基于组合模型的玛纳斯河流域农田土壤盐分反演

盐渍化是影响土壤质量和作物生长的重要因素之一，利用遥感技术大面积获取土壤盐分信息具有重大意义。以新疆玛纳斯河流域农田为研究对象，将偏最小二乘回归模型(PLSR)和BP神经网络模型(BPNN)相结合，构建组合模型来反演土壤盐渍化状况。结果表明，与土壤盐分相关性较高且具有代表性的遥感指数为归-化植被指数(NDVI)、比值植被指数(RVI)和土壤调整植被指数(SAVI)，其相关性系数分别为-0.746、-0.663和-0.733。单项预测模型中偏最小二乘回归模型的预测精度最高，其决定系数(R²)为0.759，均方根误差(RMSE)为3.159。组合模型R²为0.797,RMSE为3.611，其验证精度较单项预测模型有所提高，较PLSR模型提高了0.038，较BPNN提高了0.094。组合模型可更准确地预测出玛纳斯河流域农田土壤盐分空间分布状况。玛纳斯河流域农田土壤盐渍化以轻度和中度盐渍化为主，所占比例达到35.34%和25.66%，与实测结果一致。组合模型较单项模型可以获得更准确的土壤盐分空间分布状况，为新疆玛纳斯河流域农田土壤盐渍化治理和土地资源...     

不同覆盖类型土壤电阻率影响因子及其PLS和BP模型的预测研究

土壤电导率是反映土壤质量和物理性质的重要参数。本研究通过对试验区不同覆盖类型下土壤温度、含水量及电导率的测试,探讨土壤温度和含水量对土壤电阻率的影响。结果表明,不同土壤覆盖类型土壤温度的变化对土壤电阻率的影响不同,土壤电阻率随着土壤含水量的增加而逐渐变小。将偏最小二乘回归模型(PLS)与BP神经网络模型应用于土壤电阻率的预测,PLS模型及BP神经网络模型对土壤电阻率预测皆有较好效果,偏最小二乘回归模型对沙地和草地土壤电阻率预测的误差较小,BP神经网络对农田土壤电阻率建模精度较为理想。     

丘陵区耕地土壤有机质含量高光谱估测研究

本文以钢城区2个丘陵村耕地土壤为研究对象,通过野外采样、自然风干、化验分析、高光谱测定及数据处理等,确定最佳高光谱变换方式并筛选显著性波段,建立随机森林(RF)、支持向量机(SVM)、偏最小二乘回归(PLSR)和多元逐步回归(SMLR)4种估测模型,对比分析确定最佳估测模型.结果表明:高光谱变换处理可以扩大光谱曲线特征...     

区域水稻田土壤-作物系统重金属污染高光谱遥感定量估测

为了探究动态、无损伤监测区域农田土壤重金属污染和借助土壤-作物系统机理定量反演土壤重金属含量的科学方法,从2018—2020年采集了江苏省宜兴市徐舍镇的22个水稻田样地共76个点的土壤样品,利用地面高光谱仪系统获取了水稻叶片光谱与水稻的生长系统等数据,在实验室测量了土壤中镉(Cd)、砷(As)含量等指标,将水稻叶片光谱进行平滑处理和7种形式的数学变换并进行Pearson相关性分析以筛选相关波段,通过遗传算法优化的偏最小二乘回归法构建了土壤Cd、As含量的估测模型。研究结果表明,估测土壤Cd、As含量的最佳模型均为倒数对数一阶微分光谱模型,r²分别为0.77和0.89,外部验证均方根误差(RMSEP)分别为0.058和0.297,相对分析误差(RPD)分别为2.09和2.97,具备近似定量估测土壤Cd含量的能力及定量估测土壤As含量的良好精度。通过地面实测数据验证,2个最佳估测模型预测精度分别达70%及80%以上;且光谱预处理技术可以去除原始反射率的冗余信息并减弱背景噪声,突出光谱信息;采用遗传算法先筛选特征波段再进行偏最小二乘回归建模,可提高模型的精度。研究可为实...     

