基于Sentinel-2影像的河套灌区作物种植结构提取

作物识别是提取作物种植结构的基础,利用遥感技术对作物进行监测识别,对优化生产布局、调整农业生产模式有着重要意义。文中选取河套灌区杭锦后旗为研究区域,基于2019年覆盖生长周期的Sentinel-2号卫星影像数据,构建NDVI时间序列数据集,利用Savitzky-Golay(S-G)滤波对NDVI时间序列数据集进行平滑,分析不同作物不同发育期的光谱曲线特征,计算各主要作物识别关键期的光谱阈值,构建基于决策树分层分类的农作物种植面积提取模型,并用验证样本对分类结果进行精度验证。结果表明:利用整个生育期内的NDVI最大合成影像确定植被地表覆盖,NDVI曲线变化区别林地与耕地,逐层提取地物,简便易行;采用S-G滤波重构高质量的NDVI时间序列曲线,研究证明重构后曲线更加平滑符合作物生长趋势;基于Sentinel-2号遥感数据和整个生育期NDVI时序数据,构建分层分类决策树模型,作物分类总体精度达92.1%,Kapppa系数精度达0.857。本研究采用的方法满足遥感观测应用化需求,也为县级区域农作物分类提供重要参考价值。     

西北高寒牧区村域经济对退牧还草工程的响应机制研究——基于甘肃省肃南县12个行政村的调查分析

以西北高寒牧区肃南县为研究区域,利用实地调研数据,采用主成分分析和最优尺度回归模型对退牧还草工程影响下村域经济的响应程度进行了分析,并探讨了村域经济对退牧还草工程的响应机制。研究表明:村域经济对退牧还草工程产生积极的响应,主要表现在产业响应、职业响应和观念响应三方面。牧户的年龄、家庭规模与村域经济对退牧还草工程的响应程度呈负相关,而受教育程度、草原退化认知、家庭规模、获益程度是其显著的正向影响因素。同时,牧户后续发展的替代产业培育问题是退牧还草工程对村域经济持续产生积极影响的关键问题,应从牧户、市场、政府三个方面来解决。     

噁唑烷类安全剂的三维定量构效关系研究

针对25个噁唑烷类化合物,以玉米根部GST活性为衡量标准,运用三维定量构效关系中的比较分子力场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)两种方法进行研究;应用20个化合物作为训练集,分别建立相应的模型,并对其进行结构和活性关系的分析。CoMFA模型的交叉验证系数q2为0.647,非交叉验证系数r2为0.999;CoMSIA模型交叉验证系数q2为0.527,非交叉验证系数r2为0.949。使用训练集以外的5个化合物进行了验证,两种模型预测值与实测值偏差较小,都显示出了较好的预测性和稳定性。研究结果可为设计新的噁唑烷类潜在的除草剂安全剂提供可靠信息。     

伪步甲危害遥感监测及地形分析——以新疆玛纳斯-呼图壁县草场为例

为揭示伪步甲灾害在不同地形梯度上的差异,结合RS与GIS,于2013—2014年对新疆玛纳斯-呼图壁县草场伪步甲灾害发生情况进行了遥感监测,将危害情况分成不同类别,并分别统计2 a间伪步甲危害面积的变化情况。在此基础上,利用数字高程模型(DEM)提取高程、坡度及坡向因子,分别与不同的伪步甲危害类型进行空间叠加统计分析,探讨研究区伪步甲灾害地形梯度特征。结果表明:900~1 200 m高程范围是伪步甲灾害的高发区;伪步甲危害区主要发生在0°~8.8°区间内;坡向梯度上,严重危害区并没有表现出明显的分布规律。     

近20年关中西部耕地秋季撂荒时空格局及其影响因素

近年来关中西部冬小麦收获后耕地撂荒现象(简称秋季撂荒)日益严重。以凤翔、岐山、扶风三县为例,选取2000—2020年间9个年份春季和秋季各1期Landsat影像,运用CART决策树分类法提取9个年份秋季耕地撂荒的时空变化特征,并通过实地问卷调查探究其影响因素及驱动机制。结果表明：研究区秋季耕地撂荒主要分布在凤翔县西南部、岐山县中部以及三县北部临近山区的地带,凤翔县中部和扶风县中部秋季撂荒程度较轻;2000年以来研究区耕地秋季撂荒呈波动上升趋势,其中2000—2007年间撂荒面积逐步增加,2007—2013年间有所回落,2013—2020年间又迅速攀升,2020年撂荒范围最广,撂荒率达64.64%。近20 a研究区秋季撂荒地块由小规模零星分布逐渐转为大规模集中分布。灌溉条件是研究区秋季耕地撂荒的主要影响因素,且影响程度逐年上涨;经济区位、耕作半径和交通条件对撂荒率也有一定的影响,但影响程度逐年减小;耕地边际化是驱动研究区农户选择秋季撂荒的根本原因,劳动力短缺是研究区秋季撂荒的主要原因,灌溉缺乏、积温不足和耕地细碎化等农业生产条件不足是研究区秋季撂荒的直接原因。     

