我国边疆城镇精细化管理技术研究∗

智慧城市的发展对城市安全提出了更高的要求，提升城市管理与应急反应水平是提高城市安全水平的重要保障。城市三维场景快速重建与精细化管理是智慧城市构建的重要支撑技术。针对我国边疆城镇地区社会稳定和公共安全管理的应用需求，提出了航天、航空、地面、室内外一体化的数据采集与处理方法，解决了基于高性能计算的大规模倾斜三维影像数据快速建模关键技术。以我国西部边疆典型城镇新疆库尔勒市为试验区，开发城市精细化管理系统，实现城市人口信息的精细化管理及突发事件应急响应预案的动态模拟等应用功能，验证了研究内容的合理性与实用性。     

基于多源遥感数据的锡尔河中下游农田土壤水分反演

机器学习结合多源遥感数据反演土壤水分含量（SMC）是目前SMC研究的热点,因较少考虑温度、蒸散等重要SMC影响因子,反演结果存在一定的不确定性。利用Sentinel-1影像、MODIS产品和SRTM数据,提取雷达后向散射系数等32个SMC影响因子,经相关分析选择27个显著的SMC影响因子（P<0.05）作为反演因子,并设计三组因子组合。这三组因子组合分别与随机森林、支持向量回归、BP神经网络三种机器学习方法结合,发现基于随机森林结合所有因子的方案,其SMC反演精度最高,该组合均方根误差RMSE为0.039 m³/m³,将该方案被用于反演2017年生长季锡尔河流域中下游平原区农田SMC。结果表明：从上部至下部SMC总体呈逐渐增加的态势,但存在显著时空差异,春季和秋季SMC较高而夏季较低。SMC差异主要由土壤质地、热量条件和地表植被状况差异引起。春季平原区下部农田SMC要高于上部,SMC的主控因子是土壤质地和地表植被状况;在夏季,土壤水分的主控因子是热量条件,农田灌溉弥补了热量条件差异对土壤水分的影响,导致空间上平原上部和下部土壤SMC空间差异不显著;秋季SMC的主控因子植被状况抵消地表温度和土壤质地差异对SMC的影响,使得秋季SMC空间差异不显著。本文采用的研究方法在一定程度上克服了因考虑SMC影响因子不足而获取更高SMC精度的限制。     

南亚热带不同植被根际微生物数量与根际土壤养分状况

研究了包括尾叶桉、广东凤丫蕨、柳叶竹、大叶相思、青皮、木荷、湿地松在内的7种南亚热带不同植物植被下土壤根际微生物与根际养分状况及其相关关系。结果表明,根际环境对细菌有明显的正效应,对放线菌和真菌有正、负两方面的影响,但对根际微生物总量具有根际效应明显;在南亚热带森林生态系统中.在植物的某些生长季节,微生物的根际效应与土壤养分的根际效应一致