渭-库绿洲土壤剖面盐分分布特征及驱动因子分析

【目的】监测渭-库绿洲土壤盐渍化的空间分布特征,探究驱动因子作用机理,对当地因地制宜进行土壤盐渍化调控。【方法】采用决策树、克里金插值和灰色关联度分析研究了渭-库绿洲土壤盐渍化的剖面分布特征,着重分析了样本点海拔、植被覆盖度、地下水位、TWI(地形湿度指数)、地下水矿化度5个驱动因子对土壤盐渍化的影响。【结果】①研究区表层土壤(0～10 cm)属于重度盐渍化土壤,10～20、20～40、40～60 cm各深度剖面土壤属于中度盐渍化土壤。土壤EC_(1:5)有强的空间变异性,其分布格局受灌溉等人为驱动因素的影响较大。②绿洲内部(即耕作区)表层土壤属于非盐渍化区域,绿洲东部10～20、20～40、40～60 cm土层有轻、中度的盐渍化现象。绿洲内部表层以下土壤盐分高于表层,绿洲存在潜在的盐渍化风险。耕作区外围绿洲-荒漠交错带区域各剖面层均属于盐渍化区域,随着剖面深度的增加,盐渍化程度在不断减弱。③样本点海拔、植被覆盖度、地下水位、TWI、地下水矿化度与土壤EC1:5的灰色关联度大小次序为:0～10 cm土层:地下水矿化度>TWI>样本点的海拔>植被覆盖度>地下水位;10～20、20～40 cm土层:地下水矿化度>样本点的海拔>TWI>植被覆盖度>地下水位。【结论】渭-库绿洲土壤盐渍化主要分布在绿洲-荒漠交错带区域,土壤盐分表聚强烈,地下水矿化度是造成该研究区土壤盐渍化问题的首要原因。     

基于动态多特征变量的黄羽肉鸡跛行状态定量评价方法

肉鸡步态是肉鸡健康状态的重要表征,为实现黄羽肉鸡跛行步态的无损自动化快速分类识别,提出了一种基于多特征变量的肉鸡跛行定量评价方法。该方法从步态视频中提取肉鸡的速度、步幅、步幅差、步频、投影面积参数,拟合得出速度、步幅与投影面积具有相关性(决定系数分别为0.805 1、0.793 5),据此定义肉鸡动态理想参数与异常指数,基于C4.5决策树模型,以速度异常指数、步幅异常指数、步幅差异常指数为分类特征,根据鸟类步态评分标准将肉鸡分为GS0~GS4五类,实现对肉鸡跛行状态进行预警和判别。实验结果表明:该模型针对GS0~GS4分类准确率依次为:66%、71%、74%、98%、95%,整体准确率为78%。该模型可作为早期跛行的检测工具,为养殖自动化的实现和动物福利产业的升级提供支持。     

干旱区农户灌溉方式选择的影响因素--以河北省张北县为例

对于干旱缺水的华北地区,推动节水灌溉被认为是可以有效减少农业用水的措施,近年来我国政府也加大了对该地区农业节水技术的投资力度。但由于缺乏对采用农业节水技术影响因素的深入了解,在很大程度上阻碍了节水技术的大面积推广。本文基于河北省张北县的实际调研数据,从地块特征、农户自身特征以及社会环境因素三个方面,采用多项Logit和决策树两种模型对比研究了干旱区农户选择灌溉方式的影响因素;同时构建了一般线性模型,分析了农户采用现代社区型节水技术程度的影响因素。结果表明:政府扶持是农户选择现代社区型节水技术的关键因素,其次是地块面积和家庭水浇地经营规模,但这三个因素对采用该技术程度的影响并不显著。此外,农户的年龄、受教育程度以及土壤类型对灌溉方式选择及其采用程度都具有重要影响,但农户所感知的水资源供求状况没有显著影响。     

基于计算机视觉的葵花子外观品质检测研究

通过采集完好、霉变、破损葵花子的图像并对其进行预处理,研究共提取了3个颜色特征值(G、B、I)和5个纹理特征值(灰度均匀性、梯度均匀性、惯性矩、一致性、熵),采用BP神经网络和决策树算法分别对3种葵花子进行检测识别。结果显示,BP网络采纳全部8个特征值,正确率98.58%;决策树算法采纳2个特征值(G、B),正确率99.25%,说明决策树算法模型更简洁,效果更好,表明计算机视觉技术可以实现完好、霉变、破损葵花子的检测识别。     

