Mapping soil pH levels across Europe: An analysis of LUCAS topsoil data using random forest kriging (RFK)

Soil pH affects food production, pollution control and ecosystem services. Mapping soil pH levels, therefore, provides policymakers with crucial information for developing sustainable soil use and management policies. In this study, we used the LUCAS 2015 TOPSOIL data to map soil pH at a European level. We used random forest kriging (RFK) to build a predictive model of spatial variability of soil pH, as well as random forest (RF) without co-kriging and boosted regression trees (BRT) modelling techniques. Model accuracy was evaluated using a ten-fold cross-validation procedure. While we found that all methods accurately predicted soil pH, the accuracy of the RFK method was best with regression performance metrics of: R² = 0.81 for pH (H₂O) and pH (CaCl₂); RMSE = 0.59 for pH (H₂O) and RMSE = 0.61 in pH (CaCl₂); MAE = 0.41 for pH (H₂O) and MAE = 0.43 in pH (CaCl₂). Dominant explanatory variables in the RF and BRT modelling were topography and remote sensing variables, respectively. The generated maps broadly depicted similar spatial patterns of soil pH, with an increasing gradient of soil pH from north to south Europe, with the highest values mainly concentrated along the Mediterranean coast. The mapping could provide spatial reference for soil pH assessment and dynamic monitoring.     

福建省表层土壤有机碳密度空间分布及影响因素分析

为准确估算福建省表层土壤有机碳密度，确定其空间分布和影响因素，基于2016—2019年采集的4 350个表层土壤样本，利用地统计学方法与ArcGIS技术分析土壤有机碳密度空间分布，并通过随机森林模型分析影响土壤有机碳密度的重要因素。结果表明：福建省表层土壤有机碳密度范围为0.03~14.68 kg·m^-2，平均值为4.06 kg·m^-2。全省表层土壤有机碳密度在空间上聚集分布，具有中等程度空间自相关性，空间变异主要由结构性因素主导，呈现自南向北、从沿海向内陆山地逐渐升高的空间分布格局。降雨量、海拔、土壤质地和土壤pH是影响有机碳储量的主要因素，地貌类型、土壤类型和作物类型影响相对较弱，且随着化肥（磷肥和钾肥）施用量的增加，表层土壤有机碳密度显著降低。研究表明，福建省表层土壤有机碳密度不高，空间分布聚集，自然气候变化、地形因子和人类活动都会影响土壤有机碳密度，其中降雨量、海拔、土壤质地和土壤pH为主导因素。     

基于无人机多光谱影像和随机森林的蔬菜识别

实时准确的蔬菜种植信息是实现水肥精准管理和产量准确估算的重要基础。对无人机多光谱影像进行分割，以光谱特征（spectrum features，SPEC）为基础，分别引入指数特征（index features，INDE）、纹理特征（grey-level co-occurrence matrix features，GLCM）和几何特征（geometric features，GEOM）构建8个分类方案（S1～S8），使用随机森林算法进行分类并分析分类效果。结果表明，方案S5（SPEC+GLCM+INDE）的分类效果最好，总体精度和Kappa系数分别为92.75%和0.92。几何特征的引入降低了分类精度，而纹理和指数特征则与其相反；仅依靠光谱、指数和纹理特征仍难以有效区分白菜和包菜，为提高精度后续研究有必要引入植株高度等特征；在4大类特征中，重要性排在首位的是光谱特征，其次为指数特征。基于无人机多光谱影像和随机森林算法能获得较高的蔬菜分类精度，并能确认影响精度的重要特征，可为其他作物的精准识别提供借鉴。     

利用MCI指数和Gumbel-Copula函数评估新疆干旱灾害危险性

干旱是新疆地区的主要气象灾害之一，其危险性评估对该地区防旱抗旱工作具有重要的指导意义。该研究基于新疆106个气象站1961—2019年逐日观测数据计算气象干旱综合指数（meteorological drought composite index，MCI），根据游程理论识别干旱过程，采用Gumbel-Copula函数建立干旱历时和烈度的联合分布并计算干旱重现期；选取干旱频次、历时和烈度作为危险性评估因子，采用随机森林算法计算权重并得到新疆干旱灾害危险性结果。结果表明：1961—2019年间新疆共出现了47次干旱过程，其中短历时、低烈度（干旱烈度≤50且干旱历时≤60d）干旱过程多发，长历时、高烈度（干旱烈度≥200且干旱历时≥180d）重现期较长。长历时和高烈度倾向于同时发生，但随着干旱历时和烈度的增加，长历时和高烈度干旱过程发生概率较低。新疆地区干旱灾害危险性空间分布上呈现“中间低，南北高”的特点，天山山脉地区干旱重现期长于其他地区，危险性低，天山北坡的干旱过程发生频率低、持续时间短、强度小，危险性较低；南疆大部分地区的干旱过程发生频率较低，但持续时间长、强度大、危险性较高。而北疆大部分地区干旱发生频率高，但持续时间不长，强度不高，但塔城地区西北部和阿勒泰地区危险性较高。因此南北地区对干旱灾害应对应有所不同。在全球变暖背景下，新疆各地区用水矛盾进一步加剧，各地应结合实际，统筹提高水资源高效配置合理利用水平，合理开发水资源，降低干旱灾害的风险。     

