基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

树皮对纤维板生产的影响

纤维板生产的原料不可避免地会混入树皮,尤其是以枝丫、薪炭材为主要原料生产纤维板时,更会大量混入树皮。实践证明,纤维板生产中,若树皮含量20%以下并能研细、均匀地混在纤维之中,不但对纤维板的质量无明显影响,而且对提高其防水性能还有一定的好处,能够降低纤维板的吸水率。但是,某些阔叶材(如桦木、栎木等)树     

运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产

为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。     

长武县水资源承载力的模糊评价

【目的】评价长武县的水资源承载能力(WRCC),为县域WRCC的评价提供依据。【方法】选取人均水资源可利用量、人均水资源占有量、单位GDP用水量、水资源开发利用率、单位耕地水资源量、单位面积水资源量、灌溉率等7项评价指标,采用模糊综合评价模型,计算得到WRCC的相对隶属度和影响因子贡献率;在考虑主观权重条件下,基于互补理论的二元对比方法确定主观权重,通过级别特征值计算得到长武县北塬区、河川区、南塬区3个区域的WRCC级别。【结果】长武县南塬区的WRCC级别从高水平向低水平过渡,社会经济发展与水资源利用情况协调较好;北塬区和河川区的WRCC均处于低水平,水资源利用已达到其最大承载能力,需要采取相应的措施,以确保社会经济的可持续发展。【结论】基于模糊识别理论的WRCC模糊评价方法,能较好地反映长武县WRCC的状况,也可用于其他县域WRCC的评价。     

用~(15)N天然丰度法估测结瘤作物的共生固N_2量

测定了位于北京西北郊的本所农场耕地及附近几个土样的土壤总Nδ15N值,农场耕地的δ15N值为6.39±0.42‰,本所庭园土壤为5.03±0.26‰,圆明园土壤为1.66±0.49‰。农场耕地土壤总Nδ15N的垂直变化为6.09±0.77～7.71±0.67‰,水平变化为6.52±0.55～7.13±0.73‰。 无N营养液砂培大豆的测定结果表明,根瘤富含15N,δ15N值为8.32±0.16‰和10.54±0.30‰,地上部贫化15N,δ15N为—2.25±0.48～—4.16±0.75‰,说明在固N2过程中和固N2产物输送转化过程中发生了N同位素的分馏,固N2分馏因数β=1.0023～1.0042。 用15N天然丰度法估计不同大豆品种的％Ndfa表明,不同大豆品种的N素自给能力不同。固N2植物的δ15N值明显低于非固N2植物的δ15N值,一般相差3～5δ15N,说明用15N天然丰度法评价这些植物的固N2状况是可能的。然而,不固N02植物也有较低的δ15N值,即便在同一地块上,非固N2植物的δ15N值也很不相同,有待进一步研究。     

~(15)N天然丰度法测量豆科牧草共生固氮的评估

无氮营养液砂培7个品种苜蓿茎叶的固氮分馏因数β值为1.0000～1.0015(δ~(15)N为-0.05～-1.47‰),白三叶、绿豆和银合欢的β值分别为0.9979、0.9983和1.0018(δ~(15)N分别为2.15、1.74及-1.81‰)。根据~(45)N天然丰度的变化,估测了田间生长苜蓿的固氮能力,表明6个品种的共生固氮能力不同。格洛里及润布勒苜蓿两品种最高,保定、阿尔贡奎因及明托苜蓿3个品种次之,秘鲁苜蓿最低。苜蓿不同时期的固氮活性有变化,6、7月间固氮活性达高峰。根据所测豆科牧草茎叶的δ~(15)N值,可以对豆科牧草进行定性或半定量水平上的固氮研究,以筛选高效固氮牧草和检测野生固氮资源。本文还对不固氮参照植物和不同方法对％Ndfa估计位的影响进行了讨论。     

基于系统动力学的咸阳市水资源承载力

基于系统动力学的原理和方法,将水资源承载力系统划分为工业、农业、生活、生态、水资源和污水处理回用子系统,以缺水程度为主要反馈因子,考虑缺水时人们用水决策偏好,通过各子系统之间的反馈关系,建立了咸阳市水资源承载力系统动力学模型.模拟结果表明：按趋势发展型方案,咸阳市工业发展迅速,农业和生态用水被挤占,发展缓慢,规划年内缺水程度为9%～35%,为严重缺水;按资源环境保护型方案,生态环境得到良好保护,但工农业发展受到严重制约;按经济发展型方案,工业发展十分迅速,但农业灌溉面积减少,生态环境恶化,地下水超采严重,缺水情况仍存在,为3%～5%,发展可持续性差;按协调发展型方案,工农业保持13.8%发展速度,污水处理回用量增加,农业灌溉稳步发展,生态环境情况得到改善,缺水程度严重时约为0.4%,表明该方案是咸阳市水资源承载力可持续发展的最优方案.     

