福建长汀红壤区1965-2013年气温和降水量的变化趋势
3S技术视角下泉州市永春县水土流失敏感性评价
1引言水土流失会导致大量的表层土壤和土壤所含的营养物质流失,进而引起土地生产力下降,因此成为当今世界共同面临的一个严峻的环境灾害问题。
加之,农业用地上施用的化肥、农药残留物很容易随着水土流失进入河湖水库,引发水环境的恶化,对人民的生命财产造成威胁,甚至可能引发滑坡和泥石流等次生灾害。
我国在生态文明的全局视角,提出“山水林田湖草是生命共同体”的重要观点,并着重阐述了“统筹山水林田湖草系统治理”的重大意义。
如今,中国比以往任何时候都更加注重生态文明的建设与发展,将水土流失问题视为实现可持续发展过程中必须解决的一个关键问题。
随着3S 技术的迅速发展,利用侵蚀模型对土壤侵蚀进行定量监测和预报已成为土壤侵蚀动态研究的一种有效手段,为土地资源的保护和可持续利用提供有力的支持,对水土流失现状进行长期系统和科学地动态监测,是制定水土流失防治措施的一个重要基础条件[1]。
GIS 技术结合国土空间适宜性评价,使人们对环境的承载力有更深入的了解。
国土空间开发适宜性评价是在资源环境承载能力评价的基础上,评价国土空间进行生态保护的重要程度,以及农业生产、城镇建设的适宜程度[2]。
由于近些年党和国家领导人对水保工作的不断强调,对水土流失检测的技术路线提出了优化的新要求,这需要水土研究检测能快速获取水土流失的驱动因子,并因地制宜建立起适合的评价模型。
本文基于《资源环境承载能力和国土空间开发适宜性评价技术指南》(简称“双评价”)中的水土流失敏感性评价,结合GIS 技术分析,利用遥感数据,选择降雨侵蚀力、土壤可蚀性、地形起伏度和植被覆盖这四个关键因子,构建水土流失敏感性评价指标体系,并绘制相应的水土流失敏感性评价图。
双评价水土流失敏感性评价体系中,评价的分级区间过大,因此本研究结合福建闽南地区的气候特点,以永春县自然地理环境为基础,制定出合理的分级体系进行分析。
永春县是国家水土保持重点建设单位,对永春县进行水土流失敏感性分析,可以更好地指导当地政府和相关部门采取有效的防治措施,保护当地的水土资源,维护生态平衡,实现可持续发展。
近50年浙江省暴雨时空分布特征及对农业的影响
农业灾害研究 2023,13(6)近50年浙江省暴雨时空分布特征及对农业的影响贾安琪1，姚佳骏2，李美琳1，马晓云11.绍兴市气象局，浙江绍兴 312000；2.嵊州市气象局，浙江嵊州 312400摘要 基于浙江省64个气象站日降水数据，对近50年浙江暴雨的时空变化趋势进行研究，发现20世纪70年代中期和90年代末期为暴雨雨量较大的2个时段，浙江暴雨主要集中在5—9月，以6月最多。
大暴雨集中在6—9月，8月最多。
特大暴雨集中在7—10月，9月最多。
在1971—1995年，暴雨雨量存在明显的12年主周期，1995年后有较弱的21年副周期，而在整个50年尺度上存在5年短周期。
研究暴雨空间分布发现，4—6月暴雨雨量大值区在西南地区、8—9月暴雨雨量大值区在东南地区。
从暴雨日数上看，8—10月暴雨与大暴雨日数均呈“东多西少”分布。
并探讨了暴雨天气下农作物的预防及应对措施，以期能在一定程度上减少经济损失。
关键词 暴雨；时空特征；农业中图分类号：P426.62 文献标识码：B 文章编号：2095–3305(2023)06–0073-03洪涝灾害一直是我国的主要灾害之一，暴雨天气一直是气象工作者的研究重点[1]。
浙江紧邻东海海域，是我国最大内河长江的出口之处，季风气候明显，气候资源丰富，同时气象灾害也频发[2]。
受西风带和东风带双重天气系统影响，热带气旋（台风）、暴雨、高温、干旱、雷电、大风、大雾等灾害性天气频繁发生[3]。
研究暴雨等灾害性天气，对保障浙江人民安全、服务浙江经济社会转型发展具有十分重要的意义。
浙江是我国经济大省，粮食及多种特色农产品、水产品种植面积和产量均位于全国前列，因此，对浙江省暴雨天气时空分布特征进行研究，能为农作物增收、减少农业损失、科学高效防灾减灾等提供助力。
1 资料与方法1.1 暴雨的定义浙江省将24 h降水量≤50 mm的降水定义为暴雨[4]。
同时又根据降水量的大小将暴雨细分为暴雨、大暴雨、特大暴雨，各量级的标准分别为暴雨（50.0~99.9 mm）、大暴雨（100.0~249.9 mm）、特大暴雨（≥250.0 mm）。
应用无人机可见光影像和面向对象的随机森林模型对城市树种分类
