北京耕作土壤重金属多尺度空间结构

为了有效揭示土壤重金属的空间分布特征,为土壤环境质量评价提供科学依据,该研究以北京市耕作土壤中重金属为例,通过地统计学方法分析了重金属空间结构的尺度效应。研究结果表明：土壤重金属Cr、Ni、Zn和Hg的空间结构性对空间尺度有明显的依赖,理论半方差函数的最优性检验进一步表明多尺度套合模型能充分地挖掘和利用土壤重金属Cr、Ni、Zn和Hg的空间变异结构,并且采用多尺度套合模型法对重金属Cr、Ni、Zn和Hg进行克里格插值,其插值效果明显优于单一尺度下的普通克里格插值。因此,多尺度套合模型法能有效地揭示耕作土壤中重金属的空间分布特征。     

不同采样尺度下土壤碱解氮空间变异性研究——以榆树市农田土壤为例

在精准农业的实施过程中,研究如何用较少的样本来反映田间信息的空间变异规律,再用科学的插值方法进行插值和预估是精准农业研究中的一个关键问题。以东北典型黑土区——吉林省榆树市为研究区域,在榆树市弓棚镇13号村内选择相对平整的地块进行土壤采样并测试其土壤养分。在对原始采样格网点按一定的样点间隔和布局进行抽取的基础上,利用克里格插值方法和BP神经网络方法分别进行空间插值,比较不同采样尺度（40m×40m,56m×56m,80m×80m,113m×113m,160m×160m五个尺度）对空间插值精度的影响。结果表明:（1）随着采样尺度的增大,碱解氮的空间结构系数C/（C₀+C）有减小的趋势,表明采样间距以内的不可估计误差逐渐增大,其空间结构的表现能力在逐渐减弱;（2）Kriging插值精度总体优于BP神经网络,随着采样尺度的增加,两种模型的模拟精度都有所下降,BP神经网路的插值精度和Kriging模型的插值精度的差距逐渐减小;（3）两种模型在113m×113m尺度上插值精度都发生了突变,如考虑碱解氮的空间变异规律和经济因素,碱解氮的最佳采样尺度应在80～113m。     

黄土高原降雨量空间插值精度比较——KRIGING与TPS法

 黄土高原地域广阔,降雨量时空分布复杂多变,插值方法将影响降雨量的时空变化特征分析,进而影响水文及土壤侵蚀模拟效果。采用黄土高原河龙区间及毗邻地区50余个气象站点20年(1981—2000年)的降雨量数据,分别利用KRIGING（克里金）和TPS（薄板光滑样条）方法对多年平均、年和月降雨量进行插值,对研究区内27个站点进行交叉验证,比较和分析其插值精度变化特征。结果表明：1）无论多年平均,还是年和月尺度,KRIGING与TPS方法降雨量插值结果都能正确反映河龙区间降雨量的空间变化趋势,2种方法交叉验证平均一致性指标（A）绝对值相差均在±0.01范围内,2种方法面平均插值精度均没有显著性差异。2）不同时间尺度的插值精度,KRIGING与TPS 2种插值方法的交叉验证平均一致性指标（A）均表现出多年均值优于4月约14%,优于年值约19%,优于7月约35%。     

秸秆带状覆盖下培土对马铃薯产量与水分利用效率的影响

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran''s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,"高-高"聚集区主要分布在苏中和苏南地区,"低-低"聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的传统全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

基于MGWR的渭河流域TRMM降水产品空间降尺度分析

高分辨率降水数据有助于刻画降水的时空分异特性,对流域水文、气象和生态等过程的精准模拟具有重要作用,因此对低分辨率降水产品开展空间降尺度,提高其分辨率十分必要。鉴于此,本文在充分考虑热带降雨测量卫星（Tropical Rainfall Measuring Mission,TRMM）降水产品在渭河流域适用性的基础上,引入归一化差分植被指数（Normalized Difference Vegetation Index,NDVI）、数字高程模型（Digital Elevation Model,DEM）、坡度、坡向和经纬度等地理环境因子,构建了多尺度地理加权回归（Multi-scale Geographically Weighted Regression,MGWR）模型用以分析不同因子对渭河流域降水空间格局影响的尺度差异;进一步提出了一种针对TRMM降水产品的空间降尺度方法,并透过精度评价验证了降尺度结果的可靠性。结果表明：1）TRMM降水产品数据相较于站点实测数据存在一定精度误差,年尺度上R2=0.807,BIAS=2.909%,RMSE=83.477 mm,表现较好;季尺度上秋季R2最高,为0.847,夏季RMSE最大,为62.393 mm,四季的BIAS均较低;月尺度R2为0.456～0.815,BIAS介于±0%～8%之间,多数月份为正值,RMSE值域范围为3.019～37.841 mm,精度较好;总体而言,TRMM降水产品数据在年、季和月尺度上均表现出良好的整体适用性。2）不同因子在干湿年份对降水空间分异格局的影响呈现出不同的尺度特征,其中湿润年的DEM、NDVI、坡向和经纬度对降水呈现局部影响,坡度影响具有全局性,而干旱年各因子均表现为局部影响。3）流域和站点尺度上,降尺度TRMM数据相较于降尺度前产品数据精度得到一定改善,其中流域尺度上,R2整体提升3%,RMSE降低1mm;站点尺度上,各站点统计指标变化各异,但降尺度后统计指标整体优于降尺度前,并且由于时间尺度上的误差累积,站点年尺度数据精度相比月尺度数据稍差（R2由0.8～0.91变为0.4～0.95,RMSE从11～17变为32～150）。4）降尺度TRMM数据相比于降尺度前产品数据,空间分布更细腻,细节特征表现更好,且在年、月时间尺度上均具有较高的精度,可为渭河流域资料短缺地区的水文设计提供数据支撑。     

