基于主基底分析降维方法的水稻冠层叶片叶绿素含量估算

针对无人机高光谱遥感数据的高维特性,本文提出了一种基于主基底分析的降维方法。选取对叶绿素敏感的400～1 000 nm波段进行Gram_Schmidt变换找到投影空间,构造集中波段信息的主基底,建立最小二乘回归模型来进行叶绿素含量估算。结果表明:基于主基底分析降维方法的建模决定系数(R~2)为0.689,均方根误差(root mean square error,RMSE)为2.20,验证模型的RMSE为1.20;与3种植被指数PRI、RD_2和MCARI降维后建立的相同模型预测精度相比,该方法的建模R~2有了很大的提升,而验证模型的RMSE有所降低。研究结果验证了所提算法的有效性,对植物叶片的叶绿素含量估算具有重要意义。     

基于高分一号PMS的新疆落叶松林分郁闭度遥感定量估测

【目的】探索高分一号卫星影像在新疆落叶松林林分郁闭度估测中的应用潜力,为高分一号卫星影像用于林分郁闭度定量估测提供技术方法。【方法】以新疆布尔津林场为研究区,以阿尔泰山西段新疆落叶松林为试验对象,基于高分一号PMS多光谱影像和DEM数据,利用遥感和GIS技术,采用多元逐步回归和BP神经网络2种方法对新疆落叶松林分郁闭度进行估测。【结果】从模型验证结果可以看出,BP神经网络模型(决定系数R~2=0.713,均方根误差RMSE=0.082,相对均方根误差rRMSE=0.175,估测精度EA=82.401%)对新疆落叶松林林分郁闭度的估测要明显优于多元逐步回归模型(R~2=0.692,RMSE=0.085,rRMSE=0.182,EA=81.680%),且BP神经网络模型建模时R~2=0.714,与其精度验证时的R~2=0.713非常接近,说明模型的稳定性良好。【结论】2种模型的估测精度均高于80%,这说明高分一号PMS数据在新疆落叶松林林分郁闭度估测方面具有一定的潜力。     

谷子生物量与器官几何特征间的异速驱动关系研究

以谷子（Setaria italica）品种张杂10号为试验材料,通过大田谷子生长栽培试验,动态测定了张杂谷子不同叶位的叶片长度（最大长度）、叶片宽度（最大宽度）、叶片生物量、茎节长度（最大长度）、茎节生物量以及谷穗长度和谷穗生物量,分析了不同器官生物量与其几何形态结构特征参数的异速变化关系,构建了基于生物量的谷子器官几何形态结构生长模型。结果表明,叶片生物量与叶片长度、茎节生物量与茎节长度、谷穗生物量与谷穗长度的异速变化关系采用幂指数方程表示,方程的决定系数分别为0.83、0.77和0.98,叶片生物量与叶片宽度呈二次曲线变化,决定系数为0.80,各方程显著性检验结果均显示达极显著水平（P<0.01）;叶片长度、叶片宽度的实测值与模型模拟值的均方根误差分别为5.28 cm和0.35 cm,茎节长度的实测值与模型模拟值的均方根误差为1.17 cm,谷穗长度的实测值与模型模拟值的均方根误差为2.40 cm。谷子不同器官的几何形态结构参数与其对应的累积生物量之间存在显著的统计相关性,采用构建的生物量预测谷子器官几何结构模型具有较高的精度。     

基于数码图像的甜菜氮素近地遥感监测模型

为定量研究利用数码图像进行甜菜冠层叶片氮含量(Leaf nitrogen content,LNC)时空变化监测的适宜性及准确性,以2014年内蒙古赤峰市松山区太平地镇田间试验为基础,在甜菜各生长阶段采集甜菜冠层数码图像,利用数字图像处理技术对图像进行分割并提取红光值(R)、绿光值(G)和蓝光值(B)。分析R/B、G/B等9个颜色参数与不同生育期冠层LNC的相关性,并研究冠层LNC随施氮量的变化规律,探寻适宜于甜菜氮素营养监测的关键生育时期及最佳颜色参数。分别利用支持向量机(Support vector machine,SVM)和BP人工神经网络(BackPropagation artificial neural network,BP-ANN)建立甜菜冠层LNC预测模型。研究结果表明,BP-ANN预测模型具有较高且较稳定的预测精度,其验证集的决定系数R~2和均方根误差RMSE分别为0.74和2.35,与SVM模型相比,BP-ANN模型的决定系数R~2提高了12.12%,均方根误差RMSE降低了8.09%。     

