管理地球的工具——高技术和作物估产

现在,高技术已经走人人们的经济生活中,影响着人们的经营决策。利用地球卫星获得的作物长势信息．在地理信息系统的支持下,对大面积作物估产,制定销售策略,确定市场销售策略,就是一例。而且,利用高技术获取别国工业、农业和商业情报,这已是公开的秘密。1983年,美国俄勒冈州一家稍售农产品的公司,利用陆地卫星提供的遥感信息,对马铃薯估产,预测市场的需求。     

作物的耐盐性及盐水灌溉管理

盐从水分关系、离子毒害、营养和能量平衡等方面影响植物的生长。不同的植物具有不同的耐盐性,同一植物在不同生长期的耐盐性也有差异。有效的灌溉管理是盐水灌溉农业的基础,高频率灌溉有利于缓解由于盐引起的水分亏缺,和对根系带洗盐,同时必须保持植物根系带土壤良好的通透条件。沙地更适合于盐水灌溉,滴灌是最为有效的灌溉方式。灌溉水盐分的增加将导致大多数作物的产量下降,但某些作物品质的改善可在一定程度上补偿产量下降的损失。     

基于无人机遥感的喀斯特高原峡谷区火龙果单株识别提取方法

基于小型无人机搭载可见光镜头作为数据获取手段,通过对比可见光波段差异植被指数（VDVI）、过绿指数（ExG）、过绿减过红指数（ExG-ExR）、归一化绿红差异指数NGRDI和绿叶指数（GLI）5种可见光波段颜色指数方法应用于喀斯特高原峡谷区典型经济作物火龙果植株识别的适宜性,结合可视化空间建模工具模型构建器,提出一种以单植株平均面积分割株丛的思想,对火龙果进行植株识别分割和单株提取方法研究,结果表明：1）VDVI相比EXG、NGRDI、ExG-ExR、GLI等植被指数更适宜作为火龙果的识别分割方法;2）当VDVI的OTSU阈值取0.037时,能最大程度地分割目标地物与背景地物;3）通过人机交互基地实测获取的实际株数与提取株数验证,获得火龙果植株单株提取精度为91.7%。结果证实：以低空无人机可见光波段影像为数据源,VDVI指数作为识别方法,株丛分割应用于喀斯特高原峡谷区火龙果的单株识别提取具有可行性。     

省纪委监委驻省自然资源厅纪检监察组开展集体廉政谈话

为深入贯彻中共青海省十三届纪委第三次全体会议精神,推动自然资源厅各事业局及各市州国土资源局2019年党风廉政建设工作,增强党员领导干部廉洁从政的思想自觉、行动自觉,提高拒腐防变和抵御风险的能力,2月26日至27日,省纪委监委驻省自然资源厅纪检监察组对自然资源厅各事业局及局属各单位纪委书记、各市州自然资源主管部门主要负责人开展集体廉政谈话。     

舟山近岸海域主要甲壳类的生态位及其与种间联结性

本文基于2015年11月（秋季）和2016年5月（春季）在舟山近岸海域开展80个站位的渔业资源调查所获得的甲壳类资料,将调查海域划分为10个区域,并随机分层抽样选取20个站位进行分析。运用生态位测定、典范对应分析（CCA）、方差比率（VR）、卡方检验、联结系数、种对共同出现百分比、点相关系数等方法进行研究。结果表明:研究海域主要甲壳动物共19种,其中优势种3种,重要种6种。通过生态位宽度聚类分析可将主要甲壳类划分成3类,包括广生态位种、中生态位种和狭生态位种。生态位重叠值区间为[0,0.96],表明物种对资源利用的相似性差异较大,部分甲壳动物存在资源利用性竞争。CCA排序显示,该海域甲壳类受环境因子中盐度、温度以及叶绿素a影响较大。VR值为4.40大于1,统计量W值为87.91超出置信区间（10.85,31.41）,得出甲壳类动物群落总体呈显著正相关,卡方检验显示有61个种对的联结性显著（x2 ≥ 3.841）,联结系数（AC）、共同出现百分比（PC）以及点相关系数（Ф）表明种间联结性较强,总体趋于正相关。     

通过训练样本采样处理改善小宗作物遥感识别精度

训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。     

栈式稀疏自编码网络的多时相全极化SAR散射特征降维

利用极化合成孔径雷达（PolSAR）能够实现地物的识别和分类,而多时相全极化SAR可以获取地物更多的散射特征,提升地物识别精度,但高维散射特征的引入会带来严重的维数灾难问题。为了实现对高维散射特征的有效降维,本文提出一种基于栈式稀疏自编码网络S-SAE（Stacked Sparse AutoEncoder）的多时相PolSAR散射特征降维方法。该方法首先对PolSAR数据进行极化目标分解以获取高维散射特征;然后使用S-SAE对获取的多维特征进行降维处理,其中S-SAE降维方法首先采用无监督训练方式进行逐层贪婪训练;再结合Sigmod分类器,利用监督训练的方式对S-SAE进行参数优化,实现高维特征的有效降维;最后以降维后的特征作为支持向量机（SVM）和卷积神经网络（CNN）分类器的输入,实现地物分类。通过仿真和实测的两组多时相Sentinel-1数据处理结果表明,双隐层的S-SAE降维方法在各分类器上均取得最优的降维效果;对比各降维方法在SVM分类器上的分类精度,S-SAE较于局部线性嵌入（LLE）与主成分分析（PCA）降维方法,总体分类精度分别至少提升了9%和14%;在CNN分类器上,S-SAE较于LLE与PCA降维方法,总体分类精度分别至少提升了7%和9%。     

部科技司与省厅签订共同推进河南省国土资源科技创新与对外合作意向书

本刊讯7月31日,河南省国土资源厅党组(扩大)务虚会在郑州召开。会议的主要任务是传达贯彻省委八届十次全会和国土资源部务虚会议精神,进一步分析研判当前形势,部署在全系统开展"找差距、提建议、补短