第５２卷第３期东㊀北㊀林㊀业㊀大㊀学㊀学㊀报Ｖｏｌ．５２Ｎｏ．３２０２４年３月ＪＯＵＲＮＡＬＯＦＮＯＲＴＨＥＡＳＴＦＯＲＥＳＴＲＹＵＮＩＶＥＲＳＩＴＹＭａｒ．２０２４１）国家自然科学基金项目（３１９０１２９８），西藏自治区科学技术重点研发计划项目（ＸＺ２０２２０１ＺＹ０００３Ｇ），福建农林大学省级大学生创新创业训练项目（Ｓ２０２３１０３８９０４６），福建农林大学科技创新专项基金项目（ＫＦｂ２２０３３ＸＡ）㊂第一作者简介：陈逊龙，男，１９９８年１０月生，福建农林大学林学院，硕士研究生㊂Ｅ－ｍａｉｌ：１２２０４９６００２＠ｆａｆｕ．ｅｄｕ．ｃｎ㊂通信作者：张厚喜，福建农林大学林学院㊁南方红壤区水土保持国家林业和草原局重点实验室（福建农林大学）㊁海峡两岸红壤区水土保持协同创新中心（福建农林大学）㊁福建长汀红壤丘陵生态系统国家定位观测研究站，副教授㊂Ｅ－ｍａｉｌ：ｚｈａｎｇｈｏｕｘｉ＠１２６．ｃｏｍ㊂收稿日期：２０２３年１０月２３日㊂责任编辑：王广建㊂应用无人机可见光影像和面向对象的随机森林模型对城市树种分类１）陈逊龙㊀孙一铭㊀郭仕杰㊀段煜柯㊀唐桉琦㊀叶章熙㊀张厚喜（福建农林大学，福州，３５０００２）㊀㊀摘㊀要㊀为及时准确的了解城市树种空间分布信息，提升城市居民生活水平和推动城市生态系统可持续发展㊂以福州市仓山区城市森林为研究对象，应用无人机（ＵＡＶ）监测城市树种空间分布及其动态变化的可见光影像，根据最佳尺度对影像进行分割，并提取分割对象的光谱㊁地形㊁指数㊁纹理和几何特征㊂通过对不同类型特征的组合构建不同的分类方案，利用递归特征消除法（ＲＦＥ）筛选出优选特征子集，利用面向对象方法结合随机森林（ＲＦ）模型对城市树种进行分类㊂结果表明：在随机森林模型分类的过程中，利用光谱特征对树种分类的总体分类精度为８２．１２％；地形特征对树种分类的贡献度率为１４．９６％；指数特征和纹理特征的引入，在一定程度提高了树种的分类精度；几何特征的贡献较小，在分类过程中没有明显的贡献㊂特征优选子集的Ｓ１０方案分类精度最高，总体精度达９２．４２％，Ｋａｐｐａ系数为０．９１㊂说明特征优选能够降低高维度特征的复杂性，在大幅减少数据冗余的同时提高了分类精度㊂在最优特征子集下，随机森林（ＲＦ）算法分类的总体精度比极致梯度提升（ＸＧＢｏｏｓｔ）㊁轻量级梯度提升机（ＬｉｇｈｔＧＢＭ）和ｋ最近邻算法（ＫＮＮ）分别提高了１．１５％㊁１．８１％和１５．１５％，Ｋａｐｐａ系数分别提高了１％㊁２％和１７％㊂关键词㊀城市树种；无人机影像；面向对象；随机森林模型；地形特征分类号㊀Ｓ７７１．８ＵｒｂａｎＴｒｅｅＳｐｅｃｉｅｓＣｌａｓｓｉｆｉｃａｔｉｏｎｂｙＵＡＶＶｉｓｉｂｌｅＬｉｇｈｔＩｍａｇｅｒｙａｎｄＯＢＩＡ－ＲＦＭｏｄｅｌ／／ＣｈｅｎＸｕｎｌｏｎｇ，ＳｕｎＹｉｍ⁃ｉｎｇ，ＧｕｏＳｈｉｊｉｅ，ＤｕａｎＹｕｋｅ，ＴａｎｇＡｎｑｉ，ＹｅＺｈａｎｇｘｉ，ＺｈａｎｇＨｏｕｘｉ（ＦｕｊｉａｎＡｇｒｉｃｕｌｔｕｒｅａｎｄＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ３５０００２，Ｐ．Ｒ．Ｃｈｉｎａ）／／ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，２０２４，５２（３）：４８－５９．Ｉｎｏｒｄｅｒｔｏｏｂｔａｉｎｔｉｍｅｌｙａｎｄａｃｃｕｒａｔｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｆｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓ，ｉｍｐｒｏｖｅｔｈｅｌｉｖｉｎｇｓｔａｎｄ⁃ａｒｄｓｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ，ａｎｄｐｒｏｍｏｔｅｔｈｅｓｕｓｔａｉｎａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｕｒｂａｎｅｃｏｓｙｓｔｅｍｓ，ｔｈｉｓｓｔｕｄｙｔａｋｅｓｔｈｅｕｒｂａｎｆｏｒｅｓｔｉｎＣａｎｇｓｈａｎＤｉｓｔｒｉｃｔ，ＦｕｚｈｏｕＣｉｔｙａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ．Ｉｔａｐｐｌｉｅｓｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅｓ（ＵＡＶｓ）ｔｏｍｏｎｉｔｏｒｔｈｅｖｉｓｉｂｌｅｌｉｇｈｔｉｍａｇｅｓｏｆｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｔｈｅｉｒｄｙｎａｍｉｃｃｈａｎｇｅｓ．Ｔｈｅｉｍａｇｅｓｗｅｒｅｓｅｇｍｅｎｔｅｄｂａｓｅｄｏｎｔｈｅｏｐｔｉｍａｌｓｃａｌｅ，ａｎｄｔｈｅｓｐｅｃｔｒａｌ，ｔｅｒｒａｉｎ，Ｉｎｄｅｘ，ｔｅｘｔｕｒｅ，ａｎｄｇｅｏｍｅｔｒｉｃｆｅａｔｕｒｅｓｏｆｔｈｅｓｅｇｍｅｎｔｅｄｏｂｊｅｃｔｓａｒｅｅｘｔｒａｃｔｅｄ．Ｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｃａｔｉｏｎｓｃｈｅｍｅｓｗｅｒｅｃｏｎｓｔｒｕｃｔｅｄｂｙｃｏｍｂｉｎｉｎｇｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｆｅａｔｕｒｅｓ，ａｎｄｔｈｅｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔｗａｓｓｅｌｅｃｔｅｄｕｓｉｎｇｔｈｅｒｅｃｕｒｓｉｖｅｆｅａｔｕｒｅｅｌｉｍｉｎａｔｉｏｎ（ＲＦＥ）ｍｅｔｈｏｄ．Ｔｈｅｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓｗｅｒｅｃｌａｓｓｉｆｉｅｄｕｓｉｎｇｔｈｅｏｂ⁃ｊｅｃｔ⁃ｏｒｉｅｎｔｅｄｍｅｔｈｏｄｃｏｍｂｉｎｅｄｗｉｔｈｔｈｅｒａｎｄｏｍｆｏｒｅｓｔ（ＲＦ）ｍｏｄｅｌ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｉｎｔｈｅｐｒｏｃｅｓｓｏｆＲＦｍｏｄｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅｏｖｅｒａｌｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｒｅｅｓｐｅｃｉｅｓｕｓｉｎｇｓｐｅｃｔｒａｌｆｅａｔｕｒｅｓｗａｓ８２．１２％．Ｔｈｅｃｏｎｔｒｉｂｕｔｉｏｎｒａｔｅｏｆｔｅｒｒａｉｎｆｅａｔｕｒｅｓｔｏｔｒｅｅｓｐｅｃｉｅｓｃｌａｓｓｉｆｉｃａｔｉｏｎｗａｓ１４．９６％．ＴｈｅｉｎｔｒｏｄｕｃｔｉｏｎｏｆＩｎｄｅｘｆｅａｔｕｒｅｓａｎｄｔｅｘｔｕｒｅｆｅａｔｕｒｅｓｉｍ⁃ｐｒｏｖｅｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｔｒｅｅｓｐｅｃｉｅｓｔｏａｃｅｒｔａｉｎｅｘｔｅｎｔ．Ｇｅｏｍｅｔｒｉｃｆｅａｔｕｒｅｓｈａｖｅａｓｍａｌｌｃｏｎｔｒｉｂｕｔｉｏｎａｎｄｄｏｎｏｔｈａｖｅａｓｉｇｎｉｆｉｃａｎｔｃｏｎｔｒｉｂｕｔｉｏｎｉｎｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｃｅｓｓ．ＴｈｅＳ１０ｓｃｈｅｍｅｏｆｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｓｕｂｓｅｔｈａｄｔｈｅｈｉｇｈｅｓｔｃｌａｓ⁃ｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙ，ｗｉｔｈａｎｏｖｅｒａｌｌａｃｃｕｒａｃｙｏｆ９２．４２％ａｎｄａＫａｐｐａｃｏｅｆｆｉｃｉｅｎｔｏｆ０．９１．Ｔｈｉｓｉｎｄｉｃａｔｅｓｔｈａｔｆｅａｔｕｒｅｓｅｌｅｃ⁃ｔｉｏｎｃａｎｒｅｄｕｃｅｔｈｅｃｏｍｐｌｅｘｉｔｙｏｆｈｉｇｈ⁃ｄｉｍｅｎｓｉｏｎａｌｆｅａｔｕｒｅｓ，ｗｈｉｌｅｇｒｅａｔｌｙｒｅｄｕｃｉｎｇｄａｔａｒｅｄｕｎｄａｎｃｙａｎｄｉｍｐｒｏｖｉｎｇｃｌａｓｓｉｆｉ⁃ｃａｔｉｏｎａｃｃｕｒａｃｙ．Ｕｎｄｅｒｔｈｅｏｐｔｉｍａｌｆｅａｔｕｒｅｓｕｂｓｅｔ，ｔｈｅｏｖｅｒａｌｌａｃｃｕｒａｃｙｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎｕｓｉｎｇｔｈｅＲＦａｌｇｏｒｉｔｈｍｗａｓｉｎ⁃ｃｒｅａｓｅｄｂｙ１．１５％，１．８１％，ａｎｄ１５．１５％ｃｏｍｐａｒｅｄｔｏｅｘｔｒｅｍｅｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇ（ＸＧＢｏｏｓｔ），ｌｉｇｈｔｇｒａｄｉｅｎｔｂｏｏｓｔｉｎｇｍａ⁃ｃｈｉｎｅ（ＬｉｇｈｔＧＢＭ），ａｎｄｋ⁃ｎｅａｒｅｓｔｎｅｉｇｈｂｏｒａｌｇｏｒｉｔｈｍ（ＫＮＮ），ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅＫａｐｐａｃｏｅｆｆｉｃｉｅｎｔｗａｓｉｎｃｒｅａｓｅｄｂｙ１％，２％，ａｎｄ１７％，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｋｅｙｗｏｒｄｓ㊀Ｕｒｂａｎｔｒｅｅｓｐｅｃｉｅｓ；ＵＡＶｉｍａｇｅｒｙ；Ｏｂｊｅｃｔ－ｂａｓｅｄ；Ｒａｎｄｏｍｆｏｒｅｓｔｍｏｄｅｌ；Ｔｅｒｒａｉｎｆｅａｔｕｒｅ㊀㊀城市树木作为城市的重要组成部分是评估城市生态环境的重要指标之一，具有重要的生态㊁经济和社会效益［１］㊂随着城市化进程的不断深化，城市树木的生态效益也日渐凸显㊂然而，不同种类㊁种植结构和种植区域的城市树木会产生不同的生态环境效益［２］㊂因此，及时准确地获取城市树种的类别和空间分布信息对城市规划㊁城市树木的管理与维护具有重要意义［３］㊂传统的城市树种分类主要依靠地面调查，然而该方法存在成本高㊁耗时长且难以获取大尺度数据等不足［４］㊂近年来，遥感技术飞速发展，为城市树种的准确快速识别提供了新的途径㊂然而，传统的高分辨率卫星遥感影像易受天气和环境因素干扰㊁时效性较差且费用昂贵㊂此外，免费提供的卫星遥感影像空间分辨率低，难以适用于树种层面的识别研究［５］㊂相比传统的遥感平台，近地无人机（ＵＡＶ）能在较小空间尺度上提供高分辨率的遥感影像和地理数据，具有更高的适用性，是遥感数据获取的重要手段之一［６］㊂然而，目前有关树种信息提取的无人机遥感研究多集中于多光谱㊁高光谱影像的分类领域，但由于搭载多光谱㊁高光谱传感器的无人机普遍价格昂贵，极大地限制了其在实际生产中的推广应用㊂随着数码技术的发展，通过搭载可见光传感器的无人机获取包含树种信息的遥感影像，具有获取方便㊁成本低㊁空间分辨率高等优点，已成为遥感影像识别树种研究方向上重要的数据源之一［７］㊂根据遥感影像分类单元的不同，可将分类方法归为基于像元和面向对象两类㊂基于像元的方法主要关注局部像素的光谱信息，在处理高分辨率遥感影像时对噪声比较敏感㊁稳健性差，极易出现错分㊁漏分现象［８］㊂为弥补基于像元方法的不足，面向对象的影像分析技术（ＯＢＩＡ）逐渐被用于处理高分辨率遥感影像［９］㊂ＯＢＩＡ方法综合考虑区域相邻像素的纹理㊁形态以及空间结构等多维特征，减少了 