石灰岩山地淡竹生物量模型研究

【目的】为解决石灰岩山地淡竹生物量、特别是地下生物量测定困难的问题,在江西省瑞昌市石灰岩山地淡竹林中随机选取40株淡竹构建生物量模型。【方法】通过测定构件因子和构件生物量,分析了两者的相关性,并利用二元一次函数、一元二次函数、幂函数等模型对各构件生物量及总生物量进行建模。【结果】(1)淡竹地上及地下部分各构件生物量与胸径、地径、竹高、枝下高密切相关,其中胸径与各构件生物量相关性最为密切(P0.01);(2)地上生物量、地下生物量和总生物量模型R~2均高于0.85,叶、枝、秆和蔸的拟合模型R~2均高于0.75,其次为根(R~2=0.686～0.701),鞭的拟合度最低(R~2=0.302～0.315);(3)经过检验,以胸径为自变量的一元二次函数模型具有良好的拟合精度,为最佳模型,其对地上生物量(R~2=0.975、RMSE=0.163、AIC=-143)、地下生物量(R~2=0.854、RMSE=0.048、AIC=-241)和全株总生物量(R~2=0.94,RMSE=0.287、AIC=-98)均具有较好的预测效果。【结论】筛选出的模型W=aD~2+bD+c,只需获取胸径数据便可以方便、快捷、准确地预测淡竹生物量,这为淡竹林生态经营以及竹林碳汇测算等研究提供了技术支撑。     

基于非成像高光谱的高山松叶绿素估算模型研究

以云南省香格里拉县建塘镇的高山松为研究对象,使用ASD Field Spec 3便携式野外地物光谱仪测定高山松叶片光谱,并在实验室测定叶片样本的叶绿素含量。经光谱分析技术及统计相关分析法进行光谱数据的分析处理,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,建立与叶绿素含量间的单变量估测模型和双隐层BP神经网络预测模型,并采用决定系数(R~2)、均方根差(RMSE)和相对误差(RE)进行精度检验。结果表明,单变量模型以一阶微分光谱反射率的三次函数模型为最优模型,其R~2、RMSE、RE分别为0.511、1.297 6mg/g、10.06%,而基于双隐层BP神经网络最优模型的R~2、RMSE、RE分别为0.637、0.384 1mg/g、9.47%,精度达到90.53%,经比较得出其具有较优的预测能力,充分体现BP模型的可行性,为快速、准确的估测高山松叶绿素含量提供有利的理论依据。     

福建木荷地上部分相容性生物量模型研究

基于160株木荷样木实测数据,以胸径、树高以及两者的组合变量作为模型的自变量,通过2种方案(总量控制方案与代数和控制方案)非线性度量误差联立方程组估计法,并采用加权回归消除异方差,构建木荷一元、二元独立与相容性生物量模型;基于一元相容性模型,探讨各组分生物量相对于地上总生物量的分配规律。结果表明:2种方案建立的相容性生物量模型拟合效果与估计精度良好且各组分生物量模型拟合情况基本一致,R~2≥0.845、MPE≤4.592%,综合分析采用代数和控制方案较好;在各组分独立模型与相容性模型中,二元生物量模型拟合效果明显优于一元模型,且以D~2H为自变量的二元模型最优;2种方案相容性生物量模型各器官生物量分配规律基本相同,随着胸径增大,树干、干材生物量占地上总量比先增大最后趋于稳定,树冠、树皮和树叶生物量占比先减小最后趋于稳定,树枝生物量占比变化不大;当胸径≥30 cm,占比趋于稳定,树干、干材、树皮、树冠、树枝和树叶生物量占比为74.5%～75.2%、68.9%～69.2%、5.6%～6.1%、24.8%～25.4%、21.5%～22.8%和2.6%～3.2%。     

