简介:在"聚居背景—聚居活动—聚居建设"的景观"三元论"的哲学基础上,风景园林这一综合学科应对黄土高原的人居环境改善产生重要的作用。文章以黄土高原东部半干旱区环县的人居环境为研究对象,从人居角度分析影响集水造绿的各类因素,从降水、坡度、坡向、河流、泉眼等自然因素以及城镇、道路、水库等人工因素的角度评价集水造绿的适宜性;以GIS技术进行数据整理与量化分级,通过综合考量确定集水造绿的优势地带等级,即适宜度分析;识别集水造绿的"节点"与"路径";规划水绿双赢的空间网络。研究证明,在引入适当人为干预的情况下,通过"基底—节点—路径"方式构建的集水造绿优势空间网络能够适应人居环境集水造绿的需求。
简介:摘要 : 水肥一体化自动装备的使用能够有效提高水肥资源利用率,但需要在作业前获知作物的营养状况及水肥需求量,而通过人工手持测量仪器来获取这些信息,存在着时效性差和劳动强度大等缺点。针对以上问题,本研究以常见的作物玉米为研究对象,使用大疆精灵Ⅲ无人机携带 RedEdge-M多光谱相机在田间上空采集玉米多光谱图像,同时使用 YLS-D系列植株营养测定仪测量玉米植株的氮素和水分含量等营养信息,根据这些信息将采集的图像分为 3个等级(每个等级共包含 530幅五通道图像,其中 480幅作为训练集, 50幅作为验证集),提出了一种基于卷积神经网络的玉米作物营养状况识别方法。并基于 TensorFlow深度学习框架搭建了 ResNet18卷积神经网络模型,通过向模型输入彩色图像数据和五通道多光谱图像数据,分别训练出适合于彩色图像和多光谱图像的玉米植株营养状况等级识别模型。试验结果表明:训练后的模型能够识别玉米作物的彩色图像和多光谱图像,能够输出玉米的营养状况等级和 GPS 信息,识别彩色图像模型在验证集的正确率为 84.7%,识别多光谱图像模型在验证集的正确率为 90.5%,模型训练平均时间为 4.5h,五通道图像识别平均用时为 3.56s。该识别方法可快速无损地获取玉米作物的营养状况,为有效提高水肥资源利用率提供了方法和依据。
简介:全球气候变化引起人们对森林碳固定作用的关注。碳存储速率依赖于生态系统流通量(光合作用和生态系统呼吸),量化为净生态系统二氧化碳交换。在没有密集采样点的情况下,我们需要采用估测森林净生态系统交换的方法准确地估计林分水平和更大尺度的碳固定量。本文通过祸合遥感估算的叶面积指数和生长过程拟合模型,估计了佛罗里达州内9770公顷湿地松人工林一年里净生态系统交换总量。地面图神经网络模型和陆地卫星数据估计的森林叶面积指数平均值是1.06(数值范围0-3.93,包括森林边界)。输入神经网络叶面积指数值,湿地松拟合模型(SPM2)估计的森林净生态交换值在-5.52Mg·hm^-2·a^-1到11.06Mg·hm^-2·a^-1之间,平均值是3.47Mg·hm^-2·a^-1。年总的碳储量是33920t,约合3.5t/hm^2。估计的叶面积指数和森林净生态交换均对对施肥高度敏感。