检索结果-内蒙古大学图书馆

生态学报 2025年第1期45卷 182-196页

作者：罗健梅阿布都热合曼·哈力克段越帆姚凯旋姚磊唐华布威阿依谢姆·吐合提新疆大学地理与遥感科学学院乌鲁木齐830017 新疆大学绿洲生态重点实验室乌鲁木齐830017 新疆大学智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830017

植被净初级生产力(NPP)是监测植被生长状况的重要参数,也是评价生态系统健康状况的重要指标。艾比湖流域是新亚欧大陆桥的一道重要生态安全屏障,研究植被NPP时空变化特征及其驱动因素,对保障流域生态环境健康稳定具有重要意义。基于气... 详细信息

植被净初级生产力(NPP)是监测植被生长状况的重要参数,也是评价生态系统健康状况的重要指标。艾比湖流域是新亚欧大陆桥的一道重要生态安全屏障,研究植被NPP时空变化特征及其驱动因素,对保障流域生态环境健康稳定具有重要意义。基于气象数据、NDVI数据、植被类型数据,采用CASA模型估算艾比湖流域2001—2020年的植被NPP,采用热点分析、变异系数、趋势分析等方法,揭示植被NPP时空分布格局及演变特征;采用偏相关分析结合参数最优地理探测器模型揭示植被NPP的影响因素。结果表明:(1)2001—2020年艾比湖流域植被NPP多年平均值为199.67 gC m^(-2)a^(-1),整体呈波动上升趋势,增长率为1.83 gC m^(-2)a^(-1)。(2)空间分布集聚特征明显,整体呈四周高中间低的分布格局,61.79%的区域植被NPP呈增加趋势,河流沿岸的绿洲植被NPP显著增加。(3)植被NPP与气象因子呈正相关关系,与降水相关性最强;NPP值随高程和坡度增加呈先增后减的趋势,随坡向变化差异不明显;不同植被类型和不同土壤类型的NPP值差异明显,土地利用变化对植被NPP具有双重影响。(4)土地利用类型和植被类型是影响植被NPP空间分异的主要因子,因子交互作用表现为双因子增强或非线性增强,基于风险探测确定出适宜植被生长的范围或类型。研究结果可为决策者制定艾比湖流域可持续发展方案提供理论依据。

关键词：净初级生产力 CASA模型参数最优地理探测器驱动因素艾比湖流域

来源：评论

学校读者我要写书评

暂无评论

基于SD-PLUS-InVEST的新疆土地利用及生境质量多情景分析

引用

环境科学与技术 2025年第3期48卷 10-22页

作者：张志浩何宝忠宋雅宁罗雪峰新疆大学地理与遥感科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

土地利用的改变对生物栖息环境有着强烈的影响,所造成的生境退化和破碎是生物多样性损失的主要原因之一。全面掌握共享社会经济路径下新疆土地利用和生境质量变化特征,对新疆“三区三线”的划定和生物多样性的保护有积极意义。该研究通... 详细信息

土地利用的改变对生物栖息环境有着强烈的影响,所造成的生境退化和破碎是生物多样性损失的主要原因之一。全面掌握共享社会经济路径下新疆土地利用和生境质量变化特征,对新疆“三区三线”的划定和生物多样性的保护有积极意义。该研究通过耦合SD-Markov-PLUS模型得出了SSP119、SSP245、SSP585三种气候情景下2035年土地利用分布,并利用InVEST模型评估了其生境质量,最后分析了生境质量对土地利用变化的响应。结果表明:(1)2000-2020年是新疆经济建设快速发展时期,耕地、林地、水域、建设用地分别扩张了25234.19、3588.47、2452.50和3722.37 km^(2),草地和未利用地面积分别减少17239.50、17758.06 km^(2),呈“四增两减”趋势。(2)2020-2035年新疆逐步过渡到平稳和高质量发展阶段,不同气候情景下,耕地、建设用地、未利用地面积SSP585>SSP245>SSP119,林地、草地面积SSP119>SSP245>SSP585,水域面积较为波动。(3)2000-2020年新疆生境指数均值从0.3110下降到0.3056,多年均值为0.3095,各情景中生境指数均值SSP119>SSP245>SSP585,山地林草区域较高,荒漠较低,形成“三屏两环”格局。(4)2000-2020年生境贡献率总和为-1.3259,SSP119、SSP245、SSP585情景生境贡献率总和分别为-0.7932、-0.9973、-1.1589。研究结果可为新疆协调经济发展与生态保护提供科学依据和参考。