广东省枫香单木干材生物量生长模型的研建

枫香（Liquidambar formosana）是我国闽北林区重要的乡土树种,生长迅速、适应性强,在观赏、药用、用材等方面都有着重要作用。单木模型是林分模型的基础,通过建立单木生物量生长模型,在时间维度上分析林木生物量生长的动态变化,以期为全面评价森林的固碳能力提供科学依据。采用典型抽样的方法,从广东省9个地区的一类样地附近抽取枫香样木40株（天然起源25株,人工起源15株）,破坏性实测各组分的生物量并进行树干解析得到样木的生物量生长数据。基于逻辑斯蒂（Logistic）、坎派兹（Gompertz）和理查德（Richards）3种基础生长方程,利用哑变量的方法,建立分起源和立地等级的枫香干材生物量生长模型,以决定系数R²、均方根误差RMSE、总相对误差TRE和平均预估误差MPE 4个指标来评价各模型,进而分析枫香干材生物量的生长过程。结果表明,Richards方程在基础模型中效果最佳（R²=0.61,RMSE=50 kg）;与Richards方程相比,哑变量模型R²提高了11%,RMSE降低了7.95 kg;起源与立地等级对枫香干材生物量均产生了较大影响,在天然起源的高立地等级条件下,枫香干材理论最大连年生长量和平均生长量分别在其生长的第23年和第38年到达。     

气候对云南松林分生物量的影响研究

基于云南省森林资源连续清查数据和气象站点数据,以为云南松林为研究对象,利用13种基础模型对林分生物量生长进行拟合,选取最优模型引入气象因子,分析林分生物量与不同气象因子的相关性。结果表明:年平均降水量(MAP)和年平均日照时数(MASD)与云南松林分生物量的相关性不显著;年平均温度(MAT)和年平均生物学温度(BT)与云南松林分生物量存在极显著的负相关关系(P0.01);以决定系数(R2)和均方根误差(RMSE)为指标,选出最优模型为Gompertz模型,R2达到了0.461,RMSE为23.184 t/hm2;分别将MAT、WI、BT、HI气象因子引入最优模型后,模型RMSE和绝对平均相对误差(RMA)均有所降低,R2分别达到0.524、0.532、0.520、0.521;预估精度(P)分别达到73.349%、71.792%、72.863%、62.354%。因此引入气象因子将提高云南松林分生物量生长模型的拟合精度。     

基于k-NN非参数模型的高山松生物量遥感估测研究

以香格里拉高山松为研究对象,Landsat8/OLI为信息源,在前期进行香格里拉市高山松遥感特征光谱提取的基础上,结合地面50个实测样地数据,建立了研究区高山松地上生物量k-最近邻法(k-NN)遥感估测模型。结果表明,采用欧式距离度量特征变量间的相似度,距离分解因子t、最近邻数k值分别取2和4的模型参数结构下拟合精度达到最佳,决定系数(R~2)为0.71,均方根误差(RMSE)为18.21 t/hm~2;基于像元尺度的优化模型估测得到香格里拉市的生物量约为0.22亿t,研究结果可为低纬度高海拔地区的森林生物量遥感估测提供案例。     

Growth simulation and yield prediction for perennial jujube fruit tree by integrating age into the WOFOST model

Mathematical models have been widely employed for the simulation of growth dynamics of annual crops, thereby performing yield prediction, but not for fruit tree species such as jujube tree(Zizyphus jujuba). The objectives of this study were to investigate the potential use of a modified WOFOST model for predicting jujube yield by introducing tree age as a key parameter. The model was established using data collected from dedicated field experiments performed in 2016–2018. Simulated growth dynamics of dry weights of leaves, stems, fruits, total biomass and leaf area index(LAI) agreed well with measured values, showing root mean square error(RMSE) values of 0.143, 0.333, 0.366, 0.624 t ha~(–1) and 0.19, and R~2 values of 0.947, 0.976, 0.985, 0.986 and 0.95, respectively. Simulated phenological development stages for emergence, anthesis and maturity were 2, 3 and 3 days earlier than the observed values, respectively. In addition, in order to predict the yields of trees with different ages, the weight of new organs(initial buds and roots) in each growing season was introduced as the initial total dry weight(TDWI), which was calculated as averaged, fitted and optimized values of trees with the same age. The results showed the evolution of the simulated LAI and yields profiled in response to the changes in TDWI. The modelling performance was significantly improved when it considered TDWI integrated with tree age, showing good global(R~2≥0.856, RMSE≤0.68 t ha~(–1)) and local accuracies(mean R~2≥0.43, RMSE≤0.70 t ha~(–1)). Furthermore, the optimized TDWI exhibited the highest precision, with globally validated R~2 of 0.891 and RMSE of 0.591 t ha~(–1), and local mean R~2 of 0.57 and RMSE of 0.66 t ha~(–1), respectively. The proposed model was not only verified with the confidence to accurately predict yields of jujube, but it can also provide a fundamental strategy for simulating the growth of other fruit trees.     

