GIS在生态土地分类中的作用

This paper depicted the physiographic landscape features and natural vegetation situation of study area (the eastern Jilin Province), and expatiates the definition, basic characters and its development of Ecological Land Classification (ELC). Based on the combination of relief map, satellite photography for study area and vegetation inventory data of 480 sample sites, a 5-class and a 15-class ecological land type map was concluded according to 4 important factors including slope, aspect, vegetation and elevation. Ecological Classification System (ECS) is a method to identify, characterize, and map ecosystems. The Ecological Land Type (ELT) was examined and applied initially in eastern Jilin Province. Foundation item: This paper was supported by Chinese Academy of Sciences “100 people” project and the Open Research Station of Changbai Mountain Forest Ecosystem. Biography: XIAO Bao-ying (1974-), female, postgraduate in Institute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110016, P. R. China Responsible editor: Zhu Hong     

新疆桑树雌蕊柱头表面超微结构观察与分类的探讨

应用扫描电镜技术观察了和田白桑、伽克1号桑、皮木1号桑的雌蕊形态结构。结果发现和田白桑、伽克1号桑的雌蕊无花柱,柱头内侧表面生有乳头状突起;皮木1号桑雌蕊无花柱,柱头内侧表面生有长毛。根据观察结果,结合其形态特征,和田白桑、伽克1号桑归类于白桑(Morus alba Linn.)较为合适;皮木1号桑有待今后进一步探讨。     

南方地区高水分玉米安全度夏技术探讨

根据水分的高低,对新收购的高水分玉米分别储存在露天囤和高大平房仓中,将露天囤里的玉米通风降水后转入高大平房仓储存,再对玉米通风降温,并采取仓房密封、悬挂防晒网、空调控温等配套措施控制粮温,期间采取磷化铝多次补药熏蒸杀灭粮堆内害虫及霉菌,使玉米安全度夏。     

彩叶植物分类及其园林应用

彩叶植物是园林植物的重要组成部分,以其独特的观赏价值倍受园林工作者青睐。彩叶植物的园林应用应遵循生态适应性原则,考虑季相变化,突出设计主题,并与环境相协调,根据实际选择合适的应用形式。指出了彩叶植物应用中存在的问题,并对其应用前景进行了展望。     

采用全卷积神经网络与Stacking算法的湿地分类方法

高精度湿地制图对湿地生态保护与精细管理具有重要的支撑作用。针对传统湿地分类方法的精度不高和泛化能力弱等问题，提出了一种联合全卷积神经网路（fully convolutional neural network，FCN）与集成学习的湿地分类方法。首先利用全卷积神经网络（SegNet、UNet及RefineNet）对GF-6影像的语义特征进行提取与融合，然后利用Stacking集成算法对融合后的特征进行判别和分类。结果表明，联合全卷积神经网络与Stacking算法能有效提取湿地信息，总体分类精度为88.16%，Kappa系数为0.85。与联合全卷积神经网络与单一机器学习RF、SVM与kNN算法相比，该文提出的湿地分类方法在总体分类精度上分别提高了4.87%，5.31%和5.08%；与联合单一全卷积神经网络（RefineNet、SegNet、UNet）与Stacking算法下的湿地分类结果，该文提出的湿地分类方法在总体分类精度上分别提高了2.78%，4.48%与4.91%；该文方法一方面能通过卷积神经网络提取遥感影像深层的语义特征，另一方面通过集成学习根据各分类器的表征性能进行合理的选择并重组，从而提高分类精度及其泛化能力。该方法能为湿地信息提取及土地覆盖分类方法的研究提供参考。     

吉育系列大豆品种生育期组的划分研究

为明确吉育系列大豆品种的生育期组(maturity group,MG)归属,促进不同区域间的科学引种,以15份美国大豆生育期组标准品种为对照,采用以对照品种的生育日数为参照标准和以品种的活动积温为划分标准两种方法,于2013和2014年对95份新近选育的吉育系列大豆品种进行了生育期组划分研究。结果表明:吉育系列品种生育期组介于MG0~MGⅢ组之间,居MGⅡ组的品种最多,MGⅢ组的品种最少。有89份参试材料按两种划分方法结果一致,占参试材料的93.7%;有6份参试材料的两种划分方法结果不在同一组内,占参试材料的6.3%。通过比较各生育期组品种在R1、R7和R8期的持续天数表现,验证了生育期组划分的正确性。综合两年试验结果发现,适宜吉林省大面积种植的早熟、中早熟大豆品种主要归属于MG0和MGⅠ组,中熟、中晚熟品种主要归属于MGⅡ。此研究结果为完善中国大豆生育期组划分系统和实现大豆品种布局的科学化与标准化提供了技术依据。     

土地利用动态监测中多源影像融合方法的比较研究--以陕北黄土丘陵沟壑区为例

在陕北黄土丘陵沟壑区,采用单一传感器的遥感影像提取土地利用信息,存在着识别的土地利用类别少、某些类别混分现象较严重、分类结果的精度较低等问题。以TM多光谱数据和SPOT全色光谱数据的融合为例,提出了适宜于该地区的两种影像融合方法:主成分变换法和乘积运算法,并从影像的光谱质量、纹理信息和目视效果等方面对其进行了对比与评价。结果显示,主成分变换法为较理想的融合方法。以陕北无定河流域为实验样区的土地利用自动分类结果表明,该方法的应用使土地利用各类别的提取精度都有不同程度的提高;水体、水田和城镇用地等面积较小的类别分类正确率提高达到10%以上;坡耕地与林草地的混分明显减少,分类精度均提高了5%以上;分类总精度从82.0%提高到89.2%,取得了良好的分类效果。此研究对于遥感影像融合技术的评价与应用进行了有益的探索,同时为该地区的土地利用动态监测提供了关键技术。     

植被信息提取过程中ETM+遥感影像融合和分类试验

利用HIS、PCA、Brovey及小波变换4种图像融合方法对南京地区植被信息提取过程中ETM 遥感影像进行融合和分类试验。从信息量、高分辨率信息的融入度和分类精度三方面,对融合图像进行光谱质量和空间结构信息的定量评价。试验结果表明,Brovey变换更适合植被信息提取时的ETM 图像融合,并能够较明显提高影像的分类精度。     

基于植物学性状的吉林省杂草稻多样性研究

近年来随着直播技术和免耕方式的推广,杂草稻对水稻的危害越来越大,寻找有效的杂草稻防除措施己刻不容缓。本文对我国吉林省19份杂草稻植物学性状进行了调查,调查发现吉林省杂草稻抽穗天数和株高的变化范围均大于栽培稻,颖壳色多表现为秆黄色,赤褐色、黄色、黑褐色、紫黑色、灰黑色、黄褐色和银灰色;果皮色以红色果皮为主;大部分杂草稻有芒,芒色以秆黄和赤褐为主;易落粒;易倒伏。通过分层聚类将33份供试材料分为了5类。利用程氏指数法对19份杂草稻材料的籼粳属性进行分析,结果显示吉林杂草稻主要以粳型为主,少部分为偏粳型。