地籍测量在线学习满意度研究

研究以地籍测量课程为例,采用主成分分析、地理探测器以及多元线性回归模型对其在线学习满意度量表进行分析。结果表明:在线学习满意度量表Alpha系数达到0.992,KMO值为0.863且通过显著性检验。同时根据主成分分析结果可将满意度影响因素概括为教育教学质量与自我效能、学习动机、任务价值以及网络学习4个维度,其中任务价值在地理探测器和多元线性回归模型中表现出最高解释力和预测力,教育教学质量与自我效能次之,学习动力和网络学习2个维度在解释力和预测中存在显著差异,且学习动力在预测中可由其余3个主成分代替。在此基础上,对量表项目进行重新归类化简,并提出对在线学习的几点建议,以期为开展在线学习教学活动提供理论支持。

基于Sentinel多源数据的晋南农田地表土壤水分反演

通过遥感数据反演农田地表土壤水分,对农作物干旱、长势监测及估产有重要指导作用。以山西省闻喜县冬小麦种植区为研究区,利用水云模型去除植被影响,建立土壤直接后向散射系数与土壤含水量的关系,反演闻喜县2018年3月19日冬小麦种植区土壤水分。结果表明:协同Sentinel-1微波和Sentinel-2光学影像数据能够去除植被影响提高土壤水分反演精度,VV极化决定系数R2提高0.0914,均方根误差RMSE减少0.0895%。闻喜县中部河谷平原以及东南和西北部的台地土壤处于轻度干旱状态,西南部丘陵和东部山地土壤处于中度干旱状态。反演的土壤水分空间分布结果与地形起伏、灌溉条件和地力等级有较好的空间一致性,地形起伏低、灌溉条件良好的农田土壤水分含量高。

施肥措施对复垦土壤团聚体碳氮含量和作物产量的影响

研究复垦后不同施肥措施下有机碳(OC)和全氮(TN)在水稳性团聚体及粉黏粒组分中的分布特征,以期深入理解不同施肥措施下土壤有机碳的固持机制。以生土和连续6年不同施肥措施的复垦土壤为研究对象,采集0~20 cm耕层土壤样品,利用湿筛法进行土壤粒径分组,分析大粒径大团聚体(>2 mm)、小粒径大团聚体(>0.25~2 mm)、微团聚体(0.053~0.25 mm)和粉黏粒组分(<0.053 mm)中OC和TN含量,判断各粒径团聚体及粉黏粒组分中有机碳储量的驱动因素,探究团聚体及粉黏粒组分中有机碳含量与作物产量之间的关系。试验设不施肥(CK)、施氮磷钾化肥(NPK)、单施有机肥(M)和有机无机肥配施(MNPK)4个处理。结果表明:1)整个试验周期(2008—2013年),同CK相比,NPK、M以及MNPK处理均显著提高了玉米籽粒产量,且以MNPK处理的效果最显著,分别提高了79.49%、116.07%和113.85%。2)大团聚体和微团聚体中OC和TN含量相近,总体高于粉黏粒组分。同生土相比,CK、NPK和M处理均显著提高了>0.25~2、0.053~0.25 mm团聚体和<0.053 mm组分中OC含量。MNPK处理显著提高了各粒径团聚体和<0.053 mm组分中OC含量。此外,CK、NPK、M和MNPK处理均显著提高了各粒径团聚体中TN含量;大团聚体和微团聚体中有机碳和全氮富集系数相近,总体高于粉黏粒组分。M以及MNPK处理均显著提高了各粒径团聚体及粉黏粒组分(除>2 mm团聚体外)的C/N比。3)土壤有机碳储量受>2 mm团聚体的百分比数量驱动,其余各粒径团聚体及粉黏粒组分中有机碳含量对土壤有机碳储量的贡献较大。4)作物产量随着各粒径团聚体及粉黏粒组分中有机碳含量的增加呈线性增加,说明该区域土壤有机碳库仍未达到饱和,且以0.053~0.25 mm团聚体中有机碳含量与作物产量关系最紧密。因此,在采煤塌陷区的低肥力复垦土壤上采取有机无机肥配施,对土壤质量及农业生态持续性具有积极的作用。

基于地貌-重要性-敏感性分析框架的生态功能分区研究--以太行山脉中段晋中市为例

以太行山脉中段晋中市为研究区,在地貌-重要性-敏感性的框架下对研究区生态系统服务功能重要性和生态敏感性的空间分布特征进行分析,并对其生态功能区进行划分.结果表明:①研究区生态系统服务功能重要性类型以高度重要为主,生态系统服务功能极重要区与高度重要区镶嵌分布,主要分布在研究区的中部以及太行山脉—太岳山脉主脊两侧,生态系统服务功能以固碳释氧和水源涵养为主.②研究区生态敏感性的空间分布特征差异性明显,生态极敏感区和高度敏感区的总面积占研究区总面积的29.19%,主要分布在自然保护区、森林公园等生境质量好的区域.③采用三维魔方空间分类法从地貌、重要性和敏感性三个维度对研究区生态功能进行耦合分区,最终将研究区划分为5个生态功能区,并根据每个生态功能区的空间分布特征以及面临的主要生态环境问题提出了相应的管理保护措施,可为研究区生态建设战略规划的制定提供一定的参考.

