基于遥感多参数和CNN-Transformer的冬小麦单产估测

为了提高冬小麦单产估测精度,改善估产模型存在的高产低估和低产高估等现象,以陕西省关中平原为研究区域,选取旬尺度条件植被温度指数(VTCI)、叶面积指数(LAI)和光合有效辐射吸收比率(FPAR)为遥感特征参数,结合卷积神经网络(CNN)局部特征提取能力和基于自注意力机制的Transformer网络的全局信息提取能力,构建CNN-Transformer深度学习模型,用于估测关中平原冬小麦产量。与Transformer模型(R^(2)为0.64,RMSE为465.40 kg/hm^(2),MAPE为8.04%)相比,CNN-Transformer模型具有更高的冬小麦单产估测精度(R^(2)为0.70,RMSE为420.39 kg/hm^(2),MAPE为7.65%),能够从遥感多参数中提取更多与产量相关的信息,且对于Transformer模型存在的高产低估和低产高估现象均有所改善。基于5折交叉验证法和留一法进一步验证了CNN-Transformer模型的鲁棒性和泛化能力。此外,基于CNN-Transformer模型捕获冬小麦生长过程的累积效应,分析逐步累积旬尺度输入参数对产量估测的影响,评估模型对于冬小麦不同生长阶段的累积过程的表征能力。结果表明,模型能有效捕捉冬小麦生长的关键时期,3月下旬至5月上旬是冬小麦生长的关键时期。

基于遥感多参数和IPSO-WNN的冬小麦单产估测

冬小麦是我国的主要粮食作物之一。为进一步准确地估测冬小麦产量,以陕西省关中平原为研究区域,选取冬小麦主要生育期与水分胁迫和光合作用等密切相关的条件植被温度指数(VTCI)、叶面积指数(LAI)和光合有效辐射吸收比率(FPAR)作为遥感特征参数,采用改进的粒子群算法优化小波神经网络(IPSO-WNN)以改善梯度下降方法易陷入局部最优的缺陷,并构建冬小麦产量估测模型。结果表明,IPSO-WNN模型的决定系数R2为0.66,平均绝对百分比误差(MAPE)为7.59%,相比于BPNN(R2=0.46,MAPE为11.80%)与WNN(R2=0.52,MAPE为9.80%),IPSO-WNN能够进一步提高模型的精度、增强模型的鲁棒性。采用灵敏度分析的方法探究对冬小麦产量影响较大的输入参数,结果发现,抽穗-灌浆期的FPAR对冬小麦产量影响最大,其次拔节期的VTCI、抽穗-灌浆期和乳熟期的LAI以及返青期和拔节期的FPAR对冬小麦产量的影响较大。通过IPSO-WNN输出获取冬小麦综合监测指数I,构建I与统计单产之间的估产模型以估测关中平原冬小麦单产,结果显示,估测单产与统计单产之间的R2为0.63,均方根误差(RMSE)为505.50 kg/hm^(2),相比于前人的研究较好地解决了估产模型存在的“低产高估”的问题,因此,本文基于IPSO-WNN构建的估产模型能够较准确地估测关中平原冬小麦产量。

基于遥感多参数和VMD-GRU的冬小麦单产估测

为充分挖掘时间序列遥感参数的时序信息和趋势信息,并进一步提升冬小麦估产精度,以陕西省关中平原为研究区域,选取与冬小麦长势密切相关的生育时期尺度的条件植被温度指数(VTCI)、叶面积指数(LAI)和光合有效辐射吸收比率(FPAR)作为遥感参数,构建耦合变分模态分解(VMD)与门控循环单元(GRU)神经网络的估产模型。应用VMD算法将各个时间序列遥感参数分解为多组平稳的本征模态函数(IMF)分量,选取与原始时间序列遥感参数高度相关的IMF分量进行特征重构,并将重构特征作为GRU网络的输入,以构建冬小麦组合估产模型。结果表明,VMD-GRU组合估产模型决定系数为0.63,均方根误差为448.80 kg/hm^(2),平均相对误差为8.14%,相关性达到极显著水平(P<0.01),其精度优于单一估产模型精度,表明该组合估产模型能够提取非平稳时间序列数据的多尺度、多层次特征,并充分挖掘冬小麦各生育时期遥感参数间的内在联系,获得准确单产估测结果的同时提升了估产模型的可解释性。