基于地理加权回归的地形平缓区土壤有机质空间建模

气候变化效应评估、土壤固碳潜力和肥力管理等,迫切需要详尽的土壤有机质（soil organic matter, SOM）空间分布信息。该文以江苏省第二次土壤普查的1 519个典型土壤剖面的表层（0～20 cm）SOM含量为例,选择1 217个样本为建模集,302个为验证集,选取年均温度、年均降雨、物理性黏粒和土壤pH值等因子进行SOM的地理加权回归（geographically weighted regression, GWR）建模。从建模集中分别随机抽取100%（1 217个）、80%（973个）、60%（730个）、40%（486个）,20%（243个）的样点,对比不同样点数量下GWR和传统全局回归模型的精度差异,并选择最优模型进行SOM空间预测制图。结果表明：1）江苏省SOM含量在不同空间尺度上存在极显著的空间自相关性。不同样点数量的建模集的全局自相关性和局部空间自相关聚类图结果相似。全局Moran’s I值介于0.25～0.61（P<0.001）。SOM含量空间分布以空间聚集特征为主,“高-高”聚集区主要分布在苏中和苏南地区,“低-低”聚集区主要分布在苏北地区。2）GWR建模结果均优于传统的全局回归建模,其残差在不同的空间尺度上均不存在空间自相关性。不同建模集的GWR的R2adj较全局建模均提高0.15～0.20,其AIC和RSS均比全局模型有大幅降低,为56.08～360.19和17.40～76.67。不同建模样本数量的GWR模型对SOM的解释能力差异较小。3）建模样点数量（除建模样本n=243）对GWR预测制图结果的精度影响不大,RMSE介于5.56～5.75 g/kg之间,MAE介于3.87～4.05 g/kg之间,R2介于0.52～0.48之间,均优于全部建模样点的普通克里格插值验证结果。该研究可为样点数较少的省级尺度地区SOM空间建模与制图提供借鉴。     

TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上，基于地理加权回归模型（GWR），结合归一化植被指数（NDVI）、增强型植被指数（EVI）、高程、坡度、坡向数据，选取不同组合对19a内TRMM降水量数据进行降尺度，并对优选的降尺度数据分别进行GDA、GRA校正，最后在年、季、月尺度下进行精度评价与结果分析。结果表明：（1）降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时，空间分辨率由0.25°提高至1km，且TRMMNDVI数据精度优于TRMMEVI数据。（2）GDA校正结果优于GRA校正结果，且数据稳定性更好，更适于长江流域TRMM数据校正。（3）数据与站点实测数据R²在年（0.91～0.986）、季（0.704～0.88）、月（0.625～0.89）尺度上均有较高精度，细节特征较TRMM数据表现更好。（4）降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息，为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。     

田块尺度上土壤重金属污染地统计分析及评价(简报)

该文以北京市某生态农场的大田为例,应用地统计学分析方法进行了变异函数的计算和模型拟合,建立了计算土壤重金属含量的最适空间插值理论模型,随后运用克立金估值方法绘制了田块尺度上土壤重金属的空间分布图,并与土壤重金属污染标准进行比较,土壤重金属污染评价结果表明：研究范围内的土壤重金属含量较低,未发现污染。该研究结果表明地统计学分析方法可为田块尺度上的农业优化管理提供决策支持。     

