基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算

利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI 产量最佳估产模型.在验证甘蔗叶面积指数LAI的基础上,利用遥感反演的甘蔗叶面积指数LAI进行甘蔗单产估算.结果表明:甘蔗叶面积指数LAI与NDVI之间存在显著的正相关关系,全生育期二者的相关性最高,以二次函数模型拟合效果最佳,决定系数R2为0.8429.将遥感数据反演得到的平均叶面积指数LAI数据代入甘蔗叶面积LAI-产量模型得到全县平均单产,与统计数据相比,相对误差仅为2.6％.说明该模型具有较好的估产效果,可以为甘蔗区域估产提供重要参考.     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

夏玉米叶面积指数遥感反演研究

利用LAI-2000的观测数据与基于HJ卫星遥感数据生成的植被指数,结合3种常用的回归模型,构造了夏玉米分别按全生育期、不同生育阶段和阈值分段的叶面积指数(Leaf area index,LAI)反演模型;获取了3种模式下LAI的最优反演模型;在验证和评价各模型可靠性之后,生成了夏玉米在营养生长期、抽雄期和生殖生长期的LAI分布图;并将基于HJ影像反演得到的LAIHJ与MODIS LAI产品(MOD15A2)LAIM进行了对比。研究发现,与各种通用植被指数相比,针对HJ CCD数据构造的环境植被指数HJVI与LAI的相关性在3种反演模式中均为最佳。HJVI与全生育期LAI的相关性达到0.875,在不同生育阶段与LAI的相关性也高于其他植被指数(营养生长期线性模型最佳,决定系数为0.769;抽雄期对数模型最佳,决定系数为0.783;生殖生长期指数模型最佳,决定系数为0.703)。普适性植被指数中,OSAVI适用于夏玉米生长前中期的LAI反演,NDVI适用于夏玉米生长后期的LAI反演。在夏玉米全生育期内,各植被指数与LAI的相关性整体较高,但最优回归模型出现在按不同生育阶段反演的模式中。LAI小于3时EVI为精度最佳指数(决定系数为0.358),LAI不小于3时OSAVI为精度最佳指数(决定系数为0.515)。在夏玉米3个生育阶段,LAIM与LAIHJ的相关性分别达到0.732、0.761、0.661。HJ遥感数据具有较强的LAI反演能力,其高时间和高空间分辨率的特征可以使其代替传统的中分辨率遥感数据而成为农业遥感研究的重要数据源。     

无人机多源光谱反演大田夏玉米叶面积指数

【目的】研究多源光谱反演大田夏玉米叶面积指数(LAI)的效果。【方法】以大田夏玉米为研究对象,利用无人机获取试验区不同生育期热红外以及多光谱影像,提取热红外冠层温度(TC)以及多光谱植被指数,结合地面实测LAI数据,分析光谱数据与实测LAI之间的相关关系,并将TC与筛选出的11种植被指数作为输入变量,LAI作为输出变量利用多元线性回归、支持向量机和随机森林3个算法模型训练学习,建立了夏玉米LAI的反演模型。【结果】多光谱植被指数以及TC均与夏玉米LAI在P0.000 1水平上显著相关,相关系数均在0.5以上;RF算法于拔节期、喇叭口期、以及吐丝期3个生育期的LAI预测值与实测值的R~2均高于MLR算法和SVM算法,对应的RMSE及NRMSE均低于MLR算法和SVM算法;融合热红外TC后的RF模型反演精度均有不同程度的提升,各生育期LAI预测值与实测值R~2均大于同时期未融合TC的LAI反演模型。【结论】多光谱植被指数以及TC均与夏玉米LAI具有较强的相关性,且RF算法构建的夏玉米LAI反演模型精度优于MLR和SVM算法,同时TC的加入可以有效提升夏玉米LAI反演精度。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

基于Android手机平台的冬小麦叶面积指数快速测量系统

叶面积指数（Leaf area index,LAI）是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域,在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像,同时手工测量小麦实际叶面积,根据不同测量结果计算3种叶面积指数： 将Android手机图像由RGB空间转换到HSV空间,在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积IArea;由ADC多光谱相机自带软件获取的归一化植被指数（NDVI）和调节土壤植被指数（SAVI）数据反演的叶面积指数ALAI;实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明,随着小麦不同生长期的变化,Android手机平台获取IArea与实际测量叶面积指数LAI的R2大于0.84(P小于0.01),ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R2大于0.83。     

