南方湿润地区太阳总辐射估算模型筛选

为筛选适于模拟中国南方湿润地区太阳总辐射的经验模型,将中国南方地区划分为华东、华中、华南和西南4个区域,选用36个辐射站点逐日数据(1994—2016年),采用最小二乘算法优化3种基于温度模型(T₁,T₂和T₃模型)、3种基于日照时数模型(N₁,N₂和N₃模型)和2种混合模型(M₁和M₂模型)的经验参数,并在日、月和年尺度上评价各模型在4个分区的精度.结果表明：在日、月和年尺度上,日照时数模型精度最高,其次为混合模型,温度模型精度最低,日尺度R²分别为0.847～0.898,0.654～0.904和0.435～0.687,月尺度R²分别为0.529～0.857,0.368～0.858和0.334～0.766,年尺度RE为-1.78%～21.86%,-32.88%～24.14%和-37.54%～72.36%;日照时数模型中,N₂和N₃     

西北地区地表太阳总辐射计算模型适用性评价

为有效提高中国西北地区R_s预报精度,选取西北地区11个代表性气象站点1959—2015年逐日气象数据,评价了4种基于日照时数的R_s计算模型(Angstrom-Prescott,Ogelman,Bahel和Louche模型)和2种基于温度的R_s计算模型(Hargreaves和Bristow-Campbell模型)在西北地区4个分区(温带大陆性高温干旱区、温带大陆性干旱区、高原大陆性半干旱区和温带季风半干旱区)的适用性.结果表明:6种模型在西北地区的R_s模拟值与实测值均在P<0.001水平具有统计学意义;基于日照时数的R_s计算模型(R²介于0.901~0.903)精度高于基于温度的模型(R²介于0.695~0.719);其中,基于日照时数的模型中Bahel模型的精度最高,其R²,MAE,MRE,RMSE和NSE分别为0.903,1.624 MJ/(m²·d),15.7%,2.298 MJ/(m²·d)和0.902;基于温度的模型中Bristow-Campbell模型精度最高,其值分别为0.719,2.851 MJ/(m²·d),30.7%,3.959 MJ/(m²·d)和0.713.因此,为有效提高西北地区R_s日值和月值预报精度,在仅有温度资料时推荐使用Bristow-Campbell模型,在仅有日照时数资料时推荐使用Bahel模型.     

基于灰色支持向量机组合模型的农产品产量预测

鉴于灰色预测模型和支持向量机各自的优点,将灰色预测模型与支持向量机相结合,提出灰色支持向量机组合模型,并将该模型应用于花生产量预测中。结果表明,与单一支持向量机和灰色预测模型相比,灰色支持向量机组合模型的预测精度明显提高。     

中国北方太阳总辐射模型优化及适用性评价

太阳总辐射(R_s)模型是估算地表能源最简单的方法,对区域ET₀管理、水资源及太阳能利用具有重要意义。选取中国北方47个代表性气象站点(1994-2016年)逐日数据,采用鱼群算法优化温度模型(T1、T2和T3)、日照时数模型(N1、N2和N3)和混合模型(M1),在日和月尺度评价太阳总辐射模拟精度。结果表明：在日尺度上,基于日照时数的模型(N1-N3)精度最高,其次为基于温度的模型(T1-T3),混合模型相对较差(M1),R²分别为0.90～0.93、0.64～0.78和0.80～0.90,MAE分别为1.47～1.95、2.51～4.33和4.88～6.28 MJ/(m²·d);在月尺度上,基于日照时数的模型(N1-N3)精度最高,其次为混合模型(M1)和基于温度的模型(T1-T3),R2分别为0.94～0.97、0.92～0.95和0.86～0.95,MAE分别为25.45～44.29、36.21～102.73和101.25～144.56 MJ/(m²·d)。因此,推荐基于...     

基于多源遥感数据的居延泽地区土壤盐分估算模型

针对土壤盐分遥感反演中众多盐分指示变量在反演效率与相互比较优势方面存在的不确定性和易混淆性问题,以内蒙古额济纳旗的居延泽为例,基于Sentinel-2、Radarsat-2、Landsat-8和SRTM DEM数据提取波段反射率、植被指数、盐分指数、极化雷达参数以及地表温度和地形因子共6类变量,采用变量优选策略筛选各类变量及其组合的最优变量,构建土壤盐分随机森林(Random forest, RF)与支持向量机(Support vector machine, SVM)预测模型,并选择最优模型实现居延泽地区土壤盐分预测,为干旱区土壤盐分监测提供参考。结果表明,短波红外波段(B₁₁)、冠层盐度响应植被指数(CRSI)、扩展比值植被指数(ERVI)、红边盐分指数(S2re3)、单次散射(F_Odd)、地表温度(LST)与汇水面积(CA)等变量对土壤盐分监测具有较强的普适性;单一变量模型的盐分预测精度从高到低依次为地形因子、极化雷达参数、地表温度、盐分指数、植被指数和波段反射率;多变量联合可有效提升模型精度与稳定性,随着环境变量的加入,当6类变量均参与...     

