贺兰山东坡直翅目昆虫群落的边缘效应(英文)     

贺海明  杨贵军  何立荣  王新谱 《农业科学与技术》2010,11(2)

[目的]探讨边缘效应对贺兰山东坡直翅目昆虫群落的影响。[方法]样带法采集取样,采捕过程中针对采捕的不同种类及生境中的具体情况,采用网捕法、徒手捕捉、诱捕法等。采集时将昆虫标本毒死后带回实验室,制作针插标本,根据相关文献专著鉴定并记录直翅目昆虫的种类和数量。并通过物种丰富度、Shannon-Wiener多样性指数、均匀性指数、优势度指数、群落相似性指标和多度值对调查数据进行了分析。[结果]斑翅蝗科、斑腿蝗科和癞蝗科个体数量分别占总数的42.65%、29.15%和12.76%,构成研究区域直翅目昆虫的优势类群。直翅目昆虫数量沿疏林草地、边缘和荒漠草地依次增加,边缘多样性高于疏林草地和荒漠草地内部,且边缘与疏林草地差异显著;无论是疏林草地还是荒漠草地,直翅目昆虫群落多样性都是随着距边缘距离的增加而降低。在疏林草地-荒漠草地过渡带出现了栖息地广布种、利用边缘的栖息地广布种、利用边缘的栖息地特异种和逃避边缘的栖息地特异种4种边缘反应类型。[结论]该研究可为直翅目昆虫生物多样性的保护和开发利用及保护生物学的发展提供数据和理论基础。  相似文献   

基于主成分分析的叶面积指数尺度效应   总被引：1，自引：0，他引：1  

董莹莹  王纪华  李存军  杨贵军  徐新刚  王慧芳  黄文江 《农业工程学报》2012,28(11):164-169

为描述多空间尺度观测数据在表达同一区域农作物叶面积指数(LAI)分布特征时存在的差异,该文提出了一种基于主成分分析(PCA)的LAI尺度效应分析方法。该方法充分考虑了多尺度数据的相关性与差异性,从统计分析角度出发,采用PCA进行数据挖掘和信息重组,引入动态多元线性回归模式基于主成分信息(PCs)反演估算LAI,进而定量描述尺度效应。选取大麦和玉米为试验对象,先以地面最细空间尺度观测数据为基准,通过尺度上推构建一系列不同空间尺度数据;再依据上述尺度效应分析方法进行有效信息提取和LAI估算,并纳入有效主成分个数(NEPCs)、决定系数(R2)和平均相对精度(MRA)等参数定量描述尺度效应。理论分析和数值实践证实了该方法在农作物LAI尺度效应定量分析中的可行性和有效性。  相似文献   

北京山区森林叶面积指数季相变化遥感监测   总被引：7，自引：5，他引：2  

石月婵  杨贵军  冯海宽  李伟国  王仁礼 《农业工程学报》2012,28(15):133-139

森林叶面积指数(LAI)遥感反演,对于区域环境生态监测具有重要意义。该文以北京市西北山区鹫峰国家森林公园为研究区,获取多时相Landsat5 TM数据,并利用半球形照相机(Hemispherical Photography)同步获取森林LAI。使用3种植被指数(归一化植被指数NDVI、增强植被指数EVI和三梯度差植被指数TGDVI),分别建立单个观测时期及整个时期的LAI反演模型,通过相关性分析筛选出最佳模型。研究表明利用整个时期的LAI建立的模型精度较高,其中最好的是基于NDVI的LAI指数模型。利用该模型反演森林LAI,生成基于时间序列的北京山区森林LAI分布图。该研究进一步分析了阔叶林、针叶林和混交林3种情况,结果表明,与不分植被类型的LAI反演模型精度比较,阔叶林和混交林有所提高,而针叶林稍微下降,但模型精度均达到显著水平。  相似文献   

小麦倒伏的雷达极化特征及其遥感监测   总被引：9，自引：6，他引：3  

杨浩  杨贵军  顾晓鹤  李增元  陈尔学  冯琦  杨小冬 《农业工程学报》2014,30(7):1-8

研究探索了雷达遥感大面积监测小麦倒伏状况的潜力。利用覆盖整个小麦生育期的5景时间序列Radarsat-2全极化影像数据,对比分析了倒伏小麦与正常小麦在不同时间、不同极化的雷达后向散射动态响应规律,发现雷达极化特征对小麦倒伏十分敏感,基于此提出利用雷达极化指数监测小麦倒伏的方法。并利用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的实地调查数据,对提出方法进行验证,结果表明该方法能有效辨识和监测小麦倒伏。为大面积监测小麦倒伏提供了一种简单、快速、有效的手段。  相似文献   

