生产建设项目土壤流失量计算要点及难点探讨——以南京某灰渣填埋场工程为例

以南京某灰渣填埋场工程为案例,以批复的方案报告书中工程施工进度计划、工艺、方法等内容,根据《生产建设项目土壤流失量测算导则》中的测算方法进行工程施工期土壤侵蚀量测算。对比测算结果、原报告预测结果、项目水土保持监测实测值,结果显示测算结果与实测值更为接近,准确度相对提高。借此,对目前水土保持方案编制工作中的若干问题进行探讨。     

基于岭回归的土壤全氮含量反演模型

全氮含量是土壤肥力的核心指标之一,快速、准确测定耕层土壤全氮含量对农业生产具有重要意义.以南京市江宁区典型水稻田为研究对象,采用棋盘式布点法选取了60个点位,每个点位均在0~30 cm表土层进行取样,利用大疆精灵4多光谱无人机同时获取了土壤样本分别在5个波段(450,560,650,730,840 nm)的光谱反射率,通过土壤全氮含量与光谱反射率多元线性分析,揭示了光谱反射率数据特有的多重共线性问题,构建了基于岭回归的无人机遥感影像反演土壤全氮含量预测模型.计算结果表明,岭回归系数取0.12时,其回归R²达到了0.408,方差膨胀因子均在10以下,且回归系数具有统计学意义.基于岭回归的反演模型可以较好兼顾反演精度与光谱数据多重共线性问题.研究成果可为无人机遥感土壤氮素营养诊断提供理论依据.     

沂蒙山区不同抽样密度对土壤侵蚀因子估算精度的影响

[目的]探讨分层系统抽样方法下不同抽样密度对土壤侵蚀因子估算精度的影响,为区域水土流失动态监测抽样方法和抽样密度的选取提供数据支撑。[方法]以沂蒙山泰山国家级重点治理区蒙阴县为对象,基于2013年SPOT5遥感影像和1∶1万地形图,采用人机交互解译、野外调查、统计分析等方法,以全县土壤侵蚀因子为基准值,对1%和4%密度土壤侵蚀因子进行精度评价。[结果]①1%抽样密度下,S,E,K因子相对误差较大,分别为33.48%,23.46%,20.64%,主要受坡度、土地利用和土壤类型影响;L,B,T相对误差均小于11%;六者平均14.44%。②4%抽样密度下,E,K,B相对误差较大,分别为15.07%,13.94%和10.69%,主要受土地利用和土壤类型影响;L,S,T相对误差均小于10%;6者平均7.89%。③以栅格计算法结果为基准值,采用单元插值外推法推算全县水土流失面积,1%密度下水土流失面积比偏高19.73%,4%密度下水土流失面积比偏高11.77%。[结论]蒙阴县1%和4%密度各因子均有不同程度的精度损失,并对水土流失估算结果造成一定影响,在区域水土流失动态监测过程中可根据需求选取合适的抽样密度。     

基于无人机多光谱遥感的水稻冠层SPAD值反演

为研究水稻叶片叶绿素相对含量（SPAD）在3种水分处理和5种施氮处理下的变化规律，探讨无人机多光谱遥感技术反演水稻SPAD的可行性，本研究利用大疆精灵4多光谱无人机，采集了水稻拔节孕穗期、抽穗开花期和乳熟期的冠层多光谱遥感影像，并同步测定水稻SPAD值，基于25个光谱变量（5个波段反射率和20个植被指数），采用多元线性逐步回归、岭回归和套索回归3种方法构建了水稻SPAD的反演模型。结果表明：水稻3个生育期的SPAD最佳反演模型均是采用套索回归方法构建的，其中乳熟期建立的SPAD最佳反演模型在3个生育期中的反演精度最高，决定系数为0.782，均方根误差为1.217 7，相对误差为6.611 3%。因此，该研究可对水稻叶片SPAD进行遥感监测，并为水稻精准灌溉和施肥提供科学依据和数据支撑。