公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于多源辅助变量和极限学习机的蔬菜地土壤有机质预测研究被引量：5: 2017年; 应用多源辅助变量预测土壤有机质的空间分布,能有效提高预测精度。以西安市蔬菜产地为研究区域,共采集422个土壤样品,运用极限学习机(extreme learning machine,ELM)、逐步线性回归(stepwise linear regression,SLR)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型,结合坡度、坡向、种植年限、种植类型、灌溉方式、氮肥施用量、磷肥施用量、钾肥施用量、土壤类型、碱解氮、有效磷、速效钾、盐分、硝酸盐、pH值等15个多源辅助变量,对研究区蔬菜地土壤有机质含量进行空间预测,并通过100个实测点验证预测结果。结果表明:ELM对土壤有机质预测结果的均方根误差为0.631 g kg-1,均方根误差和预测集平均值的比值为0.037,二者均低于其他3种模型,ELM的相关系数为0.716,显著高于SLR、SVM和RF,ELM的空间预测结果更接近土壤有机质含量的真实情况。同时,根据ELM分析结果及算法本质阐释其在土壤属性领域应用的地理学意义,也为其他土壤属性空间预测引入了一种新方法。; 宋英强杨联安冯武焕于世锋许婧婷王晶杨煜岑任丽; 关键词：土壤有机质极限学习机蔬菜地

陕西省县域经济差异分析被引量：1: 2018年; 县域经济的健康发展对于促进区域经济的可持续性和平衡性具有重要意义.以陕西省107个县(区)所辖范围为研究区,采用人均GDP和产业GDP作为测评指标,将区位基尼系数运用到县域经济差异分析中,比较分析2002—2014年陕北、关中、陕南三大产业的区位基尼系数的变化,在GeoDa和GIS技术支持下,利用探索性空间分析技术对陕西省县域经济发展格局进行综合分析,获得陕西省县域经济的Global Moran’s I和Getis-Ord Gi*,并利用GIS的制图技术,绘制了陕西省县域经济热点图,揭示陕西省县域经济的全局、局部自相关及时空演变规律,并讨论了县域经济差异的主要因素.通过对县域经济差异性的定量化研究,为县级城市的城市定位和中长期发展战略的制定提供科学依据.; 张彬任丽; 关键词：县域经济区位基尼系数 ESDA

基于植被状态指数的陕西省农业干旱时空动态被引量：28: 2018年; 特殊的地理位置和气候类型决定了陕西省是旱灾多发区和重发区,利用遥感技术进行高效的农业干旱监测和旱情影响分析显得十分必要。本文以植被状态指数(VCI)作为农业生长季节干旱监测指标,探讨了VCI在陕西省农业干旱监测中的适用性以及与降水的相关性,并利用VCI对陕西省2002年3月—2016年5月农业干旱进行识别与时空分布特征研究。结果表明:VCI指数在监测陕西省农业干旱方面具有一定的优势;月尺度VCI与降水量并未表现出很好的相关性,表明降水只是影响植被覆盖度和长势的因素之一;VCI相对于降水变化存在一定时间的滞后性,其中关中和陕南地区约为1个月,陕北地区小于1个月;近15年来,陕西省全域性农业干旱事件多发生在3月,其次为10月和11月,连续性农业干旱多发生在春季或秋季,其总体干旱状况有所减轻;秋季农业干旱面积占比最大,频率最高;夏季农业干旱面积占比最小,频率最低;春季农业干旱面积处于夏季和秋季之间;空间分布上,陕北大部分区域易发生春旱和秋旱,关中和陕南仅局部地区发生春旱和秋旱,农业干旱频率总体上呈现北高南低的态势。; 李新尧杨联安聂红梅任丽任丽胡胜; 关键词：农业干旱

基于地理探测器的宝鸡市农田土壤养分影响因子分析被引量：13: 2020年; 为分析陕西省宝鸡市农田土壤养分空间变异情况及其影响因素,选取土地利用类型、成土母质、土壤类型、高程、坡度、坡向、年均降水量、年均气温8种影响因子,借助地理探测器分析各因子对土壤有机质(SOM)、有效磷(AP)、速效钾(AK)、全氮(TN)养分空间变异的影响。结果表明:造成SOM空间变异主要三因子分别为土地利用方式、土壤类型、年均气温;AP与AK的主要影响因子为成土母质、高程、土地利用方式;对TN解释力较大的三因子为土地利用方式、土壤类型、成土母质。即各因子对土壤养分空间变异原因的解释力存在一定的差异,气温变化对TN和SOM影响较大,高程是对4种土壤养分解释力较强的地形因子。交互探测器探测结果表明:两因子间的交互作用对养分的解释力均强于单因子,地形因子与其他因子交互之后解释力显著增强。影响因子与养分之间主要作用方式为双协同作用和非线性协同作用。随着高程的变化,4种养分含量呈现不同的变化趋势。此外,通过与Pearson相关系数法分析结果进行对比,发现地理探测器可以得到与之一致的因子重要性排序,适用于该区域土壤养分的研究。; 胡贵贵杨联安封涌涛徐瑾昊任丽任丽李亚丽; 关键词：土壤养分农田

