青藏高原土壤热通量估算及时空分布特征

土壤热通量(Soil heat flux,G)是影响青藏高原地表能量平衡的关键因素,对其进行估算以及时空分布特征分析,可为该区地表能量平衡研究提供参考依据。本文基于2003~2018年中分辨率成像光谱仪(Moderate-Resolution Imaging Spectroradiometer,MODIS)数据、中国区域地面气象要素驱动数据集以及中国西部1 km全天候地表温度数据集,利用土地表面能量平衡算法(Surface Energy Balance Algorithm for Land,SEBAL)模型结合青藏高原原位观测数据G0对模型的适用性和计算精度进行评估,发现该模型对青藏高原的土壤热通量G模拟精度较高。在此基础上利用遥感数据重构了该地区2003~2018年的土壤热通量数据,并分析了G值的时空分布特征。结果表明:(1)多年G均值整体呈波动下降趋势,最大谷值出现在2011年,最大峰值出现在2016年;各季节中,除冬季外,其余季节G均值呈波动下降趋势,且G均值值域高低依次呈现:夏季>春季>秋季>冬季,G均值波动变化大小顺序与之相一致。(2)G均值分布特征具有明显的空间异质性,总体呈现出北部柴达木盆地及其周边地区最高,西南阿里等地区较高,其余大部分地区普遍较低的空间分布特征;各季节G均值的空间分布特征基本与总体空间分布特征一致。(3)中部及东南地区G均值主要呈增加趋势,北部、西部和西南地区G均值主要呈减少趋势;各季节中,G均值有增加趋势的地区面积占比冬季最多,夏季最少,有减少趋势的地区面积占比夏季最多,冬季最少。本研究结果证明了SEBAL模型对反演青藏高原土壤热通量G的适用性,且丰富了青藏高原地表能量平衡的研究内容。

基于改进YOLOv5的牛个体图像识别方法

针对现有非接触式牛个体图像识别模型体积大、参数多、资源占用较大等问题,提出了一种基于改进YOLOv5模型的轻量级牛个体图像识别模型(Light YOLO Net,LY-Net)。将YOLOv5模型的主干网络替换为轻量级网络Ghost Net,并采用CARAFE(轻量级通用上采样算子),减少网络参数,实现网络轻量化;采用Focal-EIoU Loss作为损失函数,加速收敛并提高了速度。采用甘肃省张掖市某养殖场的30头牛,共6775幅牛个体图像作为样本数据,进行模型的训练、验证、测试。实验结果表明:LY-Net模型对牛个体的识别精确率约为99.6%,召回率约为99.5%。该模型能够在对牛个体图像高效且准确识别的同时,实现模型的小型化、轻量化。

不同草地类型WOFOST模型参数敏感性分析

以C为驱动的WOFOST作物生长模型是基于作物生理生态过程,综合考虑了CO_(2)、土壤、气候等因素对产量的胁迫作用,因此,对WOFOST模型参数进行本地化和优化便可实现时间连续且高精度的草地生物量监测。为探讨WOFOST参数敏感性分析结果在不同草地类型覆盖区表现出的不确定性问题,在天祝藏族自治县不同草地覆盖区选择了4个站点,利用气象数据、草地实测数据及土壤数据,基于扩展傅里叶幅度敏感性检验法(EFAST)研究潜在水平(指保证营养元素和水分为最佳供应,草地地上生物量仅由辐射、温度和作物特性决定)和水分限制水平(假设营养元素的供给仍然是最佳的,但需考虑土壤有效水分对蒸发和草地生物量的影响)下WOFOST模型在不同草地类型覆盖区的全局敏感性参数和优化模型模拟精度。结果表明潜在生产水平下草地地上生物量(AGB)的敏感参数有比叶面积(SLATB)、单叶片CO_(2)的初始光能利用率(EFFTB)、最大光合速率(AMAXTB)、根相对维持呼吸速率(RMR)、总干物质占根和叶的比例(FRTB和FLTB),水分限制条件下的敏感参数有SLATB、AMAXTB、RMR和FLTB。不同生产水平下叶面积指数(LAI)的敏感参数一致,从出苗到出苗后60 d主要受到SLATB、FLTB和FRTB的影响,出苗后60~200 d的敏感性参数为FLTB、FRTB、SLATB和漫射可见光的消光系数(KDIFTB),LAI开始下降后受到KDIFTB的敏感性增强。其中,山地草甸AGB的模拟值与观测值模拟精度最高,R^(2)=0.94、RMSE=11.71 g·m^(-2),高寒草甸模拟精度最低,R^(2)=0.83、RMSE=32.68 g·m^(-2)。温性荒漠草原LAI的模拟值与观测值模拟精度最高,R^(2)=0.96、RMSE=0.02,温性草原模拟精度最低,R^(2)=0.66、RMSE=0.38。敏感性分析方法在WOFOST模型中的应用减少了人为主观因素的影响,极大地缩短了调参时间,对获取时间连续的草地生长监测方法选择提供参考。

浅谈融媒时代主持人的“全能化”发展

"全能型"主持人是具备多种能力的综合型主持人才。融媒时代的互联网发展和受众主体多元化使得"全能型"主持人应运而生。"全能型"主持人具有互联网思维能力、编导能力、语言传播能力和营销能力等。"全能型"主持人同样需要通过培养来产生,但目前的主持人培养模式存在不足,亟待更新。