Chemometric Methods to Predict of Pb in Urban Soil from Port Pirie,South Australia,using Spectrally Active of Soil Carbon

A total of 73 soil samples were initially analyzed for lead (Pb) concentration as an indicator of the environment impact of smelter activity in the Port Pirie, South Australia. Chemometric techniques were used to assess the ability of near-infrared (NIR) reflectance spectroscopy to predict soil Pb using spectrally active soil characteristics such as soil carbon (C). The result indicated a strong linear relationship between log-transformed data of soil Pb and spectral reflectance in the range between 500 and 612 nm with R² = 0.54 and a low root-mean-square error (RMSE_v = 0.38) for the validation mode with an acceptable ratio of performance to deviation and ratio of error range (1.6 and 7.7, respectively). This study suggested that NIR spectroscopy based on auxiliary spectrally active components is a rapid and noninvasive assessment technique and has the ability to determine Pb contamination in urban soil to be useful in environmental health risk assessment.     

TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上，基于地理加权回归模型（GWR），结合归一化植被指数（NDVI）、增强型植被指数（EVI）、高程、坡度、坡向数据，选取不同组合对19a内TRMM降水量数据进行降尺度，并对优选的降尺度数据分别进行GDA、GRA校正，最后在年、季、月尺度下进行精度评价与结果分析。结果表明：（1）降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时，空间分辨率由0.25°提高至1km，且TRMMNDVI数据精度优于TRMMEVI数据。（2）GDA校正结果优于GRA校正结果，且数据稳定性更好，更适于长江流域TRMM数据校正。（3）数据与站点实测数据R²在年（0.91～0.986）、季（0.704～0.88）、月（0.625～0.89）尺度上均有较高精度，细节特征较TRMM数据表现更好。（4）降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息，为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。     

滇中县域人口城镇化空间结构及影响因素研究

以滇中地区41个县域为研究单元,利用GIS和空间自相关分析研究人口城镇化的空间结构,以因子分析法探索人口城镇化的主要影响因素,进而采用OLS和GWR探究人口城镇化影响因素特征。研究结果表明:1)滇中县域人口城镇化水平整体偏低且空间差异大,人口城镇化水平随距离衰变明显。2)全局自相关分析表明滇中县域人口城镇化存在显著全局空间自相关关系,局部自相关分析表明人口城镇化水平局部相关性不明显,各县域人口城镇化进程呈孤立态势。3)因子分析法确定滇中县域人口城镇化主要影响因素为经济发展、农业生产和产业结构。OLS模型发现三种因素对人口城镇化均具有正向拉动力,经济发展作用力最大,产业结构其次,农业生产的作用力最小。4)GWR模型研究发现经济发展影响强度从北到南增强,农业生产影响强度从西到东增大,产业结构影响强度从西南向东北方向增大。滇中县域需要提升人口城镇化进程,加快农业结构调整和升级,优化产业结构,以此促进人口城镇化水平的提升。     

基于高光谱技术的牛肉含水率无损检测

牛肉含水率的高低不仅直接影响牛肉品质,而且会对消费者造成经济损失。为此,通过实验探究了采用高光谱图像技术对牛肉含水率进行检测的可行性,为检测牛肉品质提供依据。采用82个牛肉后腿样本作为实验材料,按5×4×1cm的规格通过国际烘干法测量其真实含水量,并采集它们的光谱图像;获取样本的光谱信息后,通过ENVI及Mat Lab软件获取感兴趣区域。同时,利用不同的预处理方法,分别建立BP神经网络和偏最小二乘校正模型,通过比对两种模型结果,偏最小二乘校正模型能够更有效预测牛肉含水率,校正集相关系数为0.91,校正标准差为0.121,预测集的相关系数为0.89,预测标准差为0.118。研究结果证实,利用高光谱图像技术可以快速无损检测牛肉含水率。     

基于近红外光谱分析的土壤全氮含量估测研究

应用近红外光谱分析技术对比研究基于土壤风干样本和鲜样来预测全氮含量的可行性。选取水稻土为研究对象,首先分析了不同水分土壤的光谱特征,显示随水分含量增加,吸光度升高,且鲜样的吸光度高于干样。通过比较不同预处理方法,对土壤干鲜样分别采用逐步多元回归(SMLR)和偏最小二乘法(PLSR)建立了相应的近红外模型。结果表明,利用近红外光谱均可预测干鲜土壤样本的全氮含量,特别是利用偏最小二乘法建立的标定模型,预测精度高,反演性较好,鲜样和干样外部验证决定系数分别达到0.89和0.91,相对误差仅为6.92%和5.92%,研究结果可以为田间土壤全氮含量的估测提供技术依据和参考。     

Influence of Climate and Socio-Economic Factors on the Spatio-Temporal Variability of Soil Organic Matter: A Case Study of Central Heilongjiang Province,China