长白山林区14种幼树生物量估测模型

以长白山林区林下14种幼树为对象,采用收获法对胸径D1.3≤2.5cm的幼树植株进行随机取样,通过对不同树种各器官和全株生物量的统计,建立了幼树生物量的最优估测模型,并进行了实测验证。结果表明:以地径(D0)和地径平方与株高乘积(D20H)为自变量,拟合的14种幼树各器官和全株生物量最优模型为幂函数,并达到了极显著水平,而且都有较大的R2值(0.712～0.983)和较小的SEE值(0.217～1.122)。幼树器官和全株生物量最优回归方程的R2值,从大到小依次为全株生物量地上部分枝地下部分叶。验证结果表明:以地径(D0)为自变量时,建立的幼树器官和全株生物量模型,对生物量的估测结果均较为准确。自变量为地径平方与株高乘积(D20H)时,怀槐、东北槭等8种幼树器官和全株生物量模型对生物量预测效果较好;除红松、拧筋槭等6种幼树部分器官和全株生物量模型估测效果相对较差外,其他模型均可对生物量进行准确估测。     

基于高光谱成像技术的羊肉新鲜度预测

为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。     

规模化奶牛场泌乳牛粪便氮磷含量预测模型研究

为了探讨基于泌乳牛日粮营养成分及其基本生产状况预测粪便氮磷含量的可行性,建立粪便总氮（fecal nitrogen,FN）、粪便总磷（fecal phosphorus,FP）含量的预测模型。本试验以中国荷斯坦奶牛为研究对象,选取天津市具有代表性的 7 家规模化奶牛场为采样点,利用问卷调查收集了 20 组泌乳期奶牛日粮营养成分及基本生产状况等基础数据,并采集了 60 份粪便样品,测定其氮磷含量。选取其中 14 组泌乳期奶牛日粮营养成分及基本生产状况等基础数据和 48 份泌乳牛粪便的氮磷含量,利用 SAS 统计分析软件,对其进行相关性分析和回归分析,建立预测模型。结果表明：日粮有机质摄入量（organic matter intake,OMI）和粗脂肪摄入量（crude fat intake,CFi）与泌乳牛粪便总氮含量有显著的正相关性,相关系数分别为 0.836 和 0.705。泌乳牛体重（body weight,BW）与粪便总磷含量呈负相关性,相关系数为-0.525。利用多元线性回归分析建立的预测模型的决定系数 R² 显著高于一元线性回归方程。其中基于泌乳牛产奶量（milk yield,MY）,产奶天数（days in milk,DIM）,日粮有机质摄入量 OMI 和氮摄入量（nitrogen intake,NI）建立的粪便总氮含量的预测模型的决定系数 R² 可达 0.96（P约0.001）,预测方程为：y=0.43+0.29×MY+0.02×DIM+0.92×OMI-13.01×NI。粪便总磷含量的预测模型的决定系数 R² 相对低于总氮含量的预测模型,最高为 0.62（P约0.10）,预测方程为：y=22.97-0.026×BW-4.02×NI+14.63×PI（phosphorus intake,PI）。最后利用 6 组泌乳牛日粮营养成分及其基本生产状况的基础数据和对应的 18 份粪便样品的氮磷含量对最优预测模型进行了外部验证。结果表明,粪便总氮含量和总磷含量的预测值与测定值间的相对误差分别为1.62%和 3.81%,预测标准差分别为 0.70 mg·g^-1 和 0.68 mg·g^-1,模型取得较理想的预测结果。     

一种基于改进时间卷积网络的生猪价格预测方法

针对传统的生猪价格预测方法存在预测精度不够高，容易陷入局部最小值等问题，为更加精准地预测生猪价格，采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法，以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本，对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606，平均绝对误差(MAE)为0.288 424，决定系数(R²)为0.995 683，均优于其他3种机器学习模型；与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较，3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。     

