排序方式: 共有50条查询结果,搜索用时 15 毫秒
31.
基于温度植被干旱指数(TVDI)的土壤干湿反演 总被引:2,自引:0,他引:2
【目的】快速准确监测大面积区域土壤水分,提高遥感监测土壤水分的效率。【方法】采用Landsat 8 OLI影像构建了地表温度(Ts)-植被指数(NDVI)特征空间,拟合了特征空间的干湿边方程,并根据干湿边方程计算的温度植被干旱指数(TVDI)与同期野外不同深度的实测土壤含水率进行了回归分析与验证。【结果】遥感影像反演所得的TVDI与野外实测土壤湿度显著相关(α=0.05);0~10、10~20、20~30 cm土层中,TVDI与10~20 cm土层土壤湿度相关性最高(r=0.79);遥感影像反演的土壤湿度时空分布变化特征与作物分布生长情况以及气候变化规律基本吻合。【结论】根据温度植被干旱指数法反演监测区域土壤湿度是切实可行的,尤以10~20 cm土层土壤湿度的反演监测最为精准与可靠。 相似文献
32.
33.
定量化探索中国北方在平水年下,不同大豆玉米复合种植模式的种间竞争与种间互惠关系,以期为旱作条件下选择合理的牧草种植模式提供理论依据。试验选用我国中南部春播区推荐的作物品种大豆铁丰31和玉米强盛199,在旱作区域开展不同大豆玉米带状复合种植模式的大田栽培试验,采用完全随机区组设计4种大豆玉米带状复合种植模式,同时以大豆与玉米清种作为对照,测定不同种植模式下的生物量、邻体效应指数(RII),比较不同种植模式下大豆和玉米的互作关系。结果显示,大豆RII为-0.28~0.13,玉米RII为-0.28~0.12。在6行大豆3行玉米(S6M3)复合种植模式下,大豆和玉米的生物量较清种对照分别增加了28.95%和27.79%,且高于其他复合种植模式下作物生物量;大豆和玉米的RII分别为0.13和0.12,二者存在正相互作用。综上,在与试验区年降雨量相差不明显的旱作区域,选择S6M3复合种植模式有望提高青贮饲料产量。 相似文献
34.
基于SEBAL模型的小麦水分生产率研究 总被引:3,自引:2,他引:1
基于能量平衡原理,运用SEBAL模型和Landsat8影像反演估算了山西省晋中市的小麦水分生产率。首先根据Landsat8卫星影像,反演了晋中地区净辐射通量、土壤热通量和感热通量,使用能量平衡方程计算了水分蒸散;然后基于晋中小麦的产量统计数据,对晋中小麦的产量进行插值并栅格化;最后利用水分生产率公式计算了研究区小麦水分生产率。结果表明,研究区内的太谷、榆社、介休3站点反演的日蒸散量分别为2.93、3.82、3.17 mm/d,范围为0.41~7.22 mm/d,与根据Penman-Monteith公式计算的结果 (2.57、3.48、3.43 mm/d)大致相等,误差范围在10%左右;研究区小麦水分生产率均值为0.94 kg/m3,最高达到2.50 kg/m3,处于合理范围内,可以对晋中地区提高水分利用效率提供有效参考。 相似文献
35.
基于随机森林算法的多作物同步识别 总被引:1,自引:1,他引:0
作物类型遥感识别是农业遥感的重要组成部分,为获取作物种植面积、长势信息并进行产量估算提供了手段。目前,对玉米、水稻和小麦等大宗农作物进行单一识别或两类间分类识别的技术研究较多,对研究区多种农作物同步分类识别的研究较少。本研究基于随机森林分类器利用Landsat 8数据开展宁夏农作物分类,对八种主要农作物春小麦、玉米、水稻、苜蓿、蔬菜、葡萄、枸杞和瓜类进行同步分类试验。结果表明:随机森林方法可以满足研究区内多类作物同步监测的需求,精度可达80%以上。单时相分类精度可达到81.8%,后分类处理精度可达到82.8%,时间序列分类精度可达到85.1%,时间序列分类和后分类处理可以有效提高分类精度。随机森林分类精度随着树数量的增加而增大,当树的数量足够多时,模型趋于稳定,特征变量对精度的影响被控制在一定范围内,当特征变量设置为总特征变量的平方根或对数时,精度达到最佳。因此,基于对分类实验时效性的考虑,将参数分别设置为Ntree=100,Mtry=总特征变量的平方根或对数。 相似文献
36.