陕西省耕地变化驱动力区域差异分析

根据陕西省以及11地市(区)1997-2006年耕地变化和社会经济数据,采用主成分分析法探讨陕西省各地市(区)耕地面积变化的驱动力及其差异。结果表明:陕西省省域耕地面积变化第一驱动力为社会经济因素,第二驱动力为退耕还林政策;根据驱动因子内容划分,咸阳、宝鸡、渭南、榆林、商洛属于产业拉动型,铜川和延安属于投资推动型;西安、汉中和安康属于社会经济综合驱动型;10个地级市均受到退耕还林政策的驱动,杨凌示范区则由于特定的发展时期受到固定资产投资的驱动影响。陕西省11地市(区)耕地变化的第一驱动力存在区域上的差异,第二驱动力差异较小。     

基于CMADS气象数据集的延河流域径流量变化模拟及分析

文中对中国大气同化驱动数据集(CMADS)和传统气象站数据的降水空间分布、变化趋势和相关性进行了分析,并基于以上两种数据分别驱动SWAT水文模型,模拟延河流域的多年径流量.同时,利用甘谷驿水文站的实测径流数据进行模型参数的率定和验证,构建适合研究区域特征的分布式水文模型.结果 表明:1) CMADS和传统气象站数据的年...     

雨强和植被覆盖度对典型坡面产流产沙的影响

应用先进的UGT水蚀测量仪,研究黄土高原祖厉河流域雨强和植被覆盖度对典型坡面产流产沙的影响。结果表明:黄土高原半干旱区间隔为15min的产流量、径流含沙量和产沙量与15min雨强具有相同的增减趋势,呈三次曲线关系y=b0+b1x+b2x2+b3x3。7种雨强条件下,人类扰动撂荒地的产流量、径流含沙量和产沙量均明显大于植被自然恢复的撂荒地,覆盖度20%的撂荒地是覆盖度35%撂荒地的平均径流系数的2.35倍,径流含沙量的4.48倍,产沙量的14.06倍。相对于受到扰动的撂荒地,植被自然恢复的撂荒地水土保持效益显著。     

深度学习方法下GEDI数据的天然云杉林地上生物量反演

森林作为陆地最大碳库，对人类的生活与发展至关重要，精准掌握森林资源动态变化并对其进行现代化可持续发展已成为当下研究热点。本文以天山山脉的天然云杉林为研究对象，利用地面实测数据、直升机机载激光雷达点云数据以及全球生态系统动态调查激光雷达(Global Ecosystem Dynamics Investigation,GEDI)数据，构建多源融合数据框架，通过使用AutoKeras框架下的深度学习算法，实现GEDI数据的多个相对高度百分位数(Relative Height Percentile,RH)与其光斑内地上生物量的回归模型预测，验证GEDI数据在较大范围的地上生物量反演方面的可行性，主要结论如下：(1)GEDI数据用于森林地上生物量估测研究具有较高可行性，通过自动化深度学习算法，训练集、验证集、整体数据的决定系数(Coefficient of Determination,R²)分别为0.69、0.63和0.67，平均绝对误差(Mean Absolute Error,MAE)分为3.73 mg·hm^-2、4.22 mg·hm^-2<...     

基于卷积神经网络的沙丘形态自动分类方法

为探究沙丘形态数据集构建及自动分类方法,解决沙丘形态信息数据库缺失等问题,以内蒙古西部典型沙丘为研究对象,通过无人机正射影像技术采集6种典型沙丘形态数据,并结合GF-2号遥感数据采用数据增强方式构建沙丘形态数据集。通过迁移学习策略的VGGNet和ResNet模型对沙丘形态的深层语义特征进行解析与学习,自动获取更具有代表性的图像纹理特征,以此提出一种基于卷积神经网络(CNN)提取不同沙丘形态特征自动分类的方法。结果表明,基于迁移学习的VGG16模型在四种模型中分类准确率最高,达到88.14%;优化后的ResNet18模型与ResNet50模型的分类精度分别从84.04%、85.25%提升到92.79%、88.91%;优化后的ResNet18+模型表现出最佳的分类效果,准确率达到92.79%,更适用于沙丘形态的高精度自动分类。