基于Google Earth Engine的黄土高原覆膜农田遥感识别

为了建立覆膜农田遥感识别技术体系,本研究选取甘肃省定西市安定区团结镇作为黄土高原地膜覆盖旱作农业代表性区域,基于Google Earth Engine云平台和Landsat-8反射率数据,采用特征重要性分析优选纹理特征,利用参数优化后的随机森林算法提取覆膜农田区域并选出最佳特征组合方案,最后通过对比随机森林、支持向量机、决策树和最小距离分类4种算法的分类结果来评价不同分类算法的性能。结果表明:优化关键参数后的随机森林算法能够显著提高遥感影像的分类精度;单一特征方案中,基于光谱特征的分类精度最高,且加入指数和纹理特征可提高总体识别精度;利用随机森林特征重要性分析选取的优选纹理特征分类性能优于全部纹理特征,基于"光谱+指数+优选纹理"特征方案的识别结果最佳,总体精度和Kappa系数达95.05%和0.94;与支持向量机、决策树和最小距离分类相比,随机森林优势明显,总体精度分别高3.10、7.74、50.78个百分点。本研究实现了对地形复杂地区覆膜农田空间分布较为精准的识别。     

猪咬尾病的防治

1991年我们饲养的猪群,发生了猪咬尾现象。发生原因是猪群过密、猪圈潮湿引起皮肤发痒,相互磨蹭、啃咬,一旦尾部出血就会被群猪咬舐;饲料中缺少某些微量元素、维生素是猪咬尾的又一个因素。咬尾现象在长白猪、哈白猪较多,民猪少见;后备猪比成年猪多发。发现猪咬尾时,应立即把     

基于物候模型研究未来气候情景下陕西苹果花期的可能变化

陕西苹果种植面积大、产量高,但产量易受晚霜冻影响。冻害的发生与苹果花期和晚霜冻时间密切相关,因此准确预测苹果花期,研究苹果花期的变化规律对苹果生产防灾减灾具有重要意义。本研究利用物候模型（春暖模型、连续模型、重叠模型和平行模型）研究气候变化背景下陕西苹果花期（包括始花期和末花期）的变化规律。首先,评价4种物候模型在陕西苹果产区模拟苹果花期的效果,筛选出研究区最佳花期预测模型。然后,基于所选最佳花期模型模拟历史（1980−2019年）时期各代表站（洛川、白水、凤翔和长武）的苹果花期。最后,基于33个全球气候模式（Global Climate Models,GCMs）生成的未来气象数据集,利用所选最佳模型分别模拟RCP4.5和RCP8.5两种情景下2021−2100年各代表站的苹果花期并研究花期时空变化规律。结果表明,连续模型是模拟渭北东部和西部苹果花期的最佳模型,而延安和关中西部苹果花期的最佳模型为平行模型。1980−2019年各代表站始花期提前速率为3.4～4.7d·10a−1,末花期提前速率为3.3～4.6d·10a−1,空间分布上,研究区苹果花期从东南到西北逐渐推迟,年平均花期持续时间为10～11d。在RCP4.5情景下,各代表站2021−2100年始花期提前速率为0.7～0.9d·10a−1,末花期提前速率为0.6～0.8d·10a−1;与1980−2019年相比,各代表站2021−2060年平均始花期提前0～4.4d,末花期提前0～5.0d,各代表站2061−2100年平均始花期提前3.4～7.6d,末花期提前2.6～8.2d。在RCP8.5情景下,2021−2100年各代表站始花期提前速率为1.3～1.8d·10a−1,末花期提前速率为1.3～1.6d·10a−1;与1980−2019年相比,各代表站2021−2060年平均始花期提前1.3～5.9d,末花期提前1.0～6.1d,各代表站2061−2100年平均始花期提前6.7～12.4d,末花期提前6.2～12.3d。未来气候条件下,苹果花期空间分布与历史时期基本一致,但花期持续时间略有缩短。本研究首次综合花期预测模型和未来气候数据研究陕西苹果产区苹果花期变化,可为陕西苹果产区应对气候变化产生的花期冻害提供一定的理论依据。