基于“星陆双基”的冬小麦叶面积指数反演研究

为建立准确、方便的叶面积指数监测方法,运用MODIS数据光学模型反演和星陆双基协同反演法分别对2015和2016年3月中旬鹤壁市冬小麦叶面积指数反演分析。结果表明,2种LAI反演方法均能较好地反映全市冬小麦长势差异性的空间分布特征;MODIS光学模型反演法稳定性较好,但其反演值明显偏低;星陆双基协同反演法估算值与观测值吻合性较好,反演精度优于MODIS反演法。     

基于Free Search的植被叶面积指数Logistic模型研究

针对利用归一化植被指数NDVI反演的植被叶面积指数LAI时间分辨率不足的问题,对传统Logistic模型进行了改进,并引入自由搜索(Free Search,FS)算法率定模型参数,建立了一种能够模拟植被逐日LAI的Logistic模型。首先,以NOAA-AVHRR提供的月NDVI作为反演植被LAI的基础数据,采用简单生物圈模型(Si B2)反演不同土地覆被类型下的植被月LAI;其次,借鉴传统Logistic模型模拟作物干物质的思路建立了一种改进的Logistic模型,并将FS单个动物每步探查行走的位置向量作为模型参数值,利用FS的动物群体迁移行为识别改进Logistic模型的最优参数,从而研究改进Logistic模型对植被月LAI的模拟效果。呼兰河流域的应用结果表明,利用FS识别参数的改进Logistic模型对呼兰河流域6种植被的月LAI模拟效果较好,为模拟植被LAI的逐日变化过程提供了一种新方法。     

基于数字式光强传感器阵列的叶面积测量方法

为探索更实用的叶面积地面测量方法,以TSL2561为核心研制了一款数字式光强传感器阵列,制作了升降式平台进行试验。试验系统硬件采用"PC机-单片机"分布式结构,运用MatLab语言编写上位机数据采集和叶面积计算软件。在试验平台上3个不同的置物高度进行了100个细叶榕叶片样本的面积测定,分别运用多元线性回归、BP神经网络和支持向量机3种算法建立光强数据与叶面积的关系模型。结果表明:扫描图像的分辨率、目标形状对叶面积图像测算法得出的结果影响不显著;最佳置物高度为30cm;支持向量机算法效果最好,决定系数R2为0.973 3,平均相对误差为3.70%,均方根误差为0.587 2。此模型在系统中的运用可直接、快捷地测算出叶面积数据,为利用多波段透射光技术测量单叶片的叶面积提供了参考。     

基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。     

Suspended sediment load prediction of river systems: An artificial neural network approach

Information on suspended sediment load is crucial to water management and environmental protection. Suspended sediment loads for three major rivers (Mississippi, Missouri and Rio Grande) in USA are estimated using artificial neural network (ANN) modeling approach. A multilayer perceptron (MLP) ANN with an error back propagation algorithm, using historical daily and weekly hydroclimatological data (precipitation P_(t), current discharge Q_(t), antecedent discharge Q_(t−1), and antecedent sediment load SL_(t−1)), is used to predict the suspended sediment load SL_(t) at the selected monitoring stations. Performance of ANN was evaluated using different combinations of input data sets, length of record for training, and temporal resolution (daily and weekly data). Results from ANN model were compared with results from multiple linear regressions (MLR), multiple non-linear regression (MNLR) and Autoregressive integrated moving average (ARIMA) using correlation coefficient (R), mean absolute percent error (MAPE) and model efficiency (E). Comparison of training period length was also made (4, 3 and 2 years of training and 1, 2 and 3 years of testing, respectively). The model efficiency (E) and R² values were slightly higher for the 4 years of training and 1 year of testing (4 * 1) for Mississippi River, indifferent for Missouri and slightly lower for Rio Grande River. Daily simulations using Input 1 (P_(t), Q_(t), Q_(t−1), SL_(t−1)) and three years of training and two years of testing (3 * 2) performed better (R² and E of 0.85 and 0.72, respectively) than the simulation with two years of training and three years of testing (2 * 3) (R² and E of 0.64 and 0.46, respectively). ANN predicted daily values using Input 1 and 3 * 2 architecture for Missouri (R² = 0.97) and Mississippi (R² = 0.96) were better than those of Rio Grande (R² = 0.65). Daily predictions were better compared to weekly predictions for all three rivers due to higher correlation within daily than weekly data. ANN predictions for most simulations were superior compared to predictions using MLR, MNLR and ARIMA. The modeling approach presented in this paper can be potentially used to reduce the frequency of costly operations for sediment measurement where hydrological data is readily available.     

