博尔塔拉蒙古自治州水资源承载力评价

随着人口的快速增长和社会经济的发展,水资源承载力的大小已经成为制约一个地区和国家发展的重要因素之一,以博尔塔拉蒙古自治州为研究区,选取该地区生产总值GDP、人口自然增长率、人均水资源量等16个指标建立评价指标体系,采用主成分分析法PCA得到影响博尔塔拉蒙古自治州水资源承载力的三大主成分,并对博尔塔拉蒙古自治州水资源承载力状况进行综合评价。结果表明:1对水资源承载力影响起主导作用的有人均用水量、地表水资源量、单位面积水资源量,累积贡献率达到了94%。2第一主成分与人均水资源占有量X12和地表水资源量X9等较大正相关,认为第一主成分主要代表该地区的水资源利用;第二主成分与地区生产总值GDP X1和人均GDP X4等具有较大正相关,认为第二主成分主要代表该地区经济与人口的发展水平;第三主成分与人口自然增长率X6和地区人口X2具有较大正相关,可以认为第三主成分主要代表该地区人口的变化情况。因此,对博尔塔拉蒙古自治州水资源承载力进行分析和评价,可以为博州水资源规划及其合理开发利用提供参考依据。     

基于耕地质量综合评价的耕地选入基本农田分析

以新疆阿克苏地区拜城县为例,按照基本农田划定规程,科学划定基本农田保护区,从耕地的自然质量、区位条件和空间形态三个方面选取相关指标,构建耕地质量评价指标体系,基于Arc GIS平台实现各指标定量化分析和综合评价分值。通过综合评价模型,得到拜城县综合评价分值在[45.01,94.09]之间,依据综合评价分值将耕地划分为三类,其中优先调入基本农田的耕地面积为38 360.39 hm~2,占全县耕地的42.52%;适宜调入基本农田的耕地面积为9 979.64 hm~2,占全县耕地的11.06%;不宜调入基本农田的耕地面积为41 878.63 hm~2,占全县耕地的46.42%。结果表明,研究区耕地综合质量状况较好,综合分值在80分以上的耕地自然、区位条件优越,斑块规整且连片分布。评价结果与现状基本农田图斑进行对比分析,为新一轮基本农田划定实现耕地质量与数量并重的基本农田保护目标。     

基于AOD数据的新疆大型露天煤炭开采区PM2.5和PM10反演

MODIS气溶胶产品AOD与PM2.5、PM10浓度高度相关,已广泛应用在PM2.5、PM10浓度模拟.该研究以新疆维吾尔自治区大型露天煤炭开采区准东矿区为研究对象,结合实测的2014年5月、7月、9月、12月PM2.5、PM10质量浓度数据与经过垂直湿度订正的MODIS气溶胶产品AOD,利用多元回归进行拟合建模,从建立的40个模型中选取最优模型并据此对研究区PM2.5、PM10的质量浓度进行定量估算.结果表明:AOD与PM2.5、PM10呈极显著正相关;4个月AOD与PM2.5、PM10质量浓度估算模型最优模型均为多项式模型;其中7月AOD与PM2.5质量浓度拟合模型较好(R2=0.6258),实测值与预测值拟合趋势线R2为0.8057;9月PM10拟合模型效果理想(R2=0.7329),实测值与预测值拟合趋势线R2为0.8077;将AOD代入最优模型反演PM2.5,从空间层面上反映出各区域PM2.5浓度差异明显.研究结果可为AOD的深度利用与PM2.5、PM10浓度的遥感估算提供参考,在大气污染物空间分布、监测大气环境质量、污染预测等方面都具有重要意义.     