椒盐噪声 的同时，通常具有更高的准确率［１０］㊂然而，随着特征维数的增加，数据处理的难度呈几何倍数增长，使得传统分类算法的应用受到一定限制㊂随机森林（ＲＦ）是一种基于集成学习思想集成多颗决策树的机器学习算法，通过对样本的决策树建模以及组合多棵决策树的预测，最终由分类树投票决定数据的分类［１１］㊂随机森林算法不仅具有模型简单㊁分类精度更高㊁校正参数更少的特点，而且鲁棒性强，不易过拟合，在遥感领域高维特征分类中得到广泛应用［１２］㊂面向对象方法可以有效减少 同物异谱 现象，而随机森林算法在处理高维数据时有其独特的性能优势，二者的结合在一定程度上提高了分类精度㊂宗影等［１３］将面向对象方法和随机森林算法的有机结合，有效提高了滨海湿地植被的分类精度，总体精度达８７．０７％；赵士肄等［１４］将面向对象方法和随机森林算法应用于耕地领域，并与其他机器学习分类算法进行对比验证，结果表明基于面向对象的随机森林模型取得了最高的耕地提取精度，并减弱了 椒盐 噪声，优化了分类结果；耿仁方等［１５］研究结果表明，基于面向对象结合随机森林算法对岩溶湿地植被具有较高的识别能力，在９５％置信区间内的总体精度为８６．７５％㊂虽然该方法的研究已经取得了一定的成功，但不同类型的特征对城市树种信息提取效果的影响尚不明确㊂因此，面向对象结合随机森林的方法对于城市树种分类的效果有待进一步探讨㊂此外，目前主流的数据源是大尺度的卫星影像和航空影像，或者是特征信息更加丰富的多光谱和激光雷达影像，而消费级无人机可见光影像在城市树种的精细分类方面还鲜有报道㊂因此，本文以福州市仓山区无人机可见光影像为研究对象，基于ＯＢＩＡ－ＲＦ模型，通过特征优选，构建最佳子集并比较不同机器学习算法的分类精度，并分析不同特征对城市树种分类的影响，构建该研究区城市行道树的最佳特征子集，比较不同分类算法对城市树种的分类效果，进一步评估ＯＢＩＡ－ＲＦ模型的分类性能和适用性，为城市生态系统保护及生态环境治理提供技术支持㊂１㊀研究区概况研究区位于福建省福州市仓山区（见图１），该区域属于南亚热带海洋性季风气候温暖湿润，冬季无严寒，夏季无酷暑㊂年日照时间１７００ １９８０ｈ，年降水量９００ ２１００ｍｍ，气温２０ ２５ħ㊂福州市仓山区典型树种包括白兰（Ｍｉｃｈｅｌｉａ✕ａｌｂａ）㊁荔枝（Ｌｉ⁃ｔｃｈｉｃｈｉｎｅｎｓｉｓ）㊁芒果（Ｍａｎｇｉｆｅｒａｉｎｄｉｃａ）㊁南洋楹（Ｆａｌ⁃ｃａｔａｒｉａｆａｌｃａｔａ）㊁榕树（Ｆｉｃｕｓｍｉｃｒｏｃａｒｐａ）㊁棕榈（Ｔｒａ⁃ｃｈｙｃａｒｐｕｓｆｏｒｔｕｎｅｉ）㊁樟（Ｃｉｎｎａｍｏｍｕｍｃａｍｐｈｏｒａ）等㊂研究区地势平坦，自然环境相对复杂，具备城市的基本特征，对研究城市树种分类具有一定的代表性㊂２㊀研究方法２．１㊀无人机数据采集与预处理实验数据于２０２０年２月８日采集，采用搭载ＦＣ６３１０Ｓ可见光镜头的大疆精灵４Ｐｒｏ（ＤＪＩＰｈａｎｔｏｍ４Ｐｒｏ）无人机进行航拍获取研究区影像，为削弱阴影对分类过程的干扰，选择天气状况良好无风有云的时间段进行作业㊂飞行相关参数设置如下：航高设置为６０ｍ，航向与旁向重叠率均为７０％，镜头角度－９０ʎ，光圈值ｆ／５，曝光时间１／２００ｓ，ＩＯＳ速度为ＩＯＳ－４００㊂本次飞行共获得４５０张航拍影像，照片分辨率为５４７２ˑ３０７８㊂通过瑞士Ｐｉｘ４Ｄｍａｐｐｅｒ专业摄影测量软件对所采集的原始数据进行空中三角测量㊁点云重建㊁裁切以及镶嵌等操作，得到研究区的正射影像（ＤＯＭ）和数字地表模型（ＤＳＭ）㊂为了精确获得研究区的道路信息，采用天地图在线矢量影像作为辅助信息，并通过手绘的方式提取道路矢量数据㊂根据实际调查情况，利用缓冲分析，将缓冲距离设置为５ｍ，得到了行道树的矢量分布图，然后，将矢量布图与原始影像叠加，最终裁剪出了研究区影像㊂２．２㊀地形特征提取归一化数字表面模型（ｎＤＳＭ）是一种反映地物绝对高度的高程模型［１６］，可为地物判别提供可靠依９４第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类据㊂使用ＡｒｃＭａｐ１０．