基于高光谱的土壤有机碳含量预测研究

[目的]对土壤有机碳含量进行预测研究。[方法]利用高光谱仪对表层土壤进行光谱测定并且进行光谱数据的预处理,通过多元线性逐步回归(SMLR)和偏最小二乘回归(PLSR)方法对土壤有机碳含量进行预测,并对2种模型的精度进行比较。[结果]LSR模型的精度高于SMLR模型。[结论]偏最小二乘回归法优于多元逐步回归法,对有机碳的预测具有更好的效果。     

基于近红外光谱无损检测的水果品质定量分析与预测

针对近红外光谱原理、检测技术及特点,利用近红外光谱检测漫反射技术在水果品质检测方法上的定量分析进行了深入系统研究.在光谱数据预处理上平滑和导数法最常见.建立模型以偏最小二乘法较常见.以遗传算法结合偏最小二乘法、小波分析结合偏最小二乘法等为代表的建模方法,其测量精度有所提高.模型优劣评价指标主要以相关系数(R)、校正集标准偏差(RMSEC)和预测集标准偏差(RMSEP)等参数决定.最后对相关研究进行展望.     

沈阳周边农田土壤中微塑料组成与分布

为明确沈阳周边农田土壤微塑料的形态、物质组成及其空间分布特征,以沈阳周边农田土壤为研究区,共设置23个采样点,采集了84个土壤样品,采用密度分离浮选法提取出土壤中微塑料,利用光学显微镜以及热裂解气相色谱-质谱联用仪(Py-GC/MS),对土壤中的微塑料进行形态鉴定和定性定量分析。结果表明:研究区土壤中微塑料物理性状分为薄膜状、碎片状、纤维状和颗粒状;土壤中微塑料的浓度为217.30～2 512.18μg·g~(-1),平均值为1 327.69μg·g~(-1)。其中,聚乙烯(PE)微塑料的浓度最高,平均值为760.03μg·g~(-1);其次为聚丙烯(PP)和聚苯乙烯(PS),平均值分别为374.07μg·g~(-1)和193.59μg·g~(-1);土壤中微塑料浓度在空间上呈现出西部土壤(平均值1 569.59μg·g~(-1))东部土壤(平均值1 320.28μg·g~(-1))北部土壤(平均值1 217.56μg·g~(-1))南部土壤(平均值1 208.85μg·g~(-1))。土壤微塑料浓度从地表向下明显降低,从表层土壤(0～5 cm)的998.76μg·g~(-1)减少到深层土壤(20～30 cm)的193.00μg·g~(-1);不同的土壤种植模式对土壤微塑料浓度的影响明显,其中大棚土壤微塑料浓度较高,平均值为1 439.56μg·g~(-1),露天农田微塑料浓度平均值为1 187.76μg·g~(-1)。生菜、葡萄、黄瓜大棚种植以及露天农田覆膜玉米种植模式下土壤微塑料含量较高。研究表明,沈阳周边农田土壤中微塑料主要组成类型为PE、PP和PS,且随土层加深,土壤微塑料浓度明显降低。     

辽宁地区农田土壤中微塑料丰度及其在团聚体中的分布特征

为了明确辽宁地区农田土壤微塑料污染情况,本研究以辽宁14个地区的农田土壤为研究对象,采用密度分离和氧化分解的方法,结合显微镜和红外光谱技术测定了土壤及各级团聚体中微塑料的丰度和分布特征。结果表明：辽宁地区农田土壤中微塑料丰度为3 605个·kg^-1,主要包括纤维状、颗粒状、块状和薄膜状4种形状,其中纤维状最多(42.11%),颗粒状和块状次之(29.10%和22.32%),薄膜状最少(6.47%)。纤维状微塑料的主要成分是尼龙,颗粒状微塑料的主要成分是聚对苯二甲酸乙二酯,块状和薄膜状微塑料的主要成分是聚乙烯。辽宁14个地区农田土壤中微塑料丰度及其形状组成各不相同,其中辽阳、朝阳、本溪、营口地区土壤中微塑料丰度显著高于其他地区。土壤中69.14%的微塑料以与团聚体结合的方式存在,尤其与小团聚体结合的最多,另外30.86%的微塑料以分散态存在。不同形状微塑料在团聚体中的分布也不同,纤维状和颗粒状微塑料主要存在于小团聚体中,薄膜状微塑料主要存在于大团聚体中,而块状微塑料在各级团聚体中的分布没有显著差异。研究表明,辽宁地区农田土壤中普遍存在微塑料污染,但是在空间上分布不均...     

