陕西省农田土壤有机质时空变异与驱动因子定量研究

为揭示土壤有机质(Soil organic matter, SOM)时空变异性与驱动因子响应机制,保障区域耕地可持续利用与粮食安全,应用地理探测器、地统计和重心偏移方法对陕西省SOM含量时空变异格局与驱动因子进行研究。结果表明：整体上,陕西省2017年SOM分布呈南高北低格局,平均含量(质量比)为15.63g/kg,较2007年提升8.61%;空间上,2017年SOM含量重心整体向西南偏移,陕南向西迁移,关中向东迁移,陕北向西南偏移;2017年SOM含量空间变异主导驱动因子为土壤全氮含量(q为0.74);2007—2017年间,土壤全氮含量、年平均气温、机械总动力对SOM含量空间变异的驱动力提升较大;2007—2017年,自然与人文因素共同驱动SOM含量时空变异,但人类活动对两因素均具有重要影响。     

基于光谱变换与SPA-SVR的玉米SPAD值高光谱估测

叶绿素含量快速、无损监测是评估玉米生长状态有效方式之一.以抽雄期玉米为研究对象,研究原始光谱、普通一阶导数光谱、间隙一阶导数光谱、开平方根光谱以及连续统去除光谱的特征波段以及5个传统植被指数与玉米叶绿素含量之间关系.对比分析不同模型(单因素回归模型、结合连续投影与多元线性回归、支持向量回归模型)对抽雄期玉米叶绿素含量预测能力.结果表明,光谱变换可增强特征波段与SPAD值相关性,同时还增加敏感波段数量、提升建模精度;连续投影算法对特征降维效果明显,各类多元模型最优光谱参数为5～9个;各类型光谱下均为多因素模型精度优于单因素模型.其中,基于普通一阶导数光谱的支持向量回归模型为最优模型,其建模R2与验证R2分别达到0.92与0.90.光谱变换在反演玉米叶绿素方面有较大潜力,连续投影与支持向量回归结合可产生较好建模效果.     

基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算

为了丰富大田尺度下冬小麦叶面积指数的遥感估算方法并提高估算精度,以关中地区冬小麦为对象,基于Sentinel-2多光谱卫星数据与地面同步观测的冬小麦叶面积指数样点数据,应用偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和随机森林(RF)法构建冬小麦叶面积指数估算模型,进行区域冬小麦叶面积指数遥感反演。结果表明,Sentinel-2多光谱卫星影像中心842nm近红外B8波段与冬小麦叶面积指数相关性最好,样本总体相关系数为0.778;植被指数中反向差值植被指数(IDVI)与冬小麦叶面积指数相关性最好,样本总体相关系数为0.776。各种估算模型中LAI-RF模型预测效果最佳,r~2为0.72,RMSE为0.53,RE为16.83%。基于LAI-RF估算模型,应用Sentinel-2多光谱卫星数据较好地反演了研究区冬小麦叶面积指数区域分布,其结果总体上与地面真实情况接近,说明以Sentinel-2卫星影像数据建立LAI-RF估算模型,可应用于区域冬小麦LAI反演制图。     

基于分数阶微分的葡萄叶片SPAD值高光谱遥感反演研究

【目的】探明高光谱遥感技术反演葡萄叶片叶绿素含量的可能性,构建葡萄叶片叶绿素含量反演模型,为快速且无损估测葡萄长势提供技术参考。【方法】以西南山区成熟期葡萄叶片为研究对象,同步获取冠层叶片高光谱数据和SPAD值,研究不同分数阶(0.0～1.4阶,步长0.2阶)微分光谱反演葡萄叶片SPAD值的能力,构建多个基于特征波段和光谱指数的单因素模型及基于连续投影算法的多因素模型。【结果】不同SPAD值葡萄叶片原始光谱曲线整体一致,在可见光区域反射率较低而在近红外区域反射率高;可见光、近红外区域反射率与SPAD值分别呈反比和正比;随着分数阶上升,特征波段由近红外向红边靠近,光谱指数由近红外与蓝光组合变更为近红外与绿光组合,单因素模型建模变量相关性呈先升后降趋势,在0.6阶达峰值;除0.6与0.8阶外,其余分数阶微分光谱单因素模型建模变量均为DSI;多因素模型优于单因素模型,机器学习算法可提升传统回归模型精度,所有模型以0.6阶下SPA-GA-XGBoost回归模型精度最优,其建模与验证R²分别为0.79和0.75,相应均方根误差(nRMSE)分别为15.54%和14.45%。...