黑龙江西部地区人工小黑杨立木可加性生物量模型

目的森林生物量和碳储量是研究许多林业问题与生态问题的基础。因此,准确测定生物量和碳储量十分重要。建立生物量模型是生物量和碳储量估测的重要手段。以人工小黑杨为研究对象,进行各分项生物量最优模型的选取,构建3种小黑杨可加性生物量模型系统,即基于胸径变量的一元可加性生物量模型系统、基于胸径和树高变量的二元可加性生物量模型系统以及基于最优变量的多元可加性生物量模型系统,为全国性生物量监测提供可靠的理论与技术支持。方法采用聚合型可加性模型来建立生物量模型;模型参数估计采用非线性似乎不相关回归模型方法;采用“刀切法”评价所建立的3种立木可加性生物量模型。结果仅含有胸径的异速生长方程是一种最为简单的模型形式,且具有较高的预测精度。包含树高和树冠属性因子(冠幅和冠长)的生物量模型能提高模型的预测能力,尤其能显著提高树枝、树叶和树冠生物量模型的预测能力。所建立的3种小黑杨可加性生物量模型拟合效果较好,其调整后确定系数(R_a2)均大于0.81,平均相对误差(ME)为-1.0%~10.0%,平均相对误差绝对值(MAE)均小于25%,所有模型的平均预测精度在85%以上。多元可加性生物量模型优于一元可加性生物量模型和二元可加性生物量模型。结论为了使模型参数估计更有效,所建立的生物量模型需要考虑立木总生物量及各分项生物量的可加性。虽然获取树冠属性因子需要花费大量人力和财力,但随着林地环境的变化,多元可加性生物量模型在结合生长模型精确估计小黑杨生物量方面具有一定的优势。总的来看,所建立的立木生物量模型均可对小黑杨生物量进行很好的估算。      

基于环境卫星数据的黄河湿地植被生物量反演研究

回归模型拟合植被指数与生物量的定量关系是植被生物量反演的重要研究方法之一.研究在此基础上,基于环境卫星遥感数据和同步野外实地采样数据,以郑州黄河湿地自然保护区为试验区,比较MLRM(多元线性回归模型)与SCRM(一元曲线回归模型)反演植被生物量的能力,并估算研究区植被生物量,生成研究区生物量分布图.结果表明,文中所建立的MLRM在研究区具有较好的反演精度和预测能力.其模型显著性检验为极显著,相关系数为0.9791,模型拟合精度达到29.8 g/m2,其模型预测结果系统误差为49.9g/m2,均方根误差为67.2 g/m2,预测决定系数为0.8742,比传统的一元回归模型具有更高的精度和可靠性.估算研究区域2010年8月湿生植被生物量约为6.849199 t/hm2,相对误差为4.73％.     

土壤游离氧化铁高光谱特征与定量反演

【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。     

杉木和马尾松幼林生物产量模型研究

本文在对6年生杉木和马尾松标准木调查的基础上,应用相关分析方法,找出杉木和马尾松幼林各器官生物量与树高、胸径之间的相关关系。应用Y=aD~b和Y=aD~bH~c数学模型建立了杉木和马尾松各器官生物量的估测数学模型。其中以Y=aD~bH~c的数学模型为最佳,可作为一定立地条件下的杉木和马尾松幼林的生物产量估测。     

海口市10种行道树最优生长模型研究

行道树是城市园林植物的重要组成部分,研究其科学合理的种植密度对于城市园林植物的规划设计和管理养护具有重要意义。以海口市建成区椰子等10种行道树为研究对象,分别进行“树高?胸径”和“冠幅?胸径”相关性分析,并通过SPSS软件对调查数据进行回归分析,比较决定系数R2,P值等相关数据后,通过拟合精度检验值（总误差、平均误差、平均相对误差）检验拟合效果,最终从8个预选模型中选出各树种的“树高?胸径”和“冠幅?胸径”最优生长模型。结果表明,10种行道树的“树高?胸径”和“冠幅?胸径”相关性显著,各自的“树高?胸径”和“冠幅?胸径”最优生长模型准确度较高,20个最优模型中,幂函数模型和S模型居多。