干旱区土壤盐渍化信息遥感建模

以新疆塔里木盆地北缘的渭干河-库车河三角洲绿洲为研究区,利用GF^(-1)与Landsat8 OLI影像数据作为基本数据源,从影像上提取15个盐分指数和5个光谱植被指数,通过灰度关联分析法,对0~10 cm表层土壤含盐量与影像光谱指数进行分析和筛选,确定出与土壤含盐量相关性较高的综合光谱指数,采用多元线性回归,偏最小二乘法回归,支持向量机回归三种方法分别对GF^(-1)与Landsat8 OLI影像构建基于实测数据和影像数据的综合指数土壤含盐量估算模型,并选出最优模型。结果表明:(1)在20个光谱指数中,相关性较好的光谱指数是SR、CSRI、SI、BI、S6、ARVI、SAVI、NDSI,关联系数均达到0.7以上,并基于这8个光谱指数构建综合光谱指数。(2)3种估算模型:基于GF^(-1)多元线性回归模型决定系数R^2为0.6856,高于决定系数R2为0.5142的Landsat8 OLI;偏最小二乘回归模型1~8个主成分,GF^(-1)决定系数2个>3个>1个,其中2个主成分最高可达0.6104,Landsat决定系数4个>3个>2个,其中4个主成分最高可达0.549;支持向量机模型3种函数,GF^(-1)决定系数RBF>Polynomial>Linear,其中RBF函数最高可达0.7969,Landsat决定系数Polynomial>RBF>Linear,其中Polynomial函数最高可达0.7154。对比3种模型可知,支持向量机回归模型的R2最高,因此该模型相对于多元线性回归和偏最小二乘回归更适于土壤盐渍化估算。

新疆玛纳斯流域非农业种植地盐碱性空间变异特征

土壤盐渍化是导致干旱区土地退化的主要原因之一,也是影响干旱区可持续发展和环境改善的基本问题。充分挖掘不同分类体系下盐渍土空间变异性可以为实施开垦或恢复生态措施提供科学依据。以干旱区开垦近50a的玛纳斯流域为研究区,在不同分类体系下,以土壤盐度,p H值,离子类型为指标,分析该区域非农业种植地(弃耕地,盐碱地,裸地,沙地)盐渍土类型的空间分布特征。结果表明:(1)研究区68%的样本属于非盐渍化,不同类型的盐渍土主要以链状分布于泉水溢出带-冲积平原-干三角洲地带,由南向北,区域整体盐分大致遵循先升高后降低再升高趋势,半方差函数分析土壤盐分呈现弱变异,说明这种分布情况是受随机(人为)因素的影响;而p H整体由南向北递增,传统统计学和地统计学的分析结果都表明土壤碱化呈现中等变异,受结构(自然)因素和随机(人为)因素的共同影响。表层土壤除在溢出带为氯化物型盐渍土外,其他地区自南向北由硫酸-氯化物型逐渐变为氯化-硫酸盐型和硫酸盐土、苏打盐土,离子的半方差函数拟合模型结果均是弱变异和中等变异,与美国盐度实验室分类体系的变异性结果相同,此类分布特征也是结构因素和随机因素共同作用的结果。(2)分析五种典型地貌的盐渍土分布,方差分析结果表明,5种地貌类型均呈现盐分表聚特征,碱化度则由南向北递增;其中盐碱特征最为显著的是泉水溢出带。泉水溢出带的盐土垂直方向的变化趋势为由表层至深层,盐土类型由硫酸-氯化物盐土变为氯化盐土;冲积平原和干三角洲样点处全剖面为氯化物-硫酸盐土,冲积洪积扇和沙漠地区则包含所有阴离子盐土类型。对玛纳斯流域盐渍土特性的空间异质性进行分析,可以为下一步有针对性地治理与改善土壤盐渍化提供科学依据。