利用边缘辅助分割网络提取稻虾共作养殖田

为确保稻虾共作的安全生产、社会供应以及政府政策的有效制定，须准确获取稻虾共作种植面积、空间分布及变化信息。现有稻虾养殖田提取方法以中分辨率时序影像为数据源，提取结果存在边界粗糙且噪声较多等问题。为获取精度高、边界规整的稻虾养殖田提取结果，该研究以高分辨率影像为数据源，提出一种基于边缘辅助任务的深度学习语义分割模型——edge assisted segmentation network（EASNet）。该模型首先将稻虾养殖田特有的边缘“虾沟”作为一种辅助信息在设计的边缘辅助模块单独分割，然后将该模块的输出与主任务分割模块输出进行融合，使主任务既增强了稻虾养殖田边界结构信息，又能学习到稻虾养殖田特有的空间及语义信息。试验结果表明，在边缘辅助模块的增强下，稻虾养殖田分割结果更完整，边界更清晰，其语义精度的交并比和边界精度的F1分数分别提升了1.5%、5.8%。整体语义精度的召回率、交并比、F1分数分别达到0.970、0.964、0.930，边界精度的召回率、F1分数达到0.864、0.859，松弛边界精度的召回率、F1分数达到0.876、0.913。将训练好的EASNet模型应用到盱眙县全域，得到2020年盱眙县稻虾养殖田空间分布图，在与传统的水体季相差异法、随机森林方法提取的稻虾养殖田结果的对比中，该方法取得了总体精确度为96.71%及Kappa系数为0.934的最优结果，为基于深度学习的稻虾养殖田提取方面的应用提供参考。     

基于GF-6 WFV影像和CSLE模型的山区耕地侵蚀定量评价及特征分析

坡耕地是高原山区水土流失最主要的策源地，其严重的土壤侵蚀已经威胁到山区粮食安全和农业可持续发展。该研究以云南省土壤侵蚀较为严重的文山州为例，在第三次全国国土调查数据、水利普查抽样单元和GF-6 WFV等多源遥感数据基础上，结合随机森林算法快速自动提取梯田，利用CSLE模型对山区耕地土壤侵蚀进行精细定量评估，并以空间自相关分析揭示土壤侵蚀空间分布特征。结果表明：1）文山州耕地空间异质性显著，以广南、西畴、马关一线为界，呈自西向东递减格局；坡耕地占耕地总面积的79.27%，3 963.40 km2耕地未采取水土保持工程措施，占50.21%。2）全区耕地平均侵蚀模数为5 180.72 t/(km2·a)，其中69.99%的耕地遭受轻度及以上侵蚀；耕地总侵蚀量达4 081.50万t，其中未采取保护措施耕地的侵蚀贡献率为79.40%，相比采取保护措施耕地高出约2.85倍。土壤侵蚀对坡度和高程的响应存在差异，具有明显垂直地带性特征，1 000～1 800 m高程带侵蚀情况恶劣，3 073.65万t侵蚀量源于20°以上陡坡，占侵蚀总量的75.30%。3）侵蚀空间聚集特征鲜明，文山州南部和东部为侵蚀高值中心，低值中心见于中西部和北部。利用区域侵蚀因子自动提取产品和空间自相关分析能够快速完成侵蚀精细定量评估，可为区域水土保持资源精准分配和生态环境建设提供参考。     

