您的位置: 专家智库 > >

魏阳

作品数:10 被引量:112H指数:6
供职机构:新疆大学资源与环境科学学院更多>>
发文基金:国家自然科学基金博士科研启动基金自治区科技支疆项目计划更多>>
相关领域:农业科学文化科学生物学天文地球更多>>

文献类型

  • 9篇中文期刊文章

领域

  • 7篇农业科学
  • 1篇生物学
  • 1篇天文地球
  • 1篇文化科学

主题

  • 8篇土壤
  • 5篇土壤盐
  • 4篇土壤盐度
  • 4篇LANDSA...
  • 2篇地形校正
  • 2篇盐分
  • 2篇盐渍
  • 2篇盐渍化
  • 2篇土壤盐分
  • 2篇土壤盐渍
  • 2篇土壤盐渍化
  • 2篇绿洲
  • 1篇学习算法
  • 1篇盐碱
  • 1篇盐碱性
  • 1篇遥感
  • 1篇影响因素
  • 1篇有机质
  • 1篇源数据
  • 1篇指数对

机构

  • 9篇新疆大学
  • 2篇教育部
  • 1篇福州大学

作者

  • 9篇魏阳
  • 8篇丁建丽
  • 6篇王飞
  • 3篇杨晓东
  • 2篇杨胜天
  • 1篇王飞
  • 1篇邹杰
  • 1篇王前锋
  • 1篇高兴旺
  • 1篇马利刚
  • 1篇夏楠
  • 1篇冯娟
  • 1篇谭娇
  • 1篇周倩倩