２软件进行地形特征提取㊂首先，通过人工目视解译方法从ＤＳＭ中选取９５０个地面点，并批量提取栅格的高程信息，其中１００个样本点的高程数据用以验证精度㊂其次采用插值的方法生成数字高程模型（ＤＥＭ）㊂为获取更加精确的地面高程信息，比较常见的插值方法（克里金插值法㊁反距离权重法㊁样条插值法以及自然邻域法）生成的数字高程模型（ＤＥＭ），以均方根误差㊁平均绝对值误差和决定系数（Ｒ２）作为评分指标（见表１）㊂４种插值方法均可得到较高精度的ＤＥＭ数据，综合考虑决定系数（Ｒ２）㊁平均绝对值误差以及均方根误差，最终确定采用克里金插值法生成连续的ＤＥＭ数据㊂最后，根据已生成的ＤＥＭ数据，利用Ａｒｃ⁃Ｍａｐ１０．２软件中的栅格计算器，将ＤＳＭ数据与ＤＥＭ数据相减得到ｎＤＳＭ数据［１７］㊂图１㊀研究区概况图表１㊀不同插值方法精度评价方㊀法决定系数（Ｒ２）平均绝对值误差均方根误差克里金插值法０．９９０．０７０．０４反距离权重法０．９９０．０８０．０４样条插值法０．９９０．０８０．０５自然邻域法０．９９０．０７０．０４２．３㊀最佳分割尺度确定影像分割是面向对象方法中至关重要的初始环节，分割结果将直接影响分类精度［１８］㊂本研究采用尺度参数评价工具（ＥＳＰ２），结合目视解译的方法确定最佳分割尺度，所有图像分割过程均在ｅＣｏｇｎｉ⁃ｔｉｏｎ９．０Ｄｅｖｅｌｏｐｅｒ９．０软件完成㊂ＥＳＰ２是用以评价不同尺度影像整体最大差异性的工具，通过计算整体局部方差均值随尺度变化率评估不同地物所对应的最佳尺度参数［１９］㊂而ＥＳＰ２计算出的尺度参数往往是多个值，需要结合人工目视才能确定最佳分割尺度㊂形状参数和紧致度参数是准确表示不同树种轮廓，使得对象内部同质性高的关键㊂综合考虑无人机影像的特点以及影像对象形状和紧致度因子的相互关系，将形状参数设置为０．５，紧致度参数设置为０．３㊂其他必要参数为：各波段的权重值设置为１㊁起始分割尺度为４０㊁分割步长为１㊁迭代８０次㊂随着尺度的增大，局部方差均值整体呈现上升的趋势，而尺度变化率呈现下降的趋势（见图２）㊂为了获得图像的过分割和欠分割之间的临界值，选取尺度变化率峰值为５１㊁５７㊁７６㊁８０㊁８９㊁１０４㊁１０９和１１８作为相对最佳分割尺度参数，采用多尺度分割算法得到分割结果（见图３）㊂当分割尺度参数设置较大（分割尺度参数大于１０４）时，白兰㊁榕树和背景多处０５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５２卷被划分为同一个对象，不同树种存在混淆现象难以被区分㊂当分割尺度参数设置较小（分割尺度小于７６）时，不同地物内部出现了过分割现象，增加了数据冗余㊂当分割尺度参数设置７６ ８９时，植被与背景区分相对明显，不同的树种之间能够被分割成独立的对象，整体分割效果较为理想㊂权衡分割效果与实际情况的吻合度，最终确定研究区无人机影像最佳分割尺度参数为７６，并利用该分割尺度参数进行城市行道树提取㊂图２㊀ＥＳＰ２最佳分割尺度估计图图３㊀不同尺度参数分割效果图２．４㊀对象光谱特征提取光谱特征是遥感影像的重要特征之一，地物通常具有不同的光谱特征，因此根据可见光影像中的地物光谱信息的差异可以用来区分不同的地物类型［２０］㊂植被指数利用植被在不同波段下反射和吸收的特性，增强植被信息的同时使非植被信息最小化［２１］，被广泛应用于林业病虫害防治㊁农作物生长量估计㊁生态环境监测等领域［２２］㊂在遥感图像中，不同地物通常具有复杂程度不同的边缘特征，因此，形状特征可以作为快速准确识别地物类型的有效手段［２３］㊂纹理特征是遥感影像的底层特征，不受图像亮度的影响，能够综合反映像素的灰度分布和结构信息，利用纹理特征可以有效弥补可见光影像光谱信息的不足［６］㊂在面向对象的分类过程中，结合纹理特征对于提升分类精度效果显著［２４］㊂地形特征能真实反映不同地物的高程信息，在影像分类过程中对于区分不同类型的地物具有重要意义㊂因此，本研究共选取光谱㊁指数㊁纹理㊁几何以及地形５大特征，剔除无效特征筛选出４０个子特征，具体如下：（１）光谱特征（ＳＰＥＣ）：主要包括：红色（Ｒ）波段的像元亮度的均值（ＭＲ）㊁绿色（Ｇ）波段的像元亮度的均值（ＭＧ）㊁蓝色（Ｂ）波段像元亮度的均值（ＭＢ）㊁最大差异值（Ｍｄ）㊁亮度值（Ｂｒ）㊂（２）指数特征（ＩＮＤＥ）：包括植被颜色指数（ＩＣＩＶＥ）㊁可见光波段差异植被指数（ＩＶＤＶＩ）㊁联合指数２（ＩＣＯＭ２）㊁超绿指数（ＩＥＸＧ）㊁超绿超红差分指数（ＩＥＸＧＲ）㊁植被指数（ＩＶＧＥ）㊁归一化红绿差异指数（ＩＮＧＲＤＩ）以及归一化绿蓝差异指数（ＩＮＧＢＤＩ）（见表２）㊂（３）几何特征（ＧＥＯＭ）：包括面积㊁边界长㊁宽度㊁长度㊁不对称性㊁长宽比㊁边界指数㊁圆度㊁像素个数㊁紧致度㊁体积㊁密度㊁椭圆拟合㊁主方向㊁形状指数㊁最大封闭椭圆半径㊁最小封闭椭圆半径以及矩形拟合㊂１５第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类（４）纹理特征（ＧＬＣＭ）：基于灰度共生矩阵（ＧＬＣＭ）提取影像的纹理特征，包括对比度（ＴＣＯＮ）㊁相关性（ＴＣＯＲ）㊁相异性（ＴＤＩＳ）㊁熵（ＴＥＮＴ）㊁同质度（ＴＨＯＭ）㊁均值（ＴＭＥＡ）㊁角二阶矩（ＴＡＳＭ）和标准差（ＴＳＤ）等特征值［６］（见表３）㊂（５）地形特征：归一化数字表面模型（ｎＤＳＭ）㊂表２㊀植被指数及表达式指数特征公㊀式归一化红绿差异指数（ＩＮＧＲＤＩ）［２５］ＩＮＧＲＤＩ＝（ＭＧ－ＭＲ）／（ＭＧ＋ＭＲ）归一化绿蓝差异指数（ＩＮＧＢＤＩ）［２６］ＩＮＧＢＤＩ＝（ＭＧ－ＭＢ）／（ＭＧ＋ＭＲ）超绿指数（ＩＥＸＧ）［２７］ＩＥＸＧ＝２ＭＧ－ＭＢ－ＭＲ超绿超红差分指数（ＩＥＸＧＲ）［２８］ＩＥＸＧＲ＝ＭＧ－ＭＢ－２．