基于小麦冠层无人机高光谱影像的农田土壤含水率估算

精准监测农田土壤含水率(soil moisture content,SMC)有助于提高中国水资源利用率以及农业可持续发展水平,为实现国家农业经济的稳定发展及可持续发展目标打下坚实的基础。为了探索基于无人机遥感数据进行准确、快速的土壤含水率监测的方法,该研究选取新疆阜康绿洲田块为研究区,使用无人机(unmanned aerial vehicle,UAV)高光谱传感器采集田块尺度小麦冠层光谱信息,进行SMC定量估算和制图。对小麦冠层光谱进行savitzky-golay(SG)平滑,利用7种不同的小波基函数(bior4.4、coif4、db4、fk14、haar、rbio3.9、sym4)对光谱信息进行连续小波变换(continuous wavelet transform,CWT)处理,并采用遗传算法(genetic algorithm, GA)对小波系数进行特征提取,最后结合偏最小二乘回归(partial least square regress,PLSR)、支持向量机(support vector machine,SVM)、人工神经网络(artificial neural network...     

农业机械化区划的原则和方法

一、引言 农业机械化区划是因地制宜地发展农业机械化的基础性研究工作.其主要任务:一是研究农业机械化发展与机械化条件的关系;二是研究农业机械化发展规律和区域特征;三是按照农业机械化条件地域差异的客观规律,划分不同类型、不同等级的机械化区域;四是研究 提出各区和总体发展农业机械化的意见.     

渭干河-库车河绿洲土壤重金属分布特征与生态风险评价

随着工业发展和城市化进程的加剧,农用化学物质种类和数量不断增加,导致土壤受到不同程度的重金属污染,农田土壤重金属污染尤为严重。该文以新疆最典型的荒漠绿洲渭库绿洲为研究区,采集土壤样本57个,测定出土壤样本中砷(As)、汞(Hg)、铅(Pb)、铬(Cr)、锌(Zn)和铜(Cu)6种元素的含量,分别采用地统计空间分析法、地积累指数法(I_(geo))和潜在生态风险指数(RI)等方法,对研究区土壤重金属污染和潜在生态风险程度做出科学评价,并采用多因子分析方法对重金属的来源进行了讨论。1)研究区Hg、As、Cu、Cr、Pb和Zn 6种土壤重金属平均质量分数分别为2.41、0、37.64、25.25、39.78、15.01 mg/kg,平均含量均未超过国家二级标准,其中Pb的平均含量超过了新疆土壤重金属背景值,存在一定程度的重金属积累;2)由地积累指数法(I_(geo))和潜在生态风险指数(RI)分析得出,研究区土壤重金属的I_(geo)均值As(-4.59)Hg(-3.62)Cu(-1.92)Cr(-1.44)Zn(0.59)Pb(0.73),RI均值为22.26,整体上属于无污染水平,说明研究区域土壤重金属环境质量总体优良;3)通过综合相关性分析、主成分分析和聚类分析,研究区重金属的来源可以分为两类,Cu、Zn、Cr和Pb来源于成土母质等自然背景和人类农业生产活动;As和Hg来源于研究区域地形地貌、水文环境等自然背景。4)分析研究区域综合生态风险指数RI可知,研究区整体处于无污染水平,但各分区RI指数存在差异,其中西北部(NW)和东北部(NE)分区RI值相对较高,最高值出现在东北部(NE)分区上。该研究提出的分析方法能快速、客观反映绿洲土壤重金属污染特征以及来源,可为绿洲土壤环境质量评价和管理提供依科学依据。     

新疆准东矿区土壤与降尘重金属空间分布及关联性分析

土壤重金属与大气降尘重金属之间的关联性可以反映重金属污染的来源、土壤-大气系统中重金属的传输、迁移和扩散特征。为了研究矿区表层土壤的污染状况及与降尘重金属质量分数间的关联性,该研究以新疆维吾尔自治区准东矿区为研究靶区,利用2014年采集的51个表层土壤和大气降尘样品的室内实测重金属质量分数数据,并基于此分析了样品中6种重金属(As、Cu、Cr、Hg、Pb、Zn)的空间分布特征、地积累指数以及潜在生态风险;利用Pearson相关性分析矩阵和灰色关联法对表层土壤与大气降尘中重金属浓度的相关性和关联度进行探讨。结果表明:1)准东矿区表层土壤重金属的分布状况存在着明显的空间差异,其中Hg的污染程度最严重,处于强-极强度污染,其潜在生态危害指数达到了较高生态风险;Zn和Cu基本处于无污染状态,属于轻微生态风险;2)大气降尘重金属空间分布存在着明显差异,降尘中的Zn处于极强度污染,Hg处于无污染状态;3)Pearson相关分析与灰色关联分析表明,准东地区表层土壤与大气降尘中6种重金属的相关系数大小顺序与关联度排序结果一致,其中Hg和As元素具有较强的一致性,且具有相同的来源,说明大气降尘对表层土壤中重金属的质量分数有一定影响。但因不同重金属元素沉降特性不同,导致各元素之间的关联度有所差异。     

基于分数阶微分的荒漠土壤铬含量高光谱检测

为解决高光谱检测土壤中痕量级重金属含量存在的困难,提高土壤重金属铬含量检测的准确度,利用新疆准东煤田周边168个荒漠土壤样本的重金属铬含量及其对应的高光谱数据,运用分数阶微分算法进行光谱数据预处理,最后利用全部波段进行偏最小二乘建模并进行可视化分析,旨在探讨分数阶微分预处理在高光谱数据估算荒漠土壤重金属铬含量的可能性。结果表明:原始光谱与吸光率变换的分数阶微分模型均在1.8阶微分处达到了最好的精度效果。吸光率变换1.8阶微分模型为最优模型,模型的校正均方根误差为7.68 mg/kg,R_c~2=0.83,预测均方根误差为8.39 mg/kg,R_p~2=0.78,相对分析误差为2.14。最后利用铬含量实测值与光谱预测值通过反距离加权法插值获得研究区土壤重金属铬含量的空间分布,说明利用该方法对土壤重金属铬含量定量检测并进行大尺度的空间分布反演在一定程度上是可行的,为荒漠土壤重金属污染状况的高光谱检测提供了一定的科学依据和技术支持。