基于最小数据集的黄土高原矿区复垦土壤质量评价

矿产开发影响了土壤质量,特别是在黄土高原生态脆弱地区。通过植被恢复能够改善矿区复垦土壤质量。为了揭示矿区复垦土壤质量在植被恢复过程中的变化,该文以黑岱沟矿区排土场不同恢复年限不同植被类型、未复垦地和周边自然植被恢复区为研究对象,选取21项理化生指标作为总数据集(totaldataset,TDS),运用主成分分析(principal component analysis,PCA)结合Norm值构建评价指标最小数据集(minimum data set,MDS),通过非线性(non-Linear,NL)和线性(linear,L)两种评价方法对研究区土壤质量进行了评价。研究表明:黄土高原北部典型矿区复垦土壤质量评价指标MDS包括粉粒百分比、有机质、速效磷、钠吸附比和微生物碳;2种评价方法下,植被恢复均对复垦土壤质量指数(soil quality index,SQI)有了显著提升(P 0.05),复垦20 a灌木SQI高于复垦10 a灌木SQI,复垦12 a草本SQI高于复垦20 a草本SQI,然而所有复垦土壤SQI均未达到自然植被恢复土壤SQI;由于非线性土壤质量评价方法(SQI-NL)具有更大的土壤质量指数变化区间和变异系数,此外,在SQI-NL和线性土壤质量(SQI-L)评价两种方法下,MDS和TDS之间决定系数分别为0.911和0.866,因此,非线性土壤质量评价方法在该区域具有更好的适用性,并且最小数据集能够较准确地进行土壤质量评价。     

水力侵蚀预测模型WEPP气象数据的输入方法

水力侵蚀预测模型WEPP可以模拟气象变化、植被变化、水土保持措施与耕作管理等所引起的土壤侵蚀 ,预测结果对合理利用土地和调整水土保持治理规划具有重要的参考意义。但模型所要求的特定气象数据格式和观测要求 ,对于如美国等发达国家也许能做到 ,但在发展中国家却是件难事。BPCDG是一个独立的程序 ,可以把气象站观测到的降雨量及其它一些气象数据生成WEPP所需的气候数据 ,从而为该模型在我国的广泛应用和加强对外交流提供一条便利途径     

基于最小数据集的集约化葡萄园土壤健康评价

健康土壤是生产高产优质葡萄的基础,目前葡萄园不合理管理导致果园土壤生产力下降和生态失衡。为摸清集约化葡萄园土壤健康状况,该研究以河北省曲周县典型葡萄园为研究对象,通过测定20项土壤物理、化学和生物学指标,利用主成分分析法构建最小数据集,开展土壤健康评价并揭示葡萄园存在的主要障碍因子。结果表明,集约化葡萄园土壤健康评价最小数据集由有机碳、亚表层土壤硬度、交换性钠、容重、含水率和水稳性团聚体6个指标构成。利用线性和非线性评分函数,基于全数据集和最小数据集计算的土壤健康指数间呈显著正相关（P < 0.01）,这说明最小数据集可以代替全数据集用于葡萄园土壤健康评价。基于最小数据集,利用线性和非线性评分函数获得的葡萄园土壤健康指数范围分别为0.39～0.59和0.36～0.66,平均值分别为0.52和0.51,处于中等水平。不同树龄葡萄土壤健康指数差异不显著。集约化葡萄园土壤障碍因子主要有土壤压实、养分不平衡和有机碳含量低等问题。通过适当减少田间管理频率,结合增施（生物）有机肥、种植覆盖作物和养分综合管理能有效消减土壤障碍因子,提升葡萄园土壤健康水平,促进当地葡萄产业可持续发展。     

阀控非对称缸电液伺服系统的线性鲁棒观测器设计

为了更为有效地诊断电液伺服控制系统的故障,设计良好的状态观测器是至关重要的前提。针对阀控非对称缸电液伺服系统,提出一种线性鲁棒观测器的设计方法。在考虑建模误差、参数变化、外力干扰、过程噪声以及测量噪声等影响因素的前提下,将系统非线性模型进行线性化,并据此设计系统的线性鲁棒观测器。仿真结果表明：小负荷情况下,该文设计的线性观测器具有一定的鲁棒性。     

地球科学研究数据的分类与组织研究

科学数据是重要的科技资源,科学数据的共享管理日益成为学术界和政府关注的前沿领域.地球科学门类众多.研究对象复杂且往往时空尺度大,在此过程中产生了大量数据结构形式各异的数据,诸如图型数据、表格数据、文本数据、影像数据等等.在数据库系统环境下如何对这些异构的数据进行存储、发布、显示是科学数据管理必须首先面对的问题.在分析研究地球科学数据特征的基础上,结合黄土高原数据中心的建设实践,以科学数据共享管理为目标,对地球科学研究数据的分类和组织进行了研究.阐述了地球科学研究数据的异构性、密集性、复合性等基本属性和特征,提出了关系类型、空间类型、文件类型等3种基本类型的数据集分类和组织方式,并提出了整编数据集的基本原则和方法以及科学数据分级、保护、共享的方式.实践表明:该数据分类与组织技术方案符合地球科学研究数据的特点,并将科学数据管理与计算机网络技术、信息技术有机结合,具有思路与技术的先进性和广泛的应用场合.     

