基于“3S”的土壤水分垂直分布变异性分析

以地统计学的半变异函数为理论分析工具,结合G IS和GPS技术,分析陕北王东沟小流域土壤水分在垂直方向的空间变异特征。结果表明:①对土壤水分在垂直方向的半变异函数曲线可用球状模型进行很好的拟合,其存在强烈或中等程度的空间自相关,变程范围为2~5 m。②草地的块金值和基台值较大,远远超出了其他几种植被,它在表层0~0.8 m的土壤水分含量变化也最为剧烈,波动很大;林地的块金值较小,但基台值很大,说明其土壤表层水分和深层水分的变化差异较大;坡耕地和梯田的土壤水分的分布变化比较小,半方差函数曲线变化也比较平缓,块金值和基台值都比较小。不同土地利用类型对土壤水分在垂直方向空间变异的影响呈现林地>草地>灌木>果园>农地的趋势。     

基于GIS和GPS的土壤水分垂直空间变异性分析——以陕北黄土高原小流域为例

以地统计学的半变异函数为理论分析工具,结合地理信息系统GIS和GPS技术,分析研究了陕北王东沟小流域土壤水分在垂直方向的空间变异特征。结果表明:对土壤水分在垂直方向的半变异函数曲线可用球状模型进行很好地拟合,其存在强烈或中等程度的空间自相关,变程范围从2~5 m不等。草地的块金值和基台值较大,远远超出了其他几种植被,它在表层0~0.8 m的土壤水分含量变化也最为剧烈,波动很大;林地的块金值较小,但基台值很大,说明其土壤表层水分和深层水分的变化差异较大;坡耕地和梯田土壤水分的分布变化比较小,半方差函数曲线变化也比较平缓,块金值和基台值都比较小。不同土地利用类型对土壤水分在垂直方向空间变异的影响呈现林地草地灌木果园农地的趋势。     

一种基于深度卷积神经网络的油菜虫害检测方法

针对目前油菜虫害识别在背景、角度、姿态、光照等方面的鲁棒性问题,提出一种基于深度卷积神经网络的油菜虫害检测方法:首先在卷积神经网络和区域候选网络的基础上,构建油菜虫害检测模型,再在深度学习tensorflow框架上实现模型的检测,最后对比分析结果。油菜虫害检测模型利用VGG16网络提取油菜虫害图像的特征,区域候选网络生成油菜害虫的初步位置候选框,Fast R–CNN实现候选框的分类和定位。结果表明,该方法可实现对蚜虫、菜青虫(幼虫)、菜蝽、跳甲、猿叶甲5种油菜害虫的快速准确检测,平均准确率达94.12%,与RCNN、Fast R–CNN、多特征融合方法、颜色特征提取方法相比,准确率分别提高了28%、23%、12%、2%。