４ＭＲ可见光波段差异植被指数（ＩＶＤＶＩ）［２１］ＩＶＤＶＩ＝（２ＭＧ－ＭＲ－ＭＢ）／（２ＭＧ＋ＭＲ＋ＭＢ）植被颜色指数（ＩＣＩＶＥ）［２９］ＩＣＩＶＥ＝０．４４ＭＲ－０．８８ＭＧ－０．３９ＭＢ＋１８．７９植被指数（ＩＶＧＥ）［３０］ＩＶＧＥ＝ＭＧ／ＭａＲＭ１－ａＢ，ａ＝０．６６７联合指数２（ＩＣＯＭ２）［３１］ＩＣＯＭ２＝０．３６ＩＥＸＧ＋０．４７ＩＣＩＶＥ＋０．１７ＩＶＧＥ㊀㊀注：ＭＲ㊁ＭＧ㊁ＭＢ分别为红㊁绿㊁蓝波段像元亮度的均值㊂表３㊀纹理特征及表达式纹理指标公㊀式角二阶矩（ＴＡＳＭ）ＴＡＳＭ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）２对比度（ＴＣＯＮ）ＴＣＯＮ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ（ｉ－ｊ）２相关性（ＴＣＯＲ）ＴＣＯＲ＝ðＮｇｉ＝０ðＮｇｊ＝０（（ｉ－ｕｘ）ˑ（ｊ－ｕｙ）ˑｐ（ｉ，ｊ）２）／σｘσｙ相异性（ＴＤＩＳ）ＴＤＩＳ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ｜ｉ－ｊ｜熵（ＴＥＮＴ）ＴＥＮＴ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑｌｎｐ（ｉ，ｊ）同质度（ＴＨＯＭ）ＴＨＯＭ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ（１／（１＋（ｉ＋ｊ）２））均值（ＴＭＥＡ）ＴＭＥＡ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑｉ标准差（ＴＳＤ）ＴＳＤ＝ðＮｇｉ＝０ðＮｇｊ＝０ｐ（ｉ，ｊ）ˑ（ｉ－ｕｘ）２㊀㊀注：其中ｉ，ｊ是像元在图像中的行列坐标，ｐ（ｉ，ｊ）为像素对的频数，Ｎｇ为灰度级数，ｕｘ㊁σｘ分别为ｐｘ的均值和标准差，ｕｙ㊁σｙ分别为ｐｙ的均值和标准差㊂２．５㊀试验样本选取本实验通过实地调查获取样本数据㊂调查者沿着研究区的主要道路记录了绿化树种，并排除了数量较少或被其他冠层遮挡的树种，最终确定了７类树种（白兰（Ｍｉｃｈｅｌｉａ✕ａｌｂａ）㊁荔枝（Ｌｉｔｃｈｉｃｈｉｎｅｎｓｉｓ）㊁芒果（Ｍａｎｇｉｆｅｒａｉｎｄｉｃａ）㊁南洋楹（Ｆａｌｃａｔａｒｉａｆａｌｃａ⁃ｔａ）㊁榕树（Ｆｉｃｕｓｍｉｃｒｏｃａｒｐａ）㊁棕榈（Ｔｒａｃｈｙｃａｒｐｕｓｆｏｒ⁃ｔｕｎｅｉ）㊁樟（Ｃｉｎｎａｍｏｍｕｍｃａｍｐｈｏｒａ））以及草地㊁灌木作为研究对象㊂根据遥感影像中不同地物类型的分布位置与大致面积比例，共选取了１１００个样本点㊂为了避免较小的样本数量影响模型分类精度，将最小样本数量设置为６０㊂采用Ｓｃｉｋｉｔ－ｌｅａｒｎ中内置的ｔｒａｉｎ＿ｔｅｓｔ＿ｓｐｌｉｔ函数进行分层抽样，按７：３的比例将数据划分为训练集和测试集（见表４），使各类别样本点数量大致与该类别的总面积成比例㊂训练集用于构建分类模型，测试集用于验证分类精度㊂表４㊀训练和验证样本地物总样本数训练样本数测试样本数白兰２００１４０６０草地５０３５１５灌木５０３５１５荔枝１４０９８４２芒果２００１４０６０南洋楹１２０８４３６榕树１４０９８４２棕榈６０４２１８樟１２０８４３６总计１１００７７０３３０２．６㊀分类模型与参数优化２．６．１㊀随机森林算法随机森林算法（ＲＦ）是一种通过集成学习的装袋思想将多棵决策树集合起来的算法，每棵决策树都充当预测目标类别的分类器㊂随机森林模型在样本数据和分类特征选择方面具有随机性，不容易过拟合，并且表现出良好的稳健性，即使在处理具有缺失值的高维数据时，仍能保持较高的分类精度㊂因此，它被认为是当今最好的算法之一［３２］㊂目前，随机森林算法已经广泛集成在各种软件包中，使用Ｓｔａｔａ数据管理统计绘图软件㊁Ｒ语言统计软件可以轻松实现㊂在模型构造的过程中，通常只需要确定每个树节点包含的特征数量（Ｍ）以及决策树数量（Ｎ），就足以保证模型的性能［３３］㊂本文采取递归特征消除法（ＲＦＥ）［３４］结合交叉验证（Ｃｒｏｓｓ－Ｖａｌｉｄａｔｉｏｎ）确定最佳特征数（见图４）㊂随着特征维数的增加，整体分类精度曲线经历 几何增长 ㊁ 缓慢上升 这个两个阶段后趋于平稳㊂当特征数为２０时，各分类精度曲线均处于相对最高点，因此最终将特征数量的参数设置为２０㊂在使用装袋方法生成训练集的过程中，随机森林算法会导致原始数据集中大约３７％的数据未被抽到，这部分数据被称为袋外（ＯＯＢ）数据㊂利用袋外数据对随机森林模型进行评估是一种无偏估计方法，且在一定程度上能减少计算量，提高算法的运行效率［３５］㊂因此，本文采取遍历不同数量（１ １０００）决策树的方法，通过比较袋外误差的大小，确定最佳的决策树数量（见图５）㊂当决策树数量小于８５时，不同子集的袋外数据误差均随着决策树数量的增加而急剧下降，而后随着决策树数量的增加袋外数据误差的下降速度逐渐迟缓，当决策树数量为２００时，袋外数据误差处于相对最低点㊂因此，选择决策树２５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５２卷的最佳数量为２００㊂图４㊀模型分类精度与特征数的关系曲线图５㊀袋外误差与决策树数量的关系曲线２．