基于PSO-ELM模型的冻融期土壤蒸发预报

准确预测冻融期土壤蒸发量,对于干旱半干旱地区水资源高效利用有着重要意义.基于传统极限学习机(ELM)输入权值与阈值随机给定导致预测结果精度不高的问题,提出了一种基于粒子群算法(PSO)优化极限学习机的冻融期土壤蒸发预测模型.以2016-2017年冻融期9个影响土壤蒸发的因素作为输入因子,实测土壤蒸发量作为输出因子,分别建立ELM模型、GA-ELM模型、PSO-ELM模型对冻融期土壤蒸发量进行预测.结果表明,对输入因子进行随机函数处理后可提高模型预测精度,PSO-ELM模型预测精度优于单一ELM模型和GA-ELM模型,其决定系数为0.9936,均方根误差为0.0109 mm/d,平均绝对误差为0.0079 mm/d,平均相对误差为4.91％,可用于冻融期土壤蒸发量的预测.     

基于XGBoost的土壤含水量传感器温度补偿模型研究

土壤含水量传感器数值测定的准确性是其应用于精准灌溉实现农业节水的前提,然而土壤温度的变化对土壤含水量传感器数值采集的偏差具有显著影响.研究的目的在于分析不同土壤温度对土壤含水量传感器测定影响,进一步提出基于XGBoost(eXtreme Gradient Boosting)的土壤含水量传感器温度补偿模型,并验证和对比其预测精度.研究中分别配制土壤含水量为10％、15％、20％、25％、35％的12组梯度湿土土样基准,记录传感器在各土样中0～45℃温度变化过程的读数,并将数据集划分后用于模型训练和测试.结果表明:同一土样基准中土壤含水量传感器读数随着土壤温度的升高而增加,各土样基准类别传感器读数最大值与最小值的变幅为[3.6％,7.9％],平均读数变幅为6.25％;所提出的XGBoost土壤含水量温度校正模型能够实现对传感器土壤含水量温度影响的补偿,对测试集的均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R2)分别为0.013％、0.825％、1.165％和0.973.此外,与其他基于树和常用的机器学习模型对比结果显示研究提出的XGBoost温度校正模型具有最佳预测精度.     

DEM分辨率对数字河网水系提取的影响趋势分析

基于栅格型DEM数据的数字河网水系提取技术为分布式水文模型的建立并应用提供了保障和基础.DEM水平分辨率不仅影响数字河网水系提取的结果,而且直接关系到水文模型计算单元的尺度.采用具有自主知识产权的数字河网水系提取软件DigitalHydro,以淮河史灌河流域黄泥庄站以上为研究对象,分析不同分辨率DEM数据对提取的流域特征的影响的变化趋势.研究表明,随着DEM分辨率的降低,流域地形被坦化,径流汇水长度变小,流域面积有增大的趋势.     

DEM分辨率对数字河网水系提取的

基于栅格型DEM数据的数字河网水系提取技术为分布式水文模型的建立并应用提供了保障和基础。DEM水平分辨率不仅影响数字河网水系提取的结果,而且直接关系到水文模型计算单元的尺度。采用具有自主知识产权的数字河网水系提取软件DigitalHydro,以淮河史灌河流域黄泥庄站以上为研究对象,分析不同分辨率DEM数据对提取的流域特征的影响的变化趋势。研究表明,随着DEM分辨率的降低,流域地形被坦化,径流汇水长度变小,流域面积有增大的趋势。     

基于PEST的MODFLOW-HYDRUS耦合模型参数优化

为实现饱和、非饱和带水分运动耦合模型参数的有效率定,以内蒙古河套灌区永联试验区的地下水位、土壤含水率实测数据为基础,选用MODFLOW-HYDRUS耦合模型,采用试错法与PEST优化算法相结合的方法,对水文地质参数和土壤水力参数进行优化。优化结果表明:通过PEST算法进行参数优化后,耦合模型模拟精度有所提高,决定系数提高了2%~35%,纳什系数提高了6%~11.3倍,均方根误差减小了5%~20%,标准化均方根误差减小了5%~20%。其中验证期土壤含水率的各项评价指标提高或减小的幅度均为最大,决定系数、纳什系数、均方根误差和标准化均方根误差变化幅度分别为35%、11.3倍、20%和20%。     