近30年河南省耕地土壤有机碳的三维变化与关键因素研究

详细的土壤有机碳(Soilorganiccarbon,SOC)时空变化信息是评估土壤固碳能力的基础。但多数研究聚焦耕层SOC，对深层SOC变化的敏感区域、深度区间和关键因素理解不足。基于1982和2010两期土壤调查数据，以分位数随机森林构建环境协变量与SOC关系模型，研究了1982—2010河南耕地土壤0～15 cm、15～30 cm、30～60 cm和60～100 cm的SOC变化。研究表明0～15 cm土层SOC增长主要发生在平原和盆地，增幅为2～4 g·kg^-1;15～30 cm土层SOC增长主要发生在沿黄河潮土区和褐土、水稻土的零星地区，增幅为0～2g·kg^-1;30cm以下土层SOC变化的概率较低；总体上，生物气候因素对SOC变化的影响较土壤质地和pH更大。28年间1 m土体SOC储量增长7.04%、年均增长率为2.43‰；随着SOC增加和全球变暖，下阶段SOC增速较难实现第21届联合国气候变化峰会(the 21^st Conference of the Parties,COP21)倡导的4‰目标。     

基于遥感技术的宜良县云南松蓄积量反演

以云南省宜良森林二类调查数据为样本,基于Google Earth Engine云平台Landsat 8 OLI影像,结合植被因子、纹理特征以及K-T变化为自变量,构建了多元线性回归和随机森林的建模方法,建立了森林蓄积量反演模型。以宜良县云南松为研究对象,运用Landsat8 OLI遥感影像数据结合地面角规控制样地调查数据,建立了多元线性回归和随机森林估测模型。结果表明:多元线性回归模型精度一般,其R²和RMSE分别为0.259、34.5579,随机森林模型精度极高,其R²和RMSE分别为0.887、1.1954。运用Landsat 8 OLI影像数据进行森林地上蓄积量估测的不确定因素较多,随机森林估测模型可作为云南松及其他树种地上蓄积量遥感估测的一种对比方法,为今后森林蓄积量估测提供参考。     

面向农业机械的惯性摆式俘能器特性研究与试验验证

俘能器可以俘获农业机械振动产生的能量并供电传感器。该研究设计并制作了一种惯性摆式振动俘能器，以配重块质量、惯性摆半径、不同激励振幅为控制变量，以俘能器输出峰值电压为优化目标，研究了俘能器的能量俘获特性。试验结果表明：俘能器能量收集能力与正弦激励幅值和惯性摆半径正相关；当俘能器惯性摆半径R较小的情况下（R=30 mm），俘能器能量俘获能力与其配重块质量正相关；当俘能器惯性摆半径R较大的情况下（R=60 mm），俘能器能量俘获能力与其配重块质量无明显相关关系。惯性摆半径为30 mm，且安装配重块（40 g）的俘能器在实测农业机械振动谱激励下可产生4.2 V的峰值电压输出，验证了其能够为储能设备供电（>1 V）的可行性。整流后的俘能器能够带动传感器负载（驱动电压为1.5 V的温湿度计）正常工作，显示了其实用性。俘能器在牧草收割机不同安装位置下的性能试验表明其安装环境适应性好，可以安装在农业机械典型振动部位，如工作部件、底盘、悬架、驾驶室和储货仓。为了得到更优的能量俘获性能，应优先考虑安装在振动较强的部位。该研究可促进农业机械传感器和执行器的无源化进程，符合未来智能农机的发展需求。     

基于改进RRT*算法的菠萝采收机导航路径规划

为了提高菠萝收获的机械化和自动化水平，该研究以菠萝采收机为研究对象，采用改进RRT*（Rapidly-exploring Random Trees Star）算法进行全局路径规划。首先在产生随机采样点时引入自启发式思想约束采样点的生成，在拓展新节点时借鉴人工势场引入方向权重对新节点拓展方向进行约束，同时计算权重wg合适的取值范围，采双向拓展加快迭代速度，后利用贪心算法修剪路径的冗余节点，并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路存在的复杂情况创建多障碍物、迷宫和狭窄通道3种仿真环境，分别对比RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明：3种环境下，本文算法的平均收敛时间是RRT*算法的17.97%，是双向RRT*算法的46.12%，平均规划速度是RRT*算法的4.7倍，是双向RRT*算法的2.2倍左右，平均拓展的节点数量比 RRT* 算法减少87.22%，比双向 RRT* 算法减少 52.52%，平均路径长度比 RRT* 算法减少 3.81%，比双向 RRT* 算法减少 6.08%。田间试验结果表明：本文算法的规划时间仅为RRT*算法的14.12%，为双向RRT*的20.34%，迭代次数比RRT*算法减少80.89%，比双向RRT*减少69.70%。另外，RRT*和双向RRT*算法规划出的路径上大于60°的转角分别是本文算法的1.56和2.06倍，大于100°的转角分别是本文算法的1.55和2.18倍，本文算法规划的路径更平滑。改进RRT*算法在农田里规划的路径符合菠萝采收机的路径导航需求，研究结果可为菠萝采收机的导航研究提供参考。