６．２㊀其他分类模型为充分探索随机森林算法对城市树种信息提取的适用性，引入当下流行的机器学习算法作为对照，包括极致梯度提升（ＸＧＢｏｏｓｔ）㊁轻量级梯度提升机（ＬｉｇｈｔＧＢＭ）以及ｋ最近邻算法（ＫＮＮ）㊂ＸＧＢｏｏｓｔ是一种基于增强学习（Ｂｏｏｓｔｉｎｇ）的集成算法，它通过在梯度下降方向上将弱分类器集成到强分类器中，并迭代生成新树以拟合先前树的残差㊂ＸＧＢｏｏｓｔ能够自动利用中央处理器（ＣＰＵ）的多线程进行分布式学习和多核计算，在保证分类准确度的前提下提高计算效率，尤其适用于处理大规模数据［３６－３７］㊂ＬｉｇｈｔＧＢＭ也属于增强学习方法，基本原理与ＸＧ⁃Ｂｏｏｓｔ相似㊂但ＬｉｇｈｔＧＢＭ使用基于直方图的决策树算法来减少存储与计算成本，并优化模型训练速度［３８］㊂ＫＮＮ算法是一种近似自变量与连续结果之间的关系的非参数方法［３９］，其基本思路是通过计算待分类样本与临近样本的距离（欧氏距离㊁曼哈顿距离）来确定所属类别，是一种简单而有效的分类算法㊂为了防止过拟合，本研究在ＪｕｐｙｔｅｒＮｏｔｅｂｏｏｋ平台上利用Ｓｃｉｋｉｔ－ｌｅａｒｎ库中的ＧｒｉｄＳｅａｒｃｈＣＶ包对这３种分类器参数进行了调优（见表５）㊂表５㊀不同分类器的超参数分类器参㊀数参数取值范围极致梯度提升（ＸＧＢｏｏｓｔ）决策树数量［５０，１００，１５０，２００］最大树深度［３，５，７，９］学习率［０．０１，０．０５，０．１０］样本抽样率［０．６，０．８，１．０］特征抽样率［０．６，０．８，１．０］轻量级梯度提升机（ＬｉｇｈｔＧＢＭ）学习率［０．０１，０．０５，０．１０］决策树数量［５０，１００，１５０，２００］叶子节点数［１０，２０，３０，４０］最大树深度［３，５，７，９］ｋ最近邻算法（ＫＮＮ）近邻数［１，２，３，４，５，６，７，８，９，１０］２．７㊀试验方案构建不同树种之间单一特征的差异有限，难以满足树种分类的要求㊂因此，本研究采取增加特征数量的方式来提高分类精度，并探究不同特征组合对分类结果的影响（见表６）㊂表６㊀研究区各地物特征值地物特征不同地物的特征值草地灌木白兰荔枝芒果南洋楹榕树棕榈樟面积６８５９．６７３６３６．７３２９２８．７９７１９４．０５７２００．１０８６８８．４８３４５７．７５２２６３．１３７３２５．０１不对称性０．５５０．４３０．４４０．４３０．４５０．４２０．４８０．５６０．４５边界指数１．７４１．４６２．０１１．９７１．９９１．８４２．０６２．１９１．７９边界长５７８．７０３４０．２０４３１．９５６５０．４１６６９．２９６７０．７３４８８．１６４０８．６３６０１．００亮度值８３．１０７８．７９１１５．６９７４．０９７７．２０８１．１５７１．６３９６．８７６３．８３植被颜色指数－２９．１４－３３．１７－４７．７８－２１．１５－１８．８９－２１．６２－２９．９６－１７．７４－２０．１８联合指数２１４．１１１６．２５２０．１９１１．７４１０．７５１１．６０１５．２７９．２５１１．８２紧致度１．８５１．６３１．８７１．９１１．８６１．８０２．００２．３６１．８５密度２．０３２．１０２．０４２．１０２．１０２．１６１．９７１．８２２．０９超绿指数７６．６０８７．７７１１７．８１５９．６２５３．９３５９．８２８０．８３４８．３１５８．５２超绿超红差分指数－２１５．５６－２０４．０６－３０４．３３－１９４．８８－２０４．０７－１９９．５４－１６８．３２－２７３．２４－１５５．９７椭圆拟合０．６８０．７５０．６３０．６７０．６７０．７１０．５９０．５００．６８角二阶矩０００００００００对比度５５６．７７７８６．２４８７７．５５５９７．２９６１４．１２７７０．７７７１４．２５７６５．５１５１４．１１相关性０．８７０．８２０．８２０．８８０．８８０．８４０．８５０．８６０．９０相异性１７．１３１９．０５２１．６６１８．１２１８．６８２０．２８１９．７２１９．６２１６．６４熵８．７９８．６６８．９０９．１４９．１８９．１９８．９４８．６９９．０７同质度０．０６０．０６０．０５０．０５０．０５０．０５０．０５０．０５０．０６均值１２７．０３１２６．０７１２５．６７１２６．８１１２６．６８１２６．７３１２６．２３１２５．９７１２６．８８３５第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类续（表６）地物特征不同地物的特征值草地灌木白兰荔枝芒果南洋楹榕树棕榈樟标准差３４．１７３４．