国家自然科学基金(41201326)
- 作品数：3 被引量：34H指数：3
- 相关作者：宋晓宇黄文江陈立平崔贝杨武德更多>>
- 相关机构：国家农业信息化工程技术研究中心中国科学院山西农业大学更多>>
- 发文基金：国家自然科学基金遥感科学国家重点实验室开放基金山西省科技攻关计划项目更多>>
- 相关领域：农业科学天文地球更多>>
- 冬小麦-夏玉米轮作区土壤养分时空变化特征被引量：25
- 2013年
- 【目的】研究冬小麦-夏玉米轮作区土壤养分的时间和空间变化规律以及多年轮作对土壤养分的影响。【方法】以国家精准农业示范研究基地为例,利用GIS技术和地统计学方法,结合《北京土壤养分分等定级标准》,分析冬小麦-夏玉米轮作区土壤养分时空变异特征。【结果】从2000—2007年,研究区严重缺乏磷、钾养分,且含量等级呈下降趋势;土壤全氮含量虽在部分区域偏高,但盈亏等级也呈下降趋势;有机质含量略微增加,处于平衡状态。不同年度的各土壤养分的变异系数范围为11.00%—51.71%,属于中等程度的变异。随着时间的推移,有效磷、有机质、全氮和碱解氮空间分布稳定。速效钾在2001年空间分布规律与2000年和2007年不同,但2000年和2007年空间分布一致,说明土壤速效钾空间分布也具有一定的稳定性。【结论】整体上来说,研究区南部和东北部土壤养分含量偏高,中部含量偏低。当田块土壤物理特性有大的变动时,土壤养分的空间结构特征会受到一定影响;但当长时间田块耕作管理相对一致时,结构性因素(尤其土壤特性、气候)起主要作用。
- 崔贝王纪华杨武德陈立平黄文江郭建华宋晓宇冯美臣
- 关键词：土壤特性地统计学分析冬小麦-夏玉米轮作
- 基于边界域修正粗糙熵模型的遥感影像分类不确定性评价被引量：6
- 2014年
- 【目的】遥感影像分类是获取地表覆盖信息的有效技术手段,客观合理地评价遥感影像分类的不确定性对农业资源调查、作物估产等方面的遥感应用具有重要的意义。论文针对修正粗糙熵模型在评价遥感影像分类不确定性时存在的问题,构建基于边界域修正粗糙熵模型的遥感影像分类不确定性评价指标,以期更好地度量地物类别尺度上的遥感影像分类的不确定性。【方法】考虑边界域对遥感影像分类结果不确定性的影响,对修正粗糙熵模型进行改进,以类别的边界域被分类知识划分的结果取代所有像元被分类知识划分的结果作为衡量分类知识不确定性的依据,建立基于边界域的修正粗糙熵模型。首先依据粗集理论对所建模型的合理性进行数学推导,然后以北京市的Landsat TM影像和新疆石河子地区的IKONOS影像为例,分别应用修正粗糙熵模型和基于边界域的修正粗糙熵模型对分类结果在地物类别尺度上的不确定性进行评价,用不同空间分辨率和不同研究区域的试验数据的不确定性评价结果印证理论推导结论。【结果】与修正粗糙熵模型相比,基于边界域的修正粗糙熵模型在评价遥感影像分类的不确定性时能够更好地刻画分类知识所引起的不确定性,使遥感影像分类结果的评价更加客观和合理。通过对两种模型下试验数据的分析表明,当所研究的地表覆盖类型在研究区域内的分布比较零碎,成片区域不多,类别与类别之间的边界部分所占比重较大,混合像元现象比较严重的时候,采用修正粗糙熵模型计算遥感影像分类结果的不合理性还不是非常明显,还能够比较客观地反映遥感影像分类的不确定性问题。但是如果评价分布比较集中,面积比较大的地物类型的分类精度时,修正粗糙熵模型则难以客观地反映遥感影像分类的不确定性问题,其评价结果的不合理性也�
- 竞霞魏曼王纪华宋晓宇胡荣明
- 关键词：遥感图像不确定性边界域
- 不同施肥决策对冬小麦生长影响的高光谱监测及对比分析被引量：3
- 2013年
- 为了明确不同变量施肥算法下的冬小麦冠层光谱特征,以及确定适宜我国气候条件的变量施肥算法,于2006年通过田间试验,分别测量了六种不同施肥决策下的冬小麦冠层光谱和产量,对这六种施肥算法进行了对比分析。结果表明,通过对施肥后冬小麦冠层光谱反射率、施肥前后反射率变化量以及不同时期的归一化植被指数的分析,得知不同施肥处理的冬小麦冠层光谱反射率存在差异,可以反映出冬小麦长势的强弱,其中基于光谱指数和作物生长模型相结合的算法(Z)进行施肥的冬小麦长势最佳。与均一施肥(W)和不施肥(CK)处理相比,变量施肥处理均显著提高小麦产量;除基于土壤养分变量施肥处理(T)外,产量变异系数明显降低,其中基于归一化SPAD值变量施肥处理(S)的变异系数最小。Z变量施肥算法综合效果最佳,S变量施肥算法在降低产量变异度方面效果最佳。拔节期施肥对开花期或灌浆初期小麦生长影响最大;并且这两时期的植被指数与产量的相关性也最好,尤其红边三角光谱指数(RTVI)最好(相关系数达到0.700),可见采用RTVI指数进行产量预测效果更优。
- 崔贝黄文江杨武德宋晓宇陈立平冯美臣张东彦张竞成
- 关键词：冬小麦变量施肥
