基于全卷积神经网络的建筑物屋顶自动提取

高分辨率遥感影像在地面自动目标提取中得到了广泛应用,然而利用传统算法,很难高精度地进行实时的建筑物屋顶绘图。本文使用深度学习方法探讨建筑物屋顶分割,由于卷积运算对形变、旋转、光照条件的不敏感,设计了一种用于建筑物屋顶提取的深度卷积神经网络,提出的网络为级联式全卷积神经网络,在深度卷积神经网络的设计中使用了特征复用和特征增强,实现建筑物的自动精确提取。以美国马萨诸塞州建筑物数据集为基础的实验结果表明,本文提出的网络结构取得了92.3%的总体预测精度,和其他方法相比,本文提出的方法具有更高的精度     

POI辅助下的高分辨率遥感影像城市建筑物功能分类研究

城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点（Point of Interest, POI）数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络（Convolutional Neural Networks, CNN）方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。     

多时相耕地覆盖提取和变化分析：一种结合遥感和空间统计的时空上下文方法

基于多时相影像的耕地提取和变化分析是有效管理和保护耕地资源的重要手段。然而就多时相耕地的分类提取而言,现有方法对于多时相影像中地物的时空特征表达和时空上下文关系建模存在着局限性,导致耕地的提取精度不佳;其次,对于耕地的变化分析,现有方法往往只关注基于行政单元的耕地面积统计变化,而对耕地变化在空间上的相关性分布特点考虑较少。因此,本文首先提出了一种时空上下文分类方法,综合表达和利用多时相影像中地物的光谱、纹理和空间等特征,建模时空维度上地物间在特征和语义上的上下文关系,来提高耕地覆盖分类的精度;其次,基于耕地覆盖的提取结果,在规则格网和行政区划单元上,采用GIS空间统计方法分析耕地变化的空间相关性特点;最后,以北京市顺义区为例,以2015—2019年的多时相Sentinel-2影像为数据源对本文方法进行验证。结果表明,与常见的2种多时相影像分类方法相比,本文方法在多时相耕地分类上精度最高,平均用户精度和制图精度分别达到91.21%和90.53%,所有类别的总体精度为90.79%。这表明本文方法能精确提取多时相耕地覆盖信息。通过对耕地变化的空间分布特点进行分析,发现2015—2019年顺义区耕地变化存在区域聚集现象,主要呈现为集中减少特点,其中赵全营镇、高丽营镇、木林镇和杨镇地区耕地的聚集性减少较为明显,说明这些地区的耕地侵占和减少问题比较严重。     

基于LBS和深度学习的旅游景区客流量的高时频预测

为实现精准的旅游景区客流量的高时频预测,本研究构建了一套基于LBS和深度学习模型的预测方法。此方法可通过对LBS数据的转换实现预测的空间范围与时频控制,并通过方法的核心模型——基于双向循环神经网络和GRU算法构建的深度双向GRU(DBi-GRU)模型完成预测。为检验方法的有效性,研究以深圳大梅沙海滨公园为例对方法进行实验测试。实验使用拟合曲线、误差指标及DM检验3种方法评估DBi-GRU模型的预测效果。此外,实验还设置了其他五种深度学习模型作为DBi-GRU的对照模型,测试基于不同深度学习算法的模型之间的预测水平差异。实验结果表明:(1)本研究提出的DBi-GRU模型在景区客流量高时频预测中具有理想的预测效果,在高峰时段的客流量预测方面也具有较高准确性,预测效果明显优于其他深度学习模型;(2)基于双向循环网络的模型的效果普遍优于基于常规循环网络的模型。尤其是基于双向LSTM算法的模型,虽然预测的准确度略逊色于DBi-GRU模型,但在模型性能上与其的差异并不显著;(3)在相同网络参数下,GRU算法较前人采用的LSTM和RNN算法有着更高的预测准确性。本研究为客流量预测领域的研究提供了一种...     