联合多源多时相卫星影像和支持向量机的小麦白粉病监测方法

白粉病主要侵染小麦叶部,可利用卫星遥感技术进行大范围监测和评估.本研究利用多源多时相卫星遥感影像监测小麦白粉病并提升分类精度.使用四景Landat-8的热红外传感器数据(Thermal Infrared Sensor,TIRS)和20景MODIS影像的MOD11A1温度产品反演地表温度(Land Surface Tem...     

光合有效辐射预测模型的核函数组合优化

以林下参种植基地光合有效辐射( PAR)、散射辐射(PFDdif)和直射辐射(PFDdir)为研究对象,以支持向量机linear核函数(k1)、polynomial核函数(k2)、radial basis function核函数(k3)为基础,构建新核函数.使用K-fold交叉验证方法,利用粒子群算法(PSO)对惩罚参数c和g值优化.试验结果表明,利用grid search算法设定惩罚参数c为16和g值为1时,通过比较相关系数及符合拟合均衡原则下,选出以0.2k1+0.8k2核函数而构建的光合有效辐射预测模型效果最佳,对由PAR、PFDdir和PFDdif数据组成的预测集1和预测集2拟合程度分别为89.213 2％和81.789 6％.利用粒子群算法对惩罚参数c和g值优化后,预测模型对预测集1拟合程度达到92.156 0％,对预测集2拟合程度达到90.036 0％.可见,采用0.2k1+0.8k2核函数和PSO的支持向量机预测模型对PAR具备预测能力.     

基于支持向量机的水资源开发利用

基于支持向量级模型良好的泛化能力，构建了区域水资源开发利用程度的支持向量机评价模型。针对评价标准，采用均匀分布随机函数，在三个标准间内插10个样本，形成共30个样本用于支持向量机的训练，实现了对西安市水资源开发利用程度的综合评价。实例研究表明，运用支持向量机分类模型进行区域水资源开发利用问题研究，评价结果合理、可靠，可以为区域水资源开发利用评价提供一种新的方法。     

基于温度资料估算参考作物腾发量的方法比较

以Penman-Monteith方法计算的参考作物腾发量ETo为标准,与采用温度法和辐射法的Penman-Monteith温度法(PMT)、修正的PMT(PMT-cor)、Hargreaves-Samain(HG)、修正的HG公式(HG-M1,HG-M2)、Thornthwaite公式、Irmak公式、修正的Irmak公式(Irmak-cor)、Mc Guinness Bordne公式(M-B)的估算值进行对比分析,同时引入干旱指数对温度法中的PMT公式进行修正,采用多元线性拟合对辐射法中的Irmak公式进行修正。结果表明:温度法中的PMT公式、PMT-cor公式、HG公式和辐射法中Irmak公式、Irmak-cor公式的计算值与PM法计算值间的回归系数b都接近于1.0,相关系数R2大于0.80,相对误差RE小于20%,一致性指数d大于0.95。通过交叉比较发现,Irmak-cor公式精度较高(b=1.00、R2=0.98、RMSE=0.17 mm/d、RE=7%、d=1.00),其次是Irmak公式(b=1.03、R2=0.95、RMSE=0.31 mm/d、RE=12%、d=0.99),再次是PMT、PMT-cor、HG方法。考虑计算结果的精确度,该地区首选Irmak-cor公式估算ETo;如果考虑计算简便,该地区可选HG公式估算ETo。     

基于支持向量机的水资源开发利用评价模型

基于支持向量级模型良好的泛化能力,构建了区域水资源开发利用程度的支持向量机评价模型.针对评价标准,采用均匀分布随机函数,在3个标准间内插10个样本,形成共30个样本用于支持向量机的训练,实现了对西安市水资源开发利用程度的综合评价.实例研究表明,运用支持向量机分类模型进行区域水资源开发利用问题研究,评价结果合理、可靠,可以为区域水资源开发利用评价提供一种新的方法.     

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。     

基于支持向量机的中国节水灌溉面积预测研究

为了了解未来几年中国节水灌溉面积的发展趋势,需要建立节水灌溉面积的预测模型。在对2000-2010年中国节水灌溉面积的统计数据进行归一化处理的基础上,采用支持向量机算法建立了回归预测模型。其中,2000-2009年的数据为训练样本,2010年的数据为检验样本。仿真预测与实际预测的结果表明该预测模型在所有预测样本点的相对误差的绝对平均值仅为0.14%,能满足对节水灌溉面积进行预测的需要。采用该模型对中国未来5年的节水灌溉面积进行了预测,指出了中国节水灌溉面积在十二五期间有加速增长的趋势。该研究结论对于了解未来中国节水灌溉的发展状况和制定相关规划具有重要的参考价值。     