基于多源数据的土壤水分反演及空间分异格局研究

温度植被干旱指数(TVDI)是一种通过反演土壤水分来反映土壤干旱状况的重要方法。在TVDI的基础上引入数字高程模型(DEM)数据对地表温度进行校正,能够减少地形起伏对能量二次分配的影响。用阈值将研究区分割成不同土地利用类型,结合野外同步实测数据,用分段反演模型反演渭-库绿洲土壤水分分布图,并对渭-库绿洲土壤水分的空间格局和分异规律进行分析。结果表明:(1)地形校正后的TVDI能够更好地反映土壤水分状况;(2)土壤水分总体上从西至东,由北向南降低,在绿洲内部较为稳定,在交错带变化较为剧烈,土壤水分垂直变异系数呈现幂函数递减的整体变化趋势;(3)针对研究区不同土地利用类型用分段反演模型进行反演,有效地实现优势互补,总体上提高了土壤水分的反演精度,在区域土壤水分研究中值得关注和应用。

小波变换耦合CARS算法提高土壤水分含量高光谱反演精度

为实现干旱地区土壤水分含量(soil moisture content,SMC)的快速监测,该文以渭干河-库车河绿洲为靶区,采用小波变换(wavelet transform,WT)对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,再通过竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)滤除冗余变量,筛选出与SMC相关性较好的波长变量,并叠加各层特征光谱的优选波长变量作为最优变量集,用偏最小二乘回归(partial least squares regression,PLSR)构建土壤水分含量预测模型并进行分析。结果显示:1)小波分解过程中,土壤反射率与SMC的相关性不断增强,到小波变换第6层分解(L6)处达到最高,因此小波变换最大分解层数为6层分解;2)通过对土样进行WT-CARS耦合算法筛选出变量,得出的最优变量集包括400~500、1 320~1 461、1 851~1 961、2 125~2 268 nm区域之间共131个波长变量;3)相对于全波段预测模型,各层特征光谱的CARS优选变量预测模型的精度均高,并且基于最优变量集的预测模型的精度最高,该模型的建模集均方根误差0.021、建模集决定系数0.721、预测集均方根误差0.028、预测集决定系数0.924、相对分析误差2.607。说明WT-CARS耦合算法使其在建立模型时尽可能少地损失光谱细节、较为彻底的去除噪声,同时还能对无信息变量进行有效去除,为该研究区SMC的预测提供新的思路。

基于变量优选和ELM算法的土壤含水量预测研究

土壤水分含量(SMC)的快速估测对干旱半干旱地区的精准农业发展具有重要的意义。以渭干河-库车河绿洲为靶区,采用小波变换(WT)对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,再通过竞争性自适应重加权(CRAS)、连续投影算法(SPA)和CARS-SPA耦合算法进行特征波长筛选。基于全波段构建BP神经网络模型和基于特征波长构建BP神经网络、支持向量机、随机森林和极限学习机模型,并进行对比分析。结果显示:(1)随着小波分解的进行,总体上L6在去噪的同时还尽可能的保留了光谱原始特征,为最大分解层;(2)小波变换和CARS-SPA算法的结合使其在建立模型时较为彻底的去除噪声和无信息变量,同时消除变量间的共线性;(3)在所有的SMC预测模型中,相对于BP神经网络、SVM,ELM和RF具有更好的预测能力,其中L6-CARS-SPA-ELM精度最高,其RMSEC=0.015 1,R_c^2=0.916 6,RMSEP=0.014 2,R_p^2=0.935 4,RPD=2.323 9。这体现出ELM预测模型对非线性问题的强解析能力和模型的稳健性,为该研究区SMC的预测提供新的思路。