基于光谱指数与机器学习算法的土壤电导率估算研究

土壤盐分是干旱区土壤盐渍化评价的重要指标。以新疆维吾尔自治区渭干河-库车河三角洲绿洲为例，基于土壤电导率 (Electrical conductivity，EC) 及可见光-近红外 (Visible and near infrared, VIS-NIR) 光谱数据，通过蒙特卡洛交叉验证 (Monte Carlo cross validation, MCCV) 确定364个有效样本。采用原始光谱 (Raw reflectance, R) 及其经过微分、吸光度 (Absorbance, Abs)、连续统去除 (Continuum removal, CR) 等6种预处理后的数据构建光谱指数。基于遴选出的21个最优指数，采用BP神经网络 (Back propagation neural network, BPNN)、支持向量机 (Support vector machine, SVM)、极限学习机 (Extreme learning machine, ELM) 三种算法对EC进行估算，并引入偏最小二乘回归 (Partial least squares regression, PLSR) 进行比较。结果表明：在基于R与6种光谱预处理数据构建的21个最优光谱指数之中，R_FD_RSI (R₁₉₁₃，R₂₁₄₂) 表现最佳 (r = 0.649) ；与PLSR相比，机器学习算法能够显著提高模型的估算精度，R²提高了34.55%。三种机器学习算法模型中，ELM表现最优 (R² = 0.884, RMSE = 3.071 mS?cm^-1, RPIQ = 2.535) 。本研究中所构建的光谱指数在兼顾遥感机理的同时能深度挖掘更多的隐含信息，并且基于机器学习算法的土壤EC估算模型精度显著提高，为干旱区土壤盐分定量估算提供了科学参考。     

分数阶微分在盐渍土高光谱数据预处理中的应用

光谱微分技术在高光谱数据处理中应用广泛,为研究分数阶微分对光谱反射率与盐渍土含盐量之间相关系数的影响,细化相关系数变化趋势,该文选取新疆塔里木南缘于田绿洲盐渍土为研究对象,以土壤样本含盐量和反射率高光谱数据为数据源,利用Grünwald-Letnikov分数阶微分公式编程计算光谱反射率以及对应的均方根、倒数、对数、对数倒数、倒数对数变换的0～2阶微分（间隔0.2阶）,对比分析每种变换各阶微分与土壤含盐量相关系数曲线的变化趋势以及微分处理对单波段相关系数的影响。结果表明：经微分处理,通过相关系数0.01显著性检验水平的波段数量明显增加（0.6阶＞1阶＞2阶＞0阶）,随着阶数增加,呈现先增后减的趋势,且均在分数阶0.6处达到最多。在0.6阶处,光谱反射率及5种数学变换通过相关系数0.01显著性检验的波段数量按照从大到小为：倒数对数变换=对数变换＞均方根变换＞倒数变换＞光谱反射率＞对数倒数变换。对于波段2444、2423、2142、2005 nm,微分算法能够大幅提升与含盐量之间的相关性,相关系数绝对值取最大值对应的阶数均为分数阶。从局部到整体,分数阶微分提升相关性的效果明显优于整数阶微分。该研究结果为分数阶微分在高光谱技术监测土壤盐渍化现象中的应用提供参考依据。     

基于分数阶微分预处理高光谱数据的荒漠土壤有机碳含量估算

对光谱数据进行预处理是提升高光谱建模精度十分必要和有效的途径。为了研究分数阶微分预处理方法在高光谱数据估算荒漠土壤有机碳含量中的应用,该研究以艾比湖流域为研究靶区,利用2015年5月采集的103个表层土壤样本的实测有机碳数据和室内测定的高光谱数据,以0.2阶为步长对原始光谱反射率及对应的倒数变换、对数变换、对数倒数变换、均方根变换的0-2阶微分进行分数阶运算预处理并研究其与土壤有机碳含量相关性,基于通过0.01显著性检验的特征波段对土壤有机碳含量进行偏最小二乘回归建模并进行精度分析。结果表明：1）分数阶微分预处理可以细化土壤有机碳及其光谱反射率相关性的变化趋势;2）各阶微分预处理后的相关系数通过显著性检验波段的数量均呈现先增后减的趋势,但波段数量最多的对应阶数并不统一;3）对数变换的1.6阶微分所建立的模型为最优模型,该模型的RMSEC=2.433 g/kg,R2c=0.786,RMSEP=2.263 g/kg,R2p=0.825,RPD=2.392。说明了分数阶预处理过后的模型精度和稳健性较整数阶微分有了大幅提升,并且运用在高光谱反演土壤有机碳含量上是可行的。     

