基于不同协变量Cokriging土壤养分空间预测精度研究——以陕西省蓝田县为例

以蓝田县西北部农耕区2012年1 114份土壤有机质、碱解氮、有效磷、速效钾4个指标为基础,利用地理信息系统和地统计学相结合的方法,在对协变量个数控制的前提下,通过交叉检验系数和精度提高系数,探索协同克里格插值法对各土壤养分空间分布预测精度的影响。结果表明:各土壤养分空间分布不均匀,土壤养分存在中等变异性;利用增加协同变量方法,依据协变量之间相关性强弱控制协变量进入模型的次序对各土壤养分指标进行协同克里格插值,能提高预测精度,当协变量个数达到3时,各养分指标精度提高分别为有机质0.353%,碱解氮1.114%,有效磷1.088%,速效钾0.646%。研究结果较为准确地预测了样区4个养分指标的空间分布特征,结合土壤类型及土壤施肥管理方法,探讨了土壤养分空间分布特征的原因。     

我国北方强风蚀区空间分布格局及特征分析

我国北方强风蚀区是形成沙尘天气的主要区域,本文依据各风蚀区风速的大小、走向,自然地理条件,沙化土地现状及分布特点,将我国北方沙区分为古尔班通古特沙漠西北缘、天山东段—塔克拉玛干沙漠南缘、柴达木盆地西段、河西走廊—阿拉善、鄂尔多斯—乌拉特、浑善达克沙地东北部、内蒙古东部七个强风蚀区。同时从沙化土地、降水量、风速及大风日数、沙尘天气的发生等方面对强风蚀区空间分布格局及特征进行了分析。     

基于云模型的西安市蔬菜区土壤肥力综合评价

土壤肥力对于维持农作物生长和保障土地生产力具有重要意义。为综合考虑土壤肥力评价中的模糊性和随机性,引入云模型对西安市蔬菜区土壤肥力状况进行综合评价,选取pH值、有机质、碱解氮、有效磷和速效钾为评价指标,运用主成分分析确定权重,利用逆向云、正向云算法获得每个指标的云模型;根据单指标云模型特征值和权重值,结合综合云算法得到土壤肥力综合评价云模型。结果表明:西安市蔬菜区土壤养分总体上属于中等偏高水平,有效磷、速效钾含量偏高,碱解氮含量适中。土壤有机质是土壤肥力的首要限制因素,在实际生产过程中应注意增施有机肥,高磷、高钾地区应限制磷肥、钾肥的使用,按需施用氮肥。科学评价土壤肥力有助于更加准确地掌握土壤特性和养分状况,精准施肥,维持土壤养分平衡,提高土壤质量。     

沙棘柔性坝影响下砒砂岩沟道土壤水分空间变异分析

根据典型砒砂岩区内蒙古鄂尔多斯准格尔旗境内植有沙棘柔性坝的东一支沟道与无任何植物的对比沟道的表层(0-30cm)土壤含水量数据,运用地统计学方法分析与探讨了沙棘对砒砂岩区小流域沟道土壤水分小尺度空间变异的影响。结果表明:沙棘可明显提高砒砂岩区小流域沟道土壤含水量;沙棘柔性坝沟道与对比沟道土壤含水量具有明显的空间变异特征,沙棘柔性坝沟道土壤含水量在1-6m变程内具有中等程度的空间自相关性,对比沟土壤含水量在1-5m变程内具有较高的空间自相关性;土壤含水量分数维值表明,沙棘柔性坝沟道土壤含水量的空间依赖性比对比沟的要弱些;沙棘对小尺度土壤水分空间分布格局及其异质性有显著影响。应当指出的是,虽然降雨是土壤含水量空间自相关与分布格局影响的主要因素,但干旱条件也不容忽视,在长时间地表蒸发及植物蒸腾作用下,沟床表层土壤含水量空间变异性会进一步加强,且在一定程度上会影响沟床表层短根系及一年生草本植物的生长与分布。     

基于GIS的猕猴桃电商精准营销智能分析

旨在解决传统农产品营销模式中的种植计划粗放、营销市场针对性不足、无法充分挖掘市场等问题,实现猕猴桃电商精准营销。通过互联网等途径采集历年猕猴桃电商营销情况相关数据并建立猕猴桃地理信息数据库,结合GIS的地理数据空间分析与可视化技术,对猕猴桃营销大数据进行智能分析与深度挖掘。可以实现详细的数据统计、分析与总览等,对各地区市场的供需情况精准预测。将相关信息及时反馈给种植者,帮助其进行合理的种植方案决策,同时及时调整猕猴桃种植方案。针对不同季节、地区、需求量、品种等制定精准营销策略,以满足市场多样化需求,有效预防产品滞销等现象发生,切实提高种植户经济效益。     