传媒

  • 2篇生态学报
  • 2篇中国农业科学
  • 2篇土壤学报
  • 1篇农业工程学报
  • 1篇干旱地区农业...
  • 1篇教育教学论坛

年份

  • 3篇2018
  • 5篇2017
  • 1篇2016
10 条 记 录,以下是 1-9
排序方式:
基于RF和SGT算法的子区优先建模对绿洲尺度土壤盐度预测精度的影响被引量:4
2018年
【目的】试图通过优先在干旱区绿洲的子区构建模型以提高绿洲全局土壤盐度的预测精度。同时量化全局模型和子区模型之间精度的差异性和不确定性。【方法】利用随机森林(Random Forest,RF)和随机梯度增进算法(Stochastic Gradient Treeboost,SGT)定量化上述不确定性,同时,对比本地尺度多个情景(景观)优先建立模型再合并预测值对于模拟全局土壤盐度的精度影响。基于驱动因子(土地利用和地貌),响应因子(Normalized Difference Vegetation Index, NDVI和土壤电导率,EC),研究设计了27个能够相对覆盖典型绿洲不同土壤盐度变异性的环境情景。【结果】70.37%(19/27)的情景证明SGT的预测精度高于RF。单独建模的10个情景的预测精度高于全局模型下10个再分类情景(根据情景设定规则将全局模型预测值再分类)的精度。特别是,EC≤4 dS·m^(-1)和2 dS·m^(-1)
王飞王飞杨胜天魏阳杨晓东
关键词:土壤盐分LANDSAT空间异质性
基于Landsat OLI的绿洲灌区土壤盐度最优预测尺度分析被引量:8
2017年
【目的】基于遥感提取的多尺度遥感指示因子和土壤实测电导率数据,借助统计分析,试图探寻适合干旱区典型绿洲灌区土壤盐度变异的最佳观测尺度和指征变量,为快速评估绿洲土壤盐渍化提供备选方案。【方法】以新疆渭干河-库车河绿洲为研究区,以野外采集的土壤盐度数据(采集0—10、10—20、20—40和40—60 cm土层土样,制备土壤饱和溶液并测试电导率(ms·cm-1))并将其作为预测对象(n=87),借助Landsat OLI遥感影像数据,利用栅格重采样(30—1 000 m)和领域滤波(原始分辨率为30、60、90、120、150、180、210 m,滤波尺度为3×3至31×31)两种方式,生成多个尺度若干种指示因子(主成分分析、缨帽变化、植被指数、湿度指数),共计获得1 078个(其中,栅格重采样生成352个,领域滤波生成726个)环境变量。在此基础之上,利用线性和非线性曲线模型分别拟合上述两种模式下土壤盐度和环境变量之间的相关性,进而找出最优环境因子和预测尺度。【结果】栅格重采样模式下能够较好响应各层土壤变异性的皆为非线性模式。其次,该模式下,拟合精度随着空间分辨率的降低而降低。此模式下最佳推理尺度为30 m,该尺度下最佳响应变量除了40—60 cm处为三波段差分指数(Three-band Maximal Gradient Difference,TGDVI)外,其余深度皆为扩展的归一化指数(Extended Normalized Difference Vegetation Index,ENDVI)。领域滤波模式下的最佳推理尺度为180 m(滤波尺度3×3),同时,各层最佳拟合变量皆为扩展的增强型植被指数(Extented Enhanced Vegetation Index,EEVI)。相比较栅格重采样模式,该模式下的拟合精度全面优于前者,各层依次提高14.60%、34.40%、32.10%和21.70%。【结论】基于领域滤波模式下,像元分辨率为180 m,窗口大小为3×3的ENDVI指数更适合预测本研究区土壤盐度的空间变异性。
魏阳丁建丽王飞
关键词:土壤盐渍化LANDSAT绿洲灌区非线性模型
依托实践教学建设师生共组科研创新团队研究被引量:1
2017年
中国的高校目前极为重视应用型人才的培养,因此,会根据专业学科的需要建立实践教学平台,将师生共组科研创新团队建立起来,不仅可以促进教师在专业领域更好地发展,而且还为创新人才的培养提供了支持。本论文对实践教学建设师生共组科研创新团队进行探究。
王飞马利刚杨晓东高兴旺魏阳
关键词:实践教学科研团队
新疆玛纳斯流域非农业种植地盐碱性空间变异特征被引量:6
2016年
