基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。     

基于小波变换和BP神经网络的水稻冠层重金属含量反演

自然农田生态系统中,农作物的各种生化参数受重金属污染胁迫后虽表现异常,但其特征往往极为微弱,极不稳定。利用处理非稳定信号方法中常用的信号处理方法——小波分析法(Db-5),对水稻的光谱反射率数据进行处理,有效提取光谱信号中受重金属污染胁迫而潜藏的一些"突变"弱信息。利用Db-5小波基进行小波变换,从中选取具有异常光谱特征的奇异点,利用奇异点对应波段(716、745、766 nm)的光谱反射率构建反向传播(BP)神经网络模型,对水稻冠层4种重金属含量进行反演。将利用模型得到的预测值与实测值进行相关性分析,结果表明,基于BP神经网络的水稻冠层重金属含量反演模型对于实验区镉、铅、汞、砷4种重金属胁迫,具有良好的反演效果。     

The effect of mesoclimate on Collembola diversity in the Zádiel Valley, Slovak Karst (Slovakia)

In 2002–2004 an investigation of Collembola communities in the Zádiel Valley (Slovak Karst, Slovakia) was carried out. The karst valley is characterised by climatic and vegetation inversion. To assess the effect of mesoclimate inversion upon soil Collembola five sites were selected in hypsometric sequence from the karst plateau down the valley: (1) subxerophilous pasture – ass. Glechomo–Festucetum, (2) lime wood – ass. Mercuriali–Tilietum, (3) beech wood – ass. Dentario bulbiferae-Fagetum, (4) maple–hornbeam wood – ass. Aceri–Carpinetum, and (5) secondary oak wood. In total 152 soil Collembola species were collected, the numbers for particular sites ranging between 70 and 108. Evidently higher species richness was observed in soil of the beech wood compared to other selected forest plots. Thirteen species revealed affinity to inversed (wet and cold) stands of beech (3) and maple–hornbeam wood (4), four of them represented montane species, whereas five species clearly preferred thermophilous sites (1, 2, 5). The presence of 11 montane species at the bottom of the gorge (4) documented the inverse character of the site: Ceratophysella sigillata, C. silvatica, Friesea albida, Deutonura albella, D. stachi, Superodontella lamellifera, Tetrodontophora bielanensis, Heteraphorura variotuberculata, Kalaphorura carpenteri, Orthonychiurus rectopapillatus and Plutomurus carpaticus. Abundance of Folsomia quadrioculata significantly correlated with the soil microclimate – moisture (p < 0.01, r = 0.92). Distribution data on Collembola were performed by cluster (PC-ORD) and CCA ordination techniques. Collembolan communities of two neighbouring forest stands with identical soil type (rendzina) – lime (2) and beech wood (3) – were the most similar in species composition. Meso-/microclimatic gradients within a karst landscape play an important role in determining diversity and community structure of the soil Collembola.     

个人信息的刑法保护研究

我国《刑九》新增了侵犯公民个人信息罪并通过司法解释对该罪名予以完善。但该罪 在具体认定过程中存在一些问题与争议,因而有必要对其进行研究,为大数据时代下公民个人 信息安全提供更强有力的保障。     

柑橘采摘机械臂控制算法研究

对3自由度柑橘采摘机械臂控制算法进行研究。调用OpenGL相关函数建立3D仿真模型,利用DH参数法与雅克比矩阵求逆法对机械臂进行运动学正解与逆解建模,并使用robotic toolbox对所获得的运动学逆解结果进行验证。利用拉格朗日法进行动力学计算,并模拟机械臂实际工作中的受力情况。结果表明,控制算法控制效果良好,能满足柑橘采摘机械臂运动控制的要求。     

不同光谱植被指数反演冬小麦叶氮含量的敏感性研究

【目的】氮素是作物生长发育过程中最重要的营养元素之一,研究叶氮含量反演的有效光谱指标设置,为应用高光谱植被指数反演作物叶氮含量,以及作物的实时监测与精确诊断提供重要依据。【方法】以冬小麦为例,选取涵盖冬小麦全生育期不同覆盖程度225组冠层光谱与叶氮含量数据,通过遥感方法建立模型,模拟了不同光谱指标,即中心波长、信噪比和波段宽度对定量模型的影响,通过模型精度评价指标决定系数(coefficient of determination,R~2)、根均方差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P0.01)确定最优模型及最佳指标,分析光谱指标对叶氮含量定量模型反演的敏感性和有效性。【结果】反演冬小麦叶氮含量的最佳植被指数为MTCI_B,与实测叶氮含量的相关性最好(R~2=0.7674,RMSE=0.5511%,MAE=0.4625%,MRE=11.11个百分点,且P0.01),对应的最佳指标为中心波长420 nm、508 nm和405 nm,波段宽度1 nm,信噪比大于70 DB;高覆盖状况反演的最优指数为RVIinf_r(R~2=0.6739,RMSE=0.2964%,MAE=0.2851%,MRE=6.44个百分点,且P0.01),最优中心波长为826 nm和760 nm;低覆盖状况反演的最优指数为MTCI(R~2=0.8252,RMSE=0.4032%,MAE=0.4408%,MRE=12.22个百分点,且P0.01),最优中心波长为750 nm、693 nm和680 nm;应用最适于高低覆盖的植被指数RVIinf_r和MTCI构建的联合反演模型(R~2=0.9286,RMSE=0.3416%,MAE=0.2988%,MRE=7.16个百分点,且P0.01),明显优于最佳单一指数MTCI_B;模拟Hyperion和HJ1A-HSI传感器数据,联合反演模型精度(R~2为0.92—0.93,RMSE在0.37%—0.39%,MAE为0.285%左右,MRE约为7.00个百分点)明显优于单一植被指数反演精度(R~2为0.79—0.81,RMSE为0.63%—0.66%,MAE为0.455%左右,MRE约为10.90个百分点)。【结论】利用高光谱植被指数可有效实现作物叶氮含量反演,作物叶氮含量定量反演对不同光谱指标—中心波长、信噪比和波段宽度,具有较强敏感性。应用多指数联合反演模型,可显著提高反演精度,并且联合反演模型在不同高光谱传感器下有一定普适性。     

