地表温度合成方式对TVDI预测精度影响

针对目前干旱指数(temperature vegetation dryness index,TVDI)构建过程中地表温度(land surface temperature,LST)合成方式的不确定性问题,探讨了LST合成方式对TVDI预测精度的影响,提出了预测效果较好的LST合成方式。以巢湖流域为研究区,利用2013年6月的MODIS LST数据和归一化植被指数数据,构建TVDI预测模型,并结合降水数据对该模型预测结果进行定量验证。从不同时间尺度上(旬、月),探讨LST合成方式对于TVDI预测精度的影响。研究结果表明:(1)LST平均值合成构建的干旱指数TVDI与降水距指数(precipitation anomaly,PA)相关性在不同时间尺度上表现出现较大差异,上旬和中旬TVDI与PA均不存在相关性,下旬和全月TVDI与PA存在显著负相关性(p<0.01),相关系数分别为-0.31和-0.34;(2)LST最大值合成构建的干旱指数TVDI与PA在不同时间尺度上均存在显著负相关性(p<0.01或p<0.05),上旬、中旬、下旬及全月相关系数分别为-0.29、-0.25、-0.31、-0.41。综合分析发现,在月尺度上采用LST最大值合成方式构建TVDI指数对干旱预测效果更好。

实践教学是提高学生技能的金钥匙

实践教学是相对于传统的教学方法而言的．它让学生不只停留在教室中、黑板上学习知识，而是在实际操作中，通过接触实物获得直接经验和知识．通过亲身实践而获得的知识，学生易理解，又便于巩固．

让生物实验成为学生能力发展的助推器

生物学是以实验为基础的自然科学，实验是培养学生各方面能力十分重要的途径，自然，生物学中的实验教学，是生物教学中的重中之重．然而，我们到底期望学生能从实验中获得什么呢？怎么获得呢？笔者从这些方面谈一谈自己的看法．

发展生态农业 增加农民收益

生态农业．简而言之是指以生态学原理和市场经济原则为指导，以持续高产、优质、高效益生产为核心的一种新型农业生产体系。

重采样间隔对土壤质地高光谱预测模型精度的影响

光谱重采样是光谱预处理的基础环节之一,对高光谱预测模型精度有着重要影响。本文采集丰乐河流域162个土样,实验室内对土样进行质地分析和光谱测量,基于不同重采样间隔下光谱反射率R和连续统去除CR数据,利用偏最小二乘PLS回归方法构建土壤粉粒和砂粒含量的高光谱预测模型(R-PLS和CR-PLS),探讨不同采样间隔对土壤质地光谱预测模型精度的影响,分析高光谱数据预测土壤质地的最佳重采样间隔。结果表明:随着采样间隔的增大,R曲线的形状特征发生一定变化,进而导致光谱特征吸收带的变化间接影响着土壤质地的预测精度。比较与分析不同采样间隔下R-PLS、CR-PLS模型预测集评价指标的变化情况,随着采样间隔的增大,粉粒和砂粒R-PLS和CR-PLS模型的预测精度整体上逐渐减小。在相同采样间隔下,R-PLS模型的预测性能总体上高于CR-PLS模型。在R-PLS高光谱预测模型中,粉粒的最佳采样间隔为1～16 nm,砂粒为1～64 nm。该研究可为后续土壤质地的预测提供研究基础和理论参考。

基于遗传算法的土壤质地高光谱预测模型研究

为快速、准确地获取土壤质地信息,利用遗传算法结合偏最小二乘法(GA-PLS)回归建立土壤质地预测模型。采集了丰乐河流域162个表层土样,在实验室内对土样进行质地分析和光谱测量,采用遗传算法(Genetic Algorithm)筛选土壤质地光谱特征波段,在此基础上运用偏最小二乘法(PLS)构建了土壤质地预测模型,并与全谱段PLS模型进行对比分析。结果表明:基于遗传算法结合偏最小二乘的模型验证精度高于全谱段PLS模型,粉粒光谱验证集R^2达到0.841,RPD为2.391,较全谱段PLS模型RPD提高了18.13%,提升效果显著;砂粒光谱验证集的R^2为0.721,RPD为2.142,较全谱段PLS模型RPD提高了10.41%。遗传算法结合偏最小二乘法(GA-PLS)在土壤质地高光谱估测中,压缩了光谱变量,减少了数据冗余,提高了模型预测精度。