内蒙古自治区森林防火成效回顾及工作安排

根据会议安排,现就内蒙古自治区森林防火工作汇报如下. 1 我区森林防火工作取得的主要成效 多年来,在党中央、国务院的高度重视和国家森林防火指挥部的大力支持下,在各级党、政府的正确领导下,在全区各族人民的共同努力下,我区森林防火工作取得了显著成效.一是群防群治的     

如何提高养兔效益

1科学引种家兔品种的优劣,关系着养兔生产水平的高低。应选择健康无病的优良种兔,如新西兰兔、比利时兔等。每次引种都要非常慎重,严格考察种兔的纯度,做到详查系谱,细看特征。在培育中,对种兔建立系谱档案,分组编号,公兔、母兔分别建立繁殖卡片,做到交配、产仔有记录,使兔群血缘清楚,避免近亲繁殖,并根据本地区兔病流行特点,有计划地对兔群进行药物预防和免疫接种,防止传染病和寄生虫病的发生和流行,形成高     

齐心协力 绿化家园

——落实造林绿化目标责任制全民义务植树运动和国土绿化工作具有很强的群众性、公益性和社会性。要落实造林绿化目标责任制和部门绿化责任制,加强对年度任务执行的督导和检查工作。各级绿化委员会成员单位要推动本部门本单位绿化工作,积极开展义务植树活动。各级领导不仅要率先     

乌兰布和沙漠东北缘防护林内外沙尘暴低空结构特征

基于内蒙古磴口荒漠生态系统国家定位观测研究站近地层(050m)风沙监测塔所收集的8次沙尘暴的沙尘水平通量、垂直通量和风速风向数据,对乌兰布和沙漠东北缘中小尺度条件下的防护林内外沙尘暴过程中风况变化、沙尘分布特征以及防护林对沙尘暴的影响进行研究。结果表明:①沙尘暴发生过程中,防护林内外风速均随高度增加呈现递增趋势,风速廓线特征遵循幂函数,防护林内外均以W、WNW、NE方向为主,但每个方向所占比例不同。②防护林外沙尘水平通量及沙尘浓度随高度增高显著减小,其垂直分布特征均符合指数函数关系;防护林内沙尘水平通量及沙尘浓度则随着高度增高缓慢上升,其垂直分布特征均符合幂函数关系。沙尘垂直通量则均随着高度的增高明显减小,其垂直分布特征均符合幂函数关系。③沙尘暴经过防护林体系时,风速显著削弱,平均消减31.03%;沙尘水平通量降低298.16g·m^-2,垂直通量降低0.37g·m^-2,沙尘浓度降低22.48g·m^-2。     

基于光谱吸收特征的土壤含水量预测模型研究

为了定量分析土壤含水量与反射光谱特征之间关系,并为土壤含水量速测提供理论依据。以黑土作为研究对象,测定实验室光谱反射率,利用去包络线方法提取反射光谱特征指标,建立土壤水分含量高光谱预测模型。结果表明:黑土含水量与1 420 nm、1 920 nm附近吸收谷的主要光谱特征(吸收谷深度、宽度、面积)呈显著正相关;1 920 nm附近吸收谷可作为黑土土壤水分的特征吸收谷,由其光谱特征参数预测黑土含水量;以1 920 nm附近吸收谷面积为自变量建立的一元线性回归模型预测精度高,输入量少,可以作为土壤含水量速测仪器研制的理论依据。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

引入时相信息的耕地土壤有机质遥感反演模型

土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。     

引入地形因子的黑土区大豆干生物量遥感反演模型及验证

为了对田块尺度农作物地上干生物量进行估测,提高大豆地上干生物量反演模型的精度和稳定性,该文获取了研究区地块2016年7、8月份的SPOT-6多光谱数据,并测定不同地形坡位的大豆地上干生物量,以归一化植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)为输入量,建立田块尺度大豆地上干生物量一元线性回归模型;加入与地上干生物量相关的地形因子,建立逐步多元回归和神经网络多层感知反演模型.结果表明:1)使用传统的单一植被指数模型预测大豆地上干生物量有可行性,但模型精度和稳定性不高.2)加入地形因子(海拔、坡度、坡向)的神经网络多层感知器模型,有较高的精度和可靠性,模型准确度达到90.4％,验证结果显示预估精度为96.2％.反演结果与地块的地形、地貌、气温和降水特征基本吻合,反映了作物长势的空间分布特征,可以为田块尺度大豆地上干生物量动态监测和精准管理,提供借科学依据.