排序方式: 共有27条查询结果,搜索用时 15 毫秒
11.
基于高光谱的喀斯特地区典型农田土壤有机质含量反演 总被引:1,自引:0,他引:1
【目的】利用高光谱数据定量反演喀斯特地区土壤有机质含量,为喀斯特地区快速、大范围、实时地监测土壤有机质含量提供更多的技术手段。【方法】利用机载高光谱成像系统和便携式地物光谱仪分别获取土壤光谱数据,基于原始光谱反射率和不同光谱变换数据,分析其与土壤有机质含量的相关性,以偏最小二乘法建立模型预测土壤有机质含量。【结果】2种数据源都可以用于土壤有机质含量预测,其中,基于ASD光谱一阶微分变换建立的模型预测精度较高,验证集决定系数(Rv~2)为0.910,相对分析误差(RPD)为2.68;基于GS光谱二阶微分变换建立的模型预测效果较好,验证集Rv~2为0.772,RPD为1.49。【结论】ASD光谱与GS光谱建模预测精度相差较大,ASD光谱客观条件影响较小、光谱波段更宽、光谱分辨率更高,具有更好的预测能力;低空无人机获取的GS光谱也具有一定的预测能力。 相似文献
12.
无公害茶园地的空间分析及土地适宜性综合评价——以贵定县为例 总被引:1,自引:1,他引:0
为了调查贵州山区茶叶种植资源优势,合理布局无公害茶叶种植区域。以贵州省贵定县为例,依据农业部无公害食品-茶叶产地环境条件标准(NY 5020-2001),结合土地利用数据、遥感数据、土壤数据、气温、降水、光照、DEM等关键基础数据,采用GIS的空间分析统计方法,建立无公害茶园地的综合评价指标体系,构建茶园地土地适宜性的综合评价模型。结果表明:适宜种植茶叶的土地利用面积为1265 km2,占整个研究区域的77.57%;土壤质量、气候条件和地形条件满足无公害茶叶种植标准的面积为1232.51 km2,占国土面积的75.57%;其中,最适宜无公害茶叶种植面积为128.71 km2,占国土面积的7.89%。以上研究可以为茶叶种植行业标准在具体区域的实施提供科学依据和辅助决策支持,对其他区域的茶叶种植综合评估具有参考价值。 相似文献
13.
14.
15.
贵州省水土保持功能的重要性评价 总被引:1,自引:0,他引:1
明确贵州省水土保持重要性等级及其空间分布,为水土保持功能区划和水土保持措施合理布局提供科学依据。结合贵州省土地利用情况、自然环境和社会经济特征,选取水源涵养、土壤保持、蓄水保水、生态维护、水质维护和人居环境维护6项水土保持功能进行重要性评价,并在此基础上作出综合评价。结果表明:贵州省水土保持功能重要性总体处于中等重要与极重要等级,其占比达99.17%,其中极重要功能区占比为53.90%,中等重要功能区占比为45.27%;比较重要功能区占比最小,仅0.83%。贵州省水土保持功能主要表现为生态维护、蓄水保水、水源涵养和土壤保持。 相似文献
16.
为揭示贵州麻阳河黑叶猴自然保护区生态环境对彭水水库建设的蓄水响应关系,为该保护区原始生态环境和黑叶猴生境的科学评价与保护,植被覆盖的恢复提供参考依据和基础数据,本文对彭水水电站建设前、中、后保护区生态环境变化进行动态监测,保护区对彭水水电站建设蓄水的响应进行分析。结果表明:彭水电站建设后在自然保护区范围内淹没面积仅有4.8 hm2,只占整个自然保护区面积的0.1%,主要影响区域在洪渡河流域的淹没区,水位上涨导致土地利用、水土流失有部分变化。说明水库蓄水对整个自然保护区生态环境的完整性影响较小。 相似文献
17.
18.
为贵州省水土流失生态治理提供科学依据,以贵州省2010年和2015年的土壤侵蚀遥感监测为基础,采用“3S”技术与高分辨率遥感影像解译相结合的方法,对贵州省土壤侵蚀变化趋势进行研究.结果表明:贵州省土壤侵蚀由西北至东南逐渐减轻,西部、西北部及东北部流失最严重;全省土壤侵蚀以轻度侵蚀与中度侵蚀为主,占水土流失面积的53.50%;各地州市水土流失严重程度依次为毕节市>六盘水市>铜仁市>黔西南州>遵义市>安顺市>贵阳市>黔南州>黔东南州.2015年贵州省水土流失较2010年呈面积减少、程度减轻趋势,生态环境质量明显改善.土壤侵蚀等级变化类型中改善型占据主要部分,占发生土壤侵蚀等级变化总面积的72.91%. 相似文献
19.
20.
以地处岩溶槽谷区的贵州省铜仁市碧江区和万山区为研究区,以2017年土地利用变更调查数据库和2019年高分遥感影像为基础,经目视解译和野外实地调查获取撂荒耕地数据,运用热点分析揭示撂荒耕地的空间分异特征,并采用二分类Logistic回归模型分析撂荒耕地的驱动因子。结果表明:研究区耕地总体撂荒率为17.32%,旱地撂荒率比水田高,分别为23.54%和9.52%。撂荒水田的极热点区分布于西南部和东北部的城乡结合部乡镇,冷点区空间分布规律不明显;撂荒旱地的极热点区分布于西部和东北部的城乡结合部乡镇,极冷点区和冷点区主要分布于东部乡镇。水田和旱地撂荒的驱动因子大致相同,但主次有所差异。水田撂荒的驱动因子从高到低依次为地块面积>距聚落距离>坡度>灌溉距离>交通距离>高程>地块形状指数,旱地撂荒的驱动因子从高到低依次为距聚落距离>地块面积>坡度>灌溉距离>高程>交通距离>地块形状指数。总体而言,岩溶槽谷区耕地撂荒的主要驱动因子是距聚落距离,说明劳动力析出、农村空心化是影响耕地撂荒的主要原因。同时,地块面积、坡度、灌溉距离等也与耕地撂荒密切相关。 相似文献