土壤养分的近红外漫反射光谱预测模型分析

针对土壤养分近红外漫反射光谱数据分析的预测问题,分别利用主成分回归和偏最小二乘回归的方法建立土壤样品的近红外漫反射光谱全氮含量的数学模型,比较模型的预测精度。研究结果表明,采用主成分回归法建模预测结果的均方根误差RMSEP为0.040;偏最小二乘回归法建模的RMSEP为0.034,通过模型验证得到的全氮含量预测值与实际值相关性分析得到主成分回归法决定系数R~2=0.873 1,偏最小二乘回归法R~2=0.903 5,表明偏最小二乘回归法所建模型预测精度优于主成分回归法。该研究为提高近红外光谱法土壤养分检测精度提供了依据。     

河南省经济增长的时间序列模型分析

在平稳性时间序列判定的基础上,对GDP增长率建立适当的ARMA(p,q)模型,根据样本自相关函数和偏自相关函数,可以判定河南省GDP增长率的时间序列模型为AR(1),即该模型的模型阶数为1。对AR(1)分别进行YuleWalker方程估计和最小二乘法估计,确定两模型均可用作随机时间模型分析。分析结果显示,通过最小二乘法估计的模型能够更好地用于预测。预测显示,河南省GDP增长在未来仍会持续,只是增长率会逐步下降。     

聚氯乙烯微塑料对土壤水分特征曲线的影响及模拟研究

为探究不同丰度（土壤干质量的0.5％、1％、2％）及不同粒径（150、550、950 μm）微塑料对土壤水分特征曲线的影响,设置10组不同处理,通过压力薄膜仪测定各处理的土壤水分特征曲线,并应用RETC软件结合各曲线模拟值对van Genuchten模型、Brooks-Corey模型等常用土壤水分特征曲线模型进行适用性评价。结果表明：相比于微塑料丰度为0.5％的处理,丰度为1.0％和2.0％的微塑料赋存条件下,随着土壤水吸力的增大,对应的土壤含水率减小的程度也增大;微塑料丰度为2.0％时的3组不同粒径处理的土壤含水率下降趋势最为明显,当土壤水吸力达到1 500 kPa时,微塑料粒径为950 μm的T9处理的含水率减小幅度最大,是未加入微塑料的T0处理的49.71％;微塑料丰度及粒径的增大会提高土壤大孔隙比例,降低土壤中小孔隙比例;适用性评价结果表明,在大粒径微塑料赋存情况下土壤残余含水量（θ_r）和形状参数（n）随着微塑料丰度的增加而增大,饱和含水率（θ_s）和进气值倒数（ɑ）随着微塑料丰度的增加而减小。研究发现,随着微塑料丰度及粒径的增大,土壤的持水能力下降,土壤大孔隙比例增加,小孔隙比例减小;van Genuchten模型比Brooks-Corey模型更适合模拟微塑料赋存下的土壤水分特征曲线,大粒径的微塑料丰度增加可能更容易影响土壤孔隙结构的变化。     

基于光谱技术的土壤快速分类方法研究

针对浙江省4种典型土壤,研究应用可见-近红外光谱、近红外光谱和中红外光谱3个波段范围进行土壤快速分类的方法.在获取光谱信息的基础上,采用不同光谱建模方法以提高检测精度,简化分析计算;并分别采用主成分分析结合人工神经网络(PCA-ANN/BP)、偏最小二乘法(PLS)和偏最小二乘法结合人工神经网络(PLS-ANN)3种方法进行建模.结果表明:中红外光谱波段对土壤分类的效果不理想,而可见-近红外光谱、近红外光谱波段均能较好地进行土壤分类;在可见-近红外波段,PLS-ANN模型对土壤的分类效果优于PCA-ANN/BP和PLS模型,为土壤快速准确分类提供了一种简便可行的方法.     

基于最小二乘支持向量机的灌区粮食产量预测研究(英文)