渭-库绿洲多尺度景观格局与盐度关系

中国盐渍化土壤面积大,分布广,对区域农业发展构成了严重的威胁。探索土壤景观格局与盐度的关系将有助于盐渍化监测和评估。该研究选择渭-库绿洲GF-1影像为数据源,结合研究区同期38个样点不同剖面土壤盐度数据,对样点缓冲区景观格局与土壤盐度做Pearson相关分析和逐步回归分析,揭示土壤盐度空间分布格局,探讨景观格局与盐度的定量关系。结果表明:1)水平方向上,土壤盐分高值区主要集中分布在绿洲东部荒漠地带和绿洲西部农牧交错区;垂直方向上,渭-库绿洲表层土壤盐渍化现象最为严重,其他各层土壤盐渍化情况相对较轻,盐渍化程度随着深度下降呈降低趋势;2)绿洲区域易受人类活动影响,景观破碎化程度高,而同一区域不同梯度下,随着缓冲距离的增加,区域景观类型增多、均质性降低、多样性增强;3)耕地利用数量指标能较好指示土壤盐度状况,而水体面积、盐渍地面积、其他用地面积、最大斑块指数(largest patch index,LPI)、蔓延度(contagion index,CONTAG)和分维数(perimeter-area fractal dimension,PAFRAC)对盐度影响相对较弱;4)除0~10 cm层外,自10~20 cm至80~100 cm层逐步回归方程的自变量中,耕地面积、水体面积和最大斑块指数LPI为负效应,而盐渍地面积、其他用地面积、CONTAG和PAFRAC为正效应,最优回归方程决定系数为0.537。该研究确定了渭-库绿洲土壤盐度的分异规律,以及不同盐度对绿洲景观格局的影响程度。研究结果可为西北干旱区绿洲土壤盐度预警提供理论依据,同时为干旱区景观格局研究提供一定的参考价值。     

基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。     

基于热红外发射率光谱的土壤盐分预测模型的建立与验证

该研究尝试性地分析盐渍化土壤热红外发射率光谱特征,并建立土壤盐分高光谱预测模型,旨在为遥感传感器识别土壤盐分信息奠定基础。首先,采用FTIR（Fourier transform infrared spectrometer）温度与发射率分离处理软件进行土壤温度和发射率的分离。运用高斯滤波平滑法对研究区野外测的土壤样品热红外发射率光谱数据进行滤波去噪处理。其次,对不同土壤含盐量热红外发射率光谱数据进行特征分析;然后在原始热红外发射率光谱数据的基础上进行4种形式的数学变换,分析热红外发射率光谱数据的变换处理形式与土壤含盐量之间的定量相关性。最后,使用多元回归方法建立预测模型并进行精度评价。结果表明：经过数据变换处理后,发射率光谱差异性有所提高;以平方根变换后的热红外光谱数据建立的预测模型效果较好,R2达到0.82。该研究将热红外遥感独特的发射率光谱特性应用于土壤盐渍化的实际科学问题中,为定量地分析盐渍土热红外发射率光谱信息提供参考。     

基于环境变量的渭干河-库车河绿洲土壤盐分空间分布

土壤属性的数字制图对精准农业生产和环境保护治理至关重要。为了在大尺度上尽可能精确的监测土壤盐分空间变异性,该文使用普通克里格(ordinary kriging,OK)、地理加权回归(geographically weighted regression,GWR)和随机森林(random forest,RF)方法,结合地形、土壤理化性质和遥感影像数据等16个环境辅助变量,绘制渭干河-库车河绿洲表层土壤盐分分布图。基于决定系数(R^2)、均方根误差(RMSE)和平均绝对误差(MAE)验证模型精度。结果表明:不同方法预测的盐分分布趋势没有显著差异,大体上从研究区的西北向东南部方向增加;结合辅助变量的不同预测方法中,RF方法预测精度最高,R^2为0.74,RMSE和MAE分别为9.07和7.90 mS/cm,说明该模型可以有效地对区域尺度的土壤盐分进行定量估算;RF方法对电导率(electric conductivity,EC)低于2 mS/cm时预测精度最高,RMSE为3.96 mS/cm,很好的削弱了植被覆盖对电导率EC的影响。