公共文化服务平台

刘杰: 作品数：10 被引量：24H指数：3; 供职机构：中国科学院南京土壤研究所更多>>; 发文基金：国家自然科学基金中国科学院战略性先导科技专项更多>>; 相关领域：农业科学自动化与计算机技术经济管理更多>>

合作作者

基于双时相卫星遥感光谱指数估算土壤有机质含量被引量：2: 2023年; 以黄淮海平原典型县——封丘县为研究区,探讨了在一年两熟、裸土时间窗口较短的区域中,基于两景影像波段组合构建的双时相光谱指数在有机质含量预测中的表现。研究共计采集117个代表性土样,以分析筛选出的裸土期(10月)内双时相(获取时间:2014年10月6日和2017年10月30日)高质量Landsat 8卫星影像作为数据源,构建了4种类型的光谱指数:比值光谱指数、差值光谱指数、归一化光谱指数以及优化光谱指数,并结合最小绝对收缩和选择算子变量筛选方法和支持向量机算法建立了有机质预测模型。留一交叉验证结果表明,与直接使用影像波段反射率或者基于单景影像构建的光谱指数(单时相光谱指数)相比,利用双时相光谱指数可以更好地利用时相信息优势,其有机质预测精度更高(R^(2)=0.53,RMSE=2.01 g/kg)。而且,基于双时相光谱指数所构建的预测模型得到的有机质空间分布格局与真实值较为吻合。可见,本文提出的在黄淮海平原典型县域利用双时相光谱指数预测土壤有机质的方法,可以促进具有短裸土期特点区域的高分辨率土壤属性遥感预测与制图研究。; 王欣怡王昌昆马海艺刘杰刘杰姚成硕潘贤章; 关键词：土壤有机质黄淮海平原

土壤细菌多样性空间预测方法对比: 2022年; 为探索适合土壤微生物多样性的空间预测方法,本文以内蒙古中部赤峰市周边为研究区域,采集35个草地土壤样品,利用高通量测序技术,结合从相关网站获取的气候、植被和高程相关数据集,采用多元线性回归(MLR)、普通克里格(OK)、回归克里格(RK)和经验贝叶斯克里格回归预测(EBKR)4种方法,对土壤细菌多样性进行空间预测,并比较其预测精度。结果表明:干旱指数、年平均降水和净光合作用是解释土壤细菌多样性变化的最佳环境变量组合;4种方法预测的细菌多样性空间分布总体趋势相似,均表现为东南高西北低,但涉及回归的3种方法可以更好地反映细菌多样性的局部变异特征;MLR、OK、RK和EBKR的留一交叉验证决定系数(R;)分别为0.408、0.439、0.476和0.638,ME分别为-0.065、0.033、0.017和-0.009,RMSE分别为5.23、5.04、4.95和4.05,表明OK的预测精度稍高于MLR,而整合了辅助环境变量的RK和EBKR的预测精度得到进一步提升,且由于EBKR克服了RK用单一半方差函数概括所有位置数据空间结构的局限性,其预测精度最高。综上可知,结合辅助环境变量并同时考虑空间结构局部差异的地统计学方法在土壤微生物多样性空间预测中展现出较大潜力。; 徐爱爱刘杰王昌昆王昌昆潘恺郭志英潘贤章; 关键词：细菌多样性多元线性回归

CERN分布式土壤样品长期保存系统的构建: 2022年; 长期保存的土壤样品是国家科技基础支撑条件的重要组成部分,对于土壤及环境长期变化研究和科学数据开放共享等具有重要价值。近年来,随着我国对农业和生态环境科技投入的不断增长,土壤调查强度逐步增大,土壤样品积累速度明显加快,因此,亟需相关的标准规范来指导土壤样品的长期保存。在国家标准《土壤质量土壤样品长期和短期保存指南》(GB/T 32722—2016)的基础上,结合“十三五”期间CERN分布式土壤样品长期保存系统建设经验,本文对土壤样品保存管理策略、土壤样品保存条件要求和土壤样品信息管理系统进行了介绍,以期为我国土壤样品长期标准化保存,以及第三次全国土壤普查样品库建设提供参考。; 郭志英潘恺宋歌宋歌王昌昆施建平解宪丽刘杰吴瑞俊吴瑞俊郑立臣汪金舫田振荣郝翔翔刘素萍郝翔翔况福虹程一松刘晓利

一种化工企业污染风险要素分布识别方法及装置: 本发明提供了一种化工企业污染风险要素分布识别方法及装置，该方法包括：将待识别遥感影像输入化工建筑要素分割模型中，得到化工建筑要素识别结果；利用化工建筑要素识别结果将待识别遥感影像进行掩膜处理，保留非化工建筑要素；将处理后...; 潘贤章孙维维刘杰张芳芳马海艺王昌昆

一种基于YOLO模型的土壤样品自动巡检系统及方法: 本发明公开了一种基于YOLO模型的土壤样品自动巡检系统及方法，包括图像采集子系统、图像识别与处理子系统；图像采集子系统用于采集巡检照片并发送至图像识别与处理子系统；图像识别与处理子系统用于识别土壤样品瓶体及标签状态，解析...; 郭志英刘杰潘贤章

一种基于深度学习的土壤文献中图形数值抽取方法与系统: 本发明公开了一种基于深度学习的土壤文献中图形数值抽取方法与系统，首先从土壤学文献中收集构建图形数据集，并进行图形要素标注；其次，训练优化土壤学文献图形要素识别模型；再次，选取未参与模型训练的图形进行要素预测；接着，利用O...; 刘杰郭志英郏梦思潘贤章

