多源土地覆被产品在长三角地区的一致性分析与精度评价

土地覆被数据是全球环境问题,人类活动对生态系统影响评估等相关研究的重要数据源。近年来国内外生产了众多全球尺度或国家尺度上的土地覆被数据集,这些数据集在应用于特定区域研究时精度的可靠性以及多源数据集间的一致性对数据集的选择有着重要意义。该研究以长三角为研究区域,采用混淆矩阵、构成相似性分析和空间一致性分析等方法,对CCI_LC、FROM-GLC、GLC_FCS30、GLCNMO、GlobeLand30和CGLS_LC6种土地覆被数据集进行了基本精度验证及一致性分析,并探讨了面向不同用户需求的土地覆被数据产品的适用性。结果表明:CCI_LC、FROM-GLC、GLC_FCS30、GLCNMO、GlobeLand30和CGLS_LC在长三角地区的总体精度分别为76.89%、78.42%、84.67%、74.26%、80.61%和85.43%;产品间土地覆被类型面积估算的相关系数均大于0.9;FROM-GLC、GLC_FCS30和GlobeLand30三套产品对长三角地区65.51%的土地分类有完全一致性,产品间一致性分别为72.23%、77.99%和76.41%。6种产品对于广泛分布且占研究区大部分面积的耕地、林地、水体和建设用地具有较好的分类精度,湿地、裸地、灌丛和草地分类结果较弱,需要辅助其他数据产品使用。结合地形地貌分析来看,长三角地区土地覆被分类精度整体受地形起伏影响较小,但丘陵密布的浙江省的部分区域受地形影响出现了分类不稳定的情况。从城市发展的角度看,长三角地区土地覆被分类精度受到城市经济发展活跃程度影响。面向用户应用需求来看,耕地类型上CGLS_LC数据具有最优表现,林地和建设用地类别上GLC_FCS30和CGLS_LC具有相近的优秀表现,而水体类别则是FROM-GLC数据更具有优势。     

基于Lyapunov指数的电力系统短期负荷预测

短期负荷预测为发电计划程序提供数据,是电力系统经济运行和安全控制的基础。介绍Lyapunov指数预测法的步骤,以东北电网1994年的负荷数据为例,探讨Lyapunov指数预测法的预测准确性,确定其误差符合电力负荷预测的要求,适于在电力系统短期负荷预测中广泛应用。     

TRMM降水数据在复杂山地的精度评估——以重庆市为例

在地形复杂的重庆地区,利用研究区内34个气象站点实测数据,分别从年、季、月3个尺度,对2000-2011年间TRMM 3B43降水数据精度进行了验证,并分析了高程和坡度对月尺度验证结果的影响,同时利用主成分分析法比较了高程与坡度对TRMM 3B43降水数据的影响程度。研究表明:(1) 年尺度上,TRMM 3B43年降水数据普遍高于气象站点的实测结果(平均偏高5.86%),渝西、渝南的结果比渝东北的准确。季尺度上,秋季拟合效果高于其它3个季节。月尺度上,相关系数R=0.85,两者之间存在显著相关性。(2) 逐站点验证,研究区TRMM 3B43月降水数据具有较高精度(相关系数均大于0.80)。(3) 随着海拔的升高,相关系数呈"增加-减少-增加"的变化趋势,绝对偏差呈减小趋势;随着坡度的升高,绝对偏差呈"增加-减少-增加"的变化趋势,绝对偏差呈线性增加的趋势。(4) 利用主成分分析方法得出,高程对数据精度的影响大于坡度。     

冬小麦越冬中期冻害高光谱敏感指数研究

利用试验箱进行冬小麦冻害盆栽试验,观测受冻前后叶片光谱反射率、叶绿素含量并分析其变化规律;通过对高光谱数据进行倒数对数、一阶导数、二阶导数变换,与叶绿素含量进行相关分析,寻找表征冻害胁迫的特征值,获得识别和评价冻害差异程度的波段或指数。结果表明,（1）在可见光范围内叶绿素含量与原始光谱反射率呈负相关,在近红外范围内呈正相关,与倒数对数光谱的相关性则相反。一阶导数光谱大部波段相关性通过0．01水平的显著性检验,二阶导数光谱仅少部分波段通过。（2）相关性分析表明,冻害监测的敏感性波段为684．92nm处倒数对数光谱、578．37nm处一阶导数光谱、571．93nm处二阶导数光谱,这些波段与叶绿素的相关系数均通过0．01水平的显著性检验,且相关系数最大,其中以倒数对数光谱为自变量的估算模型最优。（3）叶绿素含量与高光谱特征变量的相关性分析表明,以由蓝边面积（SDb）和红边面积（SDr）计算的VI3（VI3=SDr／SDb）或VI3[VI5=（SDr—SDb）／（SDr＋SDb）]为自变量的抛物线模型最优,其训练样本拟合与验证样本精度检验水平均最高,因此VI3、VI5为冬小麦冻害监测的敏感指数。研究结果揭示了冬小麦冻害后高光谱特征,可为促进高光谱技术在冬小麦长势监测和估产中的应用,提高冬小麦冻害遥感监测的准确性提供依据。     