基于遗传算法优化的BP神经网络遥感数据土地覆盖分类

提出了一种基于遗传算法优化的BP神经网络遥感分类方法。该方法兼顾了遗传算法和梯度下降优化算法分别在全局和局部搜索极小点的优势;避免了在BP网络训练过程中过早收敛于局部极小点的风险;与BP算法相比,该算法多次重复过程所得网络的均方差比较稳定。在算法验证中,用中巴地球资源一号卫星数据作为试验数据,详细描述了网络优化过程中的参数设置和关键参数变化过程,比较了该算法与BP算法、最大似然法的分类精度。分类试验表明：该算法不但有较高的执行效率,也能达到很高的分类精度。     

遥感数据在流域水文研究中的应用

遥感为流域研究人员提供了一种独特类型的数据。特别是当考虑来自点测量的水文数据时,遥感数据的空间特性是其独有的特征。在点测量代表区域测量的推断中,遥感数据为研究人员提供了一种新工具,而且,遥感亦为水文学家提供了对土壤水分、雪水含量、地表温度测量的新方法。     

农业数据网格体系研究

由于农业数据具有地理分布、异构和动态等特性,网络环境下农业数据的分发组织和高效能处理是一个非常复杂且具有挑战性的问题。该文设计了层次式的农业数据网格系统软件体系结构;研究了基于时空本体的农业元数据建模、农业数据空间聚类与映射、多系统信息协同和层次访问控制机制等关键技术;构建了农业数据网格节点应用环境。测试检验结果表明,所设计的农业数据网格体系具有良好的网络高性能传输能力。     

降雨历时和降雨量数据的模拟

本文提供了一种能够产生降雨景和相应降雨历时数据的方法.这种方法是以最小二乘法为基础,其中包括随机误差区间.该方法需要掌握每一变量的分布和各变量之间的相互关系,但不包括联合机率分布.比较原始数据和用该方法模拟的数据后就会发现,模拟数据和原始数据具有同样的分布形态和分布参数.本研究为产生有关联的降雨历时和降雨量提供了实用的方法.     

县级森林资源信息管理系统中数据更新方法的探讨

针对县级森林资源数据更新管理的需求,通过分析森林资源数据变化因子和变化原因,设计了森林资源小班变化数据的存储方法,研究了森林资源小班空间和属性数据的同步更新流程,并在县级森林资源信息管理系统中实现了数据更新功能。     

基于累积分布函数匹配的多源遥感土壤水分数据连续融合算法

数据融合是解决不同来源遥感数据无法直接对比分析这一瓶颈的有效方法。实时更新的SMOS土壤水分数据(soil moisture and ocean salinity)可开展实时干旱评价(2010年至今),但由于序列短无法开展频率及演变分析。CCI(climate change initiative)土壤水分数据是联合了多种主被动遥感数据合成的长序列数据产品(1979—2013年)。为提高不同来源遥感数据的融合精度,该研究基于累积分布匹配原理构建了多源遥感土壤水分连续融合算法,将SMOS和CCI融合成长序列、近实时的遥感土壤水分数据。经验证分析,累积概率曲线相关性中表征干旱的低值区纳什效率系数由0.52提高到0.99,且融合后土壤水分数据可以较准确地反映当地的干旱事件。该研究提出的多源遥感土壤水分连续融合算法显著提高了现有融合算法的融合精度。     

基于SPOT-VGT NDVI时间序列的农牧交错带植被物候监测

为了分析中国农牧交错带植被典型物候期(生长开始日期,生长结束日期和生长季长度)的变化趋势,利用2001-2010年SPOT-VGT NDVI(SPOT-VEGETATION normalized differential vegetation index)数据,基于Savitzky—Golay滤波和动态阈值法,提取了中国北方农牧交错带植被物候期,探讨研究区植被物候期的空间差异和时间变化。研究表明,农牧交错带植被的生长季一般从4月中旬到5月下旬开始,9月下旬至10月下旬结束;从西南部到东北部,植被物候表现出明显的空间差异;农田植被物候期与自然植被略有不同;对研究区10a物候期线性拟合,得出研究区大部分植被覆盖区域生长季开始日期呈现提前趋势,提前日期大约为1～10d左右;除部分地区外,2001-2010年农牧交错带植被生长季结束日期没有明显变化趋势;10a间研究区大部分草地生长季延长,也有一部分地区的生长季出现缩短趋势。研究提取结果与已有的相关研究结果较为一致,可为农牧交错带生态环境评价和保护提供一定的参考。     

