GIS作为图书馆学科服务内容的具体实例及启示

学科服务是图书馆重要职能之一,新型及优质的学科服务内容有利于更好地发挥高校图书馆的科研支撑作用。主要介绍图书馆开展GIS学科服务内容,以区域物流中心选址为研究对象,介绍了GIS技术在区域物流中心选址中的原理和操作,以哈尔滨市区域物流配送中心选址为典型实例,利用ARCGIS软件进行了实例分析,获得了满意的效果。同时,提出了图书馆开展GIS学科服务应加强政策支持、多方合作、提高馆员素质和推广宣传。     

基于近红外光声光谱的土壤有机质含量定量建模方法

该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。     

播期播量及施氮量对冬小麦生长及光谱指标的影响

为阐明播期、播量及施氮量对冬小麦生长与光谱指标的影响规律,本研究通过开展连续两年不同播期、播量及施氮量的冬小麦田间试验,系统地研究了三因素及其互作对冬小麦产量、关键生育时期叶面积指数(leafarea index,LAI)和归一化红边指数(normalized difference red edge,NDRE)的影响,并进一步分析了三因素对冬小麦冠层NDRE时序曲线的影响。另一方面建立了不同产量水平下冬小麦冠层NDRE适宜时序曲线,以便于实时监测不同产量水平下冬小麦长势动态。结果表明,冬小麦冠层NDRE与LAI随关键生育期的变化相似,且三因素对关键生育时期2个指标的影响规律基本一致。2018—2019年冬小麦产量、不同生育时期LAI和冠层NDRE均随播期推迟而下降;2019—2020年除灌浆期外,晚播冬小麦产量、LAI及冠层NDRE峰值最大。2年冬小麦不同生育时期LAI、冠层NDRE随施氮量增加而增加;而不同播量间无明显差异。三因素中播期、施氮量对冬小麦冠层NDRE时序曲线有显著影响。冬小麦冠层NDRE时序曲线随施氮量增加被纵向拉长;曲线下降部分随播期推迟向左平移,同时2018—201...     

水稻高光谱红边位置与叶层氮浓度的关系

实时无损监测叶片氮素状况对水稻精确氮素管理具有重要意义。本研究基于多年不同施氮水平和不同水稻品种的田间试验观测资料,系统分析了水稻高光谱红边区域和位置特征与冠层叶片氮浓度的定量关系。结果表明,水稻冠层的红边区域光谱受施氮水平和品种影响较大,一阶导数光谱在红边区域出现“三峰”现象。经典的红边位置(660~750 nm之间光谱反射率的一阶导数最大值)由于“三峰”特征现象而对水稻氮素浓度变化不够敏感,难以适用于水稻氮素状况的准确监测。基于倒高斯模型、线性内插法和线性外推法构造的红边位置随水稻氮浓度呈现连续变化模式,适用于水稻叶层氮浓度的定量监测;另外,基于695 nm、700 nm和705 nm等3个波段的拉格朗日算法也可估测水稻叶层氮浓度。比较不同红边位置发现,改进型线性外推法较其他几种算法更能有效地监测水稻冠层叶片氮浓度。