关键词： SD-PLUS模型 InVEST模型生境质量生境贡献率新疆

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的复杂果园环境下杏果的目标检测

引用

中国农机化学报 2025年第3期46卷 246-252,270页

作者：买买提·沙吾提阿尔庆·西力克新疆大学地理与遥感科学学院乌鲁木齐市830046 新疆绿洲生态重点实验室乌鲁木齐市830046 智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐市830046

为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算... 详细信息

为解决复杂果园环境中,因遮挡、重叠导致杏果识别误检率较高、检测精度较低的问题,提出一种基于改进YOLOv8n网络模型的杏果检测算法。该算法采用轻量化模块MobileViT—XS替换原有骨干网络,保证特征提取能力,同时降低模型的参数量与计算量,并且将原始的损失函数CIoU替换为WIoUv3,动态优化损失权重提高模型的检测精度。为验证改进方法的有效性,选取6种主流的目标检测模型、5种骨干网络的轻量化改进模型以及5种不同的损失函数进行对比试验。结果表明,改进后的模型相比原始模型在F 1、平均精度均值mAP上提升1.25%、1.48%,参数量、浮点运算量、模型大小分别降低28.06%、0.1 G、1.48 MB。改进后的算法能够精准、快速地在复杂的果园环境中识别出杏果。

关键词：杏果目标检测复杂果园环境轻量化网络 YOLOv8算法损失函数

来源：评论

学校读者我要写书评

暂无评论

基于蒲公英优化随机森林模型的沙漠土壤Fe_(2)O_(3)含量高光谱遥感反演

引用

中国沙漠 2025年第2期45卷 191-204页

作者：胡昕买买提·沙吾提张峰崔锦涛艾尼玩·艾买尔阿斯娅·曼力克新疆大学地理与遥感科学学院/绿洲生态教育部重点实验室/智慧城市与环境建模自治区普通高校重点实验室/塔克拉玛干沙漠腹地绿洲过程新疆野外科学观测研究站新疆乌鲁木齐830017 新疆畜牧科学院草业研究所/天山北坡草地生态环境野外定位观测研究站新疆乌鲁木齐830057

沙漠土壤光谱与氧化铁(Fe_(2)O_(3))含量之间的关系尚不明确,且缺乏有效监测方法。以新疆古尔班通古特沙漠为研究区,采集沙漠样本,获取其Fe_(2)O_(3)含量和光谱数据。通过对原始光谱进行分数阶微分(FOD)和连续小波变换(CWT),利用相关性... 详细信息

沙漠土壤光谱与氧化铁(Fe_(2)O_(3))含量之间的关系尚不明确,且缺乏有效监测方法。以新疆古尔班通古特沙漠为研究区,采集沙漠样本,获取其Fe_(2)O_(3)含量和光谱数据。通过对原始光谱进行分数阶微分(FOD)和连续小波变换(CWT),利用相关性分析确定了沙漠土壤Fe_(2)O_(3)含量的最优光谱变换形式,并采用遗传算法(GA)进行敏感波段的提取。建立了蒲公英优化随机森林(DO-RF)模型估算沙漠土壤Fe_(2)O_(3)含量。结果表明:(1)随着Fe_(2)O_(3)含量的增加,沙漠土壤的反射率逐渐降低,即沙漠土壤Fe_(2)O_(3)含量和土壤光谱反射率负相关;(2)FOD和CWT均可以提高沙漠土壤反射率及其Fe_(2)O_(3)含量反演的相关性水平。其中,基于1.2阶次的FOD和1尺度下CWT的相关性最高,相关系数分别达0.840和0.839;(3)GA能够有效剔除共线性较强的冗余波段,在1.2阶次的FOD下,从512个光谱波段中优选出31个特征波段,压缩了93.945%,在1尺度的CWT下,从119个光谱波段中优选出13个特征波段,压缩了89.076%;(4)基于CWT处理的DO-RF模型精度和稳定性最佳,模型验证决定系数(R^(2))达0.908,均方根误差(RMSE)为0.340,相对分析误差(RPD)为3.390,比未优化的RF、PLSR和SVM,R^(2)分别提高了2.7%、22.6%、4%,RMSE分别降低了6.6%、27.8%、8.7%,RPD分别提高了54.9%、152.2%、68.6%。