吕梁山地区植被物候变化及对气候的响应

吕梁山地区地形垂直差异明显,植被对气候变化反应敏感,研究吕梁山地区植被物候变化,探索植被物候变化与气候的响应关系,旨在为高海拔山区植被物候研究和生态治理提供借鉴。基于2000—2015年MODIS NDVI时间序列数据,通过动态阈值法提取吕梁山地区的植被物候,对气温、降水进行空间插值,并对植被2个关键物候期与气候因素进行偏相关分析。结果表明:(1)植被生长季开始日期(the start of the growing season,SOS)提前的区域约占85.7%,其中16.2%显著提前;植被生长季结束日期(the end of the growing season,EOS)推迟的区域约占90.6%,其中33.3%显著推迟。(2)区内74.8%、87.7%植被SOS分别与气温、降水呈负相关,气温升高或降水增加,植被SOS提前。植被SOS在高海拔山区受4月气温影响显著,而低海拔地区受4月降水影响显著。(3)区内72.6%、65.1%植被EOS分别与气温、降水呈正相关,气温升高或降水增加,植被EOS推迟。植被EOS在北部和西部地区受11月气温影响显著,而高海拔地区受9月降水影响显著。2000—2015年吕梁山地区植被物候发生显著变化,各地区对气温、降水的响应不同,研究结果可为区域物候、气候变化研究和陆地生态治理提供科学依据。

Multi-scale spatial relationships between soil total nitrogen and influencing factors in a basin landscape based on multivariate empirical mode decomposition

The relationships between soil total nitrogen(STN)and influencing factors are scale-dependent.The objective of this study was to identify the multi-scale spatial relationships of STN with selected environmental factors(elevation,slope and topographic wetness index),intrinsic soil factors(soil bulk density,sand content,silt content,and clay content)and combined environmental factors(including the first two principal components(PC1 and PC2)of the Vis-NIR soil spectra)along three sampling transects located at the upstream,midstream and downstream of Taiyuan Basin on the Chinese Loess Plateau.We separated the multivariate data series of STN and influencing factors at each transect into six intrinsic mode functions(IMFs)and one residue by multivariate empirical mode decomposition(MEMD).Meanwhile,we obtained the predicted equations of STN based on MEMD by stepwise multiple linear regression(SMLR).The results indicated that the dominant scales of explained variance in STN were at scale 995 m for transect 1,at scales 956 and 8852 m for transect 2,and at scales 972,5716 and 12,317 m for transect 3.Multi-scale correlation coefficients between STN and influencing factors were less significant in transect 3 than in transects 1 and 2.The goodness of fit root mean square error(RMSE),normalized root mean square error(NRMSE),and coefficient of determination(R2)indicated that the prediction of STN at the sampling scale by summing all of the predicted IMFs and residue was more accurate than that by SMLR directly.Therefore,the multi-scale method of MEMD has a good potential in characterizing the multi-scale spatial relationships between STN and influencing factors at the basin landscape scale.

基于资源环境数据格网化表达的关联模式发现

传统空间关联模式以空间谓词作为发现逻辑进行知识发现,会导致关联模式侧重空间位置关联,并且挖掘结果受所建立谓词表的限制,存在所发现模式固定、解释自由度差等问题。本文提出一种不依赖于空间谓词的关联模式发现方法,该方法将空间数据进行格网化表达,对格网化结果以平滑移动的N×N掩膜进行多约束事务化,将传统Apriori算法去除属性自连接,然后对所构建的空间事务化数据库进行关联模式探索,抽取有价值的关联模式。最后,以山西省晋城市长河流域为实证研究区,建立煤、地、水空间事务数据库,给出格网化表达的定量误差,探索其隐含空间关联模式,并以同位模式验证了事务化结果的精度。格网化生成覆盖研究区的64 m格网28 434个,各数据层格网化误差均在5%以内,以耕地为主因子事务化结果共有记录38 310条记录。对抽取的部分关联模式分析表明:发现结果符合长河流域矿农复合区背景下耕地相关的先验知识;该方法能有效提取空间数据及其属性信息中潜在的关联模式,提高了挖掘过程自由度和结果的兴趣度。