基于GIS的紫色土区地形因子特征分析

为探索紫色土区地形因子的具体分布特点,基于ASTER GDEM(30 m分辨率),利用Arc GIS软件的空间分析等工具,提取并分析紫色土区坡度、坡长、坡度坡长因子(LS因子)、沟壑密度等地形因子的分布特征。结果表明:全区15°的陡坡占比达58%,其中秦巴山山地区陡坡占比最大,达80%;坡长在0～40 m范围内占比达60%,主要集中在川渝山地丘陵区; LS因子值15的陡坡占比达55%,主要分布在秦巴山山地区与武陵山山地丘陵区,与坡度分布一致;区域尺度的沟壑密度为0.69 km/km2,其中川渝山地丘陵区沟壑密度最小(0.57 km/km2),低于区域尺度沟壑密度均值的17.39%。研究结果可为紫色土区水土流失评价、土壤侵蚀预报及生态修复与重建提供科学依据。     

地形因子对青海祁连圆柏林土壤有机碳空间分布的影响

做为青海三江源区主要森林类型之一，祁连圆柏（Juniperus przewalskii）林提供着重要的生态系统服务功能，尤其在增加青海省陆地生态系统碳储量方面。以青海祁连圆柏林为研究对象，采用野外样地调查、室内试验和数理统计相结合的方法，分析主要地形因子（海拔、坡向、坡位、坡度）对土壤有机碳空间分布的影响。结果表明，祁连圆柏林土壤有机碳密度均值为209.56 t·hm^-2。其中，以兴海中铁林场（247.37 t·hm^-2）最大，泽库麦秀林场（158.96 t·hm^-2）最小，各区域间存在一定差异。青海祁连圆柏林土壤有机碳密度随海拔增加呈先升后降的趋势，其中，以海拔3 500～3 700 m范围最大，为255.93 t·hm^-2，海拔2 900～3 100 m最小，为152.03 t·hm^-2；土壤有机碳密度随坡度增大而下降，坡度5°～15°最大，为297.22 t·hm^-2；下坡位（251.76 t·hm^-2）＞中坡位（212.56 t·hm^-2）＞上坡位（153.24 t·hm^-2）；阳坡土壤有机碳密度（206.72 t·hm^-2）略低于阴坡（215.55 t·hm^-2）。通过t检验，不同海拔、坡度和坡位间土壤有机碳密度存在差异。总之，在不同立地因子中，海拔和坡位是调控祁连圆柏林土壤有机碳密度的主导因子。     

低山丘陵区 稻产量的地形影响因素研究要要要以重庆市綦江区为例

在GIS、Sim-DTA以及SPSS的技术支持下,以重庆市綦江区数字高程模型以及水稻产量数据为基础数据,提取坡位、高程、坡度以及地形湿度指数4种地形因子,并分别与水稻产量数据进行叠加,分析地形因子与水稻产量的关系。结果表明:中坡区域对水稻总产量的贡献率最大,是目前研究区内水稻种植的优选区域,所占比例达到57.49%;在高程250~500 m范围内,水稻种植效果最佳,水稻产量集中分布在6 000~10 000kg/hm2范围内;在坡度10°~15°范围内水稻产量分布最为集中,主要为6 000~9 000kg/hm2;在地形湿度指数5.75~6.50范围内,水稻产量集中分布在6 000~9 000kg/hm2;高程与水稻产量呈极显著负相关,相关系数为-0.317,坡度与水稻产量呈显著负相关,相关系数为-0.121,而地形湿度指数与水稻产量呈显著正相关,相关系数为0.145。     

红壤侵蚀区微地形上芒萁分布与地形湿度指数特征

南方红壤侵蚀退化区由于土壤侵蚀在均匀坡面上形成细沟、浅沟、切沟等不同规模的侵蚀沟,以及大小不等、形状各异的微地形。为研究芒萁分布与地形湿度和地表起伏的关系,本研究在实测微地形生成高精度DEM的基础上,进行地形湿度指数的计算;在以地形位置指数和坡度为主要判定依据划分坡位的基础上,采用随机采样的方法,调查实验样区芒萁生长特征。结果表明,在地表起伏的微地形上,芒萁趋向于分布在0~15°坡度的沟谷和缓坡范围内;沟底芒萁生物量、生长密度、高度分别为沟坡的2.25倍、1.57倍和1.68倍。模拟结果显示,地形湿度指数:沟谷缓坡陡坡脊部;有芒萁覆盖区与无芒萁覆盖区的地形湿度指数平均值分别为2.13和1.15,前者明显大于后者。基于上述结果,为研究南方红壤严重侵蚀退化区芒萁的生长蔓延提供理论基础和实践指导。     

