排序方式： 共有27条查询结果，搜索用时 15 毫秒
21.
承德南部燕山山地的特色林果资源分布具有明显的地域性，以兴隆—喜峰口断裂为界， “京东板栗”集中于断裂以南片麻岩区，“兴隆山楂”集中于北部白云岩区，厘定主要控制因素对林果资源的品质提升具有重要的意义。文章从地质建造和生态地球化学的视角，分析片麻岩和白云岩建造的元素含量及相关性、研究元素迁聚特征和生物富集性，讨论影响作物品质的主要因素。研究表明:片麻岩建造以斜长石、石英和云母类矿物成分为主，Al2O3、Fe2O3、K2O、TiO2、P2O5、Mn、Cu、Zn、Ni、Co元素含量明显高；相应白云岩建造以白云石矿物为主，MgO、CaO元素含量高；基岩-土壤质量迁移系数（τ）值显示片麻岩建造中Se、B、V、S、Mn和Mo元素相对Ti元素富集；白云岩建造中Na2O、P、Ni元素相对Ti元素富集。板栗生物富集系数为Cu > Zn > Mo > Ni > Mn > Ge > Fe，山楂生物富集系数为Cu > Zn > Ni > Mn > Ge > Fe > Mo。基于板栗、山楂的品质控制生态地质模型，优选山楂的最适宜区面积为497.2 km2，板栗的最适宜区面积为499.01 km2。本研究成果可为地方的农业产业结构优化提供借鉴。 相似文献
22.
~~Shapefile文件转换为GML文件的方法@张竟$华东师范大学教育部地理信息科学开放研究实验室
@陆嵘$华东师范大学教育部地理信息科学开放研究实验室
@吴健平$华东师范大学教育部地理信息科学开放研究实验室 相似文献
23.
叶绿素是表征作物长势状况、光合作用能力及生理状况的重要指标,其含量变化对于分析作物生理生化过程以及指导作物精准管理具有重要意义.该文结合辐射传输模型模拟数据和实测多角度遥感数据研究不同叶倾角株型冬小麦叶绿素含量反演的角度效应,即观测天顶角和太阳天顶角变化对植被指数方法估算冬小麦冠层叶绿素含量精度的影响.结果表明:模拟与实测多角度数据的角度效应影响植被指数与冠层叶绿素含量的相关性,实测多角度数据观测天顶角变化对植被指数与冠层叶绿素含量相关性的影响显著高于太阳天顶角以及平均叶倾角变化特征的影响.其中,实测多角度数据下,红边归一化植被指数(ND705)在后向10°和20°观测天顶角下估算冠层叶绿素含量精度最高(R2=0.71,RMSE=49.95μg/cm2,RRMSE=22％);角度不敏感植被指数(AIVI)垂直观测下估算冠层叶绿素含量精度最高(R2=0.72,RMSE=49.08μg/cm2,RRMSE=21％);观测天顶角小于30°时,红边植被指数估算冠层叶绿素含量精度受角度效应影响较小. 相似文献
24.
基于岩性光谱特征的雄安新区地面古河道识别研究 总被引：1，自引：0，他引：1
雄安新区地面古河道与河漫滩岩性分别以砂土和黏性土为主,两种岩性所含矿物成分对电磁波的反射率不同。将地表岩性调查与光谱采集分析相结合,捕捉了这两种岩性在遥感影像中反射光谱的差异,在此基础上识别了古河道,并利用钻孔数据加以验证分析。结果表明:雄安新区表层砂土和黏性土在TM影像B5波段的DN值差值最大,该波段可作为识别河道砂体的必选波段;综合考虑波段信息量、波段之间信息重复程度,R(4)G(5)B(1)组合下河道砂体的形迹清晰可辨;钻孔数据与遥感解译结果吻合,岩心揭露的古河道发育深度在3.2~8.7 m之间;研究区古河道总体较发育,河道宽度多在0.5~2.0 km之间,多处分叉和汇聚后呈辫状河形态,河网密度约0.26 km/km~2;钻孔剖面显示河道地势高于河漫滩,属条状高地型古河道,河道有"游荡"痕迹;古河道的发育位置控制着区内居民地的分布。 相似文献
25.
岩溶地下水系统空间结构复杂, 含水层渗透性强、防污性能差, 一旦发生污染, 污染物扩散迅速且修复难度较大。以南方某岩溶大泉为例, 在水文地质调查的基础上, 结合水化学图解及多元示踪技术, 分析岩溶地下水系统边界及暗河管道分布, 识别岩溶泉的主要污染物、来源及污染途径, 探索岩溶地下水污染成因模式。研究结果表明, Q1岩溶地下水系统为典型的"多源单汇"地下水循环模式, 存在南北2条主要径流通道; 其主要污染物质为锰、菌落总数、氨氮、总磷, 分别为地下水质量标准阈值的17, 14, 7.2, 3.8倍; 建筑垃圾堵塞原有的暗河通道, 工程勘察和强夯活动破坏了垃圾堆场下部天然黏土防渗层, 生活垃圾及渗滤液进入岩溶管道, 两者共同导致了岩溶地下水的污染。该研究对于岩溶地下水系统污染防治工作具有重要的借鉴意义。 相似文献
26.
以地块分类为核心的冬小麦种植面积遥感估算 总被引：5，自引：0，他引：5
以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。 相似文献
27.