基于Arcgis-python断面汇水面积批量提取方法研究

汇水面积对于工程设计中建坝成库和桥梁涵洞孔径尺寸等具有非常重要的现实意义。以30m分辨率的栅格DEM和已有的矢量河流为基础数据,基于Arcgis10.4软件的水文工具箱和python程序,批量处理和计算贵州省境内的芙蓉江流域50km2以上河流的断面以上的汇水面积,选取了广泛分布于芙蓉江流域代表性强的三类控制断面(水库类型6个、水文站类型2个和支流汇口类型29个),共37个。结果表明,在借助python批量处理的环境下,计算结果准确性高,计算的37个河道断面的汇水面积绝对误差(Δ)中最小的仅为0.08km^2,相对误差m最小的仅为0.09%,决定系数R2高达0.99,相对均方根误差RRMSE仅有2.74%,相对分析误差RPD为49.01,远大于2,偏差Bias为2.88;而相较于人工在地形图上勾绘,这种方法计算速度快,通过python批量处理的时间仅为人工的0.63%,极大地节省生产时间,赢得时间成本;此外,还将该方法应用于洪渡河流域、桐梓河流域、綦江流域、赤水河流域、大渡口以上区域、大渡口以下干流区域以及六盘水区域等7个研究区并获得很好的验证结果。因此,为河流控制断面的汇水面积勾绘提供一种新的计算方法,同时为生态断面流量以及坝址库容曲线的计算分析奠定基础。     

五种地下水埋深预测模型对比分析——以肇州县为例

地下水埋深预测对于区域水资源管理利用、生态环境保护和经济社会发展等具有重要的价值与作用。地下水埋深受多种因素影响,其动态变化具有非平稳性、随机性和滞后性等特征。为了准确预测浅层地下水埋深,选用多元线性回归、灰色GM(1,1)、基于马尔科夫链优化的灰色GM(1,1)、BP神经网络和基于遗传算法优化的BP神经网络五种预测模型,以黑龙江省肇州县为应用实例,将1980-2009年数据作为训练样本,2010-2019年数据作为检验样本,以降水量、蒸发量、地下水开采量和前期水位作为输入层输入,以地下水埋深作为输出层输出,选择绝对误差、相对误差、平均绝对误差、平均绝对百分比误差、均方误差和均方根误差作为评价指标,进行地下水埋深模拟预测和对比分析。结果表明：基于遗传算法优化的BP神经网络模型的平均绝对误差0.13 m,平均绝对百分比误差1.58%,均方误差0.02,均方根误差0.15,预测精度较高、拟合效果较好,相较于其他4种模型可以更好的模拟地下水埋深动态变化,为肇州县地下水合理开发和利用提供参考;遗传算法优化提升了BP神经网络的训练效率和稳定性,马尔科夫链理论弥补了灰色GM(1,1)所缺少的波动性...     

基于GA-BP神经网络的果园需水量预测

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.     

LS-SVM和BP-ANN在草莓糖度NIR检测中的应用

为了提高草莓糖度近红外光谱定量模型的性能,采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机和反向传播人工神经网络的输入变量,建立了草莓糖度的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6 000～9 000 cm-1.结果表明,所建立的最小二乘-支持向量机和反向传播人工神经网络定量模型的校正性能、预测性能和稳定性均优于偏最小二乘定量模型,最优模型为前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型,其校正和预测相关系数分别为0.957和0.951,校正和预测均方根误差分别为0.279％和0.272％,剩余预测偏差为3.23,与以往研究文献相比,获得了较为理想的预测精度和稳定性能.     

近红外漫反射光谱检测土壤有机质和速效N的研究

利用近红外漫反射光谱检测技术对土壤有机质和速效N含量进行了相关研究。通过自行设计的NIR光谱系统测定了150个土壤样品有机质和速效N。126个土壤样品用来建立校正集模型,其余24个用来验证模型的性能。采集完整土壤样品的近红外漫反射光谱,原始光谱经移动窗口平滑处理、SNV和一阶微分预处理后,分别采用最小二乘支持向量机(LS-SVM)和偏最小二乘法(PLS),建立土壤有机质和速效N含量的定量预测数学模型。结果表明采用一阶微分结合最小二乘支持向量机(LS-SVM)所建模型的预测效果较好,土壤有机质和速效N含量定量预测数学模型的决定系数分别为0.8255和0.8015,均方根误差分别为2.84和16.80。近红外漫反射光谱作为一种检测方法,可用于评价土壤有机质和速效N含量。     

梯田区侵蚀地形因子随DEM分辨率变化的特征分析

通过无人机航空摄影测量,获取高精度DEM,分析提取的坡度、坡长和LS因子,同时通过分辨率的变化,计算并分析了这些参数的变化情况。研究表明:基于无人机获取的DEM能够较好地表达梯田地形特征,梯田地形因子分布特征与地形特征吻合,大值集中于梯田过渡的陡坡处,小值集中于田面。随着分辨率的降低,非梯田区坡度整体呈现衰减趋势,坡长呈现增长趋势,LS先小幅增加,后由于坡度衰减明显,LS呈现衰减趋势,但变化幅度不大;而梯田区随着分辨率的降低,小坡度和超大坡度所占比例均减小,平均坡度降低,但坡长增加显著,因此导致LS增长较显著,在20 m分辨率下,LS因子被高估约1/3。梯田通常作为水保措施因子单独来考虑,由于分辨率对地形因子影响较大,因此梯田区的地形因子估算需要考虑分辨率的影响。     