基于星-机光谱融合的棉花叶片SPAD值反演

【目的】为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征。【方法】本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD（soil and plant analyzer development,SPAD）仪实地测定试验区棉花叶片叶绿素含量的相对值（SPAD值）,并获取同期试验区无人机（unmanned aerial vehicle,UAV）近地多光谱图像和研究区Sentinel-2A MSI（MSI）卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归（multiple linear regression,MLR）建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2A MSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演。【结果】研究表明,(REG-R)/(REG+R)、R/G、CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R ²提高了0.015—0.057,RMSE降低了0.457—0.638,验证R ²提高了0.040—0.085,RMSE降低了0.387—0.397,RPD提高了0.020—0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型（Fused MSI-Mod_UAV）,也可获得较高的反演精度,建模R ²达0.672,RMSE为3.982,验证R ²达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果。【结论】采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持。     

陕北小流域土地利用空间分布与地形因子关系研究

为了掌握风沙过渡区杨柳沟小流域土地利用空间分布与地形因子之间的关系,以期为该研究区水土保持规划提供科学依据,在Arc GIS 10.0的支持下,对该流域的土地利用现状图与DEM数字高程模型进行叠加提取,得出高程、坡度、坡向和沟壑密度4个地形因子信息,利用土地分布指数(LDI)分析地形因子与土地利用空间分布之间的关系。结果表明:地形因子是影响杨柳沟小流域土地利用类型的重要因素,尤其是高程、坡度、坡向和沟壑密度等地形因子,各地形因子不同等级下的土地利用方式差异明显。     

陕北小流域土地利用空间分布与地形因子关系研究

为了掌握风沙过渡区杨柳沟小流域土地利用空间分布与地形因子之间的关系,以期为该研究区水土保持规划提供科学依据,在Arc GIS 10.0的支持下,对该流域的土地利用现状图与DEM数字高程模型进行叠加提取,得出高程、坡度、坡向和沟壑密度4个地形因子信息,利用土地分布指数(LDI)分析地形因子与土地利用空间分布之间的关系。结果表明:地形因子是影响杨柳沟小流域土地利用类型的重要因素,尤其是高程、坡度、坡向和沟壑密度等地形因子,各地形因子不同等级下的土地利用方式差异明显。     

基于CARS-BPNN的江西省土壤有机碳含量高光谱预测

【目的】探讨光谱变量选择及依据土壤类型进行分层校准两种方法对高光谱预测土壤有机碳（SOC）精度的影响。【方法】以江西省为研究区,490个土壤样本为研究对象,对研究区内的所有样本以及不同土壤类型样本分别通过竞争性自适应重加权采样（CARS）算法筛选特征波段,并采用偏最小二乘回归（PLSR）、支持向量机（SVM）、随机森林（RF）、反向传播神经网络（BPNN）4种模型,对比不同土壤类型下SOC在全波段以及CARS算法筛选后特征波段的预测精度。进而,还对比了全局校准和分层校准下SOC在全波段以及CARS算法筛选后特征波段的预测精度。【结果】（1）红壤筛选的特征波段为484、683—714和2 219—2 227 nm,水稻土筛选的特征波段为484、689—702和2 146—2 156 nm。红壤采用CARS-BPNN模型预测效果最佳（R ²=0.82）,较全波段建模验证集R ²提升0.07。水稻土采用CARS-RF模型预测效果最佳（R ²=0.83）,较全波段建模验证集R ²提升0.13。（2）在总体样本上,分层校准相比全局校准精度有所提升。采用CARS-BPNN进行分层校准预测效果最佳（R ²=0.82）,较全局校准验证集R ²提升0.06。【结论】采用CARS-BPNN进行分层校准能够较好地预测江西省土壤有机碳含量,本研究可为其他类似地区预测土壤属性提供科学依据。     

基于小波分析小麦旗叶净光合速率高光谱遥感反演

精准估算冬小麦净光合速率(P_n)对监测植物生长状况和产量估计有重要意义。本文对小麦旗叶高光谱反射率通过Bior1.3小波基进行多层小波分解,分析不同尺度与净光合速率的相关性,最佳分解层次敏感波段构建光谱指数,建立BP神经网络模型并与敏感波段模型比较。结果表明:基于Bior1.3小波基变换的5层分解重构效果最好,敏感波段集中在400、600和800 nm附近;5层小波分解中高频分量cD₄最能体现与P_n有关的光谱细节信息,788与404 nm构建的差值指数(DVI[788-404])和比值指数(RVI[788-404])相关性最高,R²分别为0.75和0.72,其次为高频分量cD₅中788和400 nm的差值指数(DVI[784-400]),R²为0.71;敏感波段与高频分量cD₄光谱指数建立的BP神经网络模型对比发现,光谱指数模型精度最高,R²为0.86,RMSE为1.99。表明基于小波变换的光谱指数构建不仅可行,且精度高于敏感波段模型,能更多地反映小麦旗叶P_n的光谱细节信息,为P_n反演提供了一种有效快速的可选方案。     

