当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的...当作物生物量较大时,现有植被指数由于受饱和问题限制,不能较好的估算作物生物量。针对此问题,尝试将波段深度分析与偏最小二乘回归(partial least square regression,PLSR)结合,提高对大田冬小麦生物量的估算精度,并将两者结合建立的模型与应用代表性植被指数建立的模型进行生物量估算精度比较。波段深度分析主要对冬小麦冠层光谱550～750nm范围进行,采用波段深度、波段深度比(band depth ratio,BDR)、归一化波段深度指数和归一化面积波段深度对波段深度信息进行表征。在建立的模型中,波段深度分析和PLSR结合的估算精度比应用植被指数模型的精度高,其中BDR与PLSR结合的估算精度最高(R2=0.792,RMSE=0.164kg.m-2)。研究结果表明波段深度分析与PLSR结合能较好的克服生物量较大时存在的饱和问题,提高冬小麦生物量的估算精度。展开更多
文摘利用滑坡灾害普查资料和气象资料,结合地理信息系统(GIS)和降雨推算模型进行空间分析,对庆元县滑坡与降雨作相关研究后发现:降雨具有诱导和直接触发滑坡的综合作用效果;庆元县滑坡的时空分布,受降雨地区和降雨时间的控制,并与一定的地质条件及人类活动有关;滑坡剧烈活动时间与降雨时间及暴雨、大暴雨频次吻合或略滞后,庆元县滑坡的起动降雨量为:日降雨量≥50 mm或滑坡前10 d累积降雨量≥100 mm.