关键词：沙漠土壤 Fe_(2)O_(3)含量高光谱遥感蒲公英优化随机森林

来源：评论

学校读者我要写书评

暂无评论

天山北坡城市群PM_(2.5)浓度时空分布特征及影响因素分析

引用

环境科学 2024年第3期45卷 1315-1327页

作者：王相男张喆刘方青新疆大学地理与遥感科学学院乌鲁木齐830046 新疆大学绿洲生态自治区重点实验室乌鲁木齐830046 智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046

针对天山北坡城市群开展PM_(2.5)浓度时空分布特征和影响因素分析,对区域经济建设和环境保护具有积极的意义.通过地理加权回归(GWR)模型,利用MCD19A2气溶胶产品结合气象因子,反演得到天山北坡城市群2015~2021年3~11月的PM_(2.5)浓度时... 详细信息

针对天山北坡城市群开展PM_(2.5)浓度时空分布特征和影响因素分析,对区域经济建设和环境保护具有积极的意义.通过地理加权回归(GWR)模型,利用MCD19A2气溶胶产品结合气象因子,反演得到天山北坡城市群2015~2021年3~11月的PM_(2.5)浓度时空分布,继而实现变化趋势和影响因素分析.结果如下:(1)研究区PM_(2.5)浓度高值主要分布在天山北麓和古尔班通古特沙漠之间的绿洲城市群地带,呈现“四周低,中间高”和“西低东高”的空间分布特征,2015~2021年研究区的ρ(PM_(2.5))年均值为16.98μg·m^(-3),高值主要聚集在乌鲁木齐市市区部分,并向昌吉市和阜康市延伸递减;ρ(PM_(2.5))月均值分布规律与年均一致,但存在季节差异,表现为:秋季(20.32μg·m^(-3))>春季(18.25μg·m^(-3))>夏季(12.47μg·m^(-3)),春季和冬季聚集现象会更明显;(2)研究区PM_(2.5)浓度年均值在2015~2021年呈现下降趋势,3~10月均值同样表现为下降趋势,仅11月表现为略有升高;从PM_(2.5)浓度变化趋势空间分布分析,下降集中在主要城市市区部分,尤其是乌鲁木齐市市区部分及其周边地区减少幅度最大,变化最为剧烈;(3)研究区气温、气压与PM_(2.5)浓度呈现正相关效应,而相对湿度,风速,大气边界层高度,降水量与PM_(2.5)浓度呈现负相关效应;各因子影响程度从高向低排列为:大气边界层高度>相对湿度>气压>气温>风速>降水量.

关键词：地理加权回归(GWR)模型天山北坡城市群时空分布特征变化趋势影响因素分析

来源：评论

学校读者我要写书评

暂无评论

天山北坡经济带植被覆盖度动态变化研究

引用

中国环境科学 2024年第2期44卷 1020-1031页

作者：郝鑫怡张喆郑浩高宁真新疆大学地理与遥感科学学院新疆乌鲁木齐830046 新疆绿洲生态自治区重点实验室新疆乌鲁木齐830046 智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046

为探明天山北坡经济带植被覆盖度时空变化及其原因,本研究基于MODIS13Q1NDVI数据、气象数据、地形数据、人文数据,基于Google Earth Engine(GEE)平台,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和稳定性分析方法,探究2000-2... 详细信息