高原地区生态用地分布变化与地形因子的关系研究——以河北坝上为例

以坝上高原地区为研究对象,选取1990年和2015年Landsat TM影像的解译数据为数据源,应用地形分布指数,通过GIS等工具从高程、坡度和坡向角度,分析了生态用地变化的地形梯度特征。研究结果表明:该区生态用地的分布指数随高程的增加先减小后增大,随坡度的增加而增大,而在不同坡向间起伏程度较小;与1990年相比,2015年林地在高程900¹300 m区间的分布优势有了明显提高,草地在高程9001300 m区间的分布优势有了明显提高,草地在高程900¹300 m区间的分布比例出现了大幅度下降,湿地在半阳坡和阳坡的分布比例有了显著提高。总之,坝上高原地区生态用地的分布受地形因子影响显著,生态用地的优势分布区为高程9001300 m区间的分布比例出现了大幅度下降,湿地在半阳坡和阳坡的分布比例有了显著提高。总之,坝上高原地区生态用地的分布受地形因子影响显著,生态用地的优势分布区为高程900¹300 m或15001300 m或1500²206 m、坡度>5°、坡向为半阳坡和阳坡的区域。     

黄河中游中等流域切沟空间分异规律研究

水土流失综合治理是黄河中游地区在高质量发展中面临的重要挑战,其中切沟侵蚀是产沙量最大的土壤侵蚀类型之一,严重破坏耕地土壤肥力,对农业生产危害极大。本研究针对黄土高原中等流域切沟空间分布问题,以陕北岔巴沟流域为例,基于2020年高分辨率无人机影像,选取32个小流域,结合野外实测,对切沟空间分布规律进行研究。结果表明：岔巴沟流域中游切沟最多,切沟长度密度主要集中在7～11 km·km^-2,切沟长度主要在50 m以内,切沟面积主要在500 m²以内;古代沟谷长度密度与切沟长度密度无显著相关性;切沟密度与坡面坡度、流域坡度、流域坡长等呈显著正相关,与正负地形面积比和流域海拔呈显著负相关,切沟在阴坡的分布密度略大于阳坡。研究结果可明确黄土高原中等流域尺度切沟形态特征及其分布规律,为切沟侵蚀治理及耕地保护提供理论依据。     

基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

水产颗粒饲料悬浮速度测定与分析

为获取水产颗粒饲料的悬浮速度参数，采用自制悬浮速度测定试验台对膨化饲料与颗粒饲料的悬浮速度进行测定，并采用双因素等重复试验法和响应曲面法分析了粒径（1~4 mm）和含水率（5%~25%）对水产颗粒饲料悬浮速度的影响。结果表明：粒径和含水率对膨化饲料和颗粒饲料的悬浮速度均影响极显著，且粒径比含水率对悬浮速度的影响更显著，但粒径和含水率的交互作用对悬浮速度影响不显著；膨化饲料和颗粒饲料悬浮速度均随粒径和含水率的增加而增加；以决定系数和变异系数为评价指标进行比较，膨化饲料悬浮速度的三阶预测模型效果最佳，决定系数R²为0.993 1；颗粒饲料悬浮速度的双因素交互预测模型效果最佳，决定系数R²为0.959 1。经过试验验证，膨化饲料和颗粒饲料悬浮速度预测模型的相对误差范围分别为±5.4%和±6.1%，说明预测模型可靠。试验结果可为气动式投喂装置、气力输送装置和分选装置的设计提供参考和依据。     

基于栅格DEM与水流路径的黄土区沟缘线自动提取技术研究

基于数字高程模型(DEM)进行沟缘线的自动提取是黄土丘陵沟壑区进行分布式水文计算与土壤侵蚀建模的关键技术.该文以基于栅格数字高程模型进行河网提取与流域划分技术为基础,基于栅格单元间八流向算法构建水流路径,提出一种基于汇流路径坡度变化特征确定沟坡段,进一步形成封闭沟缘线的新方法,并编程实现了该方法.通过对蔡家川流域1∶10 000等高线生成2 m数字高程模型,依据35°作为判断沟坡单元的标准,自动生成沟缘线分布图,并与原始坡度分布图比较,取得满意的结果.      