中国海岸带土地利用遥感制图及精度评价

土地利用遥感制图结果是支撑全球气候变化和区域可持续发展等领域科学研究不可或缺的重要基础数据,而制图精度方面的评价信息则决定土地利用遥感制图结果的完整性、可靠性、可用性、可控性和可传播性。本文概述2000、2005、2010和2015年多时相中国海岸带土地利用遥感制图的数据源和技术方法,针对2010年和2015年制图结果,基于Google Earth高分影像通过目视判读获得精度评价所需的参考数据,进而建立混淆矩阵并评估制图的精度。结果表明：① 2010和2015年中国海岸带土地利用遥感制图结果的总体精度分别为95.15%和93.98%,Kappa系数分别为0.9357和0.9229,表明2个时相遥感制图结果的精度总体较好;② 中国海岸带土地利用遥感制图结果的精度水平存在较为显著的区域差异,2010年时相江苏沿海区域的精度最高,2015年时相津冀沿海区域、上海市、海南省和台湾省的精度均比较高,2个时相均以福建省沿海区域的精度最低;③ 中国海岸带土地利用遥感制图结果的精度水平存在显著的类型差异,总体上,耕地、林地、草地和滨海湿地的分类精度较高,而建设用地、内陆水体和人工咸水湿地的分类精度则相对较低,未利用土地则是错分最严重的类型;④ 耕地与林地之间、建设用地与草地之间相互误分比较显著,内陆水体容易被错分为耕地、林地和建设用地,人工咸水湿地容易被误分为耕地和建设用地,未利用土地容易被误分为耕地,这些都是未来时期数据持续更新过程中应该重视的问题。本文有望为海岸带土地利用变化遥感监测和科学研究提供必要的支持。     

顾及地理-语义动态的城市热点预测框架

城市热点时空预测是城市管理和智慧城市建设的一项长期而富有挑战性的任务。准确地进行城市热点时空预测可以提高城市规划、调度和安全保障能力并降低资源消耗。现有的区域级深度时空预测方法主要利用基于地理网格的图像、给定的网络结构或额外的数据来获取时空动态。通过从原始数据中挖掘出潜在的自语义信息,并将其与基于地理空间的网格图像融合,也可以提高时空预测的性能,基于此,本文提出了一种新的深度学习方法地理语义集成神经网络(GSEN),将地理预测神经网络和语义预测神经网络相叠加。GSEN模型综合了预测递归神经网络（PredRNN）、图卷积预测递归神经网络（GC-PredRNN）和集成层的结构,从不同的角度捕捉时空动态。并且该模型还可以与现实世界中一些潜在的高层动态进行关联,而不需要任何额外的数据。最终在3个不同领域的实际数据集上对本文提出的模型进行了评估,均取得了很好的预测效果,实验结果表明GSEN模型在不同城市热点时空预测任务中的推广性和有效性,利用该模型可以更好地进行城市热点时空预测,解决一系列如犯罪、火灾、网约车预订等等现代城市发展中亟需解决的相关问题。     

STUDY ON THE SUBSIDING LAND EXTRACTION FROM LANDSAT TM IMAGE SUPPORTED BY GIS AND DOMAIN KNOWLEDGE

The subsiding land can be extracted from Remote Sensing image based on its spectral and spatial fea-tures,The features of subsiding land caused by mining,especially its RS information features and relative knowledge are proposed Three methods can be used to extract subsiding land from RS image ,The first is to categorize the region into different blocks (or layers) according to their features and apply corresponding strategies for each block,the second is to identify the changeable region based on GIS firstly and then to classify those regions.and the third is to post-process the classified image by traditional methods or ANN (Artificial Neural Network) methods based on domain knowledge and GIS.Two direct extraction methods are intrduced also.One is the extraction based on the water accumulating property of subsiding land ,and the other is based on the dynamic change of land cover in subsiding land.     