基于HJ-1A/1B影像的冬小麦开花期主要生长指标遥感定量监测研究

为建立冬小麦开花期生长状况的遥感监测方法和技术,结合2011-2013年定点观测试验,以环境减灾卫星HJ-1A/1B数据为遥感影像源,着重分析了样本试验区冬小麦开花期主要生长指标间及其与籽粒品质、产量和卫星遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的开花期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,在冬小麦开花期,作物氮反应指数(NRI)、绿色归一化植被指数(GNDVI)可分别作为监测冬小麦叶面积指数和生物量的敏感遥感变量,结构加强色素植被指数(SIPI)和SIPI可作为监测冬小麦SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠,模型的决定系数(r2)分别为0.73、0.69、0.62和0.61,均方根误差(RMSE)分别为0.79、1 068kg·hm-2、4.66和0.42%。利用遥感数据绘制的冬小麦开花期主要生长指标遥感监测等级分布空间量化表达图与实际相符。     

冬小麦返青期主要生长指标的HJ-1A/1B遥感影像监测

为进一步深化作物长势遥感监测机理与方法,给大田管理及时提供信息与技术,结合2011-2013年定点观测试验,以HJ-1A/1B数据为遥感影像源,研究了返青期冬小麦主要生长指标、籽粒品质参数和产量间及其与遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的返青期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,返青期,归一化植被指数（NDVI）、比值植被指数（RVI）、蓝光波段反射率（B₁）和RVI可分别作为监测冬小麦叶面积指数、生物量、SPAD和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数（R²）分别为0.62、0.56、0.46和0.58,均方根误差（RMSE）分别为0.42、452.3 kg·hm^-2、4.39和0.54%。同时,对冬小麦不同等级主要生长指标进行遥感监测并制图,量化表达了主要生长指标区域空间分布。     

用PLS算法由HJ-1A/1B遥感影像估测区域冬小麦理论产量

【目的】作物遥感估产是遥感技术在农业生产中研究与应用的重点领域,能够向大田区域生产提供及时可靠的产量信息,准确地估测作物产量,对于确保国家粮食安全,制定社会发展规划,指导和调控宏观种植业结构调整,提高涉农企业与农民的经营管理水平具有重要意义,为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。通过筛选冬小麦理论产量的敏感遥感变量,构建基于国产影像的理论产量遥感估测模型,实现区域冬小麦理论产量遥感估测,为及时了解不同生态区域冬小麦产量丰欠变化趋势提供参考。【方法】以2010年4月26日、2011年4月28日、2012年4月28日和2013年5月2日冬小麦开花期四景HJ-1A/1B影像为遥感数据,提取出13个遥感变量,以江苏省泰兴、姜堰、仪征、兴化、大丰5县作为试验采样区,于各实验区选取具有代表性的样点进行采样,并于室内进行测定,将335个实测的冬小麦理论产量样本按3﹕2比例分成建模集和验证集样本,依据估算残差平方和处于最小值确定模型所需主成分数,将决定系数、均方根误差和相对误差为模型评价参数,利用建模集样本分析了卫星遥感变量与冬小麦理论产量的定量关系,运用偏最小二乘回归算法构建及验证了以理论单产为目标的多变量遥感估产模型,将其算法模型估产效果与线性回归算法和主成分分析算法模型进行比较,并制作了冬小麦理论产量空间等级分布图。【结果】理论产量与所选的大多数遥感变量间关系密切,且多数遥感变量两两间具有极显著的多重相关性;理论产量偏最小二乘回归模型的最佳主成分数为4,且结构加强色素植被指数、归一化植被指数、绿色归一化植被指数和植被衰减指数为理论产量遥感估测的敏感变量;经建模集和验证集评价,理论产量估测模型的决定系数分别为0.79和0.76,均方根误差分别为720.45和928.05 kg·hm^-2,相对误差分别为11.45%和13.92%,且估测精度比线性回归算法分别提高了25%以上和27%以上,比主成分分析算法分别提高了15%以上和16%以上,说明偏最小二乘回归算法模型估测区域理论产量的效果明显好于线性回归和主成分分析算法,且具有较强的应用能力。【结论】该模型应用结果与冬小麦理论产量实际区域分布情况相符合,为提高遥感对区域冬小麦理论产量的估测精度提供了一种有效途径,有利于大面积应用和推广。