不同时空分辨率遥感数据融合估算冬小麦叶面积指数

高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。     

分布式多源农林物联网感知数据共享平台研发

由于农业和林业传感器种类繁多、数据传输协议多样,在各个物联网数据应用系统之间形成了信息孤单现象,难以实现物联网传感器数据的交互共享。因此,该文以农林领域常见传感器数据为研究对象,针对不同类型传感器节点及采集数据差异性等特点,采用符号表示法表达传感器节点数据,设计了通用数据交互格式;针对其海量性特点,采用分布式面向服务的结构方法及成熟的开发技术,设计了分布式多源农林物联网感知数据共享平台。该平台由数据中心子系统、数据适配子系统、数据存储子系统、数据发布子系统及数据传输总线5部分组成,分别实现了传感器节点注册、多源差异数据的接入适配、数据的分布式存储、数据标准化发布及数据传输等功能,为农林领域不同物联网设备与数据应用系统之间架起了数据桥梁,实现了农业和林业物联网感知数据的统一管理。目前,平台分别接入了顺义、新疆、杨凌、通州等17个合作单位的550个传感器节点数据,接入数据量每天超过10 000条,运行状态良好。     

基于HJ-1A/1B数据的冬小麦成熟期遥感预测

基于遥感数据获取作物成熟度信息,制订收割顺序,是遥感在精准农业中的一个重要应用课题,目前的作物物候监测在空间分辨率和预测的时效性上尚无法满足精准农业的要求。以山东禹城市为研究区,选取观测点,分析冬小麦成熟期临近过程中水分和叶绿素的动态变化,获取基于遥感监测小麦成熟期的依据。以HJ-1A CCD数据构建的植被指数来反映作物绿度的变化,以HJ-1B IRS数据构建的归一化水指数来反映作物含水率的变化,通过回归分析建立了冬小麦成熟期的遥感预测模型,实现了禹城市冬小麦成熟期的遥感监测。小麦成熟期预测值与观测值的相关性达极显著水平,预测与观测小麦成熟期的先后顺序较为一致,在以误差小于1 d作为成功预测衡量标准的情况下,预测结果的准确度为65%。提出了使用HJ-1A/1B数据开展冬小麦成熟期预测的模型,而使用不同时相遥感数据预测成熟期的通用模型将成为下一步研究重点。     

基于GIS和KPCA的农业空间数据特征提取研究

农业生产决策是一个动态过程,必须依靠大量农业数据和强有力的数据分析技术作为支撑。特征提取技术能从大量数据中提取出反映源数据本质特点的特征,有利于农业数据的管理与分析。日前,地理信息系统已成为农业空间数据管理与分析的重要手段,科技工作者已从PCA和GIS相结合的角度进行了农业空间数据的特征提取研究,然而PCA所提取的特征不能够反映农业空间数据的非线性结构特征,所获取的特征不利于其后的评价与分析。因此,将非线性特征提取技术KPCA引入GIS中进行了农业空间数据特征提取,构建了农业空间数据特征提取模型。应用结果证明,通过该模型所提取的特征分布结果符合实际情况,为实现农业生产决策提供了更具保障的数据支持和科学依据。     

基于数据仓库和数据挖掘技术的温室决策支持系统(简报)

农业领域的专家知识多是描述性和经验性的知识,难以进行精确的数学描述,这给农业决策支持系统的构建带来了一定的困难。为解决这种传统的决策支持系统的不足,介绍了基于数据仓库技术和数据挖掘技术构建的温室决策支持系统。该系统通过建立数据仓库来存储各种来自异质的信息源的数据,利用联机分析处理实现多维数据分析,然后通过数据挖掘技术从数据仓库中获得新的农业知识,以丰富决策支持系统的知识库。在系统的实现过程中,采用了SQL Server分析服务,实现数据挖掘与数据仓库以及应用程序的紧密耦合,从而大大提高了数据挖掘效率。将数据仓库、联机分析处理、数据挖掘三者结合起来形成了一种新的温室决策支持系统。     

辅助时序数据用于土壤盐分空间预测及采样研究

以普通克立格法作为参考，利用辅助数据的两种预测方法，即协同克立格法和回归克立格法对海涂区土壤盐分进行空间内插计算，并在目标变量的采样数目不断减少的情况下，利用80个检验样本，对比了这3种方法的预测精度。结果表明，不论目标变量的样品数目如何减少，利用了辅助变量的协同克立格法和回归克立格法的预测精度较普通克立格法都有了较大提高，而且回归克立格法的预测精度总体上要好于协同克立格法。对不同样品数目下3种方法的预测误差进行T检验发现，回归克立格法对普通克立格法和协同克立格法预测误差的减少在不同的样本数目下都达到了极显著水平。研究结果表明，利用连续几个时段上辅助的时序数据，来对同样点位上下一个时段的变量进行估值，可以较大地提高估值精度，节省采样成本。尤其是回归克立格法的回归部分可以是一般的线性模型，也可以是非线性模型,在预测时无疑更具灵活性。