科研产出
区域土壤重金属空间变异及合理采样数确定
《农业工程学报 》 2008 EI 北大核心 CSCD
摘要：为研究北京市大兴区的重金属污染情况,加强农产品安全生产管理,在北京市大兴区布设了313个取样点,测定了土壤重金属Cu、Zn、Pb、Ni、As和Hg的含量,并充分利用空间分析和地统计分析技术对土壤重金属的空间变异性及合理取样数进行了研究。结果表明:大兴区土壤中6种主要重金属空间变异系数范围为14.43%～47.16%,其变异程度为As>Zn>Cu>Ni>Hg>Pb,且这些土壤重金属均在一定范围内存在空间相关性,空间相关距排列为Cu>Zn>Pb>Hg>As>Ni。相比于经典统计法,地统计分析和克立格插值考虑了空间结构性和随机性,可以确定更合理的采样数量。
关键词： 空间变异性 合理取样数 经典统计法 地统计分析 克立格插值
全文链接
请求原文
负水头灌溉对温室番茄生长、产量及品质的影响
《农业工程学报 》 2008 EI 北大核心 CSCD
摘要：针对目前水资源紧缺与蔬菜生产水分管理难的矛盾,采用负水头灌溉新型灌溉方式与传统漫灌方式进行比较,研究了2种不同灌溉方式对番茄植株生长、产量和品质的影响以及水分利用效率的差异。试验结果表明负水头灌溉方式下的番茄植株各形态指标都要优于常规漫灌,符合番茄植株对水分的需求;负水头灌溉下番茄植株光合作用与蒸腾作用都要强于常规灌溉,干物质积累与水分利用效率都要大于常规灌溉。对番茄产量与品质的测定表明负水头灌溉方式提高了番茄产量,同时提高了番茄果实内维生素C、可溶性糖及可溶性固形物的含量,降低了果实酸度,提高了糖酸比,而对果实水分、及硝酸盐的含量未产生影响。总结表明,负水头灌溉方式更适合应用于温室番茄栽培中。
全文链接
请求原文
用神经网络和高光谱植被指数估算小麦生物量
《农业工程学报 》 2008 EI 北大核心 CSCD
摘要：准确的估算作物生物量,能够为国家和地方政府的粮食经济宏观调控决策提供科学依据。利用高光谱植被指数,系统的比较了人工神经网络方法和传统回归模型估算的小麦生物量。结果表明,基于BP神经网络的方法相对于对数回归模型,显著地提高了小麦的生物量诊断的准确性,均方根误差(RMSE)相对减小,决定系数(R2)和T值相对增大,特别是对于比值植被指数(RVI),T值提高的幅度比较大,达99.8%。说明人工神经网络对作物小麦的生物量高光谱遥感诊断是一种实时高效的方法。
全文链接
请求原文
基于主成分融合信息失真的城市IKONOS影像阴影自动提取研究
《武汉大学学报(信息科学版) 》 2008 EI 北大核心 CSCD
摘要：提出了一种基于主成分融合信息失真的城区IKONOS影像阴影自动提取的新方法。首先选用阴影信息强的近红外波段用于阴影提取,并评价主成分融合的信息失真,发现阴影对相对偏差这一评价指标敏感;其次,构造了相对差异指数以增强阴影信息,使阴影区相对差异指数的数值高,而非阴影区的相对差异指数的数值低;然后通过阈值法将影像分为可能阴影区和非阴影区;最后根据标准差通过区域滤波去除可能阴影区中的水体,实现阴影的提取。试验结果表明,此方法阴影自动提取方便、精度高,不仅能准确地提取高层建筑物的阴影,而且能识别矮小树木等细小阴影。
全文链接
请求原文
基于语义Web的农业生产知识集成技术
《农业工程学报 》 2008 EI 北大核心 CSCD
摘要：由于农业知识资源具有分布、多态、异构等特性,分布式计算环境下知识表示、组织和集成应用是一个非常复杂且具有挑战性的问题。该文基于语义Web技术提出了支持农业生产知识集成的系统框架,介绍了该框架的数据层、业务系统层、知识集成层和知识应用层的架构构成,并对其中的知识表示与描述、知识链构建、知识转化方法以及知识检索与集成等关键技术问题进行了研究,构建了农业知识语义检索原型系统,并以2000余篇农业资料为对象进行知识检索分析,结果表明,相对于传统关键词检索方式,基于语义的知识检索方法能够显著提高查准率。
全文链接
请求原文
近红外光谱技术实时测定土壤中总氮及磷含量的初步研究
《光谱学与光谱分析 》 2008 EI SCI 北大核心 CSCD
摘要：及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2CV)分别为0.8626(N),0.6685(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.9698,0.8307,预测标准误差(RMSEP)分别为0.0095%(N),0.0086%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。
全文链接
请求原文