基于LAI时间序列重构数据的冬小麦物候监测

农作物物候信息对农作物长势监测和估产具有重要意义。该文以河北省中南部冬小麦为研究对象,以叶面积指数(LAI,leaf area index)为同化量,采用重采样粒子滤波算法同化WOFOST(world food studies)作物生长模型和遥感观测LAI,重构LAI时间序列数据,基于重构数据提取冬小麦返青期、抽穗期和成熟期等关键物候期。重构结果表明,重构的LAI具有良好的时间连续性和空间连续性,可减缓WOFOST作物模型LAI变化剧烈程度,峰值出现时间与遥感LAI曲线基本同步,且可一定程度上解决遥感观测LAI数值整体偏低和数据缺失的问题。物候期监测结果表明,在空间分布上与冬小麦实际生长状况基本相符,时间上也较为合理,但因在返青期存在LAI高初始值、成熟期存在LAI下限不确定性等问题致使在具体日期存在偏差。

SHAW模型在冬小麦晚霜冻害监测中的适用性研究

利用一维多层水热耦合SHAW（Simultaneous heat and water）模型,在2015年商丘田间实验基础上,模拟冬小麦拔节后晚霜冻敏感期幼穗层气温,并结合拔节后天数对晚霜冻害的发生及其程度进行监测,以研究SHAW模型在冬小麦晚霜冻害监测中的适用性。结果表明,模型能准确模拟晚霜冻敏感期幼穗层20~60 cm高度垂直方向上的每小时气温变化,模拟值与实测值间的绝对误差低于1℃的占44.7%,低于2℃的占72.5%,且夜晚的模拟效果优于白天,相较于气象站日最低气温,SHAW模型模拟的幼穗层日最低气温和低温持续时间更能反映实际冻害发生时的低温环境。由于农田小气候的影响,气象站、农田上方2 m高度和幼穗层气温具有较大差异性,当SHAW模型所需的农田上方2 m高度气象数据缺乏时,将气象站数据转换为农田2 m高度气象数据代入模型的模拟方法优于直接将气象站气象数据代入模型的模拟方法,前者模拟的幼穗层日最低气温与实测值更为接近,所确定的晚霜冻等级与实际情况更加符合。因此,利用SHAW模型对冬小麦晚霜冻害进行监测是可行且适用的,相较于传统的气象站日最低气温监测指标,可提高监测晚霜冻害发生情况和冻害程度的准确率。

机载多角度电力巡线系统中预警模型的设计与实现

电力系统中存在着大量架空线路,巡视和维护需要花费大量人力和物力。建立电力巡线预警机制可大大减少巡线成本。利用多角度机载遥感影像数据可以生成数字表面模型(DSM),测量出导线与周围物体间的距离,进而进行预警。文中主要介绍预警模型的设计及其实现方法。采用抛物线方程对高压线路进行拟合,定义DSM到高压电力线路的最短距离作为预警指标值,并给出具体算法。根据飞行拍摄方案,从数据存储和快速可视化表达角度出发,定义了层次数据格式(HDF)的预警信息文件结构,并内建预警信息的金字塔层次。在预警信息的可视化表达上,给出了预警等级图、预警等级图与正射影像融合图、伪彩色预警图等3种图的生成方法,使预警结果直观、方便。文中对电力线路拟合精度和3种可视化表达方法的特点进行了讨论。

基于SHAW模型的冬小麦近地面层气温模拟

利用一维多层水热耦合SHAW(The simultaneous heat and water)模型,在田间实验的基础上,模拟河南省商丘地区2015年冬小麦拔节后近地面层0~40 cm垂直方向上的每小时气温变化特征。结果表明,冬小麦近地面层气温模拟整体效果较好,其中48%模拟的绝对误差低于1℃,75%模拟的绝对误差低于2℃,不同高度上模型效率ME均大于0.94;夜晚气温的模拟效果优于白天的模拟效果,白天11:00—14:00气温被过低估计,并随着近地面层高度的增加,模拟值误差越大;近地面层内3种气温特征值模拟效果的优劣依次为:日平均气温、日最低气温、日最高气温,其中,日平均气温模拟值与实测值基本吻合,日最低气温被略微高估,日最高气温被过低估计。此外,SHAW模型在冬小麦拔节后6个生育期的模拟效果均存在差异,拔节期、灌浆期和乳熟期模拟效果较好,孕穗期和开花期次之,抽穗期模拟效果相对较差。