基于深度学习AlexNet的遥感影像地表覆盖分类评价研究

地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。     

顾及数据配准的江西省SRTM DEM精度评价和修正

目前,ICESat/GLAS是大尺度SRTM DEM精度评价的主要数据源.然而,现有的精度评价方法均忽略了2组数据的有效配准.为此,本文分析了数据配准前、后SRTM DEM整体精度差异,以及不同地形因子和土地利用类型对SRTM DEM影响程度.在此基础上,充分考虑SRTM DEM精度影响因素,分别借助多元线性回归(ML...     

Combining spectral with texture features into object-oriented classification in mountainous terrain using advanced land observing satellite image

Most existing classification studies use spectral information and those were adequate for cities or plains.This paper explores classification method suitable for the ALOS(Advanced Land Observing Satellite) in mountainous terrain.Mountainous terrain mapping using ALOS image faces numerous challenges.These include spectral confusion with other land cover features,topographic effects on spectral signatures(such as shadow).At first,topographic radiometric correction was carried out to remove the illumination effects of topography.In addition to spectral features,texture features were used to assist classification in this paper.And texture features extracted based on GLCM(Gray Level Cooccurrence Matrix) were not only used for segmentation,but also used for building rules.The performance of the method was evaluated and compared with Maximum Likelihood Classification(MLC).Results showed that the object-oriented method integrating spectral and texture features has achieved overall accuracy of 85.73% with a kappa coefficient of 0.824,which is 13.48% and 0.145 respectively higher than that got by MLC method.It indicated that texture features can significantly improve overall accuracy,kappa coefficient,and the classification precision of existing spectrum confusion features.Object-oriented method Integrating spectral and texture features is suitable for land use extraction of ALOS image in mountainous terrain.     

黄河三角洲新垦耕地年龄及其生产能力指数的遥感监测

黄河三角洲是我国重要的土地后备资源集中分布区,对黄河河口滩地的开垦成为了保持山东省乃至全国耕地动态平衡的关键。本文以东营市、垦利县、河口区和利津县作为研究区,利用6期(1984、1995、2000、2004、2008和2010年)TM影像,对黄河三角洲地区的耕地资源动态变化和耕地年龄进行了遥感监测和推定,并利用熵权法以植被指数(EVI和MSAVI)、植被覆盖度(Fv)和温度植被干燥指数(TVDI)为指标因子的耕地生产能力指数构建了评价模型。研究结果表明:在1984-2010年的26年时间里,研究区的耕地动态变化显著,新垦耕地面积达到77 362.33hm2,大部分来源于草地的开垦。其中,耕地年龄在8-12年期间的新垦耕地面积最多,占了新垦耕地面积的34.47%;研究区新垦耕地的生产能力指数呈现随着耕作时间的增加而增加的趋势,耕作时间在2-4年之内的新垦耕地平均生产能力指数,仅有传统耕地平均指数的67.66%;研究区传统耕地的生产能力指数大体上也在随着耕作时间的增加而提高,传统耕地在2010年的平均生产能力指数比1984年提高了76.51%。     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

纳入空间自相关的FLUS模型在土地利用变化多情景模拟中的应用

FLUS模型是一种新型的土地利用变化模拟模型,应用前景广阔。本文通过在FLUS模型的人工神经网络(Artificial Neural Network,ANN)训练模块中引入空间自相关因子来改进模型,以珠江三角洲地区为例,基于2009年、2015年土地利用数据和一系列驱动因子对改进的模型进行了验证,并利用该改进的FLUS模型模拟了2035年研究区在3种情景下土地利用变化格局。结果表明:①引入空间自相关因子后各地类发生概率分布的预测精度更高,耕地、林地、建设用地、水体和未利用土地的拟合优度ROC值分别从0.819、0.928、0.885、0.855和0.861提高到0.857、0.934、0.890、0.863和0.978;②改进的FLUS模型的模拟精度有一定的提高,Kappa系数从0.732提高到0.744,FOM系数从0.077升到0.106;③情景模拟表明,3种情景下珠江三角洲建设用地和林地均将增加、而耕地均呈减少趋势。但不同情景下模拟的土地利用格局也存在显著差异:基准情景下,建设用地明显扩张且大幅侵占耕地。耕地保护情景下,耕地面积保持在合理水平,建设用地蔓延扩张趋势得到遏制,土地利用布局总体趋向合理。生态保护情景下,耕地、林地和水体得到较好保护,建设用地布局更为合理,土地利用可持续性明显提高。     

