小麦籽粒蛋白质含量高光谱预测模型研究

为定量分析小麦籽粒蛋白质含量、叶片氮素营养指标、冠层高光谱参数的相互关系,确立能够准确预测小麦籽粒蛋白质含量的敏感光谱参数和定量模型,2003—2006年在连续3个生长季不同小麦品种和不同施氮水平的4个大田试验条件下,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量和籽粒蛋白质含量。试验1以低蛋白质含量的宁麦9号和高蛋白质含量的豫麦34为材料,试验2以低、中、高蛋白质含量的宁麦9号、扬麦12和豫麦34为材料,试验3以低蛋白质含量的宁麦9号、中蛋白质含量的扬麦10号和淮麦20以及高蛋白质含量的徐州26为材料,试验4以低蛋白质含量的宁麦9号和中蛋白质含量的扬麦10号为材料。结果显示,不同品种小麦的籽粒蛋白质含量随施氮水平的提高而增加,可以通过开花期叶片氮含量和氮积累量进行可靠的估测。而不同试验条件下的叶片氮含量和氮积累量可以基于统一的光谱参数进行定量反演,其中基于REPle和mND705的叶片氮含量监测模型及基于SDr/SDb和FD742的叶片氮积累量监测模型,具有可靠的预测性和适用性。根据特征光谱参数—叶片氮素营养—籽粒蛋白质含量这一技术路径,以叶片氮素营养为交接点将两部分模型链接,建立了基于开花期高光谱参数的小麦籽粒蛋白质含量预测模型,经独立资料检验表明,以参数mND705、REPle、SDr/SDb和FD742为变量建立成熟期籽粒蛋白质含量预报模型均给出较好的检验结果。因此,利用开花期关键特征光谱指数可以直接评价小麦成熟期籽粒蛋白质含量状况,其中基于mND705参数的预测模型更为准确可靠。     

小波分析在大豆叶绿素含量高光谱反演中的应用

实测了不同水肥耦合作用下,大豆冠层高光谱反射率与叶绿素含量数据,并对光谱反射率、微分光谱与叶绿素含量进行了相关分析;采用叶绿素A与叶绿素B诊断波段构建了特定植被指数,对叶绿素A、叶绿素B进行了回归分析;采用小波分析对采集的光谱反射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对叶绿素含量进行估算。经分析发现,叶绿素A、B与光谱反射率在可见光与近红外波段的相关系数的变化趋势基本一致——在可见光谱波段呈负相关,近红外波段呈正相关,红边处相关系数由负变正。特定色素植被指数可以提高大豆叶绿素估算精度（R2>0.73）;小波能量系数回归模型可以进一步提高大豆叶绿素含量的估算水平,以一个特定小波能量系数作为自变量的回归模型,叶绿素A其确定性系数R2为0.76,叶绿素B为0.78;以4变量与9变量回归分析结果表明：叶绿素A实测值与预测值的线性回归确定性系数R2分别大于0.85、0.89;叶绿素B实测值与预测值的线性回归确定性系数R2分别为0.86、0.90。     

3种土壤有机碳含量的研究

为了研究土壤呼吸作用产生的CO2量,分别在校花房地、南区野生大豆地和瓦房店人造湿地采集9种不同利用方式的土壤进行了有机碳含量的测定和分析。结果表明：校花房冬小麦地平均有机质含量最高,达到了11.34g/kg,南区野生大豆地有机质含量为8.97g/kg,瓦房店人造湿地有机质含量最低为8.33g/kg。经过方差分析,校花房冬小麦地有机质含量极显著高于南区野生大豆地和瓦房店人造湿地的有机质含量;南区野生大豆地的有机质含量也极显著地高于瓦房店人造湿地的有机质含量。校花房的两期播种冬小麦的土壤有机质含量差异不显著。南区不施盐碱土的有机质含量极显著地高于施盐碱土的土壤有机质含量。瓦房店人造湿地的自然状态和芦苇的有机质含量极显著地高于对照、野生大豆地和水稻地的有机质含量。     

长白落叶松播种苗数量分级研究

长白落叶松播种苗需移栽培育后才能造林,而播种苗规格差异很大,对播种苗进行数量分级可实现分类栽培、节省水肥。笔者采用主成分法对长白落叶松播种苗进行分级,筛选出播种苗分级指标为地径、大于1 cm长侧根数、大于5 cm长I级侧根数,根据这些分类指标将播种苗划分为4级,I、II、III、IV级苗所占苗木总量的比例分别为2.2%、14.8%、29.6%和53.4%,移栽后成活率分别为80.0%、70.1%、60.8%和55.0%,各级别成活率存在显著差异。结果表明,移栽前需要对播种苗进行分级,从数量指标上划分为4级是科学合理,并切实可行。     