机器学习在奶牛临床疾病预测中的应用

机器学习是指计算机通过大量数据训练及分析来模拟人类的学习行为,从而获得新的知识和技能,是人工智能的核心。近年来,机器学习在奶牛疾病预测领域的应用已成为国际上的研究热点。论文介绍了利用奶牛机体生理指标和生产数据建立奶牛疾病预测模型的方法,重点阐述了如何利用决策树和神经网络筛选奶牛疾病风险因子、预测疾病和疾病分类。同时,综述了机器学习预测代谢性疾病、跛行、乳房炎、热应激和传染性疾病的进展。     

基于双年份三季相光谱混合分解的耕地变化遥感检测方法初步研究——以甘肃省民勤县为例

为切实保护耕地,基于遥感技术对不同耕地演化类型,包括不变耕地、新增耕地、撂荒耕地和退耕耕地进行识别和检测,以民勤县为例,采用2010和2015年2个年份的春、夏、初冬地物景观三季相特点的Landsat TM/OLI数据作为主要数据源。依据不同耕地演化类型的季相变异规律和内部要素特征选取具有物理意义的端元丰度值、丰度值差值建立2年份混合决策树划分不同耕地演化类型。同时对比分析在2010和2015年各自决策树土地利用/覆被分类结果后比较提取的耕地演化类型。结果表明:民勤县大部分耕地未发生变化,新增耕地在各个区域均有一定量的分布且主要分布在下游;退耕耕地大面积分布在坝区;撂荒耕地主要分布在沙漠绿洲过渡带。研究表明通过能够与地物先验知识关联的端元丰度值、特征端元丰度的差值建立决策树可以有效实现不同耕地演化类型的检测。误差矩阵精度评价结果显示,基于混合决策树耕地演化类型提取结果在总体精度上要高于分类后变化检测的结果。     

不同砷形态在水产品中的毒理及转化研究进展

为了研究不同砷形态化合物在水产品体内的毒力大小、毒理效应和转化机制，本文综述了国内外近二十年几种常见砷化合物在水产品中蓄积规律的研究，发现在所有砷化合物中，无机砷的毒性往往大于有机砷，但也有研究发现三价态的有机砷MMA毒性比无机砷高数几倍；在对水产品体内不同砷化合物含量测定的研究中可以得出有机砷是主要的存在形式。但研究也还存在不足，对水产品的砷含量研究多集中于沿海地区的海产品类，今后还需要加大对淡水性水产品类砷含量以及蓄积规律的研究力度。本文主要阐述了砷的几种常见形态As3+、As5+、DMA、MMA、AsB、AsC、TMAO、TETRA(TMAs+)、砷糖和砷脂间的毒力大小比较及其毒性产生机理、环境中砷元素的来源和砷形态在水产品内的迁移、转化、代谢机理，旨在不同价态砷化合物在水产品中的研究提供参考价值。     

干涉测量土地利用影像分类决策树法森林识别研究

利用ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理生成的干涉测量土地利用影像对森林识别方法进行初步研究。内容包括基于目标识别选择合成干涉测量土地利用影像处理方法、应用斜分类器（OCI）生成分类决策树以及在自主开发的软件中调整分类决策树、对分类结果进行像元级别上的精度检验和误差分析等。结果表明：ERS－1和ERS－2 SAR串行轨道数据经干涉测量处理，利用其强度影像和相干影像可以合成多种干涉测量土地利用影像；其中最小值影像和 标准差影像较之于其它强度影像和变化影像更有利于区分水体和森林；由于OCI生成决策树的算法决定了在分类处理中没有不可分类别的存在，所以在初期选择分类类别时，要尽可能多的覆盖原始影像的数值区间；选择的各类别样本数据要尽可能的“纯”，以减少类别间数值区间的重叠，从而减少误分类情况。     

基于改进端元提纯模型的MODIS森林类型识别研究

MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。     

基于高分一号影像光谱指数识别火烧迹地的决策树方法

森林火灾发生后,为及时、准确地掌握森林受灾情况,利用高分一号卫星(GF-1)16m宽幅影像各波段反射率信息,结合计算的归一化植被指数(NDVI)、过火区识别指数(BAI)、阴影植被指数(SVI)、归一化差异水体指数(NDWI)和全球环境监测指数(GEMI)等5种光谱指数,构建森林火烧迹地识别决策树模型(CART);在选取的研究区对该模型方法进行验证,并与最大似然监督分类法和非监督分类(ISODATA)方法所得到的结果精度进行了对比分析,结果表明:采用基于CART模型的决策树方法对火烧迹地识别结果精度较最大似然法总体分类精度提高了4.38%,Kappa系数提高了0.102 4,制图精度提高了14.96%,用户精度提高了8.50%;而采用ISODATA方法识别的火烧迹地的总体精度和Kappa系数都较低,制图精度和用户精度都没有达到1%。