两种施肥水平下根区局部灌溉对甜玉米水分利用的效应

根区局部灌溉如分根区交替灌溉和部分根干燥灌溉是新的高效节水技术。研究了两种施肥水平条件下根区局部灌溉对甜玉米叶片光合、叶面积、干物质积累和水分利用的影响。结果发现,与常规均匀灌水相比,根区局部灌溉高、低肥处理的蒸腾速率分别降低19．01％和17．50％．光合速率分别提高8．88％和18．34％,叶片水分利用效率分别提高34．69％和43．45％。随着甜玉米生育期的推进．各灌溉处理间的叶面积差异逐渐缩小;单株干物重分别下降15．14％和24．38％,蒸散量(即作物耗水量)分别下降31．28％和29．58％;冠层水分利用效率分别提高23．48％和7．40％。这表明较高肥条件下根区局部灌溉的冠层水分利用效率提高较多,因而根区局部灌溉技术的节水效应要与合理施肥相结合才能发挥更好的作用。     

二氧化氯与氯混合消毒对水消毒效果的影响

研究了二氯化氯（ClO2）和氯（Cl2）混合消毒剂与氯化前驱物间苯三酚和间苯二酚反应后三氯甲烷（CHCl3）的生成情况，混合消毒剂中ClO2质量百分数为53％和78％用于水消毒的Ames试验结果，以及混合消毒剂与间苯三酚的间苯二酚反后亚氯酸盐的生成情况。结果表明：混合消毒剂ClO2质量百分数必须足够大才可控制CHCl3的生成（ClO2＞90％），并可保证Ames试验结果为阴性（ClO2＞78％）。     

Using vegetation indices from satellite remote sensing to assess corn and soybean response to controlled tile drainage

Controlled tile drainage (CTD) is a management practice designed to retain water and nutrients in the field for crop use. CTD has shown promise for improving water quality and augmenting crop yields but findings are often restricted to field and plot scales. Remote sensing is one of the alternatives to evaluate crop responsiveness to CTD at large spatial scales. This study compared normalized and green normalized difference vegetation indices (NDVI and GNDVI) for corn (Zea mays L.) and soybean (Glycine max L.) among CTD and uncontrolled tile drainage (UCTD) fields in a ∼950 ha experimental watershed setting in Ontario, Canada from 2005 to 2008. The indices were derived from Landsat-5 and SPOT-4 satellite imagery. Log-transformed NDVI and GNDVI for soybean (R3-R6 growth stage) and corn (VT to R5-R6 growth stage) crops were higher significantly (p ≤ 0.05) for CTD, relative to UCTD for 50% (soybean) and 72% (corn) of both the log-transformed NDVI and GNDVI image acquisitions compared; only 17% and 13% were significant (p ≤ 0.05) in the reverse direction (UCTD > CTD). Log-transformed NDVI and GNDVI standard errors for CTD, relative to UCTD fields, were lower for 65% of the significant corn and 71% of the significant soybean NDVI and GNDVI comparisons for the growth stages noted above. This finding suggested overall more uniform crop growth for CTD fields relative to UCTD fields. Observed yields from a subset of commonly managed CTD and UCTD fields in the study area were not significantly different from each other (p > 0.05) with respect to tile drainage management practice; however, 87% of these paired yield comparisons indicated that CTD mean corn/soybean grain yields were greater than or equal to those for UCTD. On average, CTD observed corn and soybean grain yields were 3% and 4%, respectively, greater than those from UCTD. From observed yield and NDVI and GNDVI observations, vegetation indices vs. yield linear regression models were developed to predict grain yields over a broader land base in the experimental watershed area. Here, predicted mean yields were 0.1-11% higher for CTD corn and −5% to 4% higher for CTD soybean, relative to UCTD crops; but results varied between manured and non-manured fertilizer practices. Eighty-nine percent of the standard deviations for these yield predictions were lower for CTD relative to UCTD. The results of this study indicate that at a minimum, CTD did not adversely impact corn and soybean grain yields over the time span and field environments of the study, and based on the weight of evidence presented here, CTD shows general promise for augmenting crop performance. Finally, remote sensing derived vegetation indices such as NDVI and GNDVI can be used to assess the impact of agricultural drainage management practices on crop response and production properties.     