基于改进植被指数土壤水分遥感反演

以渭-库绿洲为例,基于Landsat8 OLI遥感数据,考虑到短波红外特征与土壤水分有很好的关联,将短波红外波段引入可见光-近红外波段构成的传统植被指数中,旨在建立新的植被指数监测土壤水分。基于改进前后共8种植被指数,通过灰色关联分析(GRA)筛选出3种高关联度植被指数,再用偏最小二乘回归(PLSR)进行建模,然后用该模型对研究区土壤水分反演,并对其空间分布格局进一步分析。结果显示:(1)在传统植被指数的基础上引入信息量较大的短波红外,可大幅度降低植被指数间的VIF,消除其多重共线性。(2)通过GRA分析可知,改进后的植被指数与土壤水分之间的关联度均要高于传统植被指数。(3)通过GRA分析筛选出3种高关联度植被指数建立得到精度较高,稳定性较好的PLSR模型,并反演研究区土壤水分分布状况,土壤水分总体上至西向东,由北到南降低,然而土壤水分最小值主要分布在绿洲—荒漠交错带,使得交错带成为"生态裂谷"。研究表明:将短波红外波段引入到可见光-近红外植被指数中,建立的新植被指数可获得较好的土壤水分空间分布反演结果。

基于地形校正TVDI的地下水位埋深反演

在干旱、半干旱地区,地下水是陆生植被生存的重要水源,而传统的地下水位监测方法费时费力,及时获取大尺度高精度的地下水位埋深显得十分重要。在温度植被干旱指数(TVDI)的基础上,分别提取三期Landsat 8遥感数据的归一化植被指数(NDVI)、修正土壤调节植被指数(MSAVI)、比值植被指数(RVI)、差值植被指数(DVI)和增强型植被指数(EVI)和地表温度(Ts),并引入DEM数据对Ts进行地形校正,减少地形起伏对能量二次分配的影响,并选择最佳TVDI反演地下水位埋深状况,结果表明:(1)在传统TVDI的基础上引入DEM进行地形校正,分析校正前后TVDI与地下水位埋深的决定系数,R^2从0.4381提高到0.5053,这说明地形校正能够有效地提高地下水位埋深的反演精度;(2)通过三期影像对比分析了五种不同的TVDI值分别与其对应栅格点的地表土壤湿度和地下水位埋深的决定系数,总体上都是Ts-MSAVI较好,最高R^2分别为0.5547、0.5202;(3)在实测土壤含水量缺失的情况下,可以根据反映土壤湿度高低的因子(TVDI)间接地反演地下水埋深分布状况。

基于随机森林算法的土壤有机质含量高光谱检测

为了探讨既能保留光谱信息又能准确对土壤有机质含量进行快速检测。以新疆南部渭干河-库车绿洲内部73个土壤样点及其对应的高光谱数据为研究对象,采用小波变换与数学变换进行光谱数据预处理,分析各小波分解重构光谱在不同有机质含量与不同土壤类型下光谱曲线差异,通过相关分析确定最大小波分解层并筛选敏感波段,结合灰色关联分析与随机森林预测分类模型对各小波分解特征光谱进行重要性分析,最后基于最优特征光谱建立多元线性预测模型并进行分析。结果表明:(1)耕作土壤与林地土壤光谱曲线波段相较盐渍土壤和荒漠土壤光谱曲线变化较为平缓,同时在水分吸收波段处,盐渍土壤光谱曲线吸收谷最深。(2)小波变换分解光谱与土壤有机质含量的相关性随着分解层数增加呈现先减后增趋势,在第6层中,特征光谱曲线与敏感波段数量变化趋于稳定,确定为小波变换最大分解层。(3)随机森林模型相比灰色关联分析对于各小波分解层因子的筛选符合预期,按照对土壤有机质含量影响从高到低排序为L3-(1/LgR)′、L4-(1/LgR)′、L6-(1/LgR)′、L5-(1/LgR)′、L2-(1/LgR)′、L0-1/LgR、L1-1/LgR。(4)在小波分解光谱中,中频范围特征光谱对干旱区土壤有机质含量的估测能力优于高频与低频范围特征光谱,同时基于L-MC建立的模型精度最高。研究表明:基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测,可以有效的减少噪声波段干扰,并提高特征波段的分类预测精度。

