RS-GIS Based Dss (Decision Support System) for Land evaluation and Land resource management – (case study Amol District)

根据土地适宜性识别来制定合理的种植模式，离不开对社会经济条件和详细整体性因素的考量。水稻作为世界最重要的农产品之一，其发展在农村地区受到重视，并保障了当地的粮食安全。在我国，水稻被视为战略作物。水稻是区域可持续资源之一，关注其发展并扩大种植面积能够增强农民信心，保障区域经济稳定。另一方面，作物保险对所有土地采取统一标准，因为农业用地的统计信息大多基于专家和个人意见通过传统方法获取，且此类信息的采集始终伴随着误差。因此，每年为农业用地保险损失支付巨额费用。有鉴于此，土地评价、识别及基于土地能力的土地问题解决，必须将土壤容量和环境风险纳入考量，这对土地管理至关重要。本研究提出了一种空间决策支持系统（SDSS），用于研究区域的土地评价和水稻适宜种植区识别。在收集数据和实地调研之后，于GIS环境中创建了影响决策的各准则图层。多准则决策技术（MCDM）的开发采用了层次分析法（AHP）、模糊逻辑和人工神经网络。同时进行了模型的比较与集成（模型编制与模糊AHP标准化、FAHP、模糊标准化与FAHP）。为审查和匹配不同模型获得的适宜性图件，计算了观测值与kappa系数。神经网络模型的kappa系数为0.65，在土地适宜性等级与产量之间具有最高的拟合系数，这归因于该模型在确定等级方面的性能值具有可预测性。其后，模糊标准化编制模型与FAHP、模糊标准化与AHP的kappa系数分别为0.54和0.51，在土地适宜性等级与产量之间表现出最高的一致性。位于非适宜等级的大多数土地具有高坡度，若扩大种植将增加土壤侵蚀风险。对不同适宜性等级下水稻种植区（稻田）的调查……