水资源监测异常数据模态分解-支持向量机重构方法

完备真实的水资源监测数据是支撑数据分析与决策的基本前提。在梳理现阶段水资源监测异常数据的基础上,提出运用移动平均拟合初筛来直观辨识异常监测数据,进而选取集合模态分解对非可直观辨识异常监测数据进行挖掘的方法。将剔除异常监测值后的时序数据作为基于粒子群优化最小二乘支持向量机模型的模拟样本,并利用其恢复所剔除的异常监测数据。对水务公司日取水量监测数据的实证分析结果表明,通过移动平均拟合与模态分解可较大限度地保留含有异常数据的特征向量并实现数据的有效重构,相比传统的统计方法其具有更好的适用性;运用粒子群优化的最小二乘支持向量机可进一步提高对剔除异常值数据的拟合效果,且符合水资源监测数据的季节波动规律特征及对实际取用水状态的客观反映,据此可相对合理地达到恢复所剔除异常监测数据的目的。     

土壤有机质含量高光谱估测模型构建及精度对比

土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测,本研究以山东省烟台市栖霞市苹果园为研究区,采集100个土壤样本,利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率,利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理,分析果园土壤的反射光谱特征,研究光谱反射率与其有机质含量的相关关系,筛选土壤有机质含量的敏感波长并构建光谱指数后,分别建立多元线性回归模型（MLR）、支持向量机（SVM）和随机森林（RF）模型,并对模型精度进行验证比较。结果表明,筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数,最终构建的光谱指数分别为NDSI_{（678,709）}、NDSI_{（678,1931）}、NDSI_{（678,2201）}、NDSI_{（709,1939）}和NDSI_{（1939,2201）}。建立的MLR、SVM和RF回归模型中,以RF模型精度最优,其校正样本集R²为0.8804,RMSE为0.1423,RPD达到2.25;验证模型的R²为0.7466,RMSE为0.1266,RPD为1.79,建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此,可以利用RF方法快速预测苹果果园土壤有机质含量,了解土壤养分分布状况,指导农民合理施肥,从而提高果园生产管理效率。     

基于时间序列MODIS的农作物类型空间制图方法

为快速获取大范围种植结构复杂区域的作物种植面积,以MODIS数据为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、宽动态植被指数(Wide dynamic range vegetation index,WDRVI)、地表水分指数(Land surface water index,LSWI)、归一化雪被指数(Normalized difference snow index,NDSI)5种特征,结合同步的实地调查样本点,采用支持向量机算法(Support vector machines,SVM)提取黑龙江省主要农作物的种植面积。研究表明,在待选特征中NDVI、EVI与LSWI指数组合取得了最高的分类精度,总体分类精度为74.18%,Kappa系数为0.60;支持向量机算法与最大似然算法、随机森林算法相比,分类精度更优。该方法为在大区域中提取农作物种植面积提供了参考价值。     

基于LightGBM的冬小麦产量估测与可解释性研究

机器学习模型在作物长势监测和产量估测过程中,复杂模型的内部机制难以理解,为了在准确估测作物产量的同时给出合理解释,本文选取条件植被温度指数(VTCI)以及冬小麦产量数据,基于轻量级梯度提升机(LightGBM)开展关中平原冬小麦的产量估测研究,并将局部可解释性模型无关方法(LIME)、部分依赖图(PDP)和个体条件期望图(ICE)等全局和局部可解释性方法用于对模型估测结果的进一步解释。结果表明,与其他机器学习方法相比,经过网格搜索优化的LightGBM能够准确地估测冬小麦产量,估测单产与实测单产的决定系数R²达到0.32,均方根误差(RMSE)为809.10 kg/hm²,平均相对误差(MRE)为16.55%,达到极显著水平(P<0.01),表明该模型有较高的预测精度和泛化能力。进一步可解释性实验表明,网格搜索优化的LightGBM能够准确提取数据蕴含的信息,从全局角度来看,冬小麦4个生育期中拔节期VTCI对产量形成最为重要,抽穗-灌浆期和乳熟期次之,返青期则影响最小,这与先验知识相符合;从局部角度来看,局部可解释性方法基于冬小麦产量西...     

基于多源遥感数据的淮河流域城镇扩张研究

城镇是人类社会发展过程在空间上的重要表现形式,其空间格局与演变是城镇研究的热点问题。淮河流域是中国城镇体系的南北过渡地区,研究这一自然地理单元内城镇扩张过程,视角独特。为客观、快速、准确地重建不同时间序列上淮河流域城镇扩张过程,在DMSP/OLS数据、SPOT-VGT数据、Landsat ETM+数据等多源遥感数据的基础上,提出DMSP/OLS夜间灯光数据相互校正—NDVI数据重建—流域城镇信息提取—流域城镇扩张分析的研究思路,并运用该思路分析淮河流域从1998年至2013年16年间的城镇扩张过程。从城市面积、扩张强度、扩张动态度、扩张形态4方面分析了城市扩张规律。研究发现:淮河流域整体与各省扩张基本属于低速扩张型与中速扩张型;淮河流域城镇分布仍较为分散,未形成完整的城市群或城镇体系;这一时期城市扩张时空发展不均衡。