粤港澳大湾区历史文化遗产保护与传承数字关键技术与应用

粤港澳大湾区是由广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门9市和中国香港、中国澳门两个特别行政区形成的城市群,是继美国纽约湾区、美国旧金山湾区、日本东京湾区之后,世界第四大湾区.是国家建设世界级城市群和参与全球竞争的重要空间载体.推进粤港澳大湾区建设,是国家战略,也是推动"一国两制""一带一路"事业发展的新实践.粤港澳三地唇齿相依、血脉相联、同根同源,拥有共同的文化记忆.

基于高光谱多尺度分解的土壤含水量反演

土壤水分含量(SMC)的快速估测能促进干旱、半干旱地区精准农业的发展。以渭干河-库车河绿洲为研究区,采用小波变换对反射光谱进行1~8层小波分解,通过相关性分析确定最大分解层数,并对原始反射率至最大分解层数以内的各层特征光谱进行9种常规数学变换处理,然后将土壤反射率与SMC进行相关性分析,并从每层特征光谱的各种变换中筛选出相关系数最大的波段,将其作为敏感波段,通过灰色关联分析(GRA)从中筛选出最佳波段组合,利用偏最小二乘回归建立SMC预测模型并进行分析。结果显示:在小波变换过程中,随着分解层数增加,土壤反射率与SMC的相关性呈先增后减的趋势,L6处通过0.01水平下的显著性波段最多,L6的特征光谱在去噪的同时还能最大限度地保留光谱细节,为本研究中的最大分解层;将小波变换和微分变换相结合可以深度挖掘光谱的潜在信息,提高土壤反射率与SMC之间的关联度;根据所有SMC模型的统计参数综合对比分析可以确定基于L-GRA建立的模型精度最优,其建模集均方根误差为0.026,建模集决定系数为0.710,预测均方根误差为0.030,验证集决定系数为0.965,相对分析误差为2.800;小波变换和灰色关联分析的结合在建立模型时能尽可能少地损失光谱细节,较为彻底地去除噪声,同时还能对无信息变量进行有效去除。

基于竞争适应重加权采样算法耦合机器学习的土壤含水量估算

土壤含水量是干旱区地表水-热-溶质耦合运移的关键指标;以干旱区典型样点实测土壤含水量及其室内可见光-近红外光谱数据作为数据集,通过蒙特卡罗交叉验证确定77个有效样本;基于竞争适应重加权采样算法筛选出最优光谱变量子集,利用3种机器学习方法——BP神经网络、随机森林回归和极限学习机建立土壤含水量预测模型,进而实现土壤含水量估算模型的优选。结果表明:竞争适应重加权采样算法能有效剔除无关变量,从2151个光谱波段中优选出20个特征波段,其中R1848与土壤含水量的最大相关系数为0.531;引入偏最小二乘模型和机器学习方法进行对比,分析发现机器学习方法的预测结果比偏最小二乘模型更高;分析比较BP神经网络、随机森林回归和极限学习机的建模结果可知:极限学习机模型建模在机器学习方法中的效果最佳,决定系数R2=0.918,均方根误差RMSE=0.015,相对分析误差RPD=3.123,四分位数间隔RPIQ=3.325;机器学习能显著提升光谱建模反演土壤含水量的精度和稳定性,显示出其在非线性问题中具有很强的透析力和较好的模型稳健性,针对干旱区土壤水分的精准预测和定量估算具有可行性,可为干旱区土壤墒情、精准农业等研究提供科学参考。

浅谈小学数学教学中学生提问能力的培养

小学数学是小学课程中的重要学科,需要重视其开学开展。在小学数学课堂教学中,要积极引导学生自主提问,并重视学生对数学学习的积极性,从而主动参与课堂教学,自主思考数学问题,从而提升小学数学教学的效率。文章主要针对小学数学教学中学生提问能力的培养展开分析。