基于随机森林的农耕区土壤有机质空间分布预测被引量：8: 2018年; 以陕西省周至县农耕区为研究区,采集192个土壤样品,通过随机森林模型(random forest,RF)对土壤有机质含量进行回归预测,通过29个(15%)独立验证点对预测结果进行精度验证,并与普通克里格(ordinary kriging,OK)和协同克里格(cokriging,COK)插值结果进行对比分析。结果表明,研究区土壤有机质含量在训练集和验证集中均属于中等变异性,含量处于中等偏低水平,大致表现为中、南部黑河东岸土壤有机质含量相对较高,东北部渭河沿岸含量较低。对变量重要性进行排序,影响研究区土壤有机质的主要因素为数字高程(DEM)和降水量。与OK、COK相比,RF对土壤有机质的预测值和实测值的相关系数(0.782)更高,而平均绝对误差(0.618 g·kg^(-1))和均方根误差(2.062 g·kg^(-1))更低,说明RF能够更精确地反映局部土壤有机质含量的空间变化信息。; 杨煜岑杨联安任丽任丽朱群娥王天泰李新尧; 关键词：土壤有机质

基于云模型的西安市蔬菜区土壤肥力综合评价被引量：15: 2017年; 土壤肥力对于维持农作物生长和保障土地生产力具有重要意义。为综合考虑土壤肥力评价中的模糊性和随机性,引入云模型对西安市蔬菜区土壤肥力状况进行综合评价,选取pH值、有机质、碱解氮、有效磷和速效钾为评价指标,运用主成分分析确定权重,利用逆向云、正向云算法获得每个指标的云模型;根据单指标云模型特征值和权重值,结合综合云算法得到土壤肥力综合评价云模型。结果表明:西安市蔬菜区土壤养分总体上属于中等偏高水平,有效磷、速效钾含量偏高,碱解氮含量适中。土壤有机质是土壤肥力的首要限制因素,在实际生产过程中应注意增施有机肥,高磷、高钾地区应限制磷肥、钾肥的使用,按需施用氮肥。科学评价土壤肥力有助于更加准确地掌握土壤特性和养分状况,精准施肥,维持土壤养分平衡,提高土壤质量。; 王晶任丽杨联安杨煜岑冯武焕于世锋吕爽张彬; 关键词：土壤肥力综合评价云模型

基于随机森林的苹果区土壤有机质空间预测被引量：23: 2018年; 准确预测土壤有机质空间分布有利于测土配方施肥的推进和精准农业的发展。选取陕西省旬邑县苹果区为研究区,以地理位置(经纬度)、土壤类型、气候因子和地形因子作为辅助变量,运用随机森林模型进行土壤有机质空间分布预测,以普通克里格法和回归克里格法为对照,通过计算验证集的平均误差(ME)、平均绝对误差(MAE)和均方根误差(RMSE),对不同方法的预测结果进行精度评价。结果表明:研究区土壤有机质含量在6.8~18.2g·kg^(-1)之间,平均值为12.4g·kg^(-1),整体处于中等水平,土壤有机质含量空间分布不均匀,呈东高西低的分布趋势,具有中等程度空间变异性;精度评价结果表明随机森林的预测精度最高,其ME、MAE和RMSE均为最小,对局部细节的刻画也较其他两种方法精细,预测结果图中无明显块状区域,与真实情况更为相符;通过对辅助因子重要性进行排序,发现高程和地理位置是影响研究区土壤有机质空间分布的主要因子。; 任丽任丽杨联安杨粉莉陈卫军张林森张林森; 关键词：土壤有机质

基于PCA-SVR的冬小麦土壤水分预测被引量：4: 2018年; 土壤含水量状况是影响农作物生长的重要因素,对农作物生长关键期土壤水分的精准预测是田间管理的重要内容。研究选取宝鸡市2014年至2016年冬小麦种植区3—5月的气象、地形和土壤属性3个方面共15个预测因子,建立基于主成分分析(principal component analysis,PCA)的支持向量回归机(support vector regression,SVR)模型预测0~20 cm和20~40 cm土层的土壤水分,并同时采用随机森林(random forest,RF)回归模型对同质数据进行预测分析,以对比分析PCA-SVR模型的预测效果。结果表明:PCA-SVR模型对宝鸡市冬小麦土壤水分的预测在0~20 cm和20~40 cm土层的平均预测精度分别为92.899%和92.656%,RMSE分别为7.521和8.011;随机森林回归预测模型在0~20 cm和20~40 cm土层的平均预测精度为87.632%和87.842%,RMSE分别为10.759和11.042。因此,PCA-SVR模型对宝鸡市冬小麦土壤水分具有更好的预测能力,且模型在0~20 cm土层的预测效果略优于20~40 cm土层。; 聂红梅杨联安李新尧封涌涛任丽任丽; 关键词：支持向量回归机主成分分析 R语言土壤水分冬小麦

全选清除导出

共1页<1>

任丽

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

任丽

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