年的環(huán)境特征值均值及作物單位面積產(chǎn)量作為聚類指標(biāo)，對地理網(wǎng)格進(jìn)行聚類分析，將華北五省的玉米種植區(qū)按照適宜性劃分為極不適宜性、不適宜性、較適宜性、適宜性、極適宜性，并利用環(huán)境類別歸屬分析方法完成了華北五省玉米時空型種植區(qū)劃，發(fā)現(xiàn)類與類之間的交匯處，環(huán)境的變異、玉米產(chǎn)量的起伏都會降低地理網(wǎng)格的歸屬概率，導(dǎo)致所屬區(qū)劃類別易發(fā)生波動。本研究選用光照、溫度、降雨、熱量和玉米單產(chǎn)等指標(biāo)，考慮了環(huán)境在空間和時間雙維度上的變異情況，貼合實際生產(chǎn)情況，有效提高了研究區(qū)夏玉米種植對環(huán)境的認(rèn)知性，使區(qū)劃結(jié)果更加精確，對于提高研究區(qū)資源利用效率和優(yōu)化玉米產(chǎn)業(yè)布局具有現(xiàn)實意義。

本研究中氣象站點僅為69個，因此在后續(xù)研究中，將獲取更為密集的站點數(shù)據(jù)，以期達(dá)到提升區(qū)劃精度的目的;將研究區(qū)內(nèi)的耕地分布作為區(qū)劃對象相比于研究整個行政區(qū)更能反映出作物種植情況，這也是后續(xù)研究的重點。

參考文獻(xiàn)

[1]? ?韓長賦. 農(nóng)業(yè)農(nóng)村部部長韓長賦： 中國農(nóng)業(yè)有底氣應(yīng)對經(jīng)濟(jì)風(fēng)險[J]. 現(xiàn)代農(nóng)業(yè)裝備， 2018（5）： 5-7.

Han C. Han Changfu， minister of agriculture and village affairs： China's agriculture has the confidence to deal with economic risks[J]. Modern Agricultural Equipment， 2018（5）： 5-7.

[2]? ?李天祥， 朱晶. 近十年來中國糧食內(nèi)部種植結(jié)構(gòu)調(diào)整對水土資源利用的影響分析[J]. 中國人口.資源與環(huán)境， 2014， 24（9）： 96-102.

Li T， Zhu J. Impacts of inter-crop structural adjustment on China's water and land use in grain production in the last ten years[J]. China Population， Resources and Environment， 2014， 24（9）： 96-102.

[3]? ?王飛， 邢世和. 作物種植區(qū)劃研究進(jìn)展[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2007， 28（5）： 37-40.

Wang F， Xing S. Progress of the research on crop planting regional planning[J]. Chinese Journal of Agricultural Resources and Regional Planning， 2007， 28（5）： 37-40.

[4]? ?劉珍環(huán)， 楊鵬， 吳文斌， 等. 近30年中國農(nóng)作物種植結(jié)構(gòu)時空變化分析[J]. 地理學(xué)報， 2016， 71（5）： 840-851.

Liu Z， Yang P， Wu W， et al. Spatio-temporal changes in Chinese crop patterns over the past three decades[J]. Acta Geographica Sinica， 2016， 71（5）： 840-851.

[5]? ?劉煥軍， 閆巖， 張新樂， 等. 面向農(nóng)業(yè)區(qū)劃的作物種植結(jié)構(gòu)遙感提取[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2017， 38（8）： 43-54.

Liu H， Yan Y， Zhang X， et al. Remote sensing extraction of crop planting structure oriented to agricultural regionalization[J]. Chinese Journal of Agricultural Resources and Regional Planning， 2017， 38（8）： 43-54.

[6]? ?Loffler C M， Wei J， Fast T， et al. Classification of maize environments using crop simulation and geographic information systems[J]. Crop Science， 2005， 45（5）： 1708-

1716.

[7]? ?杜堯東， 沈平， 王華， 等. 氣候變化對廣東省雙季稻種植氣候區(qū)劃的影響[J]. 應(yīng)用生態(tài)學(xué)報： 2018， 29（12）： 4013-4021.

Du Y， Shen P， Wang H， et al. Impacts of climate change on climatic division for double cropping rice in Guangdong province， China[J]. Chinese Journal of Applied Ecology， 2018， 29（12）： 4013-4021.