土壤有机碳稳定性的影响

土壤有机碳是土壤的核心组成,对碳的循环很重要。土壤有机碳的稳定性不仅影响植物的生长状况,还影响生态环境。通过对国内外对土壤组分、活性有机碳的认识以及对土壤稳定性、土壤团聚体的研究,综述了影响土壤有机碳稳定的因素,以期为以后有机碳稳定性研究提供参考。     

江汉平原气候条件下小麦适宜播量研究

江汉平原秋季雨水多,小麦常无法适期播种,为弥补迟播对小麦产量的影响,盲目增加播种量而引起后期倒伏、小麦产量不增反减的现象时有发生。通过2年田间试验,研究不同播量对小麦产量及氮素吸收利用的影响,探明不同气候条件下江汉平原小麦适宜播量,以期为该区小麦高产高效栽培技术提供理论依据。于2018—2019年极端气候年份和2019—2020年正常气候年份,在江汉平原麦区的武汉布置小麦播量田间试验。试验采用三因素再裂区设计,主区因素为品种,设‘鄂麦580’、‘鄂麦170’和‘郑麦9023’3个小麦品种;副区因素为肥料,设施氮(150 kg/hm²)和不施氮2种处理;裂区因素为播量,设75、150、225、300 kg/hm²处理。结果表明,极端和正常气候年份‘鄂麦580’的籽粒产量及氮肥吸收利用率分别在播量225 kg/hm²和150 kg/hm²时最高,而‘鄂麦170’和‘郑麦9023’2个年度籽粒产量和氮肥吸收利用率均在播量为225 kg/hm²时表现良好,但正常气候年份小麦籽粒产量及氮...     

玉米粗脂肪含量高光谱估算模型初探

通过测定不同品种玉米不同器官（叶片、茎、穗和叶鞘）的室内光谱反射率及其对应的粗脂肪含量,采用相关性分析以及单变量线性拟合分析技术,对粗脂肪含量与原始光谱反射率、光谱反射率一阶微分之间的关系进行了分析。结果表明,采用高光谱反射率对玉米粗脂肪含量进行估算具有可行性。对所构建的方程采用3类指标进行精度检验,认为由1 954 nm处光谱反射率一阶微分所构建的指数模型可对玉米粗脂肪含量较好地预测。     

高光谱反演植被水分含量研究综述

高光谱反演技术凭借快速、有效和不破坏植被的优势,已成为评估植被水分含量的重要方法。本研究概述了利用高光谱数据反演植被水分含量的研究进展。重点介绍了反演植被水分含量模型所用高光谱参数、指数的选择与变换方法,以及建立植被水分含量模型的几种常用方法,并分析了各种方法的适用条件。最后针对目前的研究进行了展望。     

农田土壤有机碳库研究述评

农田土壤作为陆地生态系统的重要组成部分,是受人为活动干扰严重但又可在较短时间内调节的碳库,在全球碳循环中占据着非常重要的地位。深入探讨分析农田土壤有机碳库及其影响因素对全球生态系统碳平衡以及农田土壤利用的可持续性都具有十分重要的意义。笔者以农田土壤有机碳库基本问题为核心,对国内外有关农田土壤有机碳库的分类与组成、有机碳固定潜力以及有机碳固定影响因素的研究进展进行了总结。最后指出今后的重点研究方向包括全球不同地区农田土壤有机碳的固定周转机制、有机碳固定潜力,农田土壤有机碳库受各种因素的影响程度,农田土壤碳循环过程与地球表层过程的耦合机制以及如何设计合理有效的农田管理措施以达到最大的固碳潜力等几个方面。     

