地理数据分析作业

introduction
氮是农业生态系统中最重要的元素之一｡一方面,活性氮的不足将导致土壤肥力下降､作物产量和蛋白质含量降低､土壤有机质损耗､土壤侵蚀加剧等问题另一方面,氮元素过剩将导致多余硝酸盐转移至地下水和饮用水源,造成土壤面源污染问题 [1]因此,对作物氮素利用状况进行实时､准确的监测,有利于提升作物氮肥施用精细化管理水平进而提高作物的氮肥利用效率,减缓农田面源污染问题,促进农业土壤生态保护的进一步发展｡
目前,传统氮素测定主要通过凯氏定氮法和叶绿素计SPAD的方式[2],这些方式不能快速获取参数,并且其破坏性采样和有损检测的方式在实际操作中困难重重｡传统的卫星遥感监测技术虽能实现对作物生长的大面积快速监测[3],但存在灵活性不高和精度低等问题｡｡相比之下,无人机遥感不仅灵活性高､成本低､操作简便,且具有分辨率高和抗干扰性强的优点｡多光谱遥感可以获取地物丰富的光谱信息,在生态环境监测方面具有独特优势｡无人机搭载多光谱相机结合地面采样作物氮含量,构建多光谱氮元素遥感反演模型,利用多光谱图像对作物氮含量进行准实时监测可以弥补传统采样方式和卫星遥感技术的不足,将为精准农业的进一步发展提供有力的技术支持,具有巨大的应用潜力｡
项目内容:
研究区概况:
选择中科院黑土粮仓科技会战海伦示范区作为实验区,该区位于松嫩平原东北部海伦市西郊(北纬47°27＇,东经126°55＇,海拔高度240米),气候为大陆性季风气侯,种植制度为一年一熟,主要作物有玉米､水稻和大豆等,实验地所处的海伦市为黑龙江玉米的高产稳产区[4]｡
研究目的:
通过无人机多光谱影像提取玉米和水稻波段反射率, 找到合适的植被指数｡

我们在R中输入的数据类型有两类，分别为R mode和Q mode。一般来说数据每一列为一个变量（variable），每一行为一个数据（observation）。其中R mode的数据行数大于列数，是基于变量的分析；Q mode数据列数大于行数，是基于数据的分析。而OTU表一般情况下样本数小于OTU数，属于R mode型数据。

变异系数法(Coefficient of Variation Method)
是依靠指标内在的信息，根据公式测算从而得出指标权重，完全摆脱了人为因素的干扰，因此属于客观赋权方法．该方法的特征为：对于一个评价指标体系，若指标取值差异越大，则表明被评价单位的差距也越大
变异系数法是根据各影响因素作用程度的不同