引入因素分析法的神经网络在洪水

因素分析法是一种多元统计法，可以通过线性变换，将原有数据转换成彼此不相关且维数较少的数据，本文将因素分析法引入洪水预报神经网络的输入单元精简过程，详细介绍了建模和神经网络训练过程中包括STA训练控制在内的一些关键技术问题，并通过实例评价了此应用方法的效果，通过分析，表明此方法可以在不损失或较小损失的前提下方便有效的对洪水预报神经网络结构进行精简，大大缩减了神经网络的规模，提高了效率，具有很高的实用价值。     

Quantifying the effect of Managed Aquifer Recharge on the microbiological human health risks of irrigating crops with recycled water

Managed Aquifer Recharge (MAR) is increasingly being used for water recycling via aquifers and recovery for irrigation. Quantitative Microbial Risk Assessment (QMRA) was used to assess the human health risks from irrigation using reclaimed water and to evaluate the reduction in risk where MAR is used for irrigation management. Four MAR sites (Shafdan, Israel; Nardò, Italy; Bolivar, Australia; and Sabadell, Spain) that use reclaimed water for crop and/or park irrigation were evaluated, and the risk to human health was quantified in terms of DALYs (Disability Adjusted Life Years). The results indicated that median risks for all scenarios and pathogens evaluated were acceptable (<10⁻⁶ DALYs) with the exception of risks from accidental aerosol ingestion and bacterial pathogens at the Nardò site. MAR was found to be one of the most important treatment barriers in terms of log₁₀ inactivation credits and hence a useful tool for recycled water irrigation management. The Shafdan site relied almost completely on the MAR treatment to reduce the human health risks from irrigation to acceptable levels. For the Nardò site MAR was also an important barrier, where if MAR had not been used as part of the irrigation system the risk would be unacceptable for protozoa and viruses. The Bolivar and Sabadell sites had much larger and more technologically complex recycled water treatment systems and as such MAR was not a critical barrier in managing human health risks.     

pH对土壤中三价铬吸附及影响因素分析

选取我国不同地区的4种土壤,以环境因子pH作为影响因子,采用批量平衡法针对土壤中铬的动态吸附及平衡吸附进行了研究。研究结果表明土壤中铬的吸附反应为快反应,除酸性土壤红壤在24h内铬吸附达到平衡外,其余3种碱性土壤在2h内均达到平衡。除红壤外,其余3种土壤均对铬表现出极强的吸附。土壤pH值是决定铬吸附的重要影响因子。外加溶液的pH对铬吸附的影响与土壤对酸碱的缓冲能力有关,土壤对酸的缓冲能力越强,其对铬的吸附影响越大。因此针对我国不同地区土壤pH的不同,可以通过改良其土壤pH理化性质或维持土壤的缓冲容量,降低重金属铬在土壤环境中的活性。     

基于XML技术的BOM数据的存储和表现

简述了物料清单（BOM）的结构,并分析了它的特点.提出用XML表示BOM数据,并用XML本源数据库（NXD）存储的方法.分析了BOM的对象模型,利用XML模式建立了BOM的对象模式.介绍了利用文档集合的概念存储BOM数据的方法.重点介绍了存储在XML文档中的BOM数据的验证、解析和显示方法.分析了利用XML技术存储BOM的意义及其对制造业信息化的XML标准化的影响.     

土壤湿度指数在黄土高原的适宜性评价

利用1992—2000年间黄土高原地区逐月降雨量、实测土壤湿度数据,结合GIS遥感技术、相关分析等方法,对基于TU-Wien变化检测算法,从ERS散射计数据反演获取的土壤湿度指数(SWI)或表层土壤湿度(SSM),从点和面2个尺度进行了验证。结果表明,在不同的土地利用、土壤质地和地形条件下,SWI或SSM与降水呈正相关(P<0.01)。时间序列方面,降雨、实测值和SWI或SSM基本上呈现出相同的变化趋势;空间分布上,降水和SWI具有相似的分布特征。在点尺度上,选取的7个站点的SWI与降水呈正相关(P<0.01),SWI和实测值的相关性随土层深度加深而下降,仅在10cm处达到显著水平(P<0.01)。对表层10cm的实测数据而言,降水和SWI的相关性要好于其与实测值的相关性。在黄土高原区域尺度上,SWI或SSM能够较为准确地揭示该地区表层土壤湿度的演变和空间分布特征。有长达20年(1992—2011年)之久的数据积累,并且可以免费及时获取的SWI或SSM,对于大范围实测土壤湿度数据匮乏的黄土高原地区而言,是一种具有较高利用价值的土壤湿度监测数据产品。     

基于Web变电站集中式在线监测系统远程监控的实现

对远程监控的两种模式C／S和B／S进行了分析和比较，指出了基于Web方式进行监控的优越性。在已有变电站集中式在线监测系统的基础上，结合ASP和ActiveX技术建立了可直接用Internet浏览器进行查询的远程监控系统，系统具有用户认证、数据查询以及图像显示等功能。