长期不同施肥措施下华北潮土土壤有机碳的固存变化

为揭示小麦秸秆还田及施肥对潮土土壤有机碳演变的影响,以指导华北潮土培肥增产。在辛集马兰设置22 a潮土长期定位试验(1992-2014年,试验包含4个处理,NP:不施钾+秸秆不还田; NPK:平衡施肥+秸秆不还田;NPS:不施钾+小麦秸秆还田; NPKS:平衡施肥+小麦秸秆还田),研究不同施肥措施下试验年限、碳投入、碳平衡与土壤有机碳含量的响应关系。结果表明:所有处理表层(0～20 cm)土壤有机碳含量随时间均呈增加趋势,NP、NPK、NPS、NPKS增加速率分别为0. 06,0. 17,0. 25,0. 34 g/(kg. a),且22 a后各处理土壤有机碳储量均增加,分别增加为2. 2,6. 2,5. 9,8. 9 t/hm~2,固碳速率分别为0. 10,0. 28,0. 27,0. 40 t/(hm~2·a)。土壤有机碳储量变化与累积碳投入变化量呈线性相关关系(y=0. 091x-0. 241,R~2=0. 360*),在小麦秸秆还田下,维持初始有机碳水平的累积碳投入量为2. 65 t/hm~2,固碳效率为9. 1%。通过边界线分析可知,小麦和玉米生产中稳产高产最低土壤有机碳含量分别为9. 47,9. 04 g/kg,未达到此值时土壤有机碳含量每增加1 g/kg,小麦籽粒产量增加167. 5 kg/hm~2,玉米籽粒产量增加678. 5kg/hm~2。秸秆还田和平衡施肥是华北潮土有机碳含量提升和土壤碳库保育的重要手段,连续秸秆还田和平衡施肥对保证该区域粮食生产高产稳产有重要作用。     

基于时间序列SVR模型的玉米价格预测研究

研究旨在运用时间序列和支持向量回归(support vector regression,SVR)理论,建立短期玉米价格预测模型,为玉米市场监测预警提供技术支持与决策依据。本研究根据玉米价格序列波动的非线性特征,以河南省2010年1月1日—2019年6月30日的月度数据为研究对象,结合混沌性时间序列与SVR理论,研究一种短期玉米价格预测模型。通过相空间重构的方法对价格序列进行处理,利用重构后的数据训练模型,运用网格交叉验证(GridSearchCV)对研究模型进行优化。得到一种基于时间序列支持向量回归的玉米价格预测模型。将研究模型的预测结果进行对比分析,结果显示,研究模型的预测值更贴近真实值,其平均相对误差(MRE)和均方根误差(RMSE)分别为0.006和20.57,优于传统支持向量回归模型的预测结果。研究模型可以为玉米价格预测提供方法依据,且相较于传统预测方法在精度方面具有优势。     

基于SAGA-SVR的马铃薯贮藏库温度预测方法

马铃薯贮藏库温度受室外温度、室内马铃薯呼吸释放温度、通风降温等因素的影响难以准确预测,提出了一种改进遗传算法(Genetic Algorithm,GA)优化支持向量回归机(Support Vector Regression,SVR)的马铃薯贮藏库温度预测方法。该方法针对支持向量回归机参数难以选择、容易陷入局部极小的缺点,引入了具有并行性、全局搜索能力强的GA算法,结合局部搜索能力强的模拟退火算法(Simulated Annealing,SA),实现支持向量回归机的自动寻优。以新疆某农产品加工公司马铃薯贮藏库实测温度数据为样本,建立SAGA-SVR马铃薯贮藏库温度预测模型,进行贮藏库温度准确的预测。仿真结果表明,与GA-SVR、反向传播(Back Propagation,BP)温度预测模型的预测结果相比较,SAGASVR预测结果优于GA-SVR、BP预测结果,具有良好的预测效果。该预测方法较好地解决了系统非线性、小样本等问题,为类似应用场合地温度预测提供参考。     

土壤类型信息在土壤有机碳空间预测中的应用研究

为了探讨土壤类型作为辅助信息提高潮土区土壤有机碳(SOC)空间预测精度的可行性,基于江苏省沛县212个土壤预测样点和80个验证点,比较分析了普通克里格(OK)和结合土壤类型信息的克里格(STK)2种方法对土壤有机碳的空间预测精度。结果表明,各土壤类型间的SOC含量存在较大差异,其中淤土的含量最高(16.35 g/kg),而沙土含量最低(8.58 g/kg),两合土和轻盐碱土介于两者之间;直接利用OK方法对区域SOC预测时的平滑效应较强,导致误差较大,其80个验证点的真实与预测值的散点图相关系数r为0.45,均方根误差(RMSE)为7.36 g/kg;而STK相应的相关系数r为0.75,RMSE为4.90 g/kg,较前者降低了33.5%;同时,STK预测图斑能较OK更好地反映SOC在各土壤类型间的变异特征。说明STK方法消除了土壤类型间SOC含量差异较大的影响,降低了克里格平滑效应,从而较大幅度地提高了预测精度。表明与SOC关系密切的土壤类型信息,可在潮土区作为辅助信息以提高区域SOC的空间预测精度。     

