DEM空间尺度对可照时数模拟结果的影响 ——以浙江省仙居县为例

以浙江省仙居县为实验区,基于4种不同空间分辨率DEM提取相关地形因子,结合可照时数分布式模型,利用数字地形分析和空间数据叠置分析等方法,模拟1月和7月4种空间分辨率下的可照时数,并定量分析DEM尺度效应对模拟结果的影响。结果表明：（1）模拟结果的空间异质性随分辨率减小而减小,其平均值逐渐增加,且1月增幅大于7月,最大值随分辨率的变化不大,而最小值差异较大,标准差逐渐减小。（2）受海拔和地形遮蔽影响,平地和山脊处可照时数最多,海拔200-400m区间最少,400-1100m区域可照时数随海拔增加而增加。以10m分辨率结果为参照,30m、90m和900m分辨率下的差值随分辨率减小而增加,海拔<100m处差值最小,700-900m区域差值最大,1月日均多算0.7、1.4和2.9h,7月日均多算0.5、0.9和2.3h。（3）坡度0-55°范围内,可照时数随坡度增加而减少,30m、90m和900m分辨率与10m分辨率的差值随分辨率降低而增加,且最小差值均在<5°区域,最大差值在不同坡度等级,1月日均多算2.1、1.8和1.7h,而7月日均多算0.3、0.6和1.2h。（4）受太阳高度角和方位角影响,可照时数在南坡-北坡间的差异较大,东南-西南坡、东坡-西坡以及东北-西北坡之间差异较小,30m、90m和900m分辨率与10m分辨率的差值随分辨率降低而增加,在偏北坡,1月差值大于7月,最大差值在1月的北坡上,日均多算1.4、2.5和4.8h,在偏南坡上,1月差值小于7月,最大差值在7月的南坡或西南坡上,日均多算0.5、0.9和2.1h。     

基于土地利用变化的县域水土流失消长评价方法探讨

以人类活动扰动比较大的内蒙古自治区达拉特旗和人类活动扰动比较小的青海省称多县为例,收集了2014—2015年和2017年土地利用、遥感影像等资料,采用中国土壤流失方程计算了水力侵蚀模数。在此基础上,分析了2017年与2014—2015年土地利用和水土流失面积的差异,对比了基于两期土地利用图和基于遥感影像变化得到的水土流失消长变化之间的差异。结果表明:基于两期土地利用图得到水土流失面积变化大,基于遥感影像变化得到的水土流失面积变化小,前者水土流失面积变化量是后者的64倍(称多县)和94倍(达拉特旗)。基于遥感影像变化得到的水土流失面积消长结果更符合实际情况。水土流失面积消长量远小于土地利用面积变化量。本结果可为即将开展的全国水土流失消长评价工作提供技术参考。     

定量分解气候变化与人类活动对季节径流变异的贡献率

变化环境下径流序列可能发生变异。当前径流变异的贡献率分解研究多集中于年尺度,而对季节尺度的关注不足。以黄土高原典型流域——泾河流域为研究对象,应用小波分析方法揭示其季尺度径流序列的演变规律,采用有序聚类法和累积距平法对其径流序列进行变异诊断,最后采用累计斜率变化率比较法定量分解气候变化和人类活动对其四季径流变异的贡献率。结果表明:(1)泾河流域夏季和冬季径流的周期变化均在20世纪90年代左右有发生转变,均由小尺度周期变化转变为较大尺度周期变化;(2)春、夏、秋和冬季径流分别在1969年、1996年、1985年和1990年发生变异;(3)人类活动对春、夏、秋和冬季径流变异的贡献率分别为50.40%,89.69%,39.14%和84.59%,在夏季和冬季人类活动(主要是水土保持措施的不断深入)对泾河径流变异的贡献占主导地位,且干扰影响了径流的周期变化。     

基于集合经验模态分解北疆降水多尺度变化特征

降水是中国西北干旱区水资源的重要组成部分,利用合理方法有效认识降水的区域变化规律对指导农业发展尤为重要。基于北疆42个气象站1961—2012年降水序列数据,从气候时间序列中提取气候信号中各个尺度的变化,对北疆过去52a来的降水进行多尺度分析,并对其空间差异进行了初步探讨。结果表明:过去52a北疆降水量存在明显的年际和年代尺度的变化,年际尺度的周期为5a和8a,年代尺度的周期为10a和30a。变化趋势上,降水量1985s之前呈减少趋势,在1985s之后呈增加趋势,且后期的增幅大于前期的减幅。突变分析表明北疆年降水量呈增加趋势。集合经验模态分解(EEMD)是一种适用于非线性、非平稳序列的信号分析方法,将EEMD应用于气候要素时间序列,可提取可靠真实的气候变化信号,同时,EEMD可以得到气候变化的固有时间尺度。     