高CO2浓度下冬小麦的高光谱特征及其与叶面积指数和SPAD值的反演

以冬小麦为研究对象,利用开顶式气室试验,开展以环境CO2浓度为对照(CK)和比CK处理的CO2浓度高200μmol·mol-1(T)处理的试验,测定冬小麦主要生育期冠层光谱反射率、叶面积指数(LAI)和SPAD值,分析LAI、SPAD值与原始光谱反射率、光谱特征参数的相关性,并探究最优回归反演模型.结果表明,高CO2浓...     

Photosynthetic Response Characteristics of Maize Under Drip Irrigation Based on Machine Learning

【Objective】 This study proposed an optimized grid search method based on machine learning to solve the problem of model parameters of the photosynthetic light-response curve for drip-irrigated maize, which was often hard to determine and possesses low precision, so as to provide new ideas for photosynthetic characteristics and mechanisms of drip-irrigated maize in Ningxia. 【Method】 The experiment was conducted in 2017 and 2018 with the maize cultivar TC19, which was widely cultivated in Ningxia. Six levels of potassium application (0 (K0), 90 kg·hm ^-2 (K1), 180 kg·hm ^-2 (K2), 270 kg·hm ^-2 (K3), 360 kg·hm ^-2 (K4), 450 kg·hm ^-2 (K5)) were set, and the portable gas exchange system (Li-6400XT) was used to measure the light-response curves of maize under different potassium levels at silking stage. The grid search method based on machine learning and nonlinear regression analysis was used to revise the light response curve based on the right angle and hyperbolic correction model. The correlation coefficient (R ²), root-mean-square error (RMSE) and mean absolute error (MAE) were used to evaluate the accuracy of the model. 【Result】 The results showed that the photosynthetic parameters (Pn), transpiration rate (Tr) and stomatal conductance (Gs) of maize leaves increased first and then decreased with the increase of potassium application rate. The results of fitting evaluation indicated that the calculation results of machine learning method under K0 and K1 were better than the traditional method, in which R ² was greater than 0.991, RMSE and MAE were less than 1.487 and 1.350, respectively. The two methods have similar fitting effect under K2-K5, while R ²was greater than 0.993, RMSE and MAE was less than 0.952 and 0.860, respectively. The result of optical response characteristic parameter calculation by using the optimum fitting method (grid search method) showed that the trends of α, Pn_max, Rd, LSP and LCP were similar to their photosynthetic parameters. When the potassium application rate was 360 kg·hm ^-2 (K4), the light response characteristic parameters reached the maximum value, however, the light suppression phenomenon occurred at 450 kg·hm ^-2 (K5). 【Conclusion】 The grid search method based on machine learning could accurately fit the photo-response characteristics of drip-irrigated maize in Ningxia, and the photosynthetic performance of maize was the best when the potassium application rate was 360 kg·hm ^-2.     

基于机器学习的滴灌玉米光合响应特征

【目的】提出一种优化模型精度的机器学习网格搜索方法,解决滴灌玉米光合响应曲线模型参数确定难、精度低等问题,为滴灌玉米光合生理机制及光合响应特征提供新思路。【方法】2017年和2018年以宁夏玉米主栽品种（TC19）为试验材料,设置6个施钾水平（0（K0）、90 kg·hm ^-2（K1）、180 kg·hm ^-2（K2）、270 kg·hm ^-2（K3）、360 kg·hm ^-2（K4）、450 kg·hm ^-2（K5））,使用Li-6400XT光合仪测定不同钾肥水平下玉米吐丝期光响应曲线。运用机器学习网格搜索法和非线性回归分析法对基于直角双曲线修正模型的光响应曲线进行拟合。选取决定系数（R ²）、均方根误差（RMSE）及平均绝对误差（MAE）对模型精度进行评价。【结果】在玉米吐丝期,叶片光合参数Pn、Tr和Gs随施钾量的增加呈先增大后减小的趋势。拟合评价结果表明,在K0和K1处理下机器学习方法计算效果优于传统方法,R ²均大于0.991,RMSE均小于1.487,MAE均小于1.350。在K2—K5处理下,2种方法拟合效果相当,R ²均大于0.993,RMSE均小于0.952、MAE均小于0.860。最优拟合方法（网格搜索法）对光响应特征参数计算结果表明,α、Pn_max、Rd、LSP和LCP的变化趋势与其光合参数相似。在施钾量为360 kg·hm ^-2（K4）时,各光响应特征参数均达到最大,在450 kg·hm ^-2（K5）时出现光抑制现象。【结论】基于机器学习的网格搜索法可准确地拟合宁夏滴灌玉米光响应特征,且施钾量为360 kg·hm ^-2时玉米光合性能达到最佳。