基于机器学习算法的河南省冬小麦面积提取研究

为了精准获取河南省冬小麦空间分布及面积数据,基于2003—2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提取冬小麦特征,分别训练出非线性模型,在250 m尺度对河南省冬小麦分布和面积进行识别。结果表明,基于DNN算法的河南省冬小麦面积识别模型精确率为97.26%,总体一致性为97.97%;基于RF、SVM算法的精确率分别为91.51%和89.31%,总体一致性均在90%以下。和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布。该研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息。

染料中富马酸二甲酯的检测

探讨染料中富马酸二甲酯(DMFu)的气相色谱-质谱(GC-MS)检测方法。染料样品用丙酮在超声波辅助下萃取富马酸二甲酯,采用外标法用GC-MS进行测试。经回收率验证,达到测试要求。与乙酸乙酯方法相比,该方法简单、快捷、灵敏准确,可用于染料和中间体中富马酸二甲酯的测试。

2000~2020年黄河流域植被时空演化驱动机制

以归一化植被指数(NDVI)作为植被覆盖及生长状况指标,基于2000~2020年MODIS NDVI数据及同时期气象数据,采用Theil^(-)Sen斜率估算、Mann-Kendall检验、相关性分析和残差分析等方法研究了2000~2020黄河流域植被时空演化驱动机制.结果表明,2000~2020年黄河流域生长季NDVI均值以0.005 a^(-1)的速率波动上升,植被明显改善的区域主要分布于流域中游的秦岭山系、陕北高原和吕梁山系;黄河流域生长季NDVI与降水和气温的偏相关系数均值分别为0.57和0.49,降水对植被的影响高于气温;人类活动对植被生长起明显改善的区域主要分布在流域中部的陕北高原、吕梁山系和宁夏南部等区域,对植被生长起抑制作用的区域主要分布在银川、包头、西安、洛阳、郑州和太原等人类活动强烈的城市区域;人类活动和气候变化分别对黄河流域植被变化贡献了72%和28%,在人类活动和气候变化的驱动下,黄河流域植被生长得到改善的面积占流域面积的96.4%,其中人类活动贡献率大于80%的区域面积占34.3%,主要分布在流域中部和东南部.气候变化贡献率大于80%的区域面积占4.2%,主要分布在流域内川藏高原和陇中黄土高原等区域;研究结果可为黄河流域生态保护及高质量发展提供科学支撑.