田块尺度上土壤重金属污染地统计分析及评价

该文以北京市某生态农场的大田为例,应用地统计学分析方法进行了变异函数的计算和模型拟合,建立了计算土壤重金属含量的最适空间插值理论模型,随后运用克立金估值方法绘制了田块尺度上土壤重金属的空间分布图,并与土壤重金属污染标准进行比较,土壤重金属污染评价结果表明:研究范围内的土壤重金属含量较低,未发现污染。该研究结果表明地统计学分析方法可为田块尺度上的农业优化管理提供决策支持。     

广州市农业表层土壤镉和铅多尺度空间结构

基于广州市2005年641个表层农业土壤样点数据,使用地统计学和多尺度嵌套模型,探讨了土壤Cd和Pb在多粒度尺度上的空间结构并进行插值估计。研究发现,随着空间粒度由粗到细,土壤Cd和Pb空间相关性依次减弱,半方差函数对重金属空间变异的代表性依次增强。多尺度嵌套模型插值效果略优于单尺度的普通克里格法,前者插值结果显示:广州农业土壤Cd和Pb含量普遍未超过国家土壤环境质量二级标准,Cd超标区主要位于中心城区的菜地,少量位于从化区、南沙区以及花都区与白云区交界。     

基于无人机图像分割的冬小麦叶绿素与叶面积指数反演

叶绿素含量与叶面积指数是反映作物长势的重要理化参数,准确、高效定量估计小麦叶绿素含量与叶面积指数对于产量预测和田间管理决策具有重要意义,无人机(Unmanned Aerial Vehicle,UAV)遥感影像具有高空间分辨率的优势,被广泛应用于作物理化参数反演,但现有叶绿素含量与叶面积指数反演模型受土壤、阴影等背景噪声...     

基于无人机数码影像和高光谱数据的冬小麦产量估算对比

作物产量准确估算在农业生产中具有重要意义。该文利用无人机获取冬小麦挑旗期、开花期和灌浆期数码影像和高光谱数据,并实测产量。首先利用无人机数码影像和高光谱数据分别提取数码影像指数和光谱参数,然后将数码影像指数和光谱参数与冬小麦产量作相关性分析,挑选出相关性较好的9个指数和参数,最后以选取的数码影像指数和光谱参数为建模因子,通过MLR(multiple linear regression,MLR)和RF(random forest,RF)对产量进行估算。结果表明:数码影像指数和光谱参数与实测产量均有很强的相关性。利用数码影像指数和光谱参数通过MLR和RF构建的产量估算模型均在灌浆期表现精度最高,在灌浆期,数码影像指数和光谱参数构建的MLR模型R~2和NRMSE分别为0.71、12.79%,0.77、10.32%。对模型对比分析可知,以光谱参数为因子的MLR模型精度较高,更适合用于估算冬小麦产量。利用无人机遥感数据,通过光谱参数建立的MLR模型能够快速、方便地对作物进行产量预测,并可以根据不同生育期的产量估算模型有效地对作物进行监测。     

光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

为了进一步提高种子含水率的高光谱估算精度，该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值，分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系，构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型，并对模型进行了验证；再结合一元线性回归（SLR，Single Linear Regression）、逐步多元线性回归（SMLR，Stepwise MultipleLinear Regression）、偏最小二乘回归（PLSR，Partial Least Squares Regression）模型与BP神经网络（BPNN，BP Neural Network）模型进行比较。结果表明：1）油用牡丹种子含水率的吸收光谱特征波长位于1 410、1 900、1990 nm，一阶微分光谱特征波长位于1 150、1 950、2 080 nm；2）以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优，在能够满足水分估算精度的情况下，是最优的选择方法。3）将优选的特征参数作为输入，实测含水率值作为输出，构建BP神经网络模型，其建模与验模R2分别为0.978和0.973，RMSE分别为0.22%和0.242%，而RPD值分别为6.478和5.889，与其他模型相比，BP神经网络模型的建模及预测精度均最高，是估算油用牡丹种子含水率的最优模型，其次为逐步多元线性回归模型。研究结果表明BP神经网络模型对种子含水率具有更好的预测能力，是估算油用牡丹种子含水率的有效方法。     

基于星载ICESat-2/ATLAS数据的森林地上生物量估测

为探讨星载激光雷达数据ICESat-2（Ice,Cloud,and land Elevation Satellite-2）在山地森林地上生物量（Aboveground Biomass,AGB）的估测可行性和方法。以ATLAS（Advanced Terrain Laser Altimeter System）光子点云数据为主要信息源,以滇西北典型山地香格里拉为研究区,结合地面54块实测生物量遥感样地,在前期进行点云数据去噪、分类预处理基础上,对研究区74 873个林地光斑进行冠层参数及地形因子的提取（共计53个变量）,采用非参数模型随机森林回归和超参数优化后的随机森林进行建模,以均方根误差（Root Mean Square Error,RMSE）、决定系数（R2）、总体估测精度（P1）作为模型的评价指标,建立研究区AGB模型。研究结果表明：1）分析以ICESat-2/ATLAS提取的冠层参数、地形因子与生物量的相关性可知,冠层光子总数与生物量具有极显著相关性（P<0.01）,基于陆地卫星的乔木冠层百分比、冠层光子比率、坡度、光子总数、表观反射率与生物量具有显著相关性（0.01相似文献   