对常用作物产量预测模型进行了简要评述,建立了基于最小二乘支持向量机的灌区产量预测模型。最小二乘支持向量机,采用二次规划方法代替传统的支持向量机来解决函数估计问题。最小二乘支持向量机在利用结构风险原则时,在优化目标中选取了不同的损失函数,即误差ξ_i(允许错分的松弛变量)的二范数。这使得最小二乘向量机的优化问题为:min(1/2)‖w‖~2+C(1/2)sum from i=1 to 1ξ_i~2(ξ_i是松驰变量;C为正则化参数)。用于函数估计的最小二乘SVM为:y(x)=sum from k=1 to Nα_k K(x,x_k)+b。采用等式约束可以将求解的优化问题转化成线性方程,大大减少算法的复杂性,另外,采用径向基核函数的最小二乘SVM仅需确定γ、σ2个参数(γ为可调参数,σ为核函数宽度系数),参数的搜索空间由标准SVM的三维降低到二维,极大地加快了建模速度。对γ,σ2个参数通过模型评估来确定参数最优值,大大提高了预测的精度。对河南省人民胜利渠灌区作物产量进行模拟计算,并用检验样本与灰色预测和神经网络模型的预测结果进行了比较。结果表明,最小二乘SVM预测的最大误差7.12%,平均误差4.81%;灰色理论预测的最大误差38.36%,平均误差17.52%;神经网络预测的最大误差10.40%,平均误差6.80%。可见,最小二乘支持向量机模型有较高的预测精度和良好的推广能力,预测结果优于灰色预测理论和人工神经网络,可作为灌区粮食产量预测的一种新方法。     

(微)塑料污染对土壤生态系统的影响:进展与思考

塑料已经成为现代社会不可或缺的产品而被广泛应用,塑料污染也成了一个全球性的环境污染问题。近年来,土壤塑料污染的问题也开始受到关注。本文针对近几年来国内外关于塑料污染对土壤生态系统的影响进行综述,主要包括以下几个方面:(1)微塑料对土壤物理化学性质的影响;(2)微塑料对土壤微生物群落的影响;(3)微塑料与土壤动物的相互作用。最后,本文对未来关于土壤微塑料研究的重点方向进行了展望。     

基于Sobel算子的金相图边缘提取新算法

猪肉产量受诸多因素影响，因此数据波动性大，并且具有小样本性及贫信息等特点.本文采用基于最小二乘法的GM(1，1)模型对我国未来几年内猪肉产量进行了短期预测.首先,介绍了GM(1，1)模型；然后,通过最小二乘法的原理弱化波动较大的数据，减少随机性，加强规律性，建立基于最小二乘法的GM(1，1)模型；其次,结合2008至2014年我国猪肉产量数据建立预测模型；最后,使用2014年数据对模型的可靠性进行验证，基于最小二乘法的GM(1，1)模型的预测结果更加接近实际值.预测结果显示未来3年中国猪肉产量将持续增加.该模型为其他相关预测提供了理论依据，也便于我国对未来猪肉产品市场进行宏观调控，维持猪肉市场平衡，避免猪肉价格波动风险.     

基于改进遗传算法-偏最小二乘回归的大坝变形监测模型

【目的】针对常规大坝变形监测回归模型中存在的因子多重相关性干扰和模型拟合效果欠佳问题,进行偏回归模型优化方法研究。【方法】将改进的遗传算法引入大坝变形监测偏回归模型,利用遗传算法强大的自适应全局优化搜索功能,对偏最小二乘回归模型进行优化,建立了基于改进遗传算法-偏最小二乘回归的大坝变形监测模型。【结果】工程实例研究与对比分析表明,改进遗传算法-偏最小二乘回归模型在一定程度上改善了原偏回归模型存在的拟合效果不佳的问题。【结论】改进遗传算法-偏最小二乘回归模型具有较好的拟合与预测能力,有较强的工程实用性。     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

影响蛋鸭血清IGF--I含量的固定效应

对4个品系试验鸭测定所得的血清胰岛素样生长因子-I(IGF-I)含量应用线性模型进行方差分析和最小二乘平均数估计,结果表明场地和品种(系)对IGF-I含量的影响极显著(P<0.01);日龄对IGF-I含量的影响达显著水平(P<0.05).蛋鸭血清IGF-I的最小二乘平均数为116.84±33.52(mg/ml).     

基于可见-近红外光谱预处理建模的土壤速效氮含量预测

以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350~1 657 nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归(PLSR)和径向基核函数(RBF)-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数(R²)和相对分析误差(RPD)来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R²=0.94、RPD=3.88,预测集中R²=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。     

基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究

为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169～2 mm和＜0.169 mm的2种土壤样本(各53个)的可见/近红外光谱(325～1075 nm),分别建立各自的主成分-反向传播神经网络(PCA-BPNN)、最小二乘-支持向量机(LS-SVM)和偏最小二乘法(PLS)土壤有机质含量检测模型.结果表明:当土壤粒径为0.169～2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差(RMSEP)都在0.20以下;而当土壤粒径＜0.169 mm时,所建立模型的预测相关系数r均不超过0.71.而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果.