For the scientific management of farmland, it is significant to understand the spatio-temporal variability of soil organic matter and to study the influences of related factors. Using geostatistical theory, GIS spatial analysis, trend analysis and a Geographically Weighted Regression (GWR) model, this study analyzed the response of soil organic matter to climate and socio-economic factors in central Heilongjiang Province during the past 25 years. Second soil survey data of China for 1979–1985, 2005 field sampling data, climate observations and socio-economic data for 1980–2005 were analyzed. First, soil organic matter in 2005 was spatially interpolated using the Co-Kriging method along with auxiliary data sets of soil type and pH. The spatio-temporal variability was then studied by comparison with the 1980s second soil census data. Next, the temporal trends in climate and socio-economic factors over the past 25 years were investigated. Finally, we examined the variation of the response of soil organic matter to climate and socio-economic factors using the GWR model spatially and temporally. The model showed that 53.82% area of the organic matter content remained constant and 29.39% has decreased during the past 25 years. The impact of precipitation on organic matter content is mainly negative, with increasing absolute values of the regression coefficient. The absolute value of regression coefficient of annual average temperature has decreased, and more areas are now under its negative effects. In addition, the areas of positive regression coefficient of annual sunshine hours have northward shifted, with the increasing absolute value of positive coefficient and decreasing absolute value of negative coefficient. The areas of positive regression coefficient of mechanized farming as a socio-economic factor have westward shifted, with the increasing absolute value of negative coefficient and decreasing absolute value of positive coefficient. The area of regions with the positive regression coefficient of irrigation has expanded. The regions with positive regression coefficient of fertilizer use have shrinked. The positive regression coefficient of mulch film consumption has significantly increased. The regression coefficient of pesticide consumption was mainly positive in the west of the study area, while it was negative to the east. Generally, GWR model is capable to investigate the influence of both climatic and socio-economic factors, avoided the insufficiency of other research based on the single perspective of climatic or socio-economic factors. Therefore, we can conclude that GWR model could provide methodological support for global change research and serve as basic reference for cultivated land quality improvement and agricultural decision making.     

基于GWR模型降尺度模拟蒙古高原地区TRMM降水数据

以多年月平均NDVI值高于0.1为阈值,对蒙古高原进行“植被区”与“非植被区”的子区域划分。在分析“植被区”植被对降水响应时滞性和“非植被区”陆地表面温度不同数据值与降水量相关性的基础上,子区域分别构建了TRMM3B43降水数据与海拔、坡度、坡向数据、归一化植被指数（NDVI）/陆地表面温度（LST）数据的地理加权回归（GWR）模型,得到区内2006-2015年每年5-10月1km空间分辨率的月降水量降尺度模拟数据,并利用区内141个气象站点数据对降尺度模拟数据进行精度验证。结果表明：（1）蒙古高原“植被区”植被对降水响应存在时滞性,约为一个月;“非植被区”多数月份白天与夜晚陆地表面温度差（LST＿D＿N）与降水量的相关性最显著。（2）降尺度模拟数据与气象站点数据具有较好的一致性,月尺度相关系数为0.83,各站点相关系数介于0.42～0.98。（3）在生长季、月平均尺度上,降尺度模拟数据具有较高精度,其中9月和10月数据精度优于TRMM 3B43数据。降尺度模拟数据整体精度较高,加之对原始数据在50°N以上未覆盖地区的填补以及空间分辨率的提高,可为区内水循环变化、农牧业生产、干旱监测等...     

基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的] 对不同时间尺度的热带测雨卫星（TRMM）数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法] 主要借助增强型植被指数（EVI）和归一化植被指数（NDVI）分别运用地理加权回归（GWR）模型实现2001—2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析（GDA）和地理比率分析（GRA）对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果] ① TRMM数据和气象站数据的决定系数（R²）在年（0.630）、季（0.710～0.865）和月（0.637～0.875）尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMM_EVI数据精度优于TRMM_NDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMM_EVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论] 在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。     

应用基于PLSR的土壤-环境模型预测土壤属性

土壤-环境模型对于正确理解土壤属性与环境因子间的关系,以及进行土壤属性预测与制图均具有重要的意义。研究区位于陕西省长武县内多年退耕还林还草沟壑区域,采集72个土壤表层样本,选择3/4的样本作为建模集,其余1/4的样本作为验证集;环境因子选择容易获取的地形因子和由遥感影像提取的植被因子和湿度因子,建立基于偏最小二乘回归(PLSR)的土壤-环境模型。结果表明:全氮、速效钾、全钾、有机质与环境因子间均有显著相关性;建立的PLSR模型可解释土壤属性的空间变异从23%(全氮)到27%(全钾);与逐步回归方法构建的模型相比,利用PLSR构建的土壤-环境模型可以更好地表征土壤属性与环境变量间的关系,拟合精度和预测精度也相对较高,说明PLSR建立的模型可以更好地应用于相似区域的土壤属性预测。     

3种不同方法对肉牛胴体性状预测能力的比较研究

本研究为了寻求一种对肉牛胴体性状预测准确性较高的方法,运用DPS数据处理系统和SAS软件比较偏最小二乘回归、GM(1,N)灰色系统和BP神经网络3种常用的预测模型对肉牛胴体性状的预测能力。选择肉牛7个宰前生长性状(体高、体长、胸围、腹围、管围、宰前活体质量、平均日增体质量),对2个重要的胴体性状(胴体质量和净肉质量)进行预测。结果表明:偏最小二乘回归方法在肉牛胴体性状预测方面准确性最高;GM(1,N)灰色系统和BP神经网络预测准确度偏低。本研究还将3种预测结果相结合,取其均值,大大提高了预测的准确性。这一研究将为肉牛生产实践提供一定的科学参考。