您的位置: 专家智库 > >

周倩倩

作品数:3 被引量:37H指数:2
供职机构:新疆大学资源与环境科学学院更多>>
发文基金:国家自然科学基金自治区科技支疆项目计划新疆维吾尔自治区科技支疆项目更多>>
相关领域:农业科学生物学水利工程更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 2篇农业科学
  • 1篇生物学
  • 1篇水利工程

主题

  • 2篇土壤
  • 2篇绿洲
  • 1篇地下水
  • 1篇地下水埋深
  • 1篇地形
  • 1篇地形因子
  • 1篇电磁感应
  • 1篇多变量
  • 1篇盐渍
  • 1篇盐渍化
  • 1篇指数对
  • 1篇时间序列
  • 1篇时间序列模型
  • 1篇天山南北
  • 1篇土壤含水量
  • 1篇土壤盐
  • 1篇土壤盐度
  • 1篇土壤盐渍
  • 1篇土壤盐渍化
  • 1篇系列数据

机构

  • 3篇教育部
  • 3篇新疆大学
  • 1篇福州大学
  • 1篇武警黄金第八...

作者

  • 3篇丁建丽
  • 3篇周倩倩
  • 2篇周倩倩
  • 2篇谭娇
  • 1篇杨晓东
  • 1篇王飞
  • 1篇王前锋
  • 1篇魏阳
  • 1篇杨爱霞
  • 1篇李相
  • 1篇陈文倩
  • 1篇宁娟

传媒

  • 1篇生态学报
  • 1篇干旱区资源与...
  • 1篇节水灌溉

年份

  • 1篇2018
  • 2篇2017
3 条 记 录,以下是 1-3
排序方式:
基于多变量时间序列模型的地下水埋深预测——以渭库绿洲为例被引量:8
2017年
为能够更好地预测干旱区渭库绿洲的地下水埋深及合理规划、开发地下水资源。以1995-2014年降雨量、蒸发量、农业用水量和地下水埋深等数据作为数据源展开研究。利用主成分分析法提取贡献率较大的因素,将其应用于多变量时间序列CAR(Controlled Auto-regressive)模型,从而建立地下水埋深的预测模型,并对模型进行验证。研究结果表明:渭库绿洲的地下水埋深受蒸发量、农业用水量的影响大,分别为0.533、0.466;模型预测值与实测值相对误差的平均值仅为1.483%,表明该模型在干旱区绿洲区域预测精度高、效果佳。预测趋势显示:若研究区蒸发量持续增加25%、降雨量减少15%、农业用水量减少15%时,地下水埋深将达到4.21 m,预测地下水埋深对渭库绿洲的生态环境和农业发展提供了有力的参考。
谭娇丁建丽陈文倩米热古力.艾尼瓦尔李相周倩倩
关键词:地下水埋深
基于Landsat系列数据的盐分指数和植被指数对土壤盐度变异性的响应分析——以新疆天山南北典型绿洲为例被引量:27
2017年
基于不同地理区域,借助目前已有或者构建新的盐分和植被指数定量评估研究区的土壤盐度状况。但多数指数并未在盐渍化较为严重的中国新疆地区进行系统性对比分析。因此,以新疆阜北地区(采样数=37),玛纳斯河绿洲(采样数=68)和渭干河-库车河绿洲(采样数=38)为研究区,以灌区农田和盐渍地采样数据和Landsat TM/ETM+/OLI为数据源,利用线性模型和多个非线性模型(10个)测试上述指数(14个指数)和原始波段对于研究区土壤盐度的敏感性。结果显示,阜北地区基于遥感获取的扩展的增强型植被指数Extented Enhanced Vegetation Index(EEVI)在全样本和部分样本(盐渍化样本,土壤盐度>0.3%)两种模式下(0—10cm),较其他指数和波段而言较为敏感。在全样本和部分样本(土壤饱和溶液电导率<2ds/m)两种模式下,与玛纳斯流域各层土壤盐度最为敏感的为band 2,部分样本模式下土壤盐度变异性显著性探测最大下探深度为30cm。渭干河-库车河绿洲全样本模式下,最大土壤盐度变异性显著性探测深度为40cm,0—10cm和10—20cm深度表现最为敏感的是土壤盐分指数SI-T,20—40cm深度则为植被指数TGDVI。部分样本下(土壤饱和溶液电导率>2ds/m),0—10cm深度最为敏感的为band5,10—20cm深度最为敏感的为TGDVI,20—40cm深度则为EEVI。其他指数因地理环境的差异性(气候,土壤盐分类型,土壤类型,采样时间),与土壤盐度之间并未达到显著性(sig=0.05或者0.01)的水平。以上结果只是初步结论,但也暗示其中的某些指数在本区具有一定土壤盐度的识别潜力。此外,由于土壤本身的复杂性,需要采集更多的样本以深入分析不同盐度等级下上述指数的具体表现。
王飞丁建丽魏阳周倩倩杨晓东王前锋
关键词:土壤盐渍化LANDSAT
基于实测高光谱和电磁感应的绿洲土壤含水量估测被引量:2
2018年
以新疆渭-库绿洲为研究区,利用电磁感应和高光谱技术并以地形因子作为辅助参量,构建土壤含水量的支持向量机回归(Support Vector Regression,SVR)预测模型,采用泛克里金法(Universal Kriging)将预测的土壤含水量进行插值在地图上实现空间可视化。结果表明:1)表层土壤含水量与表观电导率具有良好的相关性,两种模式相结合建立的土壤含水量解译模型的拟合优度达到0.853。2)原始反射率光谱经微分变换后更能凸显出细微差异,利用原始一阶微分建立的SVR土壤含水量模型,预测集决定系数(R2)为0.913,相对分析误差(RPD)为2.06,该模型具有较高的预测精度和稳定性。3)表层含水量空间分布不均,由绿洲内部到荒漠-绿洲交错带再到荒漠呈现逐渐减少的趋势。综上所述,利用该支持向量机模型对绿洲土壤含水量的预测具有实际与理论意义。
周倩倩周倩倩丁建丽杨爱霞宁娟谭娇
关键词:土壤含水量电磁感应地形因子
共1页<1>
聚类工具0