基于Oracle的林业应用影像数据库设计方案探讨

在Oracle10g的GeoRaster模块支持下,提出对影像的物理存贮和影像数据库组织管理的可行方案,并针对在Oracle中建立影像的金字塔、实现影像的压缩、影像索引等方面说明了具体的实现办法。在影像数据库组织方面,提出2种组织模式无缝影像层模式和分幅影像层模式;在数据访问效率方面,通过建立影像数据金字塔和基于影像块建立R树空间索引来提高数据访问效率;在数据压缩方面,在遵循OracleGeoRaster架构的基础上,通过扩充GeoRaster的影像元数据来支持数据压缩存贮能力。基于该设计方案,成功实现了一个原型系统。

国外彩色棉在中国适宜区域引种的研究——“生物适生地分析系统”应用研究之一

应用“生物适生地分析系统”对国外彩色棉品种在我国适宜区域计算与分析结果表明 ,土库曼阿什哈巴德和墨西哥瓜那华托彩色棉品种在我国引种的适宜区域完全不同 ,阿什哈巴德彩色棉主要适宜我国西北地区种植 ,而瓜那华托彩色棉主要适宜我国西南地区种植 ,且因西南地区地形复杂 ,瓜那华托彩色棉适宜区域等级差异非常显著 。

中国图书馆学博士第一人——桂质柏先生

桂质柏,曾用名"桂竹安",男,1900年8月生,籍贯湖北江夏。1922年毕业于武昌文华大学图书馆学科,1928年获美国哥伦比亚大学图书馆学硕士学位,1931年获美国芝加哥大学图书馆学博士学位[1],是我国第一个图书馆学博士[2]。桂质柏先生于1931年回国后,曾任武昌文华图书馆学专科学校教务主任,东北大学(1931.6-1932.7)、中央大学(1932.6-1935.8)、四川大学(1935.9-1940.5)、武汉大学(1940.7-1956.5)教授兼图书馆主任(1940-1956)。新中国建立后历任武汉大学教授兼图书馆馆长、中南同济医学院兼职教授、湖北省图书馆学会理事、中国民主促进会武汉市委候补委员、湖北省政协第二、三届委员会委员。1956年,受命主持筹建中国科学院武汉分院图书馆。同年8月任中国科学院武汉分院图书馆馆长,1962年8月任副馆长。1979年6月18日病故[1]。桂质柏先生他一生致力于图书馆管理、图书馆学教育和研究工作,治学严谨,注重实践,是海内外知名的图书馆事业家、图书馆学家和文献分类学家。他先后编过两部分类法,解决了我国图书馆的实际分类问题,对打破"中西并行制"起了一定的作用。他为我国图书馆事业和图书馆学研究作出了重要贡献。

基于SCE-UA算法的小麦穗分化期模拟模型参数优化

以河南省商丘市为研究区,首先采用OAT(One-at-a-time)方法对WheatGrow模型的输入品种参数进行敏感性分析,在此基础上以抽穗期的开始日期作为约束条件构建代价函数,引入SCE-UA(Shuffled complex evolution method developed at the University of Arizona)算法求解得到最优作物品种参数组合,并利用2015—2016年度和2016—2017年度田间实验资料对SCE-UA算法的有效性进行验证。结果表明,基本早熟性参数对穗分化期的模拟结果影响最显著,温度敏感性参数比光周期敏感性参数和生理春化时间参数具有更高的敏感度,生理春化时间的敏感度最低。基于优化后的参数得到的穗分化期模拟值与观测值之间的平均绝对误差(Mean absolute error,MAE)和均方根误差(Root mean square error,RMSE)均小于3 d,表明SCE-UA算法可以有效地获取WheatGrow模型最优品种参数组合。本研究可为WheatGrow模型品种参数的调整优化和模型的推广应用提供依据。

分布式区域农业信息系统元数据设计研究

该文讨论了在分布式的异构网络环境下,针对区域农业信息管理与服务系统的的体系,如何进行元数据设计的问题。文章分析了目前元数据标准存在的问题,根据农业信息管理与服务系统的体系架构,提出分别从数据、软件平台、网络服务(WebService)3个方面来考虑元数据的设计问题,认为它们的元数据内容也就构成了整个系统的元数据框架。该文建议采用面向对象技术进行元数据的设计,将元数据与它所要描述的对象(数据、软件模块、网路服务)从逻辑上捆绑在一起,把元数据内容当作对象的一个组成部分。通过对象抽象过程,确立描述该对象的内容以及作用于对象上的操作,从而定义出相应的元数据结构。这样,元数据设计的过程就转化成为面向对象的分析与设计过程。采用面向对象的元数据设计方法可以有效地避免元数据的丢失或者与数据不一致的情况。最后,文章简单给出了分布式农业信息系统的基本操作元数据内容。