为探明天山北坡经济带植被覆盖度时空变化及其原因,本研究基于MODIS13Q1NDVI数据、气象数据、地形数据、人文数据,基于Google Earth Engine(GEE)平台,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和稳定性分析方法,探究2000-2020年天山北坡经济带植被覆盖度(FVC)时空变化特征及其影响因子.结果表明:天山北坡经济带的FVC表现为两条平行的高覆盖度带.其中中部地区具有较高的植被覆盖度,而边缘地区的植被覆盖度相对较低.2000~2020年间,天山北坡经济带的FVC在时空上呈轻度变化,约占总变化的70%.植被改善区域主要呈现带状分布,集中在研究区的中部,而植被减少区域主要分布在研究区的南缘.整体上,天山北坡的植被覆盖度呈现出西北至东南的相间分布趋势,并且有逐渐上升的趋势.与东部地区相比,西部地区的植被改善更为明显.2000~2020年间,天山北坡经济带的FVC整体上表现出较高的稳定性和较小的波动,其变异程度介于弱变异和中等变异之间.但是,在克拉玛依市北部、乌鲁木齐市西南部以及研究区南缘的零星地区,FVC存在较强的变异.通过地理探测器模型对天山北坡经济带FVC影响因素的研究表明,人类活动(人口密度、夜间灯光和土地利用类型)是FVC空间分异的主要解释因素.从驱动因素来看,人口密度P值为0.283,对FVC影响最大,夜间灯光P值为0.125,土地利用类型P值为0.179.

关键词： GEE MODIS13Q1 植被覆盖度时空变化地理探测器天山北坡

来源：评论

学校读者我要写书评

暂无评论

干旱区绿洲农田土壤重金属含量高光谱反演

引用

中国环境科学 2024年第4期44卷 2208-2216页

作者：买买提·沙吾提阿不都艾尼·阿不里胡昕新疆大学地理与遥感科学学院新疆乌鲁木齐830017 新疆绿洲生态重点实验室新疆乌鲁木齐830017 智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830017

对新疆渭库绿洲土壤样本的As、Hg、Pb、Cr、Zn和Cu共6种重金属含量与高光谱关系进行分析,基于逐步回归方法筛选出特征波段,采用地理加权回归(GWR)和普通最小二乘法回归(OLS)构建土壤重金属的高光谱反演模型.结果显示:1)研究区的6种重金... 详细信息

对新疆渭库绿洲土壤样本的As、Hg、Pb、Cr、Zn和Cu共6种重金属含量与高光谱关系进行分析,基于逐步回归方法筛选出特征波段,采用地理加权回归(GWR)和普通最小二乘法回归(OLS)构建土壤重金属的高光谱反演模型.结果显示:1)研究区的6种重金属元素含量存在一定的差异,土壤中的平均重金属含量依次为Zn>Pb>Cr>Cu>As>Hg,均未超过国家土壤背景值.研究区的Pb平均含量高于当地(新疆)土壤背景值,即研究区表土层中的Pb元素明显富集;2)不同的光谱变换使土壤重金属的光谱特征均得到了增强,但强度有所差异,经过二阶微分变换(SD)和一阶立方根微分变换(CRFD)的土壤光谱相对于原始光谱增强最显著;3)从模型验证来看,在反演6个土壤重金属元素含量时,GWR的R^(2)高于OLS,其中Zn的R^(2)接近0.8,Cu的R^(2)接近0.6,表明模型有一定预测能力,而As、Hg、Pb和Cr的R^(2)均依然低于0.5,模型预测能力并不理想;4)两种模型预测的6种土壤重金属含量的空间分布表现出一定的空间差异性.其中,As元素空间分布差异在这两种预测模型中最大,而其余5种重金属元素Hg、Pb、Cr、Zn和Cu的分布则较为均匀.通过高光谱反射率估算土壤重金属元素含量,实现了干旱区绿洲农田土壤重金属元素含量的高效快速反演,为干旱区绿洲农田土壤重金属元素含量动态监测提供了可靠的技术支撑.