土壤盐渍化是导致干旱区土地退化的主要原因之一,也是影响干旱区可持续发展和环境改善的基本问题。充分挖掘不同分类体系下盐渍土空间变异性可以为实施开垦或恢复生态措施提供科学依据。以干旱区开垦近50a的玛纳斯流域为研究区,在不同分类体系下,以土壤盐度,p H值,离子类型为指标,分析该区域非农业种植地(弃耕地,盐碱地,裸地,沙地)盐渍土类型的空间分布特征。结果表明:(1)研究区68%的样本属于非盐渍化,不同类型的盐渍土主要以链状分布于泉水溢出带-冲积平原-干三角洲地带,由南向北,区域整体盐分大致遵循先升高后降低再升高趋势,半方差函数分析土壤盐分呈现弱变异,说明这种分布情况是受随机(人为)因素的影响;而p H整体由南向北递增,传统统计学和地统计学的分析结果都表明土壤碱化呈现中等变异,受结构(自然)因素和随机(人为)因素的共同影响。表层土壤除在溢出带为氯化物型盐渍土外,其他地区自南向北由硫酸-氯化物型逐渐变为氯化-硫酸盐型和硫酸盐土、苏打盐土,离子的半方差函数拟合模型结果均是弱变异和中等变异,与美国盐度实验室分类体系的变异性结果相同,此类分布特征也是结构因素和随机因素共同作用的结果。(2)分析五种典型地貌的盐渍土分布,方差分析结果表明,5种地貌类型均呈现盐分表聚特征,碱化度则由南向北递增;其中盐碱特征最为显著的是泉水溢出带。泉水溢出带的盐土垂直方向的变化趋势为由表层至深层,盐土类型由硫酸-氯化物盐土变为氯化盐土;冲积平原和干三角洲样点处全剖面为氯化物-硫酸盐土,冲积洪积扇和沙漠地区则包含所有阴离子盐土类型。对玛纳斯流域盐渍土特性的空间异质性进行分析,可以为下一步有针对性地治理与改善土壤盐渍化提供科学依据。
魏阳丁建丽王飞邹杰蔡亮红
关键词:土壤盐度
基于Landsat系列数据的盐分指数和植被指数对土壤盐度变异性的响应分析——以新疆天山南北典型绿洲为例被引量:31
2017年
基于不同地理区域,借助目前已有或者构建新的盐分和植被指数定量评估研究区的土壤盐度状况。但多数指数并未在盐渍化较为严重的中国新疆地区进行系统性对比分析。因此,以新疆阜北地区(采样数=37),玛纳斯河绿洲(采样数=68)和渭干河-库车河绿洲(采样数=38)为研究区,以灌区农田和盐渍地采样数据和Landsat TM/ETM+/OLI为数据源,利用线性模型和多个非线性模型(10个)测试上述指数(14个指数)和原始波段对于研究区土壤盐度的敏感性。结果显示,阜北地区基于遥感获取的扩展的增强型植被指数Extented Enhanced Vegetation Index(EEVI)在全样本和部分样本(盐渍化样本,土壤盐度>0.3%)两种模式下(0—10cm),较其他指数和波段而言较为敏感。在全样本和部分样本(土壤饱和溶液电导率<2ds/m)两种模式下,与玛纳斯流域各层土壤盐度最为敏感的为band 2,部分样本模式下土壤盐度变异性显著性探测最大下探深度为30cm。渭干河-库车河绿洲全样本模式下,最大土壤盐度变异性显著性探测深度为40cm,0—10cm和10—20cm深度表现最为敏感的是土壤盐分指数SI-T,20—40cm深度则为植被指数TGDVI。部分样本下(土壤饱和溶液电导率>2ds/m),0—10cm深度最为敏感的为band5,10—20cm深度最为敏感的为TGDVI,20—40cm深度则为EEVI。其他指数因地理环境的差异性(气候,土壤盐分类型,土壤类型,采样时间),与土壤盐度之间并未达到显著性(sig=0.05或者0.01)的水平。以上结果只是初步结论,但也暗示其中的某些指数在本区具有一定土壤盐度的识别潜力。此外,由于土壤本身的复杂性,需要采集更多的样本以深入分析不同盐度等级下上述指数的具体表现。
王飞丁建丽魏阳周倩倩杨晓东王前锋
关键词:土壤盐渍化LANDSAT
基于多源数据的土壤水分反演及空间分异格局研究被引量:16
2017年
温度植被干旱指数(TVDI)是一种通过反演土壤水分来反映土壤干旱状况的重要方法。在TVDI的基础上引入数字高程模型(DEM)数据对地表温度进行校正,能够减少地形起伏对能量二次分配的影响。用阈值将研究区分割成不同土地利用类型,结合野外同步实测数据,用分段反演模型反演渭-库绿洲土壤水分分布图,并对渭-库绿洲土壤水分的空间格局和分异规律进行分析。结果表明:(1)地形校正后的TVDI能够更好地反映土壤水分状况;(2)土壤水分总体上从西至东,由北向南降低,在绿洲内部较为稳定,在交错带变化较为剧烈,土壤水分垂直变异系数呈现幂函数递减的整体变化趋势;(3)针对研究区不同土地利用类型用分段反演模型进行反演,有效地实现优势互补,总体上提高了土壤水分的反演精度,在区域土壤水分研究中值得关注和应用。
蔡亮红丁建丽魏阳
关键词:地形校正土壤水分
基于地形校正TVDI的地下水位埋深反演被引量:1
2018年