基于深层残差网络的山区DEM超分辨率重构

针对大区域高分辨率数字高程模型(DEM)数据较难获取、超分辨率重构(降尺度)较低分辨率的DEM精度不高、难以满足实际需要的问题,提出一种对起伏特征较明显的山区DEM超分辨率重构的方法.利用较深层的神经网络充分学习高低分辨率DEM之间的非线性映射关系;为了降低训练难度,结合残差学习的方法进行数据训练.将双立方插值法、稀疏...     

基于无人机多光谱遥感的马尾松林叶面积指数估测

快速、准确、无损估测马尾松林叶面积指数对精准林业管理具有重要意义。以小型低空无人机为平台,搭载RedEdge多光谱传感器,获取福建省西部马尾松林多光谱影像,运用重采样的方式获取并计算不同空间分辨率（0.08、0.1、0.2、0.5、1、2、5m）下的植被指数,结合地面实测LAI数据,分析其与植被指数的相关性,进而采用线性模型（LR）、多元逐步回归模型（MSR）、随机森林模型（RF）、支持向量机模型（SVM）和人工神经网络模型（BP）构建不同空间分辨率下的马尾松林LAI估测模型,以决定系数（R2）、均方根误差（RMSE）、相对分析误差（RPD）和总体精度（TA）来评价估测模型精度,从而确定最佳空间分辨率和最佳模型。结果表明,不同空间分辨率下LAI与植被指数均呈极显著相关（p<0.01）;多变量模型（MSR、RF、SVM、BP）的调整R2平均值高于LR模型;随着空间分辨率的增加,不同模型的R2整体上呈先增大后减小的趋势;当空间分辨率为0.5m时,利用植被指数建立的RF模型为马尾松林LAI的最佳估测模型,RF模型的调整R2为0.766,模型估测的R2、RMSE、RPD和TA分别为0.554、0.421、1.523和81.95%。本研究可为无人机多光谱遥感反演森林LAI表型参数的空间分辨率和模型选择提供理论参考。     

GEDI与Tandem-X DEM估测密林林下地形性能评价

针对密林情况下，GEDI数据与现有的Tandem-X DEM数字地面模型估测林下地形精度没有进行整体评价问题，拟以密林情况作为主要分析场景，通过提取GEDI L2A数据产品对应光斑的经纬度、林下地形信息与数据质量筛选参数，开展数据质量筛选，用以估测基于GEDI数据的林下地形数据，与Tandem-X DEM数据估测密林情况下研究区林下地形开展比较，并进一步探究冠层高度、森林覆盖度与植被类型对估测精度的影响。GEDI与Tandem-X DEM的R²分别为0.99和0.98,GEDI估测林下地形结果的RMSE、Average与STD分别6.49、-1.92、4.42 m, Tandem-X DEM估测林下地形结果的RMSE、Average与STD分别为18.15、14.63、7.35 m。GEDI数据在混交林和稀疏草原情况下RMSE与Average分别变化8.05 m和6.04 m, Tandem-X DEM数据在常绿针叶林与农田/天然植被情况下，RMSE与Average变化幅度为21.63、26.43 m。实验结果表明，GEDI与Tandem-X DEM数据与机载验证...     

TOPMODEL在水阳江流域的应用及模型对DEM的敏感性检验

将TOPMODEL模型应用到安徽水阳江流域,检验其在湿润地区的径流模拟能力,得到了较好的模拟结果。同时,利用安徽水阳江流域不同分辨率的DEM数据,进行了DEM分辨率对TOPMODEL模型的模拟结果的敏感性实验分析,结果表明,随着流域DEM数据分辨率的降低,模型的确定性系数也随之降低,模型对流域的DEM数据是敏感的。     

盐渍化平原区玉米产量空间变异与地形关系研究

选择华北平原中存在盐渍化的禹城市作为典型研究区,在获取全市范围玉米测产、地形数据信息的基础上,利用空间插值技术研究了地形因子对玉米产量的影响.研究发现,禹城市玉米产量沿东北到西南方向逐渐递增,与地形起伏一致.地形起伏虽然较小,但玉米产量仍随着海拔高度的增加而增加,呈极显著正相关(R=0.263,p＜0.01).平面曲率与玉米产量呈显著负相关(R=-0.245,p＜0.05),即田块的平面曲率越大,越易积聚盐分,导致玉米产量越低.地形因子对禹城市玉米产量空间变异起到12.4％的影响作用.     