采用SEPLS_ELM模型估算夏玉米地上部生物量和叶面积指数

利用高光谱数据进行作物生长状况监测具有无损和高效的特点,是现代精准农业发展的必要手段。该研究以连续3 a（2018-2020）不同水氮供应下夏玉米营养生长期采集的212份植物样品（地上部生物量和叶面积指数）和高光谱实测数据为数据源,分别采用偏最小二乘回归（Partial Least Squares Regression,PLS）、极限学习机（Extreme Learning Machine,ELM）、随机森林（Random Forest,RF）和基于PLS叠加策略的叠加极限学习机算法（Stacked Ensemble Extreme Learning Machine based on the PLS,SEPLS_ELM）构建了夏玉米营养生长期地上部生物量和叶面积指数估算模型。结果表明：基于PLS和ELM构建的夏玉米地上部生物量和叶面积指数估算模型的精度均较低,前者验证集R2低于0.85、均方根误差高于550 kg/hm2,后者R2低于0.90、均方根误差高于0.40 cm2/cm2。相比之下,基于RF和SEPLS_ELM构建的夏玉米营养生长期地上部生物量和叶面积指数估算模型均有着较高的估算精度,SEPLS_ELM模型表现尤为突出,其地上部生物量和叶面积指数估算模型验证集的R2分别为0.955和0.969,均方根误差分别为307.3 kg/hm2和0.24 cm2/cm2,表明叠加集成模型能够充分利用高光谱数据并提高作物地上部生物量和叶面积指数估算精度。     

土壤溶质运移参数估计图解方法

基于土壤中溶质运移的对流 弥散方程 (CDE)提出了溶质运移参数估计的图解方法。根据土柱溶质运移“穿透曲线”(BTC)数据计算通量浓度随时间变化 (dc/dt)。应用绘图软件 ,例如MicrosoftExcel,绘制出t1 5dc/dt和dc/dt相对于时间的变化曲线。这两条曲线都是单峰曲线 ,并被用于估计CDE中延迟因子(R)和弥散系数 (D0 )。设计算例和穿透实验数据被用于校正图解法估计参数的精度和稳定性。参数估计的稳定性由估计参数对它们平均值的标准差评价 ;参数的估计精度与CXTFIT法和等斜率法比较。结果表明图解法具有较高的精度和较好的稳定性 ,特别是对于运移参数R的估值。图解法是一个确定性方法 ,它具备确定性方法中估计参数唯一性特点 ,克服了统计方法中需要给定参数初值的缺点。因此 ,这个方法是土壤溶质运移参数估计的可选方法之一。     

基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算

为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development,SPAD）值,分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型,并对模型进行验证;再结合主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）;以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测 SPAD 值作为输出,构建 BP 神经网络模型,其建模与验模 R2分别为0.887和0.896,RMSE 为2.782,RE 为4.59%,与其他回归模型相比,BP 神经网络模型预测精度最高,研究表明 BP 神经网络对叶绿素具有较好的预测能力,是估算玉米叶片 SPAD 值的一种实时高效的方法。     

基于稠密自编码器的无监督番茄植株图像深度估计模型

深度信息获取是温室移动机器人实现自主作业的关键。该研究提出一种基于稠密卷积自编码器的无监督植株图像深度估计模型。针对因视角差异和遮挡而产生的像素消失问题,引入视差置信度预测,抑制图像重构损失产生的问题梯度,设计了基于可分卷积的稠密自编码器作为模型的深度神经网络。以深度估计误差、阈值精度等为判据,在番茄植株双目图像上开展训练和测试试验,结果表明,抑制问题梯度回传可显著提高深度估计精度,与问题梯度抑制前相比,估计深度的平均绝对误差和均方根误差分别降低了55.2%和33.0%,将网络预测的多尺度视差图接入编码器并将其上采样到输入图像尺寸后参与图像重构和损失计算的处理方式对提高预测精度是有效的,2种误差进一步降低了23.7%和27.5%;深度估计误差随空间点深度的减小而显著降低,当深度在9 m以内时,估计深度的平均绝对误差14.1 cm,在3 m以内时,则7 cm。与已有研究相比,该研究估计深度的平均相对误差和平均绝对误差分别降低了46.0%和26.0%。该研究可为温室移动机器人视觉系统设计提供参考。