基于GIS的茶树种植适宜性评价——以陕西省西乡县为例

对西乡县的茶树种植进行了适宜性区划研究。针对茶树种植立地要求,选取土壤pH,海拔高度,坡度,年≥10℃积温,年降水量5项评价因子,建立适宜性评价指标体系;应用特尔斐法确定评价因子的权重,利用GIS空间分析技术将各项指标进行叠加分析,划分出最适宜区、适宜区、次适宜区和不适宜区,实现西乡县茶树种植适宜性评价,并且提出针对性的生产建议。     

我国油茶种植环境适宜性评价初步研究

以油茶为研究对象,建立了全国油茶种植适宜性评价对象要素、技术模型以及综合评价相结合的分析评价方法。选取年低温、降水量、湿度、无霜期、海拔高度、坡度和土壤类型等三类因素七个指标,利用三标度两步AHP确定指标权重,基于RBF神经网络和GIS技术,对研究区油茶种植适宜性进行单因子评价和多因素适宜度限制性分析的综合评价。在单因子评价的基础上,综合评价能保证结果的准确性。结果表明:油茶种植的适宜区分布在湖南、江西、广东、广西大部,湖北西南部、云南南部等地区,全国油茶种植适宜区域面积约为491.88×104 hm2,而全国油茶发展战略规划的目标是466.67×104 hm2,分省统计对比显示油茶种植的提升潜力较大。研究结果可为油茶产业的合理布局,土地资源利用规划等提供科学依据。     

基于改进TOPSIS和COK的土壤养分综合评价

以陕西省周至县北部农耕区为研究对象,选取有机质、碱解氮、速效钾和有效磷4个养分指标,利用主成分分析确定指标权重,将改进TOPSIS技术运用到土壤养分综合评价中,通过计算样点值与最优值、最劣值的距离,以评价对象与最优值的相对接近程度作为评价养分高低的依据,对土壤养分综合指数(Bi)进行COK插值,并绘制土壤养分等级分布图。综合评价结果表明:研究区Bi范围为0.109~0.603,平均值0.285,标准差0.083,变异系数29.12%,属中等变异程度;养分空间分布格局:除南部的马召镇和楼观镇部分区域的养分等级高,由西北角的青花乡、哑柏镇和东部的九峰乡、尚村镇向中部降低的趋势;从高到低的养分等级面积比例为3.47:16.11:29.61:33.12:17.68。研究区土壤养分等级总体偏低,且主要分布在中部地区,与实际情况相吻合,为农耕区土壤肥力改善提供科学依据。该方法相对准确的对土壤养分给予评价,为土壤养分评价提供一条新思路。     

基于PCA-SVR的冬小麦土壤水分预测

土壤含水量状况是影响农作物生长的重要因素,对农作物生长关键期土壤水分的精准预测是田间管理的重要内容。研究选取宝鸡市2014年至2016年冬小麦种植区3—5月的气象、地形和土壤属性3个方面共15个预测因子,建立基于主成分分析(principal component analysis,PCA)的支持向量回归机(support vector regression,SVR)模型预测0~20 cm和20~40 cm土层的土壤水分,并同时采用随机森林(random forest,RF)回归模型对同质数据进行预测分析,以对比分析PCA-SVR模型的预测效果。结果表明:PCA-SVR模型对宝鸡市冬小麦土壤水分的预测在0~20 cm和20~40 cm土层的平均预测精度分别为92.899%和92.656%,RMSE分别为7.521和8.011;随机森林回归预测模型在0~20 cm和20~40 cm土层的平均预测精度为87.632%和87.842%,RMSE分别为10.759和11.042。因此,PCA-SVR模型对宝鸡市冬小麦土壤水分具有更好的预测能力,且模型在0~20 cm土层的预测效果略优于20~40 cm土层。     

土地沙漠化程度的景观尺度评价

基材混合物的有效持水量是评价厚层基材喷射植被护坡效果的重要指标之一。采用模拟岩石坡面进行厚层基材喷射植被护坡实验,研究了有机质及保水剂含量对基材混合物水分常数的影响。该研究结果对合理选择基材混合物的组成及使用比例有重要意义。