在干旱、半干旱地区,地下水是陆生植被生存的重要水源,而传统的地下水位监测方法费时费力,及时获取大尺度高精度的地下水位埋深显得十分重要。在温度植被干旱指数(TVDI)的基础上,分别提取三期Landsat 8遥感数据的归一化植被指数(NDVI)、修正土壤调节植被指数(MSAVI)、比值植被指数(RVI)、差值植被指数(DVI)和增强型植被指数(EVI)和地表温度(Ts),并引入DEM数据对Ts进行地形校正,减少地形起伏对能量二次分配的影响,并选择最佳TVDI反演地下水位埋深状况,结果表明:(1)在传统TVDI的基础上引入DEM进行地形校正,分析校正前后TVDI与地下水位埋深的决定系数,R^2从0.4381提高到0.5053,这说明地形校正能够有效地提高地下水位埋深的反演精度;(2)通过三期影像对比分析了五种不同的TVDI值分别与其对应栅格点的地表土壤湿度和地下水位埋深的决定系数,总体上都是Ts-MSAVI较好,最高R^2分别为0.5547、0.5202;(3)在实测土壤含水量缺失的情况下,可以根据反映土壤湿度高低的因子(TVDI)间接地反演地下水埋深分布状况。
蔡亮红丁建丽魏阳
关键词:地形校正土壤湿度
环境敏感变量优选及机器学习算法预测绿洲土壤盐分被引量:36
2018年
基于机器学习预测干旱区(如新疆)土壤盐分的研究目前较少涉及且敏感变量的筛选还需深入探讨。该研究比较5种机器学习算法(套索算法,The Least Absolute Shrinkage and Selection Operator-LASSO;多元自适应回归样条函数,Multiple Adaptive Regression Splines-MARS;分类与回归树,Classification and Regression Trees-CART;随机森林,Random Forest-RF;随机梯度增进算法,Stochastic Gradient Treeboost-SGT)在3个不同地理区域(奇台绿洲,渭-库绿洲和于田绿洲)的性能表现;参与的变量被分为6组:波段,植被相关变量集,土壤相关变量集,数字高程模型(digital elevation model,DEM)衍生变量集,全变量组,优选变量组(全变量组经过算法筛选后的变量集合)。通过算法筛选,以示不同研究区的盐度敏感变量。同时借助以上述6组结果评判算法的性能。结果表明:综合分析6个变量组的R2和RMSE,预测精度排名如下:优选变量组>植被指数变量组>土壤相关变量组>波段>DEM衍生变量组。由于结果不稳定,全变量组未参与排名。在所有变量中,植被指数(EEVI,ENDVI,EVI2,CSRI,GDVI)和土壤盐度指数(SIT,SI2和SAIO)与土壤盐度相关性高于其他变量。综合评价以上5种算法,Lasso和MARS的预测结果出现极端异常值,但其预测结果能基本呈现土壤盐分空间分布格局。CART的结果能清晰分辨灌区和非灌区土壤盐分的分布态势,但二者内部并无太多变化且稳定性较差。RF和SGT的结果显示,二者在3个绿洲的土壤盐分值域范围和土壤盐分空间分布格局相似,纹理信息相对其他3个算法更为丰富。更为重要的是,算法在各个地区的结果都较为稳定。二者相比,SGT验证精度相对最高,其次为RF。
王飞王飞丁建丽杨胜天葛翔宇丁建丽
关键词:土壤盐分遥感绿洲LANDSAT数字高程模型
干旱区典型绿洲土壤有机质含量分布特征及其影响因素被引量:20
2017年
以新疆南部的渭干河-库车河流域三角洲绿洲为对象,按照土地利用方式布设78个采样点,分别采集表层(0~20 cm)和亚表层(20~40 cm)土样共156份,分析土壤有机质(SOM)含量和土壤酸碱度(pH)分布特征,并讨论在作物类型、土地利用方式和土壤pH因素的影响下,表层和亚表层SOM含量的差异性。结果表明:表层SOM含量范围为3.7~24.1 g kg^(-1),平均含量为11.0±4.2g kg^(-1);亚表层SOM含量较低,为2.7~12.9g kg^(-1),平均含量为7.0±2.2g kg^(-1)。表层中作物类型和土地利用方式的SOM均值、标准差均高于亚表层,二者的变异系数在20%~50%之间,属中等变异。方差分析和逐步回归分析表明,各因素对SOM含量的变异性影响存在较大差异。作物类型、土地利用方式和土壤pH三种影响因素对研究区表层和亚表层的SOM变异综合解释能力分别为45.1%和43.7%,综合分析得出各因素中作物类型因素对研究区SOM含量影响最大。
唐梦迎丁建丽夏楠魏阳冯娟谭娇
关键词:土壤有机质影响因素
共1页<1>
聚类工具0