基于EOS/MODIS数据的裸土多层土温遥感反演研究——以陕西省为例

以EOS/MODIS为数据源,采用地表温度(LST)遥感信息模型耦合土壤温度CERES模型反演多层裸土土温。结果表明:土壤温度的模拟值与实测值的变化趋势比较一致,不同土层反演值和地面观察值的相关性均达极显著水平;5~60 cm土层土壤温度的平均绝对误差随土层加深逐渐降低,40~60 cm土层土壤温度的平均绝对误差降至1℃以内,但80、160 cm两层的反演精度误差则相对较大,说明结合其他模型,遥感能够反演一定深度土层的土壤温度,并达到一定精度。     

最佳特征影像组合综合选择指数的研究

最佳特征影像组合的选择是决定遥感影像信息提取与影像分类效果的关键环节之一。本文在分析多种定量选择方法的基础上，对不同方法的相关性及其存在的差异进行了深入的探讨，提出了综合选择指数法，经试验初步认为综合选择指数能较好地进行最佳特征影像组合的选择，并提出了构建综合选择指数模型的方法与原则。     

氮磷四营养对春大豆产量品质效应的研究

研究了红壤旱地上氮磷钾营养对春大豆产量品质的影响,结果表明,施用一定量氮肥有利于大豆根瘤的形成和固氮,施氮量过大则对结瘤有抑制作用;氮磷钾肥合理用量及配比有利于植株吸收养分和干物质积累,协调生长,从而提高产量改善品质;施肥主要是通过提高单株分枝数,单株荚数和粒数而增产,对百粒重影响较小。     

东北地区耕地扩张对地表增温/降温的生物物理机理分析

土地利用/覆盖变化对气候具有重要影响,为探讨耕地扩张的气候效应,基于土地利用数据及MODIS遥感资料,采用窗口搜索法,利用能量平衡的原理,研究2000−2018年东北地区耕地扩张的潜热和净短波辐射通量变化,分析耕地扩张对地表温度的影响。结果表明：（1）研究期内东北地区耕地面积增加1.6×104km2,主要来自林地和草地,分别占耕地扩增面积的16.33%和76.24%。（2）与林地相比,耕地白天对地表具有增温作用,夜间具有降温作用,全天具有增温作用,并具有明显的季节特征。夏秋季节耕地的蒸散发弱于林地,潜热通量比林地少,导致耕地对地表具有增温作用,冬季耕地的净短波辐射远少于林地,导致耕地对地表降温。（3）与草地相比,耕地夜间总体的降温效应稍强于白天的增温效应,使耕地全天对地表具有降温效应,并具有不同的季节特征。夏秋季节耕地的蒸散发强于草地,耕地的潜热通量比草地多,成为耕地对地表降温的主要原因,而在春冬季节,耕地与草地吸收的净短波辐射差异较小,同时潜热差异也较小,因此对地表的增温/降温效应不明显。     

支持向量机在土壤镁含量高光谱估算中的应用

研究利用土壤样本实验反射光谱,分析了土壤镁(Mg)含量与土壤反射光谱的关系,比较了主成分回归分析(PCR)、偏最小二乘回归分析(PLSR)和支持向量机回归分析(SVMR)等方法,以及土壤反射光谱及其变换光谱与土壤Mg含量之间的估算模型,为土壤Mg含量高光谱估算提供依据。结果表明:PCR、PLSR、SVMR 3种建模方法在Mg含量的估算中,SVMR的估算精度相对较高,估算精度平均达到80.96%,分别比PCR和PLSR提高了6.16%、4.20%;对于不同的数学变换处理方法,一阶微分变换相对较好,估算精度平均为80.76%,分别比反射率、倒数对数变换提高了4.95%、4.61%。因此,运用土壤反射光谱一阶微分变换的SVMR进行建模,可以相对较好地估算全Mg含量,精度达84.04%。     

信息技术与我国农业发展

在阐明信息技术的基础上，总结了信息技术在我国农业资源与环境、农业生产、技术研究与推广、农业灾害及经济管理中的应用和前景，指出信息技术是解决我国人口、资源与环境矛盾，改变农业经济增长方式，实施农业可持续发展及农业现代化的重要手段和途径，分析了我国信息技术农业应用问题，并提出了相应的措施和对策。     

稻田土壤有机质氧化稳定性与土壤肥力关系的研究

系统地研究了稻田土壤有机质氧化稳定性与土壤养分、土壤结构及水稻产量的关系。结果表明：土壤易氧化有机质含量与土壤有机质、全氮、碱解氮、土壤速效磷、速效钾、土壤阳离子代换量、土壤容重、孔隙度、土壤有机无机复合量等皆有显著的相关性，土壤有机质氧化稳定系数ＫＯＳ值与氮素矿化率呈显著负相关。且易氧化有机质含量与阳离子代换量、土壤有效养分指标及水稻产量的相关系数皆大于有机质总量与它们的相关系数。初步认为：土壤易氧化有机质含量和有机质氧化稳定系数，反映了土壤有机质品质，可作为衡量稻田土壤肥力及培肥水平的重要指标     

土壤湿度同化数据综合分析处理系统的研制与开发

陆面数据同化系统的输入和输出数据以其格式多样性、海量性为主要特征。以GIS二次开发组件ArcGIS Engine, ArcSDE空间数据库引擎和SQL Server 2005数据库管理工具,利用C#、IDL编程语言,构建土壤湿度同化数据空间数据库,并将气象数据具有时间域、空间域和属性域等多维属性与GIS数据模型相结合,研制开发综合分析处理系统,实现土壤湿度同化输入参数与输出数据的空间分析与管理。系统能够满足陆面同化系统对数据的处理与分析需求,为土壤湿度同化产品的业务应用提供强大的支撑。     

基于深度学习的湘赣鄂地区植被变化 及其影响因子关系模型

构建NDVI及其影响因子之间的关系模型是对区域植被变化进行预测的重要方法之一,然而传统的模型大多通过线性回归方法构建,且主要选取单一影响因子进行模型构建。深度学习是一种有效训练深层神经网络的机器学习算法,具有训练速度快、预测精度高的优点,近年来被应用于图像识别、回归分析等各领域。笔者引入深度学习方法,以气象、土壤、地形等多因子为模型自变量,以MODIS-NDVI为因变量构建关系模型,应用于湘赣鄂地区2005—2015年植被变化的预测中,对所建模型的适用性进行了评价。结果表明:深度学习模型与线性回归模型相比预测精度更高,预测效果更好,NDVI深度学习预测值与原始MODIS-NDVI值的相关系数达到0.804。可见,深度学习具有较强的模型构建及预测能力,能够地对区域植被变化进行有效的预测,进而为作物产量估算、冻害监测、植被覆盖度监测等研究提供帮助。