基于面向对象与深度学习的榆树疏林识别方法研究

榆树疏林是浑善达克沙地中一种特殊的植被类型,它对于维持区域生态系统稳定具有重要意义,在防风固沙、涵养水源、调节气候等方面发挥着重要的作用。本文利用无人机影像与GF-2影像,对高分辨率数据源中榆树疏林的两种自动识别方法进行了研究。在面向对象方法中,首先通过计算影像对象的局部方差变化率得到了最佳分割尺度;其次采用随机森林算法对初选特征的重要性进行排序,并删除无关特征;最后分别对支持向量机（SVM）、随机森林（RF）、深度神经网络（DNN）3种分类器进行参数寻优与榆树疏林提取。此外,在ENVI5.5中基于TensorFlow框架,利用U-Net构建深度学习模型对榆树疏林进行了提取,并与面向对象方法进行对比。结果显示：① 通过面向对象方法过程的优化,最终的识别精度较以往研究有所提升,GF-2影像中SVM总体精度为90.14%,RF总体精度为 90.57%,DNN总体精度为91.14%;无人机影像中SVM总体精度为97.70%, RF与DNN总体精度为97.42%。② 深度学习方法中,GF-2影像的总体精度为91.00%,无人机影像的总体精度达到了98.43%。研究结果说明在榆树疏林提取中,无人机影像具有更高的空间分辨率,更丰富的纹理、形状等信息,能达到比GF-2影像更高的精度。面向对象方法对于2种影像都有较高的适用性;深度学习的方法在本文中更适用于无人机影像,它可以有效地减少无人机影像中的错分现象。     

利用卷积神经网络提取微博中的暴雨灾害信息

从社交媒体中挖掘灾害应急信息,能够有效帮助传统灾害管理获取实时、主题丰富的灾害信息,从而成为灾害应急管理的新手段。得益于深度学习在自动特征提取上的成就,本文研究了一种利用卷积神经网络对社交媒体中的灾害应急信息进行自动实时提取与分类的方法。首先,利用社交媒体数据和Word2vec模型,构建与灾害类事件相关的语料库并获得相应的词向量;其次,将词嵌入文本和相应的灾情类别作为卷积神经网络的输入,经过多分类学习得到分类模型,用以提取近实时灾害信息。以2012年“7.21北京特大暴雨”事件为案例,通过分类模型获得常见灾情类别的暴雨灾害社交媒体信息。该模型在测试集上的精度达到了90%以上,并且将模型运用于新爬取的2016年暴雨数据集上也得到了较好的表现,说明该模型在近实时自动提取灾害信息方面具有可行性。在对2012年分类结果进行时空分析结果表明,通过社交媒体获得的暴雨灾害主题信息符合灾害发展的规律,说明了利用深度学习提取社交媒体数据中的灾害应急信息的有效性和可行性,能够为实时灾害应急管理提供新的思路。     

Arrangement of High-standard Basic Farmland Construction Based on Village-region Cultivated Land Quality Uniformity