高光谱成像的土壤剖面水分含量反演及制图被引量：8: 2019年; 传统土壤水分的获取方法仅可获得离散的土壤水分点位数据,难以获得剖面上精细且连续的水分含量分布图。研究了野外条件下利用近红外高光谱(882~1709nm)成像反演剖面土壤水分含量(SMC),并实现精细制图的可行性。研究剖面位于江苏省东台市,我们利用近红外高光谱成像仪对剖面进行了5天原位连续观测,共采集了280个土样用于烘干法测定SMC。原始高光谱图像经数字量化值(DN)校正、黑白校正、拼接、几何校正、剪切和掩膜等一系列预处理后,提取各采样点的平均光谱反射率。提取光谱(Raw)经吸光度[LOG10(1/R)],Savitzky-Golay平滑(SG)、一阶微分(FD)、二阶微分(SD)、多元散射校正(MSC)和标准正态变量(SNV)转换后,采用偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)方法建立SMC预测模型,并对比分析不同光谱预处理方法与建模方法组合条件下SMC的预测精度。结果表明,光谱反射率随SMC增加逐渐降低,不同光谱预处理方法的预测精度有所差异,除MSC方法外,同一光谱预处理方法的LS-SVM模型预测精度均高于PLSR模型,并且基于LOG10(1/R)光谱的LS-SVM模型对SMC预测精度最高,其建模集的决定系数(R2c)和均方根误差(RMSEc)分别为0.96和0.65%,预测集的决定系数(R2p)、均方根误差(RMSEp)和相对分析误差(RPDp)分别为0.88,1.05%和2.88。利用最优模型进行剖面SMC的高空间分辨率精细制图,通过比较SMC反演图中提取的预测值与实测值关系发现预测精度较高(R2:0.85~0.95,RMSE:0.94%~1.02%),且两者在剖面中的变化趋势基本一致,说明SMC反演图不仅能很好地反映出土壤水分在整个剖面中毫米级的含量分布信息,也可反映出同一位置处不同天数间的含量差异。因此,利用近红外高光谱成像结合优化的预测模型,能够实现土壤剖面SMC的定量预测及精细制图,有助于快速、有效监测田间剖面土壤水分状况。; 吴士文王昌昆王昌昆李燕丽刘杰刘杰潘恺李怡春张芳芳潘贤章; 关键词：土壤含水量高光谱成像偏最小二乘回归最小二乘支持向量机制图

基于FastICA盲源分离法去除土壤干扰的小麦生物量高光谱估算被引量：9: 2017年; 高光谱技术是一种快速无损监测植被生物量的有效方法,但土壤背景的干扰一直是生物量监测的主要限制因素之一。本研究试图利用盲源分离(blind source separation,BSS)法分离出净植被光谱,达到消除土壤背景影响,提高小麦生物量估算精度的目的。本研究对110组小麦冠层光谱数据进行快速独立分量分析(fast independent component analysis,Fast ICA)处理,提取净植被光谱,并对比了Fast ICA处理前后所建的偏最小二乘回归(partial least squares regression,PLSR)模型估算精度。结果表明:Fast ICA算法可有效分离土壤光谱和植被光谱;且基于净植被光谱建立的小麦生物量估算模型精度得到明显提升,建模集RPDc(ratio of performance to deviation of the calibration)和交叉验证集RPDcv(ratio of performance to deviation of the cross calibration)分别由原始光谱的1.83和1.64提高至2.77和2.09;可见,Fast ICA可以作为有效的光谱数据预处理方法,显著提高小麦生物量的估算精度,为利用遥感技术进行大尺度、精准监测生物量提供了方法支持和理论依据。; 李燕丽吴士文刘娅王昌昆刘杰徐爱爱潘贤章; 关键词：快速独立分量分析生物量盲源分离小麦

中国土壤微生物组数据平台的构建与实现被引量：3: 2019年; 近年来,高通量测序等新技术的快速发展,为大规模、快速、准确、全面认识土壤微生物多样性提供了技术保障。国际上已经建成了一些具有影响力的土壤微生物组数据管理及分析平台,但大多数已有平台聚焦于提供数据存储、管理、访问、注释等基础性服务,难以满足土壤微生物研究需求。借助空间数据库技术、网络地理信息系统(WebGIS)技术,设计并构建了包含土壤及微生物数据集成、数据可视化、知识发现和区域空间制图等功能的中国土壤微生物组数据平台,该平台将进一步推动我国土壤微生物组数据的标准化整合,并为整合数据的充分挖掘利用提供支撑。; 潘恺郭志英刘杰王昌昆王昌昆宋歌贾仲君; 关键词：数据可视化微生物多样性

基于Landsat-8数据的土壤颜色预测方法研究被引量：2: 2022年; 选择黑龙江省292个自然风干土壤样品,室内测定土壤高光谱反射率,然后依据三刺激值法计算土壤CIE XYZ色彩空间各颜色分量,用于土壤颜色预测和验证。同时,提取各样品采集点位的Landsat-8 OLI原始反射率数据,计算归一化差值植被指数、归一化差值水体指数、归一化差值湿度指数、归一化差值不透水面指数,并据此提出建模光谱筛选阈值。进一步采用偏最小二乘回归模型,结合提取出的遥感光谱进行各土壤颜色分量的预测。结果显示:CIE XYZ颜色各分量的验证R2分别为0.76、0.76和0.69,RPD分别为1.74、1.76和1.68,表明利用偏最小二乘法建立的模型可以对土壤颜色进行近似预测。不同土地利用类型预测结果拟合显示,耕地土壤颜色各分量预测效果均优于林地和草地。在不同有机碳含量下分别进行土壤颜色建模预测,当有机碳含量较低时,土壤颜色预测结果较好。; 曹振王昌昆马海艺刘杰刘杰张芳芳杨颖潘贤章; 关键词：土壤颜色遥感数据偏最小二乘回归

刘杰

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

刘杰

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