基于MODISNDVI多年时序数据的农作物种植识别   总被引：26，自引：18，他引：8  

许青云  杨贵军  龙慧灵  王崇倡  李鑫川  黄登成 《农业工程学报》2014,30(11):134-144

为了获取陕西省农作物种植模式和类型分布信息,实现对于多年农作物长势分析及精确的估产和耕地生产力的估算,该文以2003-2012年的MOD09Q1时间序列遥感数据集为数据源,以陕西省主要农作物冬小麦、夏玉米、春玉米、水稻和油菜为研究对象,利用Savitzky-Golay滤波方法重建NDVI长时间序列数据集,充分利用农作物的物候信息,构建农作物年际间动态阈值方法,实现了农作物种植模式和类型的识别。通过对混合像元进行分解,更精确地提取农作物种植面积信息。利用空间和定量2种方式对农作物类型识别结果进行分析验证,空间对比分析得到分类的总体精度和Kappa系数为88.18%和59.64%,定量对比分析得到分类的总体一致性为87.56%。研究结果表明,结合物候信息与时间序列数据利用该文的分类方法可以有效的识别大尺度农作物信息。  相似文献   

夏玉米冠层光合有效辐射垂直分布模型   总被引：5，自引：4，他引：1  

刘镕源  黄文江  任华忠  杨贵军  谢东辉  王纪华 《农业工程学报》2011,27(9):115-121

吸收光合有效辐射分量（FPAR）是研究植被群体光合作用和光能利用的重要参数,弄清冠层内FPAR的垂直分布规律及其与冠层结构等参数之间的定量关系,可以为遥感定量反演冠层FPAR提供模型基础。该文基于平均冠层的辐射传输过程,结合冠层结构建立玉米冠层内FPAR垂直分布计算模型,并就模型的参数如植被组分光学特性、株型、太阳高度角以及天空散射光比例等对FPAR垂直分布结果的影响进行了分析。利用实测结构参数模拟了玉米冠层内FPAR,并与SUNSCAN测量值进行了比较,结果表明模型对封垄后的玉米冠层内FPAR垂直分布的模拟精度较高,RMSE均小于0.18,并能较好地计算封垄前冠层内FPAR的垂直分布趋势。  相似文献   

基于PROBA/CHRIS遥感数据和PROSAIL模型的春小麦LAI反演   总被引：2，自引：2，他引：0  

杨贵军  赵春江  邢著荣  黄文江  王纪华 《农业工程学报》2011,27(10):88-94

大面积区域作物叶面积指数（LAI）遥感反演,对指导作物管理具有重要的意义。该文基于2008年5－7月在黑河流域开展的大型星－机－地遥感综合试验获取的多角度高光谱PROBA/CHRIS数据及地面同步观测数据,利用PROSAIL辐射传输模型和神经元网络方法反演春小麦LAI,并利用地面实测LAI进行验证和分析,结果表明：PROBA/CHRIS数据的最佳组合波段为band 4（555.1 nm）、band 9（696.9 nm）和band15（871.5 nm）,利用PROBA/CHRIS数据反演LAI时,3角度组合（0°、36°、55°）反演LAI精度最高（R2=0.854,RMSE=0.344;MAE=0.213）。随着观测角度增加LAI反演精度相应提高,但超过3个角度后,多观测角度数据会带来较大不确定性,影响神经元网络建模,导致LAI反演精度下降。  相似文献   

宁夏贺兰山国家级自然保护区蝴蝶多样性研究   总被引：2，自引：1，他引：1  

贾彦霞  胡天华  杨贵军  王新谱  王继飞 《安徽农业科学》2008,36(30)

2007年对宁夏贺兰山国家级自然保护区7个不同生境的蝴蝶群落进行实地调查,共采集到蝴蝶37种,隶属6科28属,以蛱蝶科为主要科。研究结果表明,在不同的生境中,蝴蝶的多样性有较明显的变化,其中森林草地蝴蝶群落的物种数、多样性指数和均匀度均最高,高山草甸最低。  相似文献   

维西白皮大蒜特色产业有潜力     

汤学义  李春华  和光荣  杨贵军 《云南农业》2008,(5):37-37

维西县山加白皮大蒜具有蒜皮薄、蒜头大、蒜瓣大小均匀一致,大蒜素含量高等特点。由于其独特的品质优势,近年来外地客商慕名而来,争相抢购．白皮大蒜市场价格一路攀升,为当地农民创造了较好的经济收入。然而,目前维西白皮大蒜种植尚不成规模,种植水平低,管理粗放、产量不高。因此,筹谋白皮大蒜特色产业势在必行。  相似文献   

基于无人机成像高光谱影像的冬小麦LAI估测   总被引：4，自引：0，他引：4  

陶惠林  冯海宽  杨贵军  杨小冬  刘明星  刘帅兵 《农业机械学报》2020,51(1):176-187

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。  相似文献