黄三角濒海区土壤水盐时空分异特征及耦合关系分析

选择黄河三角洲代表区域垦利区和无棣县,将野外调查与室内分析得到的土壤表层水盐数据,按照季节、植被类型、与渤海距离进行归类,利用经典统计分析、耦合度模型、缓冲区分析、Origin三维关系分析等方法,分析研究区土壤表层(0—15 cm)水盐时空分异特征及其耦合关系。结果表明:研究区土壤水盐含量总体较高,含盐量以中度盐渍化为主,垦利土壤表层水盐含量整体高于无棣;不同季节土壤含水量排序为夏季>春季>秋季>冬季,土壤含盐量排序为春季>秋季>冬季>夏季,耦合度关系比较为春季>秋季>冬季>夏季;不同植被类型土壤含水量排序为荒草地>光板地>耕地>林地,土壤含盐量排序为光板地>荒草地>耕地>林地,耦合度关系比较为光板地>荒草地>耕地>林地;由近海到内陆,研究区土壤表层含水量、含盐量以及水盐耦合度呈现逐步递减的趋势,其中无棣变化趋势较为平缓,垦利土壤含盐量在距海40~50 km处上升,土壤含水量在距海30~40 km处明显上升,表层水盐耦合度也有所提高。研究结果为黄三角濒海区土壤资源的合理规划利用提供理论依据。

基于Sentinel-2多光谱影像的小麦-玉米轮作耕地粮食产量估测——以曹县为例

建立小麦-玉米轮作耕地遥感估产模型,可及时准确估测耕地综合粮食产量。本研究以山东曹县冬小麦-夏玉米轮作耕地为对象,利用2018—2019年Sentinel-2影像,通过对比基于QGIS平台的时序特征分类与支持向量机算法,优选提取冬小麦-夏玉米轮作耕地播种面积;通过小麦、玉米植被指数与其统计产量的相关性,筛选敏感植被指数及其生育期,采取牛顿-梯形积分法,获取敏感光谱时段植被指数积分值,构建基于积分值组合的多元线性回归和3种机器学习(随机森林RF、BP神经网络BPNN和支持向量机SVM)模型,并优选最佳估产模型。结果表明:利用QGIS平台基于时序特征提取冬小麦-夏玉米播种面积精确率达94.6%,其总体精度与Kappa系数比支持向量机算法分别高5.9%和0.12;敏感光谱时段的遥感估产优于单生育期,小麦基于归一化植被指数与比值植被指数及玉米基于增强型植被指数与结构加强色素植被指数的积分组更能有效凝聚光谱信息;植被指数积分最优组合方式为差值,机器学习算法拟合精度高于经验统计模型;最佳估产模型为机器学习算法的差值组-随机森林(DVG-RF)模型(R^(2)为0.843,均方根误差为2.822 kg·hm^(-2)),估产精度达93.4%。本研究探索了利用QGIS平台提取播种面积,对冬小麦-夏玉米轮作耕地粮食估产方法进行了系统研究,建立的多植被指数积分组合模型有效可行,对提升估产精度和效率具有参考价值。