Prediction on the softening point of bitumen in producing by using SVR

According to an experimental dataset on the softening points of 30 bitumen samples under different resistances and temperatures, the support vector regression (SVR) approach combined with particle swarm optimization (PSO) for its parameter optimization is proposed to conduct leave-one-out cross validation (LOOCV) for modeling and predicting the softening point of bitumen, and its prediction result is compared with that of multivariate linear regression (MLR). The maximum error 2.1 ℃ predicted by SVR is much less than 7.9 ℃ which is calculated by MLR modeling. The statistical results reveal that the root mean square error (RMSE=0.75 ℃), mean absolute error (MAE=0.32 ℃) and mean absolute percentage error (MAPE=0.28%) achieved by SVR-LOOCV are all less than those (RMSE=3.3 ℃,MAE=2.6 ℃ and MAPE=2.34%) calculated via MLR model. This study suggests that the softening point of bitumen can be forecasted timely by SVR to provide an accurate guidance for producing of high-quality bitumen.     

松辽平原玉米带高产土壤有机无机复合体组成及有机碳分布的研究

为了探讨不同施肥和耕作方式对土壤有机无机复合体组成及有机碳分布的影响,采用超声波分散、颗粒大小分组法对松辽平原玉米高产土壤进行研究。结果表明,土壤中有机无机复合体以细砂复合体为主,约占40%~70%,粘粒、粉粒复合体次之;与对照相比,高产土壤粘粒复合体含量较小,平均差值为5.05%和7.60%;结合无机颗粒对比,粉粒、细砂复合体有所增多,增幅为0.1%~3.7%,粉粒增幅大于细砂,粘粒复合体减少,约为0.1%~5%,高产土壤减小量大于对照。有机碳主要存在于小粒级复合体中,随着复合体粒径的增大,有机碳各组分的相对含量减少(A1>A2>A3);与对照相比,高产土壤中各级复合体有机碳含量均高于对照（1号>6号,10号>14号）,而有机碳贮量在高产土壤粘粒复合体中低于对照（1号<6号,10号<14号）,在粉粒复合体中明显高于对照（1号>6号,10号>14号）。     

基于支持向量机方法的森林火险预测研究

以利用气象数据预测森林火险等级为目的,使用半正定规划建模选定支持向量机的最优核函数,依据500余条林火数据建立了支持向量回归机模型,并使用回归误差特征曲线图对比分析各个回归模型的学习效果。分析得到该自定义核函数的均方误差为1.76,支持向量数为190,约占训练数据集的1/2。结果表明,与传统的线性回归方法及基于高斯核的支持向量机相比,该预测模型具有较高的准确率并且有效的避免了过学习的现象。     

基于PSO-SVM的高光谱数据降维的可靠性研究

PSO结合SVM算法对高光谱数据波段进行优化,每次搜索结果不一定相同,因此很多学者对此类算法的可靠性存在疑问。为了证明PSO-SVM降维算法的可靠性,利用PSO-SVM算法对杉木和马尾松的幼中成熟林的高光谱原始数据、一阶微分变换数据、对数变换数据及归一化变换数据进行降维运算,对降维后选择的波段分别利用支持向量机（SVM）、BP神经网络、Mahalanobis距离分类法、Fisher分类法及贝叶斯分类法进行分类,分类结果中,Fisher分类法的结果最好,所有的分类结果均在90%以上,SVM和BP神经网络的分类结果都保持在80%以上,贝叶斯分类法分类精度最差,所有分类结果均未超过90%,最差结果为43.75%。同时,将PSO-SVM与PCA算法进行对比分析,发现在马尾松和杉木的分类过程中PSO-SVM算法优于PCA算法。最后得出结论,PSO-SVM算法提取的特征对Fisher、SVM及BP神经网络分类法有效;当光谱数据差异非常微小时,PSO-SVM比PCA对特征的提取更有效。     

不同颗粒大小对高光谱估算土壤有机质含量的影响

研究旨在对不同颗粒大小的土样进行土壤有机质含量高光谱估算建模,以期得到土样制备时合适的土样颗粒大小,减少不必要的工作量。笔者对过10、20、60、100目筛的土样进行高光谱数据测量,并对光谱数据进行反射率(R)、反射率一阶导数(R’)和反射率倒数对数[Log(1/R)]3种光谱数据变换,然后运用偏最小二乘回归法(PLSR)、支持向量机法(SVM)和PLSR-SVM相结合的方法建立土壤有机质含量估算模型。研究结果表明：土壤颗粒大小对土壤光谱反射率有明显影响,颗粒越小,土壤光谱反射率越高;运用PLSR-SVM建立的SOM估算模型比只利用PLSR或SVM建立的模型精度高;当土壤颗粒大小＜0.25 mm时,对于SOM光谱估算模型精度的提高没有太大的帮助。该试验为进行土壤有机质含量高光谱估算制备土样提供指导。