排序方式： 共有8条查询结果，搜索用时 31 毫秒
1
1.
2.
以贵州省典型山区耕地土壤高光谱数据为研究对象,基于光谱变换法和机器学习原理构建贵州省山区耕地土壤有机质(SOM)含量估算模型。于2020年8月至2021年3月在贵州省13个县(区、市)采集了120个土壤样品,检测土壤可见光-近红外波段光谱信息,利用5种光谱数据变换(原始光谱、一阶微分、二阶微分、倒数对数的一阶微分、连续统去除)和4类模型(偏最小二乘回归、支持向量机、随机森林和BP神经网络)组合出不同土壤有机质含量的预测模型,按照3∶1选择训练样本和测试样本以估算山区SOM含量。结果表明,一阶微分数据变换与山区SOM含量的相关性较高,相关系数最高达到-0.635;反演模型中,基于一阶微分光谱变换构建的BP神经网络模型精度最高,训练集、测试集的决定系数(R2)分别为0.845、0.838,测试集均方根误差(RMSE)为3.452,相对分析误差(RPD)达到2.470,其次是RF、PLSR模型的RPD较高,SVM模型的RPD最低。光谱数据变换中一阶微分法能极大程度提取出山区耕地的SOM含量信息,BP神经网络模型是估算山区SOM含量的最优模型,本研究结果可为贵州省山区耕地... 相似文献
3.
基于CASA模型估算了长顺县夏季植被净初级生产力(NPP),并分析了2000~2011年期间其时空分布特征。研究表明:2000~2011年期间,长顺县夏季NPP平均为34.51 g C/m~2·m,全县91.65%的区域,NPP值在20~50 g C/m~2·m之间。多年平均夏季NPP的分布呈现明显的地域性差异,总体呈现出由中部落叶阔叶林、针阔混交林及灌木林等植被茂盛的区域逐渐向东西两侧耕地及建设用地区域减少的分布规律;夏季NPP在12年间,其变化整体呈缓慢上升趋势。针阔混交林、落叶阔叶林、灌木林、耕地及草地区域的平均增长率分别为2.77、2.32、2.34、0.99、1.05。地区植被在夏季的固碳量在逐年增加;各乡镇夏季平均NPP在12年内的变化一致。长寨镇、广顺镇、摆所镇、鼓扬镇、代化镇、改尧镇、敦操乡分别以2.16、1.88、2.10、2.17、2.29、2.12、2.51 g C/m2·m的速率增加。 相似文献
4.
5.
为探索石灰岩发育土壤团聚体的分级特征。采用筛分法,将干筛后的团聚体逐级单独湿筛,得出不同粒级干筛后团聚体的分级特征。通过对不同植被类型下(草本、灌木、乔木)土壤团聚体的分级特征、干筛后平均重量直径、不同粒级干筛后团聚体经湿筛后的本级保留量、平均重量直径及水稳定性团聚体含量进行分析,综合评价其土壤抗蚀性。结果表明0.5mm的团聚体是土壤团聚体存在的主要形式;土壤各粒级团聚体经湿筛后以本级水稳性团聚体为主,团聚体的量随着粒级变小而不断减少;三种植被类型下干筛后团聚体平均重量直径:草本灌木乔木;湿筛后各粒级的平均重量直径均表现为:随着粒级的减小,平均重量直径递级依次减少,团聚体抗蚀性降低;土壤各粒级干筛后团聚体湿筛后各级的保留量和水稳定性团聚体均呈现出:灌木乔木草本。三种植被类型中,草本土壤的干筛后团聚体含量最高,灌木土壤的抗蚀性最强。在以后的水土保持措施当中,应以营造植被类型多样的群落为主,更好地形成土壤-植物系统的良性响应。 相似文献
6.
7.
[目的] 探索云贵高原岩溶区生态系统服务功能重要性的空间分异规律，为保障岩溶区生态系统有效管理和生态安全格局构建提供科学参考。 [方法] 借助地理信息技术测算2019年黔西南州水源涵养、水土保持和生物多样性维护三项生态系统服务功能，分析其空间格局，在此基础上用空间自相关揭示黔西南州生态系统服务重要性的空间异质性规律。 [结果] ①黔西南州生态水平整体较好，生态系统服务功能较高重要性的国土比例大，为区域提供了较好的生态服务，其中水源涵养功能和生物多样性维护功能的重要以上面积比例比水土保持功能突出。 ②以村为单位，单项功能和总体功能的各级重要全局Moran’s I指数均在0.65以上，空间分布呈现较高的空间聚集特性，表现出条带或区块分布，具体各功能的不同等级重要性又表现出差异性。 ③生物多样性维护功能分别与水源涵养功能、水土保持功能的空间自相关聚类结果存在相似性。 ④生态系统服务功能重要性与水土流失和石漠化存在耦合性，空间分异特征受水热条件、地质背景、人为等因素综合作用。 [结论] 研究区生态系统服务功能供给能力较好，同时表现出较强的空间集聚性和异质性。在生态系统管理和生态治理政策制定时，应当考虑生态系统服务功能空间分异特征，科学划定分区，实现分区管理。 相似文献
8.
叶片叶绿素与植被生长状况息息相关，SPAD值能够反映作物叶片叶绿素含量，不同品种辣椒外形和生理生态参数具有明显差异，因此，准确、快速地估算SPAD值具有重要意义。以4个不同品种辣椒为研究对象，测量其SPAD值，对原始光谱进行倒数、对数、倒数对数、一阶微分和二阶微分变换，通过将变换光谱替换原始光谱来优化植被指数，对比优化植被指数和经典植被指数搭建模型的差异，最终得到不同品种辣椒SPAD值和高光谱之间的关系，寻找SPAD值的最优反演模型。结果表明：不同品种辣椒冠层光谱特性存在差异；辣椒叶片建模集、验证集和全样本SPAD值的变化趋势均为线椒大于朝天椒；基于倒数对数光谱优化的植被指数除了CIrededge外，其余植被指数的相关系数均高于经典植被指数；基于lg1/R-VI搭建的随机森林模型无论是建模集还是验证集精度均较好，适合于不同品种辣椒SPAD值的估算，其中全样本模型测试集决定系数(R2)为0.83,平均绝对误差(MAD)为1.90,验证集R2和MAD分别为0.45和1.26。 相似文献
1