县域是实施农业绿色发展的基本单元,农田土壤中不仅耕层的有机质含量会对土壤肥力产生影响,深层有机质的作用也不可忽略,精确估算基于县域尺度农田深层有机质含量具有重要意义。该研究选定位于山西省运城市的永济市农田为研究区,采用多点混合取样法,获取了8个样地剖面的18层数据,共144个混合土样的有机质含量数据,建立了表层(0~20 cm)有机质含量估算深层有机质含量的模型,并进行深层有机质含量的估算。基于半变异函数、空间自相关理论分析了0~30、30~60、60~90、90~120、120~150和150~180 cm土层有机质含量的空间相关性和聚集特征,并进行了相关性检验,采用克里格插值方法对研究区农田各土层的有机质含量进行了预测。结果表明:1)土壤有机质含量随深度的增加呈负指数递减(R2=0.80,P0.01),各土层的有机质含量变异系数介于35.89%~47.84%之间,处于中等变异程度。2)通过建立的估算模型可以通过表层有机质含量估算出任意深度的有机质含量,且拟合精度R2达到了0.90(P0.01)。3)指数模型是反映该区域有机质含量空间结构特征的最佳模型(R20.80,RSS0.001),各土层的有机质含量均表现出了中等程度结构性特征,和空间正相关性特征(Moran’s I=0.26,P0.01),并存在显著的空间聚集特征和异常值现象。4)克里格插值可以较好地进行研究区各层有机质含量的预测,预测精度较高,稳定性较好,为县域尺度深层有机质的估算,调整农艺措施、提高土壤肥力、达到土壤减肥增效、绿色增产增效提供依据。 相似文献
37.
以晋城市长河流域108 km2为研究区,结合黄土丘陵矿区生态系统的特点和生态脆弱性理论,建立黄土丘陵区生态脆弱性评价体系,利用AHP法测算16项因子的权重并使用集对分析法对该区域5 a生态脆弱度归纳评估并验证结果可靠性。结果表明,植被指数、年均降雨量等7项指标权重影响较大,研究区2007—2015年整体呈现脆弱状态,脆弱性等级最高为强脆弱,出现在2007,2009年,最低级别为稍脆弱,出现在2015年,研究区生态脆弱度呈现逐年下降趋势,说明生态环境呈现逐年好转。研究区生态脆弱性虽然好转,但形势依然不容乐观,应继续树立可持续发展理念,保持区域协调可持续发展。 相似文献
38.
39.
小麦苗期根系三维生长动态模型的建立与应用 总被引:11,自引:2,他引:11
【目的】构建小麦根系的三维动态模拟模型,并对模型进行初步的评估。【方法】采用GREENLAB植物功能-结构模型的原理,在根系生长发育基本单元基础上,模拟了根系的拓扑结构;通过模拟不同根个体(库)对植株分配给根系的生物量(源)的竞争,实现了生物量在根系中的分配;根据异速生长规则实现了根个体几何结构计算。通过温室土柱栽培试验对小麦苗期根系结构与生物量进行了测定,获取了模型参数,进行了小麦苗期根系结构与生物量分配的模拟与分析,并以三维可视化的方式给出根系的形态结构空间分布。【结果】通过模拟根系生物量在各类根个体中的分配并依据根个体生物量与形态的关系,该模型可以定量化地模拟根系结构生长的动态变化过程;不同类型根的长度测定值与模拟值的均方根差值在1.2~35.0 cm之间变化,相对误差值在0.01到0.23之间变化,R2在0.42~0.94之间变化;对模型参数灵敏性分析表明,模拟结果对参数变化的响应比较适中。【结论】GREENLAB模型的原理可以应用于对作物根系形态结构和生物量分配的动态模拟;模型参数的选择是合理的,构建的模型能够从机理层次反映根系的生长发育过程。 相似文献
40.
基于遥感数据的孝义市土壤有机碳空间格局 总被引:1,自引:0,他引:1
土壤有机碳是土壤肥力与土壤质量的核心指标之一,定量化了解其空间分布格局对促进精准农业的发展和科学施肥具有重要意义。运用遥感数据研究了山西省孝义市土壤有机碳的空间格局,分析并确定表层土壤有机碳含量与各波段及其变量组间的相关关系。结果表明,土壤有机碳与遥感影像的第一、第三波段以及NDVI指数存在显著的相关性,并建立土壤有机碳含量的光谱预测模型(r2=0.38,p<0.05,n=100)。通过地统计学方法证明了遥感数据在估算土壤有机碳分布方面具有准确性较高、快速与低成本的特点。 相似文献