基于GF-1卫星遥感数据识别京津冀冬小麦面积

省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积, 该文以北京市(京)、天津市(津)和河北省(冀) 3个省域范围为例, 以国家标准地形图分幅为分类的图幅单元, 利用国产GF-1/WFV数据, 构建冬小麦面积指数, 实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源, 依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理, 以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数, 将冬小麦面积指数按照1%的比例等分, 并将面积指数从0到100%分割为101个提取节点, 将提取节点的NDVI值依次与类型确认样本比较, 精度最高的则确认为冬小麦面积提取阈值, 同时将该阈值应用于图幅单元内冬小麦面积指数影像, 获取冬小麦种植分布。最后冬小麦面积识别的精度表明, 以标准地图分幅作为计算单元, 在GF-1影像基础上, 利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异, 且冬小麦的总体识别精度达到89.6%, 用户精度达到89.8%, 制图精度96.5%, Kappa系数0.72。在典型区域, 本文算法与监督分类算法精度结果较为一致, 除制图精度相差4.77%外, 总体精度与用户精度差都在1.00%以内, 说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点, 能够满足省级尺度农情遥感业务监测的需要。     

介电种子分选机工况参数的选择

以油菜种子的介电分选试验为基础,分析了分选电压、滚筒转速和喂入量对获选种子净度、千粒质量以及质量比例的影响规律,为介电种子分选机工况参数的选择提供了参考。     

氮肥施用对柑橘果园土壤有机碳矿化的影响

土壤有机碳矿化是土壤向大气释放CO2的最大净输出途径,其与植被的净初级生产力的差值是判断生态系统碳“源”或“汇”的关键。采用室内模拟试验,在10、20、30℃ 3个温度条件下,研究施肥施用对柑橘果园土壤有机碳矿化的影响。结果表明：3种温度处理下,各施氮处理土壤有机碳矿化速率都表现为培养前期快速下降,培养后期保持相对稳定的趋势。在整个培养过程中,3种温度条件下各施氮处理的土壤CO2累积排放量为1328.25~2219.42 mg/kg,100 mg/kg（N4）处理土壤有机碳矿化量最大,CK处理最低,100 mg/kg（N4）和80 mg/kg（N3）2个高氮处理显著高于低氮50 mg/kg（N2）、30 mg/kg（N1）处理。土壤有机碳矿化速率随温度升高而增长,不同的土壤施氮条件下土壤有机碳矿化的温度敏感性不同,N2处理土壤有机碳矿化的温度敏感性最低,N4处理最高。柑橘果园土壤有机碳矿化受高施氮量影响较大,低施氮影响不明显。随着施氮量的增加土壤有机碳矿化的温度敏感性增加,氮肥施用和温度的共同作用可能使柑橘林向大气中排放的CO2增加。     

冲击作用下粘性土壤破碎体的分形维数与影响因

给出冲击破碎分析的两倍尺度控制约定,研究粘结态土壤破碎体生成的影响因素,建立了土壤破碎体分形维数与落锤质量、冲击行程、土壤含水率、破碎比能之间的关系.结果表明,土壤破碎体的分形维数与落锤质量及冲击行程没有联系,但分形维数与土壤含水率及破碎比能具有明显的相关性.另外,通过比较得知土壤在冲击作用下的破碎体分形维数远远低于植被土样的分形维数.     

基于1:20万数据库的河南省土壤空间分异及其影响因素研究

利用地理信息系统（MAPGIS）和EXCEL建立了河南省1：20万土壤数据库,根据土壤质量演变规律与持续利用“973”项目提出的土壤肥力质量指标体系（pH值）和全国土壤养分分级标准（有机质、全氮、速效钾）编制出土壤pH值、有机质、全氮和速效钾土壤表层属性专题分异图并分析其分布特征：利用SPSS对不同土壤类型和成土母质间的多种土壤表层属性进行了方差分析,结果显示不同土壤类型和成土母质对表层土壤属性都有影响,特别对有机质和pH值影响尤其显著。在1：20万尺度范围内。土壤类型对有机质、pH值、全氮和阳离子交换量起到主导作用,成土母质对有机质和pH值起主导作用。土壤类型对土壤各属性的影响程度要大于成土母质。     

基于MSRCR-YOLOv4-tiny的田间玉米杂草检测模型

为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法的改进YOLOv4-tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像特征增强预处理,提高图像的对比度和细节质量;然后使用Mosaic在线数据增强方式,丰富目标检测背景,提高训练效率和小目标的检测精度;最后对YOLOv4-tiny模型使用K-means++聚类算法进行先验框聚类分析和通道剪枝处理。改进和简化后的模型总参数量降低了45.3%,模型占用内存减少了45.8%,平均精度均值(Mean average precision, mAP)提高了2.5个百分点,在Jetson Nano嵌入式平台上平均检测帧耗时减少了22.4%。本文提出的Prune-YOLOv4-tiny模型与Faster RCNN、YOLOv3-tiny、YOLOv4 3种常用的目标检测模型进行比较,结果表明：Prune-YOLOv4-tiny的mAP为96.6%,分别比Faster RCNN和YOLOv3...