基于高分遥感数据和深度学习的石冰川自动提取研究——以念青唐古拉山西段为例

石冰川是以冰岩混合物为基础形成的一类具有舌状堆积纹理的冰缘地貌,了解其分布和变化对于寒区环境研究具有重要价值,遥感技术的发展为石冰川的识别提供了有效的手段。针对石冰川发育地的偏远和调查的困难,以及其光谱特征的微弱性,提出了一种基于深度学习的石冰川识别方法,以ResNet作为训练网络,得到石冰川的图像分类模型,以国产高分一号遥感影像作为实验数据,在念青唐古拉山西段展开了应用,共识别出石冰川96条。验证结果表明:该方法具有较高的识别精度(98.72%的总体精度、89.48%的生产精度和81.77%的用户精度),证明该方法能够有效地识别石冰川,并为在大区域开展石冰川的调查和分析提供了基础。

基于随机森林的苹果区土壤有机质空间预测

准确预测土壤有机质空间分布有利于测土配方施肥的推进和精准农业的发展。选取陕西省旬邑县苹果区为研究区,以地理位置(经纬度)、土壤类型、气候因子和地形因子作为辅助变量,运用随机森林模型进行土壤有机质空间分布预测,以普通克里格法和回归克里格法为对照,通过计算验证集的平均误差(ME)、平均绝对误差(MAE)和均方根误差(RMSE),对不同方法的预测结果进行精度评价。结果表明:研究区土壤有机质含量在6.8~18.2g·kg^(-1)之间,平均值为12.4g·kg^(-1),整体处于中等水平,土壤有机质含量空间分布不均匀,呈东高西低的分布趋势,具有中等程度空间变异性;精度评价结果表明随机森林的预测精度最高,其ME、MAE和RMSE均为最小,对局部细节的刻画也较其他两种方法精细,预测结果图中无明显块状区域,与真实情况更为相符;通过对辅助因子重要性进行排序,发现高程和地理位置是影响研究区土壤有机质空间分布的主要因子。

基于地理探测器的宝鸡市农田土壤养分影响因子分析

为分析陕西省宝鸡市农田土壤养分空间变异情况及其影响因素,选取土地利用类型、成土母质、土壤类型、高程、坡度、坡向、年均降水量、年均气温8种影响因子,借助地理探测器分析各因子对土壤有机质(SOM)、有效磷(AP)、速效钾(AK)、全氮(TN)养分空间变异的影响。结果表明:造成SOM空间变异主要三因子分别为土地利用方式、土壤类型、年均气温;AP与AK的主要影响因子为成土母质、高程、土地利用方式;对TN解释力较大的三因子为土地利用方式、土壤类型、成土母质。即各因子对土壤养分空间变异原因的解释力存在一定的差异,气温变化对TN和SOM影响较大,高程是对4种土壤养分解释力较强的地形因子。交互探测器探测结果表明:两因子间的交互作用对养分的解释力均强于单因子,地形因子与其他因子交互之后解释力显著增强。影响因子与养分之间主要作用方式为双协同作用和非线性协同作用。随着高程的变化,4种养分含量呈现不同的变化趋势。此外,通过与Pearson相关系数法分析结果进行对比,发现地理探测器可以得到与之一致的因子重要性排序,适用于该区域土壤养分的研究。