基于地面红外检测系统验证的灌区地表温度遥感反演

利用遥感数据的大尺度特性和地面实时监测数据进行区域灌溉管理,用精准化信息技术支撑农业信息化,是现代农业发展的方向和研究热点。该文根据田间在线实时监测数据和Land Sat8卫星遥感数据反演,探讨遥感反演地表温度与地面实测数据的吻合程度,为大范围、区域性干旱监测和灌溉管理提供技术支撑。结果表明,在下垫面植被均匀、土壤水分空间变异性较小的区域,利用Land Sat8遥感影像反演地表温度,可以很好地与地面作物冠层温度监测结果相吻合;监测点数据可以代表其附近5个像元的情况。利用覃志豪法和简单Sobrino法计算地表比辐射率来遥感反演地表温度,对不同的作物类型有不同的适宜性。2015年9 d遥感反演结果与地面监测数据对比可见,在解放闸灌域沙壕渠试验点的玉米地,简单的Sobrino法结果更好,R~2达到0.76,均方根误差、相对误差和符合度指数分别达到2.32℃、7.8%和0.92。葵花地覃志豪法结果为宜,R~2达到0.85,均方根误差、相对误差和符合度指数分别达到1.97℃、6.5%和0.94。春小麦地宜用Sobrino法。对于北京大兴的冬小麦-夏玉米轮作,这2种方法差别不大。地面监测点布设方案和合理数目、点面数据结合进行区域干旱判断和灌溉管理,以及地面监测系统的优化改进,是进一步研究的重点。     

基于Sentinel-2影像的黄河南岸典型改良示范区土壤含盐量反演模型

土壤盐渍化严重制约农田土壤环境的循环发展,高效准确地监测土壤盐分动态变化对盐碱地改良利用具有重要意义。为及时、有效地监测盐渍化土壤含盐量,以内蒙古黄河南岸灌区的4个典型盐碱化耕地改良示范区为例,利用Sentinel-2多光谱遥感影像,同步采集示范区内表层土壤的含盐量数据,通过相关性分析筛选敏感光谱指标,基于偏最小二乘回归（PLSR）、逐步回归（SR）、岭回归（RR）3种简单机器学习模型和深度学习Transformer模型建模,最后进行精度评价并优选出最佳含盐量反演模型。结果表明：示范区土壤反射率的可见光、红边、近红外波段反射率均与土壤含盐量呈正相关,短波红外波段反射率与土壤含盐量呈负相关,引入光谱指数能够有效提升Sentinel-2遥感影像与示范区表层土壤含盐量的相关性（相关系数绝对值不小于0.32）;对比不同模型发现深度学习Transformer模型优于简单机器学习模型,验证集决定系数R2和均方根误差（RMSE）分别为0.546和 2.687g/kg;含盐量反演结果与实地结果相吻合,为更精准反演内蒙古黄河南岸灌区盐渍化程度提供了参考。     

炭疽病胁迫下的茶树叶片高光谱特征分析

试验以茶树不同炭疽病受害程度的叶片及健康叶片为材料, 室内测定其光谱反射率。结果表明, 炭疽病危害后, 茶树叶片的光谱值随发病程度的增加表现出有规律的变化, 740～1 000 nm波段的光谱反射率随病情加重呈现下降趋势; 而1 370～2 500 nm波段却表现出相反趋势。在742～974 nm和1 374～2 500 nm, 炭疽病受害程度与光谱反射率呈极显著相关。对光谱一阶微分特征分析表明, 在680～780 nm范围内处理间变幅最大, 有2个波段的一阶微分值与受害程度表现出极显著相关性, 分别为715～763 nm和776～778 nm波段。建立的炭疽病严重度诊断模型, 均达到极显著水平, 其中利用植被指数(Rg - Rr)/( Rg+ Rr)建立的模型精确度最高。     

牡丹江山区地形逆温对污染物扩散的影响

利用牡丹江2006~2007年较详细每日环保大气监测资料以及探空资料,来分析牡丹江山区出现逆温的属性特征,重点分析并对逆温的生消规律、大气污染物的日变化及出现逆温和没有逆温情况下的浓度变化规律进行研究,来分析逆温对大气主要污染物扩散的影响。结果表明,牡丹江出现逆温主要以地形辐射逆温为主,逆温在08：00和20：00有逆温强度中心峰值,并对大气污染物浓度产生较大影响。当出现逆温时,在05：00～08：00、20：00～23：00时间段,污染物浓度增大,其他时间段浓度较小或变化不十分明显：没有逆温时,大气处于不稳定层结状态,有利于污染物扩散,浓度较小。