As an important constitute of land consolidation, high-standard basic farmland construction is an important means to protect the quantity, quality and ecological environment of cultivated land. Its target not only lies in the increase of cultivated land quantity, but also the improvement of cultivated land quality, agricultural production conditions and ecosystem environments. In the present study, the quality evaluation method and construction arrangement of cultivated land were explored to facilitate the process of decision-making and implementation for high-standard basic farmland construction(HSBFC) with administrative village as the unit. Taking the land comprehensive improvement project area in Quzhou County, Handan City, Hebei Province as a case study, the whole process of the study comprised of three steps: 1) establishment of the evaluation model of cultivated land quality uniformity based on regional optimum cultivated land quality, and construction of the uniformity evaluation index system from the aspects of soil fertility quality, engineering quality, spatial quality and eco-environment quality, according to the new concept of cultivated land quality; 2) calculation of cultivated land quality uniformity by grading indicators, assigning scores and weighting sums, exploring the local homogenization characteristics of regional cultivated land quality through spatial autocorrelation analysis, and analyzing the constraints and transformative potential of barrier factors; 3) arrangement of HSBFC according to the principle of concentration, continuity and priority to the easy operation. The results revealed that the value of farmland quality uniformity for the administrative villages in the study area was between 7.76 and 21.96, and there was a difference between various administrative villages. The regional spatial autocorrelation patterns included High-High(HH), Low-Low(LL), High-Low(HL) and Low-High(LH). These indicate that regional cultivated land quality has local homogenization characteristics. The most restrictive factors in the study area were the medium and low transformation difficulty indexes, including soil organic matter content, farmland shelterbelt network density, field regularity and scale of the field. In addition, there were also high transformation difficulty indicators in some areas, such as sectional configuration. The project area was divided into four partitions: major construction area, secondary construction area, general construction area, and conditional construction area. The cultivated land area of each subarea was 1538.85 ha, 1224.27 ha, 555.93 ha, and 1666.63 ha, respectively. This comprised of 30.87%, 24.56%, 11.15% and 33.42% of the total project area, respectively. The evaluation model and index system could satisfy the evaluation of farmland quality and diagnosis of obstacle factors to facilitate the subsequent construction decision. The present study provides reference for the practice of regional HSBFC, and a new feasible idea and method for related studies.     

基于Google Earth Engine和NDVI时序差异指数的作物种植区提取

为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。     

时空协同的精准农业遥感研究

高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路,基于高分辨率遥感影像,开展了农业遥感领域2个典型的问题研究：① 提出了一种基于影像视觉特征的耕地分区分层提取方法,该方法在利用DEM数据进行分区的基础上,根据不同区域内耕地所呈现的几何特征和纹理特征差异,分别设计了不同的耕地提取模型;② 构建了一种地块尺度的作物生长参数反演方法,方法以地块为基本单元,在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范,以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中,对于安顺市西秀区的耕地地块提取结果而言,形态精度（IoU）大于0.7的地块超过60%,规则耕地、梯田以及林草地等的类型精度均超过了80%;对于扶绥县甘蔗叶面积指数反演的结果而言,其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异,基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明,协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。     

水稻种植环境综合适宜性评价方法研究

开展特定区域水稻种植产业布局是科学制定区域农业种植产业规划的重要内容,而水稻种植适宜性评价是水稻种植产业布局的前提。本文以中国好粮油示范县——福建省浦城县为研究区,基于层次分析模型构建土壤条件、立地条件、灌排条件、气候条件和机械耕作条件5大类共21个指标的水稻种植适宜性评价体系,利用地学模型、回归模型和空间插值等方法计算、模拟评价指标空间分布数据,形成5 m×5 m分辨率的评价指标栅格数据集,基于经验指数法建立适宜度指数模型,开展精细尺度下的水稻种植环境综合适宜性评价。利用实测样点水稻产量与水稻种植环境综合适宜度指数进行分析,发现二者呈显著正相关,验证了本研究评价工作的正确性和可行性。最后利用K-means属性聚类法识别研究区水稻种植多维环境适宜性的空间模式。结果表明：① 研究区水稻种植高度适宜、较适宜、中度适宜耕地面积占全县耕地面积的84.4%,次适宜耕地仅占15.6%,耕地整体适宜性较高;② Ⅰ类集聚区水稻种植综合适宜性和各类指标适宜性均较高;Ⅱ类集聚区水稻种植综合适宜性较高,但灌排条件适宜性很低;Ⅲ类集聚区水稻种植综合适宜性较高,但立地、土壤条件适宜性较低;Ⅳ类集聚区水稻种植综合适宜性较低,灌排条件适宜性最低。本研究可为水稻种植适宜性评价提供方法借鉴,并为浦城县更合理科学地开展农业种植规划提供依据。