基于GIS和DEM数据的流域水系提取与优化分析

相比野外测量和大比例地形图为主的流域水系提取方法,运用GIS技术和DEM数据的数字化提取更为便捷、高效.基于ArcGIS中的3D Analysis和Hydrologic Model模型,研究山区地形条件下的DEM数字流域水系提取.结果表明,研究区提取水系总长度为350.05 km,结果较好,尤其大中型河道长度的偏差仅在...     

基于移动激光扫描的靶标叶面积计算方法

针对疏枝果园的变量对靶施药问题,提出基于移动激光扫描(Mobile laser scanning,MLS)技术的靶标叶面积计算方法,为变量施药实时提供基础数据。为消除激光雷达(Light detection and ranging,LiDAR)探测距离和施药车辆行驶速度对点云密度的影响,在车辆行驶方向和激光雷达扫描方向上计算每个测量点的分辨率,为MLS点云数据建立变尺度格网,以格网面积作为被激光束覆盖的叶面积,建立靶标总体格网面积(Total grid area,TGA)与真实总体叶面积(Total leaf area,TLA)的线性回归模型。采用仿真树模拟疏枝果树靶标,搭建移动激光扫描测量系统,采集靶标点云数据,改变探测距离及移动速度,获取了4种不同疏枝程度靶标的108个样本数据。试验结果表明,随着探测距离的增加和移动速度的降低,靶标点云数显著减少,变异系数最小为0. 920 9,靶标格网面积能稳定提取,变异系数最大为0. 053 7,TGA与TLA的拟合优度为0. 909 0,叶面积测量相对误差均值为9. 16%。     

基于AGREE算法与BURN-IN算法的平原灌区DEM河网提取问题剖析

基于数字高程模型(DEM)的区域水系提取应用较为广泛,当提取对象为平原灌区时存在突出问题,如河道断裂、平行河道的出现以及末端支流的提取未果等造成的子流域划分结果与实际轨迹不符等现象,数字化河网的精确程度直接影响后续的区域水文分析,故该问题值得关注。【目的】优化DEM河网提取结果。【方法】基于Agree算法和Burn-in算法下的提取河网,并从浅表、DEM因子与河网提取的相关关系等方面进行原因分析,进一步提出解决方法。【结果】2种算法下平原灌区河网提取问题的主要原因是DEM离散误差、栅格像元值的真实程度、栅格像元的精度以及地表的无渗漏假设;提出的解决方法为栅格像元水平分辨率的提高与主河道断裂部分的栅格重计算。对于坡度范围为0°～10°的平原灌区,坡度对地表水流方向的形成影响较小,不具备影响河网提取问题的能力;栅格像元水平分辨率提高10 m×10 m时,平原灌区2种算法下数字河道提取首要问题成功解决;主河道断裂部分的栅格重计算虽成功提取原断裂部分河道,但有新的断裂部分生成,未从根本解决。【结论】Agree算法和Burn-in算法下的基于DEM的平原灌区河网提取问题,经一系列原因剖析和解决方法的提出与应用,提取结果较为满意,提倡学者能够结合2种方法思路作为解决类似平原灌区的提取数字河网出现的问题。     

低空无人机影像分辨率对冬小麦氮浓度反演的影响

针对目前基于无人机遥感进行作物氮素营养诊断中缺乏规范化的标准来指导无人机应用过程中数据获取与处理的问题,开展了不同分辨率、低空无人机影像对冬小麦植株氮浓度反演影响的研究。在小麦生长的灌浆期,通过设置15、30、50、80 m共4种无人机飞行高度,获取了不同分辨率下的无人机多光谱影像,并开展地面试验,采集冬小麦植株氮浓度信息。基于这些数据,提取了不同分辨率下影像的光谱信息和纹理特征,并分别建立光谱信息、纹理特征和光谱信息+纹理特征等反演植株氮浓度的模型。对不同情景下的模型估测效果进行比较,结果表明,影像分辨率在1.00～5.69 cm之间变化时,影像光谱信息对小麦植株氮浓度反演影响不大,各情景下建模结果和验证结果差异较小;随着影像分辨率的降低,影像纹理特征对小麦植株氮浓度反演的效果变差;影像光谱信息+纹理特征信息对小麦植株氮浓度反演效果整体随着影像分辨率的提高呈增加趋势,且其反演结果优于单一光谱特征或单一纹理特征的反演效果。