鄂西北耕层土壤全氮含量空间分异特征及其影响因素分析

旨在分析鄂西北耕地表层土壤全氮含量的空间变异特征及其影响因素。采用地统计学、逐步回归方法和GIS技术。研究结果表明：（1）十堰市耕层土壤的全氮平均含量为1.12 g/kg,耕层土壤全氮含量较高,701个土壤样点全氮含量变异系数为0.49,属于中等变异程度。（2）土壤全氮的空间变异最佳模型为高斯模型,块金效应值为48.09%,全氮具有较强的空间变异性特征,且受随机性因素和结构性因素的共用影响。（3）十堰市耕层土壤全氮含量在空间分布上具有明显的差异,全氮含量高的方向为南、西、西南和东南,全氮含量低的方向为东、东北和西北,全氮含量在南北方向的变异性最明显,差别较大。（4）全氮与有机质、海拔、有效土层厚度有正相关关系,与土壤pH有负相关关系。在黏土、棕壤、水田、河湖冲积物、第四纪老冲积物、一年一熟、种植水稻的土壤中全氮含量较多,在砂壤、紫色土、紫色岩类风化物和种植水果、小麦、喷灌方式下的耕地的全氮含量较少。（5）10种因素对全氮的影响程度排序为土壤环境>成土母质>熟制>生物多样性>农作物种类>耕层质地>土类>地形>耕地利用方式>灌溉方式,其中前5个因素是影响全氮空间分异的主导因素。在今后的农业生产活动中,需要在河谷和山谷带、一年二熟区、红砂岩类风化物和紫色岩类风化物带、有机质含量较少区可适当地增加氮肥的施用量,需保护生物多样性并重视人为因素对耕地质量的影响,采用农作物轮作等方式提高耕地质量和耕地生产能力。     

基于多元逐步回归分析的葡萄园干旱监测模型

为明确葡萄园区干旱评价标准，制定了一种具有区域适用性的干旱指数，通过在渭南市临渭区葡萄研究所葡萄试验田进行干旱胁迫对比试验，得出一种结合植物生长图像与环境要素的干旱监测模型；使用逐步回归分析法，计算出土壤湿度与众多影响因素间的关系，得到干旱监测模型。试验结果表明：回归方程的确定系数（R-square）可达0.91，模型精确，拟合效果较好。搭建了一个干旱监测与预警平台，可以实时监控作物的生长状况，为精准灌溉提供决策。     

基于智能手机和人工神经网络反演小微水体水质参数研究

通过智能手机反演进行环境监测越来越受到关注，目前研究主要利用可见光反射率进行光学活性参数反演。本文基于水质现场监测数据，同步应用智能手机拍照，通过偏振镜、手机望远镜、不同规格滤波片、24色标准色卡，获取水体图像信息，结合逐步回归与人工神经网络方法，开展了长三角地区典型小微水体水质光学参数叶绿素和浊度以及非光学参数可溶性有机碳（dissolved organic carbon，DOC）反演监测。结果表明，研究区水体总体DOC浓度值变异范围在2.73-16.90 mg/L，浊度变异范围在6.53-91.10 NTU，叶绿素a浓度值变异范围在0.36-245.47 μg/L。通过逐步回归方法提取了水体DOC浓度的五个图像特征参数为R1＇、B/G2＇、R2"、R4"、B/G6＇，浊度图像特征参数为B/R3＇、G5"、R6"，叶绿素a的图像特征为B/G1＇、R2"、B/G4＇。结合人工神经网络模型反演水体水质参数，DOC浓度纳什系数NSE为0.62，浊度NSE为0.65，叶绿素NSE为0.67，具有较高的反演精度。本研究构建了基于智能手机反演水质光学参数的方法，并探讨了非光学参数反演的可行性，为后续开发APP应用程序和反演水质参数提供了基础和依据。     

基于高光谱参数的柑橘园土壤水分动态监测

摘要：土壤水分是提高柑橘产量和品质的关键因素，为了高效、无损、精准的获取柑橘园土壤水分动态变化，利用ASD光谱仪选取了适宜的响应波段（350~1075nm）的数据作为试验光谱反射率，采用多元线性逐步回归分析（SMLR）对提取的特征波段反射率及9种光谱的转换形式的数据进行计算和分析，并利用实测柑橘根系0~60cm的土壤含水率进行验证，建立了预测柑橘园土壤含水率的高光谱模型。结果表明：土壤含水率在0~20cm的深度条件下变化最为明显，有助于提高模型的预测精度；光谱的微分处理较非微分处理，与波长的关系曲线波动更大且反演精度显著上升；柑橘园的试验样本水分的特征波段在700~760nm以及950nm左右是进行建模优先考虑的特征波段；光谱对数（1gR）的一阶导数和倒数的对数（lgR-1）的一阶导数对土壤水分的拟合精度较高，两种拟合方式的决定系数（R2）均达到0.876以上，均方根误差（RMSE）均达2.19%，相对分析误差（RPD）均达7.107；其中光谱对数（1gR）的一阶导数为预测柑橘园土壤含水率的最优模型，在进一步验证中实测值和模型计算值拟合的相关系数高达0.992。因此，基于光谱对数（1gR）的一阶导数构建的模型可实现对柑橘园土壤水分的精确监测。     

