关于被忽视和未充分利用的作物种的土地适用性方法的评估:一个范围审查
Hillary Mugiyo1, Vimbayi G P Chimonyo1, Mbulisi Sibanda1,2
1Centre for Transformative Agricultural and Food Systems, School of Agricultural, Earth & Environmental Sciences, University of KwaZulu-Natal, P/Bag X01, Pietermaritzburg 3209, South Africa.
概括
本范围审查评估了土地适用性分析 (LSA) 方法用于农业,发现机器学习和多标准决策等现代方法对于作物适用性优越,特别是对于被忽视和未充分利用的物种 (NUS).
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 地理空间分析是什么
背景情况:
- 土地适用性分析 (LSA) 对于理解农业生态中的作物分布至关重要.
- 现有的LSA方法缺乏共识,特别是在被忽视和未充分利用的作物物种 (NUS) 中.
- 需要对LSA方法进行全面评估,以指导农业规划.
研究的目的:
- 进行土地适用性分析 (LSA) 方法的范围审查.
- 评估已识别的LSA方法对被忽视和未充分利用的作物种 (NUS) 的适用性.
- 为LSA开发确定可靠的方法和标准参数.
主要方法:
- 关于土地适用性分析 (LSA) 发表的文章的范围审查.
- 将LSA方法分为传统和现代类别的分类.
- 分析现代方法,包括多标准决策 (MCDM),作物模拟模型和机器学习.
主要成果:
- 现代LSA方法 (63.4%) 比传统方法 (26.6%) 更普遍.
- 机器学习 (25.7%) 和MCDM方法,如AHP (14.9%) 和模糊逻辑 (12.9%) 越来越受欢迎.
- 气候,水文,土壤,社会经济和景观因素的67个参数对LSA至关重要;存在数据挑战.
结论:
- 现代LSA方法,特别是MCDM和机器学习,为作物适合性分析提供了强大的解决方案.
- 整合大数据和物联网可以提高LSA的准确性和可靠性.
- 建议将定性和定量方法相结合的混合土地评估系统用于改进LSA,特别是在NUS.
相关概念视频
Adaptations that Reduce Water Loss
25.4K
Though evaporation from plant leaves drives transpiration, it also results in loss of water. Because water is critical for photosynthetic reactions and other cellular processes, evolutionary pressures on plants in different environments have driven the acquisition of adaptations that reduce water loss.
25.4K
Plant Breeding and Biotechnology
18.9K
Crop cultivation has a long history in human civilization, with records showing the cultivation of cereal plants beginning at around 8000 BC. This early plant breeding was developed primarily to provide a steady supply of food.
18.9K