关键词： GWR及OLS模型土壤重金属含量高光谱空间分布特征渭干河-库车河绿洲

来源：评论

学校读者我要写书评

暂无评论

艾比湖地区气溶胶光学特性分析

引用

环境科学 2020年第8期41卷 3484-3491页

作者：张喆丁建丽王瑾杰新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046

精河县气溶胶光学特性的定量评估是理解艾比湖盐尘传输过程的关键.本文利用2019年精河县CE-318太阳光度计站点观测资料,分析了气溶胶光学厚度(AOD)和Angstrom波长指数(α)的变化特征.结果表明AOD日变化呈单峰曲线,与α呈反向变化特征;... 详细信息

精河县气溶胶光学特性的定量评估是理解艾比湖盐尘传输过程的关键.本文利用2019年精河县CE-318太阳光度计站点观测资料,分析了气溶胶光学厚度(AOD)和Angstrom波长指数(α)的变化特征.结果表明AOD日变化呈单峰曲线,与α呈反向变化特征;气溶胶粒子浓度和主控模态具有明显的季节性差异,与夏、秋季相比,春季AOD较高且变化幅度剧烈,粗粒子气溶胶占主控地位,粒子粒径和变化幅度较大;AOD和α呈负相关关系,从春季到秋季,气溶胶逐渐从粗模态向细模态过渡;与夏季相比,春季局地气溶胶对风速、风向和相对湿度的变化较为敏感;温度不是导致局地气溶胶变化的内在因素,但与气溶胶粒子扩散能力成正比;非采暖期,精河县AOD高值主要受粗粒子为主的沙尘气溶胶的影响,小颗粒的气溶胶的增加以及气溶胶吸湿增长都不是造成该地区AOD增加的主要原因.

关键词：太阳光度计气溶胶光学厚度(AOD) Angstrom波长指数艾比湖气溶胶光学特性

来源：评论

学校读者我要写书评

暂无评论

艾比湖流域气溶胶光学厚度时空演变及影响因素

引用

环境科学 2019年第11期40卷 4824-4832页

作者：陈香月丁建丽王敬哲葛翔宇梁静新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046

气溶胶光学厚度(AOD)描述了气溶胶对光的衰减作用,并在一定程度上反映区域大气污染程度.本研究以2000年~2015年长时间序列MOD09A1数据为本底,在生成查找表的基础上,采用深蓝算法(DB)对艾比湖流域2000年~2015年Landsat TM/ETM+/OLI数据进... 详细信息

气溶胶光学厚度(AOD)描述了气溶胶对光的衰减作用,并在一定程度上反映区域大气污染程度.本研究以2000年~2015年长时间序列MOD09A1数据为本底,在生成查找表的基础上,采用深蓝算法(DB)对艾比湖流域2000年~2015年Landsat TM/ETM+/OLI数据进行AOD遥感估算,分析艾比湖流域AOD时空变化特征,结合环境变量选用随机森林模型(RF)对AOD进行预测及因子贡献度排序.结果表明:①艾比湖流域AOD呈现显著的季节性变化特征,AOD值春季(0.414)>夏季(0.390)>秋季(0.287),其中春季变化幅度最大.②艾比湖流域平均AOD为0.374,年际变化整体表现为上升趋势,但在2010~2015年间AOD增加较快,年际增幅达到32.32%,表明该流域近15年间的大气污染不断加剧,近5年尤甚.③艾比湖流域AOD空间分布从艾比湖北部到南部呈阶梯式上升变化,其中,精河县污染最为突显,AOD值达到0.483.④RF模型对AOD的预测效果较好,R^2=0.866,RMSE=0.042,其中蒸散发对艾比湖流域AOD影响最为显著.

关键词：气溶胶光学厚度(AOD) 随机森林模型(RF) 深蓝算法(DB) 艾比湖流域时空变化

来源：评论

学校读者我要写书评

暂无评论

环境敏感变量优选及机器学习算法预测绿洲土壤盐分

引用

农业工程学报 2018年第22期34卷 102-110页

作者：王飞杨胜天丁建丽魏阳葛翔宇梁静新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室乌鲁木齐830046

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 Adapti... 详细信息

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。

关键词：土壤盐分遥感机器学习绿洲 Landsat OLI 数字高程模型新疆

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：