基于高光谱参数的柑桔园土壤水分动态监测

土壤水分管理是提高柑桔产量和品质的关键因素。为了高效、无损、精准地获取柑桔园土壤水分动态变化，在宜昌市夷陵区采用梯度控水种植模式的一个棕壤土柑桔园中，采集不同含水量土壤样本，利用ASD光谱仪采集土壤样本适宜响应波段(350～1 075 nm)的光谱反射率数据，采用多元线性逐步回归分析(SMLR)法对提取的光谱反射率数据(R)及其9种变换数据与土壤含水量进行建模，并利用实测含水量的土壤样本进行验证，建立了预测柑桔园土壤含水量的高光谱模型。结果表明，0～20 cm土层土壤含水量变化最为明显，其有助于提高模型的预测精度；原始光谱数据经过微分变换处理后，相较于非微分变换处理，其与波长的关系曲线波动更大且反演精度明显上升；柑桔园土壤试验样本水分的特征波段在700～760 nm以及950 nm左右，是进行建模优先考虑的特征波段；基于原始光谱对数的一阶导数(lgR)′和倒数的对数的一阶导数(lgR^-1)′建模，对土壤水分的拟合精度较高，两种拟合方式的决定系数(R²)均为0.876,均方根误差(RMSE)均为2.19%,相对分析误差(RPD)均为7.107;...     

基于高光谱数据的土壤有机质含量反演模型比较

以土壤多样化的陕西省横山县为研究区域,比较了3种基于高光谱数据的土壤有机质含量反演模型,在实验室利用ASD Field Spec FR地物光谱仪对横山县野外采集的土壤样品进行光谱测定,并通过重铬酸钾氧化容量法测定土壤有机质含量。然后对原始光谱反射率的倒数进行微分运算获得其一阶导数光谱,将原始光谱反射率、一阶导数光谱分别与土壤有机质含量进行相关性分析,得到相关性系数r较高的特征波段的一阶导数光谱,直接建立基于一阶导数光谱的多元线性逐步回归分析(MLSR)模型。同时针对这些相关性系数较高的特征波段的一阶导数光谱进行主成分分析(Principal component analysis,PCA),利用主成分分析得到的结果分别建立BP神经网络反演模型(PCA-BP)和多元线性逐步回归分析模型(PCA-MLSR)。用上述3种方法进行土壤有机质含量反演,并对3种反演结果进行精度验证与比较。实验分析结果表明:在3种模型中,基于主成分分析结果构建的PCA-BP模型在土壤有机质含量反演中决定系数(R2)最高,为0.893 0,均方根误差(RMSE)为0.118 5%;其次为运用全部主成分PCA分析结果构建的多元线性逐步回归模型,R2为0.740 7,RMSE为0.161 3%;而采用一阶导数光谱反射率构建的多元线性逐步回归模型中,最佳反演模型R2仅为0.689 9,RMSE为0.171 0%。由此说明,PCA-BP模型有机质含量反演精度明显高于多元线性逐步回归模型,利用全部主成分进行多元逐步回归,其有机质含量反演精度优于仅用累计方差贡献率大于90%的主成分进行多元逐步回归的精度,可以更好地反演土壤有机质的含量。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4种影响苹果产量的关键气象因子，并运用逐步回归法和BP神经网络建立苹果产量预测模型，通过模型检验两种预测模型拟合效果均较好，均能够较好的预测今后苹果的产量趋势，BP神经网络模型预测有较高精度，但BP神经网络预测模型存在局限性。     

11个娃娃菜品种主要性状的相关与通径分析

对11个娃娃菜品种的15个主要性状进行了相关分析与通径分析。相关分析结果表明:单株毛重与叶柄宽、叶柄厚呈极显著正相关;单株净重与株幅、内叶数、叶柄宽、单株毛重呈显著正相关;净菜率与外叶数、叶柄长呈显著或极显著负相关,与内叶数、单株净重呈显著正相关。通径分析结果表明:中柱高对单株毛重的正向贡献最大,叶球宽对其的负向贡献最大;叶柄宽对单株净重的正向贡献最大,叶球宽对其的负向贡献最大;叶球宽对净菜率的正向贡献最大,最大叶长对其的负向贡献最大。     

东乌珠穆沁旗牧户草地流转中的转入行为

为提升牧民的草地流转意愿，促进牧区草地的规模化经营。基于二元Logistic模型和逐步回归的步骤和要求，从牧户个人特征、家庭特征、资源特征、草地特征4个方面，对东乌珠穆沁旗牧户牧草地转入行为及规模的影响因素进行实证分析。结果表明：牧区草地流转已初具规模，以集体经济组织内部流转为主，草地主要集中在分散牧户手中；集中各项资源优势的牧户倾向于转入草地；草地转入规模受多种变量的影响。因此，建议逐步推动牧区草原承包经营权流转市场；完善流转户的相关保障制度；加强草原承包经营权的宣传力度，提高牧户意识；加大教育投入，培育新型规模经营主体。     

内蒙古燕麦叶斑病的发生及其影响因素

为探究内蒙古田间影响燕麦叶斑病的因素，采用正交试验设计对燕麦品种、播期、种植密度、施氮量、施磷量和灌水量6个因素及其组合于2009—2011年进行连续3年的重复试验，运用逐步回归法对3年试验数据进行分析，探讨不同因素及其组合对燕麦叶斑病的影响。正交方差和分析表明，播期和品种是影响燕麦叶斑病的主要因素，方差贡献率分别为78.69%和12.20%；而施氮量、施磷量和灌水量对燕麦叶斑病发生程度均无显著影响。拟合分析获得燕麦叶斑病发生程度与播期(x₂)、品种(x₁)和种植密度(x₃)之间的非线性回归方程为y=51.99-6.45x2-0.39x₁x₃，表明适当推迟播期、选择抗性较高的燕麦品种且相对密植可减轻燕麦叶斑病的发生程度。