[8]? ?陳浩， 李正國， 唐鵬欽， 等. 氣候變化背景下東北水稻的時空分布特征[J]. 應(yīng)用生態(tài)學(xué)報， 2016， 27（8）： 2571-2579.

Chen H， Li Z， Tang P， et al. Rice area change in Northeast China and its correlation with climate change[J]. Chinese Journal of Applied Ecology， 2016， 27（8）： 2571-2579.

[9]? ?劉文平， 武永利， 趙永強， 等. 山西省主要優(yōu)勢作物的農(nóng)業(yè)氣候區(qū)劃[J]. 干旱區(qū)資源與環(huán)境， 2016， 30（3）： 140-145.

Liu W， Wu Y， Zhao Y， et al. Agricultural climate zoning for main crops in Shanxi[J]. Journal of Arid Land Resources and Environment， 2016， 30（3）： 140-145.

[10]? 許小明， 徐玉霞， 董奇， 等. 甘肅省河?xùn)|地區(qū)玉米種植適宜性評價和區(qū)劃[J]. 干旱地區(qū)農(nóng)業(yè)研究， 2018， 36（3）： 230-235， 243.

Xu X， Xu Y， Dong Q， et al. Suitability evaluation and regionalization of maize planting in Hedong area of Gansu province[J]. Agricultural Research in the Arid Areas， 2018， 36（3）： 230-235， 243.

[11]? 王學(xué)， 李秀彬， 談明洪， 等. 華北平原2001-2011年冬小麥播種面積變化遙感監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報， 2015， 31（8）： 190-199.

Wang X， Li X， Tan M， et al. Remote sensing monitoring of changes in winter wheat area in North China Plain from 2001 to 2011[J]. Transactions of the CSAE， 2015，

31（8）： 190-199.

[12]? 劉哲， 劉瑋， 昝糈莉， 等. 基于多年環(huán)境特征的東北春玉米時空型種植區(qū)劃研究[J]. 農(nóng)業(yè)機械學(xué)報， 2017， 48（6）： 125-131.

Liu Z， Liu W， Zan X， et al. Temporal and spatial planting regionalization description of spring maize in Northeast China based on several years environmental characteristics[J]. Transactions of the CSAM， 2017 （6）： 13， 125-131.

[13]? Tan J， Yang P， Liu Z， et al. Spatio-temporal dynamics of maize cropping system in Northeast China between 1980 and 2010 by using spatial production allocation model[J]. Journal of Geographical Sciences， 2014， 24（3）： 397-410.

[14]? 鄔定榮， 劉建棟， 劉玲， 等. 基于作物生長模型及CAST分類的華北夏玉米生產(chǎn)力區(qū)劃研究[J]. 氣象科學(xué)， 2015， 35（1）： 66-70.

Wu D， Liu J， Liu L， et al. Regionalization of summer maize productivity in North China based on crop growth model and CAST method[J]. Journal of the Meteorological Sciences， 2015， 35（1）： 66-70.

[15]? 呂超， 耿獻(xiàn)輝， 張榮敏. 中國馬鈴薯種植的時空布局演化研究[J]. 統(tǒng)計與決策， 2017， （18）： 136-140.

Lv C， Geng X， Zhang R. Study on the spatial and temporal distribution evolution of potato planting in China[J]. Statistics and Decision， 2017， （18）： 136-140.

[16]? Fan L， Liang S， Chen H， et al. Spatio-temporal analysis of the geographical centroids for three major crops in China from 1949 to 2014[J]. Journal of Geographical Sciences， 2018， 28（11）： 1672-1684.

[17]? 金曉斌， 張鴻輝， 周寅康. 基于模糊ISODATA聚類方法的農(nóng)用地定級研究[J]. 農(nóng)業(yè)工程學(xué)報， 2008， 24（7）： 82-85.

Jin X，? Zhang? H，? Zhou Y.? Agricultural? land? gradation

based on the fuzzy ISODATA clustering method[J]. Transactions of the CSAE， 2008， 24（7）： 82-85.

[18]? 付強. 基于多源數(shù)據(jù)的田塊尺度精準(zhǔn)管理分區(qū)研究[D]. 哈爾濱： 東北農(nóng)業(yè)大學(xué)， 2016.

Fu Q. Study on precision management zones based on multi-source data in field scale[D]. Harbin： Northeast Agricultural University， 2016.

