排序方式： 共有6条查询结果，搜索用时 15 毫秒
1
1.
及时高效预测和筛查潜在农药污染场地对环境污染风险管控具有重要意义。基于万维网公开的46个农药场地样本数据,利用五分制层次分析法建立农药场地土壤污染快速预测指标体系,包括产品特征、局部气候条件、土壤属性和场地生产特征4个因素及其相应的产品毒性、持久性、气温、降水、风速、光照、土壤质地、土壤pH、有机质含量、生产时间和闲置时间11个特征指标。其中,农药场地生产时间、产品毒性及其持久性指标五分制分级后与农药场地土壤污染均存在显著线性相关性,三个指标不同组合对场地土壤污染的线性综合预测精度小于65%,而基于11个指标的机器学习方法综合预测精度为82%,但存在污染场地严重漏判问题。以综合评价指数值P≥0.6作为农药场地土壤污染的预测阈值,五分制层次分析法综合预测精度达到91%,优于线性预测以及机器学习方法,具有关键数据需求少、预测快速高效特点,体现 “宁严勿漏”的预测原则,可用于各类型农药场地的土壤污染筛查。 相似文献
2.
兴国县水土流失治理历程与新时期重点治理方向及策略 总被引：1，自引：0，他引：1
通过不同时期水土流失遥感图片解译数据的文献检索与比对,分析了兴国县水土流失变化历程,指出了未来兴国县水土流失治理重点方向及策略。中华人民共和国成立以来,兴国县水土流失治理历程大致分为水土流失加速阶段、缓和阶段、快速消减阶段和稳步消减阶段,与国家发展和水土流失治理大政方针休戚相关。新时期,兴国县需强化崩岗及侵蚀劣地、坡耕地与经果园地、林下裸露稀疏马尾松林地、生产建设项目场地的水土流失重点治理;提升次生山林生态系统质量和生态服务功能,大力发展生态立体、循环农业和特色休闲农业,遏制山区二次开发利用的水土流失风险;创建水土流失综合治理信息化监管平台与决策支持系统,推动水土保持综合效益持续发展,促进山区建设美丽乡村,实现全面小康。 相似文献
3.
利用地基激光雷达估算不同地表条件下土方量 总被引：1，自引：1，他引：0
不同地表条件下土方量估算对土壤侵蚀量监测以及高标准农田工程建设具有重要意义,但基于地基激光雷达（Terrestrial Laser Scanning,TLS）的估算精度尚需求证。在江西省鹰潭市红壤生态实验站获取了7种不同地表条件下（植被覆盖度、砾石含量、地形起伏）填/挖土前后两期TLS数据,采用移动曲面拟合滤波与反距离加权插值方法计算填/挖土方量并验证,分析了TLS测站数量、位置与点云间距对计算精度的影响。结果表明：1）TLS在不同地表条件下估算土方量误差为1.69%～18.17%;2）在保证土方量计算精度的前提下,植被覆盖度小于1%、20%～30%的样方可分别将测站数量减少至2个和3个,低地势测站位置更有利于获取地表完整信息;3）TLS计算土方量的精度随点云间距增加而降低,近地表无覆盖、有覆盖的样方最优点间距分别为1～8和1～4 cm。研究为估算厘米级土体三维时空变化研究提供技术支持,为TLS野外观测设置提供依据。 相似文献
4.
提升土壤属性空间预测精度对实现农田精准施肥和保护生态环境具有重要意义。利用河北省滦平县采集的1 773个样点耕地表层(0～20cm)土壤有机质(SOM)及其地理环境数据,通过逐步回归分析方法筛选出最优环境变量;基于其中1 426个农田样点分别建立多元线性回归(Multiple Linear Regression,MLR)、随机森林(Random Forest,RF)、贝叶斯正则化神经网络(Bayesian regularization neural network,BRNNBP)以及与普通克里格(OK)整合模型(MLR-OK、RF-OK和BRNNBP-OK)预测SOM空间分布,以其余347个样点数据为测试集检验分析不同模型预测精度,并对模型残差进行半方差函数和空间自相关分析以评价模型拟合效果。结果表明,研究区耕地表层土壤SOM处在8.62～35.64 g·kg-1变化区间,变异系数为20.26%,属中等程度空间变异;SOM高值区主要分布在东北及东南海拔较高地区,低值区多分布在西南及中部河谷地区;海拔、坡度和年均温度与SOM关系密切(P<0.001);整合模型... 相似文献
5.
及时高效预测和筛查潜在农药污染场地对环境污染风险管控具有重要意义。基于万维网公开的46个农药场地样本数据,利用五分制层次分析法建立农药场地土壤污染快速预测指标体系,包括产品特性、局部气象条件、土壤属性和场地生产特性4个因素及其相应的产品毒性、持久性、气温、降水、风速、光照、土壤质地、土壤pH、有机质含量、生产时间和闲置时间11个特征指标。结果表明,农药场地生产时间、产品毒性及其持久性指标五分制分级后与农药场地土壤污染均存在显著线性相关性,三个指标不同组合对场地土壤污染的线性综合预测精度小于65%,而基于11个指标的机器学习方法（SVM模型和神经网络模型BP）综合预测精度为82%,但存在污染场地严重漏判问题。以综合评价指数值P≥0.6作为农药场地土壤污染的预测阈值,五分制层次分析法综合预测精度达到91%,优于线性预测以及机器学习方法,具有关键数据需求少、预测快速高效特点,体现 “宁严勿漏”的预测原则,可用于各类型农药场地的土壤污染筛查。 相似文献
6.
土壤侵蚀量是土壤退化风险评估的重要指标，地基激光雷达(TLS)为土壤侵蚀量动态监测提供新技术手段，但野外不同地表覆盖条件对监测精度的影响尚不明确。基于2019年11月和2021年7月在鹰潭红壤生态实验站获取的地表裸露、石块、稀疏象草、马尾松、马尾松+石块，马尾松+稀疏象草等不同地表覆盖条件的6个径流小区两期TLS数据，运用移动曲面拟合滤波和反距离加权插值方法估算土壤侵蚀量，结合实测侵蚀量数据评价TLS精度，并探讨不同地表覆盖条件下TLS的最小变化识别度(minLOD)。研究表明，TLS监测精度与土壤侵蚀量呈正相关关系，更适用于中等强度以上或长时间发生明显侵蚀的土壤侵蚀区监测。不同地表覆盖条件下minLOD为4 ~ 60 mm，TLS监测相对误差(RE)依次为：地表裸露(RE= -9.4%)<马尾松+石块(RE=12.6%)<石块(RE=15.5%)<稀疏象草(RE= -18.9%)<马尾松(RE=23.4%)<马尾松+稀疏象草(RE= -25.2%)；地表覆盖条件不仅影响土壤侵蚀强度、地表粗糙度，也产生点云滤波及空间插值误差，进而影响TLS识别minLOD准确度和土壤侵蚀监测精度。本研究为野外复杂地表条件下TLS监测土壤侵蚀提供参考。 相似文献
1