运用植被指数时序特征对落叶松人工林分类

为探究植被指数时序特征是否有利于落叶松人工林提取,以孟家岗林场为研究试验区域,根据落叶松人工林季相和物候特征,利用Landsat8OLI影像数据提取研究区内5种植被的归一化植被指数(I NDV)、差值植被指数(I DV)、比值植被指数(I RV)、增强型植被指数(I EV),构建相应的植被指数时序特征。采用最大似然和随机森林两种方法对单一时相影像和加入植被指数时序特征的影像进行对比试验。结果表明:影像中加入植被指数时序特征后,最大似然算法的分类总体精度为89.53%,Kappa系数为0.87,比单一时序特征的影像分类精度提高了13.35%;随机森林算法的森林类型分类总体精度为93.22%,Kappa系数为0.92,比单一时序特征的影像分类精度提高了19.8%。因此,加入植被指数时序特征后能得到更高的落叶松人工林提取精度。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。     

基于GEE的山东省近30年农业大棚时空动态变化研究

针对精确获取大尺度空间范围内农业大棚的分布情况并进行长时间的序列动态监测存在数据量大、计算效率低、精度不高等问题,利用Google Earth Engine(GEE)云平台能够实现快速存取、实时处理海量卫星数据,基于多时相Landsat影像进行农业大棚时序光谱特征和纹理特征的自动提取,采用随机森林算法实现山东省农业大棚的遥感分类,从而生成了山东省近30年农业大棚的空间分布和时空动态变化图。结果表明,本文分类流程具有较高的分类精度,其平均总体精度达到91.63%,Kappa系数均值为0.8642。经分析,山东省农业大棚从1990年的6.67 km^2增加到2018年的9919.40 km^2,增长速度为354.03 km^2/a。     

食用菌多糖

正在国际上,食用菌多糖被称为"生物反应调节物",简称"BRM",经研究表明,多糖具有生物反应调节物的特征,可做为免疫增强剂和免疫激活剂,这些活性多糖具有一个的结构,即主链由β-D(1~73)连接的葡萄糖基组成,沿主链随机分布着同β-D(1~73)边接的葡萄糖基呈梳状结构,生物的大小随多糖的精细结构和构象不同而变化。     

猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。     

江苏省小麦籽粒蛋白质达标弱筋小麦的适生性分析与评价

【目的】弱筋小麦是制作饼干糕点类食品的原料,其烘烤特性很大程度上取决于蛋白质的质和量。小麦籽粒蛋白质含量（GPC,%）不仅由品种的遗传特性决定,还受到气候、土壤、栽培措施等影响。明确江苏省弱筋小麦适宜种植区域以及其地理、气候影响因素,可为江苏弱筋小麦的种植区划提供理论依据。【方法】在2年江苏省小麦品质抽样调查数据的基础上,利用随机森林算法筛选重要性指标,结合单组率Meta分析及其亚组分析,探究地理位置及气象因子对江苏省小麦籽粒蛋白质含量（GPC）达到弱筋小麦标准可能性的影响。【结果】2个年度江苏省小麦GPC平均值为13.92 %,其中2018年、2019年小麦GPC变幅分别为11.06%—18.09%、10.20%—16.50%,平均值分别为14.52%、13.33%,GPC<12.5%的样品分别占比10%、29.71%。从地理分布看,江苏的东南沿湖沿海地区小麦GPC达到弱筋小麦标准的可能性最高,达标可能性最高可达92%,其次是江苏东部沿海地区以及江苏西北部沿河一带。种植地距离一级河流和湖泊或者海岸线的最短距离为20—30 km时,达标可能性相对较高,为23.95%。从气象因子方面看,生育前期特别是出苗期和拔节期,降雨量对江苏弱筋小麦的形成影响较为重要;生育后期尤其是开花期以及灌浆期后期,积温对小麦GPC的影响更重要;且出苗和拔节期的日照时数及开花期的降雨量对江苏弱筋小麦的形成亦很重要,其中,江苏小麦GPC达标弱筋小麦标准的可能性与出苗期的降雨量呈正相关,而与出苗和拔节期的日照时数、拔节期的降雨量以及灌浆后期积温则呈负相关。【结论】江苏弱筋小麦适宜的种植范围受到水系分布与气象因素的共同制约,主要集中在东部沿海和东南沿海沿湖地区。在出苗、拔节期降雨量和开花灌浆期积温适宜的情况下,西北沿河一带的小麦GPC也可达标弱筋小麦标准。品质区划应重点考虑地理位置（水系分布等）和气候分布。     

GF6卫星红边波段对春季作物分类精度的影响

为探究高分六号(GF6)宽幅遥感影像红边波段在春季作物识别中的应用,以河南省杞县为研究区,通过分析2019年3月25日单时相影像及其光谱特征,利用随机森林算法完成4种不同红边波段方案下冬小麦、大蒜和其他作物(油菜、蔬菜等)的分类提取,并基于地面采样数据实现不同方案分类精度评价、样本间可分性测度以及光谱反射率计算分析。结果表明,有红边波段参与下,较无红边波段参与时作物总体分类精度和不同作物可分性测度值均有所提高;单红边波段参与下,红边波段2作物总体分类精度较红边波段1提高了1.98个百分点;引入全部红边波段较无红边参与方案的作物总体分类精度由81.56%提高到86.19%,提高了4.63个百分点,Kappa系数由0.72提高到0.79,冬小麦-大蒜、冬小麦-其他作物、大蒜-其他作物的J-M(Jeffries-Matusita)可分性测度也分别增加了0.085 6、0.076 1和0.025 1。研究表明,红边波段的引入不仅增加了作物间的可分性测度,降低了分类结果中作物误分、漏分情况,也在一定程度上降低了结果中的"椒盐现象",为国产红边卫星数据在农业上的应用提供参考。     

生猪养殖补贴对技术效率的影响研究——基于江苏省生猪养殖户的分析

为探究生猪养殖补贴对技术效率的影响,本文基于2012—2017年江苏省生猪养殖户的微观调研数据,从是否获得补贴和补贴金额两个角度出发,实证分析了生猪养殖补贴对技术效率的影响。主要结论有:①2012—2017年,江苏省生猪养殖技术效率均值为0.956。在时间上技术效率呈现出了上升趋势,在规模上技术效率呈现出了递增趋势。②生猪养殖补贴对技术效率具有一定的促进作用,而且获得补贴的生猪养殖户的技术效率要比未获得补贴的生猪养殖户高0.038～0.058。③生猪养殖补贴金额和技术效率之间存在倒U形关系,且当单位生猪养殖补贴金额为15.06元时,补贴对技术效率的促进作用最明显。最后,依据本文的研究结论提出相关建议,以促进生猪生产补贴政策更好地实施。