An Evaluation of the Response of Yield Monitors and Combines to Varying Yields

Comparisons were made between yield measurements with an impact based yield sensor and an electronic scale in adjacent harvest strips and on the same grain stream within a combine. Yield measurements in adjacent strip comparisons were more prone to errors as the segment lengths decreased. Grain yield difference between the yield sensor and electronic scale ranged from 5 to 14%, 4 to 13%, 3 to 12%, and 2 to 11% for 15, 30, 60, and 300 m long segments. The yield differences between neighboring segments might have been caused by yield variability to a degree; however, a consistent decrease in yield differences with increasing segment lengths implied that better accuracies could be obtained in longer management areas. The combine responses to grain yield changes and the effect of varying ground speed on accuracy were also evaluated by creating artificial yield patterns in harvest strips. Grain diffusion within the combine was more obvious when abrupt yield changes were introduced at known locations. Grain mixing and redistribution inside the combine may dictate the selection of segment sizes in the site-specific decision making process. Constant ground speed provided more stable grain flow values than varying ground speed. The average error in yield estimate was 3.4% and 5.2% at constant ground speed and varying speed, respectively. Careful calibration and constant combine speed were important to achieve better accuracy with the grain yield monitor.     

照片样线法大豆植被覆盖度测量精度分析

植被覆盖度是单位面积内植被垂直投影面积占总面积的百分比,它是重要的生态学参数,同时也是大豆等农作物的重要农艺参数。理想的覆盖度测量耗时短,工具简单,结果准确,受人为因素影响小。本文以‘黔豆3号’、‘川豆16’和大黑豆等24个品种为研究对象,以照相法测量值作为参考,分析目估法、实地样线法和照片样线法测定大豆植被覆盖度的精度和适用性。结果表明：目估法测量的植被覆盖度误差最大,平均为7.8%,目估误差随株高的增高呈现出先增加后降低的趋势。实地样线法测量精度较高,误差小于3% (2.8%),但耗时最长,每个1 m×1 m样方需用时6.2 min。照片样线法误差小于3%,几乎不需要消耗野外采样时间,室内每个样方照片处理需耗时约3.0 min。相较于目估法,照片样线法具有更高的测量精度,相较于实地样线法,照片样线法能够节省野外采样时间,提高工作效率。因此推荐照片样线法作为大豆和类似植物覆盖度的测量方法,同时两条样线（样线长度合计为2.8 m）即可满足测量误差小于5%的精度要求。未来应进一步探索照片样线法在其他作物覆盖度测量中的适用性。     

Vagueness ratio of storage function model parameters and its relation to the accuracy of hydrograph prediction

Fuzzy linear regression (FLR) has been applied in many areas, including several areas of engineering. For instance, it has been successfully applied in conceptual rainfall runoff modeling to identify the parameters of the storage function (SF) model. In the FLR, each model parameter is not a crisp value as found in traditional procedures but the model parameters have a fuzziness value characterized by the center () and the width (c) values. The width value could be further analyzed in terms of its contribution in the prediction accuracy. In this case, the vagueness ratio, defined as a ratio between the width value and its center value for the model parameters, is presented here as a surrogate for analyzing any possible relation to the prediction accuracy. Application of the vagueness ratio to a number of flood hydrographs at Ochohzu basin in Fukuoka, Japan, shows that the ratio is useful for assessing the accuracy of the hydrograph prediction; i.e., the higher the value of the ratio indicates the less accuracy in the prediction.     

全极化SAR图像的煤矿区土地覆盖信息分层提取方法研究

为弥补光学遥感在煤矿区资源与生态环境监测中应用的不足, 研究应用全极化SAR图像有效提取煤矿区土地覆盖信息的方法具有重要意义。针对全极化SAR图像极化信息丰富、斑点噪声多、局部异质性大等特点, 提出采用面向对象的影像分类方法对其进行分层土地覆盖信息提取。以徐州市西南部的煤矿区为研究区, 选取Radarsat-2的全极化SAR图像, 分析了研究区内全极化SAR图像中典型地物的灰度特征, 提出面向对象分类方法所涉及的最优分割尺度选择法, 给出全极化SAR图像分割对象后向散射特征的计算方法。对研究区的SAR图像进行试验, 首先对SAR图像进行多尺度分割, 选择各土地覆盖类型的最优分割尺度, 然后在该尺度下计算出土地覆盖类型的后向散射特征指数, 最后采用模糊逻辑分类法分层提取出研究区内的土地覆盖信息。结果表明: 在适于各土地覆盖类型提取的最优分割尺度下, 充分利用分割对象的灰度、形状、纹理以及类间相关特征, 并综合应用隶属函数法和最邻近分类法, 能有效地提取煤矿区的农田、道路、塌陷地、建筑物、山林这5类土地覆盖信息。与最大似然分类法相比, 该方法能够较好地消除"椒盐现象", 各种土地覆盖类型的提取精度都有所提高, 其总体分类精度可提高38.3%。     

县域土壤有机质空间变异特征及合理采样数的确定

以有机质为例,以高密度土壤养分采样数据为数据源,通过随机抽取生成不同采样密度的样点数据,分析了不同采样密度下土壤有机质的空间变异特征及县域合理采样数。研究结果表明,在一定研究尺度下采样密度对土壤养分的模型拟合、变程和空间相关性没有显著影响,即适当减少样点数可以满足插值分析的需要,充分考虑土壤养分空间变异评价的精度分析,确定县域土壤有机质合理采样数应控制在400个以上。