基于Web服务技术实现林业空间信息发布服务

从设计和实现角度出发,提出基于Web服务技术的林业空间信息发布系统的软件框架,讨论实现林业空间信息发布服务的关键技术,重点对客户状态管理、Web服务方法复杂度、Web服务的异步访问等问题进行讨论。列出林业空间信息发布Web服务的主要功能,包括元数据检索、空间信息查询、地图显示、空间数据下载、空间数据管理等。基于本文思想的林业空间信息发布Web服务组件原型已经在.NET平台下得以实现,效果良好。

基于LightGBM的冬小麦产量估测与可解释性研究

机器学习模型在作物长势监测和产量估测过程中,复杂模型的内部机制难以理解,为了在准确估测作物产量的同时给出合理解释,本文选取条件植被温度指数(VTCI)以及冬小麦产量数据,基于轻量级梯度提升机(LightGBM)开展关中平原冬小麦的产量估测研究,并将局部可解释性模型无关方法(LIME)、部分依赖图(PDP)和个体条件期望图(ICE)等全局和局部可解释性方法用于对模型估测结果的进一步解释。结果表明,与其他机器学习方法相比,经过网格搜索优化的LightGBM能够准确地估测冬小麦产量,估测单产与实测单产的决定系数R^(2)达到0.32,均方根误差(RMSE)为809.10 kg/hm^(2),平均相对误差(MRE)为16.55%,达到极显著水平(P<0.01),表明该模型有较高的预测精度和泛化能力。进一步可解释性实验表明,网格搜索优化的LightGBM能够准确提取数据蕴含的信息,从全局角度来看,冬小麦4个生育期中拔节期VTCI对产量形成最为重要,抽穗-灌浆期和乳熟期次之,返青期则影响最小,这与先验知识相符合;从局部角度来看,局部可解释性方法基于冬小麦产量西高东低的空间特征能够进一步提供不同县(区)产量存在差异的原因,为关中平原的田间管理提供参考,对冬小麦的稳产增产具有应用价值。

《长江流域资源与环境》引文分析

运用文献计量学方法,对《长江流域资源与环境》创刊以来4年间全部论文的引文进行了统计分析,从中寻找出我国在长江流域资源生态环境研究学科领城方面的一般规律和参考结论。

基于Oracle的空间拓扑管理研究

空间拓扑关系是GIS的一个重要内容。本文提出了基于Oracle的空间拓扑管理模型。首先,将拓扑元素定义成对象,并列出了这些对象所应该具有的最基础的属性。其次,定义一个拓扑元数据表来对拓扑相关的内容进行描述,拓扑元数据表将起到一个管理和信息导航的作用。最后,讨论了基于该模型如何建立拓扑元素索引的问题。

基于SHAW模型的冬小麦叶温模拟

叶温是反映冬小麦健康状况的关键指标,但获取麦田叶温动态变化过程及廓线分布存在着较大困难。本文以河南省商丘市为研究区,引入表达土壤-植被-大气能量传输的SHAW模型,对其进行本地化标定,在垂直方向上0~60 cm高度以10 cm为间隔进行分层,模拟冬小麦拔节期至抽穗期间的叶温时序曲线及廓线,并结合田间同期不同高度的叶温实测数据,对模拟结果进行分析。结果表明:SHAW模型可有效地用于麦田叶温时序曲线和廓线模拟,决定系数达0.847 6,夜间模拟效果显著优于白天,决定系数分别为0.862 2和0.760 2。对叶温日平均值、最低值和最高值的分析表明,均方根误差范围为1.36~4.09℃,且最低温模拟效果最好,平均值次之,最高温误差最大。叶温廓线模拟分析表明,各高度决定系数均达到0.82以上,且随高度的增加而增大,均方根误差范围为2.41~3.35℃,平均误差均小于0℃;叶温总体上呈现出夜间随高度增加而降低的趋势,而白天随高度增加而升高的趋势。

《长江流域资源与环境》研究论文状况

1 引言长江是中国第一大河,在中国工农业生产中占有重要的地位。长江产业带是中国经济发展潜力最大的地区。据分析,"九五"期间,长江沿江地区的经济增长率可望高于全国平均水平2-3个百分点。至2000年,其经济总量将达到全国的45%左右。由此经过20年或更长一段时间的努力。

基于GF-1 WFV数据的玉米与大豆种植面积提取方法

准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。

基于时间序列LAI和ET同化的冬小麦遥感估产方法比较

为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。