基于双叶光能利用率模型反演毛竹总初级生产力研究

毛竹林是重要的碳库之一,准确估算毛竹总初级生产力(GPP)对评估毛竹在碳中和中的贡献有重要意义。本文利用2011—2014年安吉通量塔观测气象数据和遥感数据驱动双叶光能利用率DTEC(diffuse-fraction-based two-leaf terrestrial ecosystem carbon flux model,DTEC)模型模拟安吉毛竹8 d尺度GPP,估算毛竹GPP,有助了解毛竹林对气候变化以及人类活动的影响。本研究不仅考虑光饱和效应,还采用实测叶面积校准的LAI(leaf area index,LAI)产品(LAIi)驱动模型,最后将模拟GPP与实测GPP进行精度分析。结果显示:DTEC模型在估算毛竹的GPP上精度高于MOD17算法。相比MOD17算法,DTEC的拟合RMSE(root mean square error,RMSE)由1.95 g·C/(m^(2)·d)下降到1.41 g·C/(m^(2)·d),拟合RMSEr(relative root mean square error,RMSEr)由41.80%下降到30.25%;相比MOD17算法,DTEC的验证RMSE由2.44 g·C/(m^(2)·d)下降到2.24 g·C/(m^(2)·d),RMSEr由55.59%下降到50.91%。相比MODIS LAI,采用LAIi产品驱动DTEC模型时,拟合和验证阶段的精度均提高,其中拟合RMSE下降了0.10 g·C/(m^(2)·d),RMSEr下降了2.12%;验证RMSE下降了1.01 g·C/(m^(2)·d),RMSEr下降了22.78%。耦合了光饱和效应的DTEC-GPPmax模型,在使用LAIi产品驱动时,反演毛竹GPP精度最高,拟合RMSE为1.09 g·C/(m^(2)·d),RMSEr为23.40%;验证RMSE为1.18 g·C/(m^(2)·d),RMSEr为26.81%。本文考虑光饱和效应和使用LAIi产品驱动模型均能提高毛竹GPP模拟精度。上述成果为区域尺度准确反演毛竹GPP提供一种有效方法,便于评估其碳汇价值和生态经济价值。

CRRT非计划性下机的危险因素及护理措施分析

回顾分析院内肾脏代替治疗患者中非计划性下机的危险因素及护理措施。方法纳入时间为2021年6月到2022年6月,将该时间段院内接受连续肾脏代替治疗患者进行研究讨论,包括476例患者,对各个患者临床资料、肾脏代替治疗非计划性下机的危险因素进行分析,并分析对应护理措施。结果 476例患者中,326例为低分子肝素抗凝、115例无肝素抗凝、35例其他药物(阿加曲班、甲磺酸奈莫司他)抗凝。476例患者中,共有78例患者出现非计划性下机情况,包括38例滤器凝血、12例管路内空气、37例输入压力极端负值、10例低血压,且经Logistic回归分析法分析后,发现滤器凝血、管路内空气、输入压力极端负值、低血压等发生率与肾脏代替治疗非计划性下机发生风险呈正比。结论 肾脏代替治疗患者会受到滤器凝血、管路内空气、输入压力极端负值、低血压等因素导致非计划性下机情况出现,需要针对这些影响因素及时采取对应的护理措施,对肾脏代替治疗非计划性下机发生风险控制在合理范围。

结合放射线法和无人机影像提取冠幅估算杉木碳储量研究

分别以树龄18年和27年的杉木Cunninghamia lanceolata纯林为研究对象,利用大疆M300无人机获取样地1和样地2可见光影像,结合放射线法提取两个样地内378株杉木单木冠幅并与实测冠幅作精度分析,根据实测冠幅、胸径和树高,分别建立冠幅-胸径以及胸径-树高回归模型,并将提取冠幅代入冠幅-胸径回归模型得到胸径估计值,将胸径估计值代入胸径-树高回归模型得到树高估计值,最后将单木胸径和树高估计值代入杉木碳储量相对生长方程,估计杉木单木和样地碳储量。结果表明,杉木胸径与树高符合线性函数关系,两者决定系数R^(2)在0.89以上,胸径和冠幅符合线性关系,样地1和样地2的R^(2)分别为0.55和0.61;基于无人机提取的单木冠幅精度在71.55%以上,基于提取冠幅得到的杉木单木胸径和树高估计值精度分别为78.24%和79.80%以上;样地1和样地2杉木单木碳储量估计值分别在3.92~35.49 kg之间和15.07~53.72 kg之间,两个样地的精度分别为46.00%和54.60%,对于样地尺度,样地1和样地2杉木碳储量估计值分别为63.98 t·hm^(-2)和45.23 t·hm^(-2),采用本文方法得到的样地杉木平均冠幅、胸径、树高和碳储量估计精度均在89.77%以上。利用无人机影像冠幅信息可准确估计出样地碳储量,为智能、快速、准确获取杉木林分碳储量提供了一种可行的技术。

基于无人机可见光影像的毛竹相对叶绿素含量反演研究

【目的】叶绿素是植物光合作用的一个重要生理生化指标,直接反映了植物生长状况。毛竹(Phyllostachys edulis(Carriere)J.Houz.)具有重要的经济和生态效益,在固碳减排上发挥重要的作用,因此对毛竹叶绿素遥感实时动态监测研究有助于评估其生长状态和固碳能力。目前估算植物叶绿素大多数是使用实地测量法或采用卫星遥感获得植物光谱数据,建立叶绿素反演模型,但是这种反演模型时效性和准确性较弱。随着无人机技术的发展,为更精准和快速地反演叶绿素含量提供了新的方法。【方法】研究采用CCM-200手持式叶绿素仪获取毛竹相对叶绿素含量(chlorophyll content index,CCI)长时序数据,通过无人机可见光传感器获取毛竹红绿蓝(RGB)可见光影像数据,在此基础上分析基于无人机RGB影像得到的植被指数和CCI之间的相关关系,采用一元线性回归和以高斯误差函数作为隐含层激活函数的BP算法前馈神经网络(Erf-BP)两种方法建立毛竹CCI遥感反演模型并作精度评价。【结果】在构建的24个变量中,(2b-r-g)-(1.4r-b)、B/R、川岛指数(I_(KAW))、(2b-r)/3r这4个植被指数和毛竹CCI相关性较高,相关系数分别为0.927、0.916、-0.915、0.913。由(2b-r-g)-(1.4r-b)建立的一元线性模型的拟合值和验证值与实测值之间的决定系数(R^(2))分别为0.8893和0.8535,均方根误差(RMSE)分别为1.3778和1.9114。Erf-BP神经网络模型R2分别为0.8724和0.8825,RMSE分别为1.6429和1.5547。Erf-BP神经网络的验证精度要稍高于一元线性回归模型。在基于无人机RGB影像反演毛竹相对叶绿素时可选择神经网络模型。【结论】研究结合统计方法和无人机RGB影像建立了毛竹相对叶绿素反演模型,可以精准反演毛竹相对叶绿素含量,为动态监测毛竹叶绿素含量提供了可行的方法。

“跑得了和尚跑不了庙”——记一起维权护弱执行案

农村青年周志毅在一家化工公司打工，工作中双眼不幸被喷出的氨气灼伤，导致双目失明，可公司发给他7295．60元的工伤津贴后便一概不管了。更糟糕的是，一年后公司倒闭，股东们各奔东西，双目失明的周志毅因此陷入了绝境。该案进入执行程序后，法警经过千辛万苦，最后从各股东手里依法为周志毅“追”回了救命钱。