[19]? 李春林， 陳旭紅. 應(yīng)用多元統(tǒng)計分析[M]. 北京： 清華大學(xué)出版社， 2013.

Li C， Chen X. Applied multivariate statistical analysis[M]. Beijing： Tsinghua University Press， 2013.

[20]? 趙祖亮， 曲藝偉， 劉哲， 等. 玉米產(chǎn)量的品種與環(huán)境互作效應(yīng)空間分布規(guī)律[J]. 農(nóng)業(yè)工程學(xué)報， 2015， 31（24）： 232-238.

Zhao Z， Qu Y， Liu Z， et al. Spatial distribution of interaction effect between variety and environment on maize yield[J]. Transactions of the CSAE， 2015， 31（24）： 232-238.

[21]? 何奇瑾， 周廣勝. 我國玉米種植區(qū)分布的氣候適宜性[J]. 科學(xué)通報， 2012， 57（4）： 267-275.

He Q， Zhou G. Climate suitability of distribution of corn planting areas in China[J]. Chinese Science Bulletin， 2012， 57（4）： 267-275.

[22]? 郭貴青. 簡析我國玉米種植區(qū)分布的氣候適宜性[J]. 山西農(nóng)經(jīng)， 2018（9）： 83-84.

Guo G. A brief analysis of the climate suitability of corn planting area distribution in China[J]. Shanxi Agricultural Economy， 2018（9）： 83-84.

[23]? 蘇利軍. 呼和浩特市氣候資源區(qū)劃與農(nóng)作物區(qū)劃[D]. 呼和浩特：內(nèi)蒙古大學(xué)， 2014.

Su L. Hohhot city zoning of climatic resources and crop division[D]. Hohhot： Inner Mongolia University， 2014.

[24]? 蔣育昊， 劉鵬舉， 夏智武， 等. 站點密度對復(fù)雜地形PRISM月降雨空間插值精度的影響[J]. 南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2017， 41（4）： 115-120.

Jiang Y， Liu P， Xia Z， et al. Effects of spatial station density on accuracy of spatial interpolation of monthly rainfall over complex terrain base on PRISM[J]. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2017， 41（4）： 115-120.

Regionalization research of summer corn planting in North China Plain based on multi-source data

Xingliang Diao1，2， Zaijie Yang3， Qifeng Li1， Jingxin Yu1， Wengang Zheng1， Leigang Shi1*

（1. Beijing Research Center for Information Technology in Agriculture， Beijing 100097， China;

2. College of Information Science and Engineering， Shandong Agricultural University， Tai'an 271018， China;

3. Sinochem Fertilizer Co.， Ltd， Beijing 100031， China）

Abstract： Accurate identification of agricultural production environment information and agricultural production characteristics， comprehensive classification of meteorological， soil and crop multi-source data， are the bases for improving the efficiency of agricultural resource utilization and optimizing the structure of agricultural cultivation. Based on the meteorological data of nearly 20 years and the statistics of com yield， this study first constructed a database of spatial and temporal distribution characteristics of climate resources and com production in North China Plain， and there were significant spatiotemporal changes in rainfall， activity accumulated temperature， sunshine hours， solar radiation and corn yield. By using the method of fine crop planting regionalization， the summer com planting areas in the North China plain were divided into 5 categories： the extremely unsuitable area， the unsuitable area， the less suitable area， the suitable area， and the most suitable area， the proportions of each type of area in the total area is about 10%， 11%， 25%， 30%， 24%， respectively， further through? using the Environmental Category attribution analysis method， each large class was divided into 5 subcategories， the probability was greater than 75% the relatively stable region accounts for about 63% of the total area， the fluctuation area of less than 75% is about the stable spatial and temporal distribution of 37%; the extremely unsuitable area， the unsuitable area and the less suitable area， these three kinds of spatial and temporal distributions were relatively stable， the belonging degree was 100%， accounting for 87.67%， 70.41% and 84.28%， respectively， the fluctuation zone mainly occurs between the extremely suitable zone and the suitable zone， and between the suitable zone and the relatively suitable zone. The fine zoning of summer com in North China Plain has important guiding significance for improving the utilization efficiency of local resources and optimizing the layout of com industry.

Key words： summer com; multi-source data; temporal and spatial distribution; fine regional planning