６５３６．２３３６．４０３６．２３３５．７６３６．４０３７．６６３６．３２长度１４３．４５９１．１０８５．９６１３６．３３１３６．９０１４４．３８１００．０３８９．６２１３８．３１长宽比１．８１１．７４１．５２１．５５１．５５１．５１１．６２１．７８１．６１主方向１１３．６１１３０．６３９５．３２９６．５２９４．５６９４．５５９１．４８８３．５６８１．４５最大差异值１．６４１．６９１．５３１．４７１．３６１．２０１．５０１．３４１．４６蓝色（Ｂ）波段像元亮度的均值８４．４７６６．８０９４．６２７４．２０７９．０８８１．７２６３．６４１０５．５３６４．３８绿色（Ｇ）波段像元亮度的均值１３６．２２１３３．７５１８９．３６１１６．２８１１６．９０１２０．４０１１８．７９１４１．２９１０１．７２红色（Ｒ）波段像元亮度的均值１１１．３８１１２．９２１６６．２８９８．７４１００．７９９９．２６９３．１１１２８．７５８０．５５归一化数字表面模型０．３２１．７０１２．５１７．１６１２．０４２３．２０１０．９６１１．９３８．６７归一化绿蓝差异指数０．２１０．２７０．２７０．２００．１７０．１８０．２６０．１３０．２１归一化红绿差异指数０．１００．０９０．０７０．０８０．０７０．１００．１３０．０５０．１２像素个数６８５９．６７３６３６．７３２９２８．７９７１９４．０５７２００．１０８６８８．４８３４５７．７５２２６３．１３７３２５．０１最大封闭椭圆半径０．５８０．７２０．４９０．５６０．５４０．６１０．４５０．３８０．５９最小封闭椭圆半径１．４５１．３９１．４４１．４９１．４５１．４３１．５１１．６３１．４５矩形拟合０．８２０．８６０．８００．８２０．８２０．８３０．７８０．７４０．８２圆度０．８６０．６７０．９５０．９３０．９２０．８２１．０６１．２５０．８６形状指数１．８４１．５５２．０９２．０４２．０６１．９０２．１６２．３２１．８６可见光波段差异植被指数０．１７０．２００．１９０．１５０．１３０．１４０．２１０．０９０．１７植被指数１．３６１．４３１．３８１．３０１．２６１．３０１．４６１．１８１．３７体积６８５９．６７３６３６．７３２９２８．７９７１９４．０５７２００．１０８６８８．４８３４５７．７５２２６３．１３７３２５．０１宽度８０．７８５２．７５５８．０３９０．８１９０．４９９７．８８６２．９６５１．４６８８．９４㊀㊀根据优选特征贡献率（见表７），将所选取的５大特征组合形成了１０种试验方案（Ｓ１ Ｓ１０）㊂光谱特征作为每幅遥感影像的基本特征，作为基础被纳入到这１０种方案的构建中㊂其中，Ｓ１仅包含光谱特征；为了全面探究其他特征对分类结果的影响，在Ｓ１基础上引入了地形㊁指数㊁纹理等３个总体特征贡献率较高的特征，通过遍历这３个特征的各种组合得到了Ｓ２ Ｓ８；Ｓ９包含了所有的特征；根据２０个优选特征组合建立Ｓ１０，具体的分类方案见表８㊂表７㊀优选特征重要性优选特征重要性／％归一化数字表面模型１４．９６最大差异值１２．４１联合指数２５．５７植被颜色指数５．４２绿色（Ｇ）波段像元亮度的均值４．８４归一化绿蓝差异指数４．６７超绿指数４．５８亮度值４．３６可见光波段差异植被指数３．４２植被指数３．２６红色（Ｒ）波段像元亮度的均值３．０５角二阶矩２．９０蓝色（Ｂ）波段像元亮度的均值２．８６超绿超红差分指数２．７８标准差２．２５归一化红绿差异指数２．２３熵２．０３相关性１．９７均值１．４１边界指数１．２８表８㊀分类方案方案特征子集特征数量Ｓ１光谱５Ｓ２光谱＋地形６Ｓ３光谱＋指数１３Ｓ４光谱＋纹理１３Ｓ５光谱＋地形＋指数１４Ｓ６光谱＋地形＋纹理１４Ｓ７光谱＋指数＋纹理２１Ｓ８光谱＋地形＋指数＋纹理２２Ｓ９光谱＋地形＋指数＋纹理＋几何４０Ｓ１０优选特征２０２．８㊀精度评价本文根据混淆矩阵对模型的分类精度进行定量评价㊂混淆矩阵也称为误差矩阵，是遥感影像二分类问题上的一种评价方法，反映了分类结果与真实地物类别之间的相关性［４０］㊂混淆矩阵的评价指标包括总体精度（ＯＡ）㊁Ｋａｐｐａ系数（Ｋｐ）㊁生产者精度（ＰＡ）以及用户精度（ＵＡ）㊂其中，总体精度指正确分类样本与总体样本的比值；生产者精度指分类结果与参考分类相符合的程度；用户精度指样本分类正确的可能性；Ｋａｐｐａ系数是用于检验遥感影像分类结果的一致性，也可以用以均衡分类效果［４１］㊂各指标计算公式如下：㊀㊀㊀㊀㊀ＯＡ＝ðｎｉ＝１ｘｉｉＮ；㊀㊀㊀㊀㊀Ｋｐ＝Ｎðｎｉ＝１ｘｉｉ－ðｎｉ＝１ｘｉ＋ｘ＋ｉＮ２－ðｎｉ＝１ｘｉ＋ｘ＋ｉ；４５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第５２卷㊀㊀㊀㊀㊀ＰＡ＝ｘｉｉ／ｘ＋ｉ；㊀㊀㊀㊀㊀ＵＡ＝ｘｉｉ／ｘｉ＋㊂式中：Ｎ为参与评价的样本总数；ｎ为混淆矩阵的行列数；ｘｉｉ为混淆矩阵第ｉ行㊁第ｉ列上的样本数；ｘｉ＋和ｘ＋ｉ分别为第ｉ行和第ｉ列的样本总数㊂３㊀结果与分析３．１㊀随机森林算法的不同分类方案精度由表９可知，随着不同特征类型数量的增加，总体分类精度和ｋａｐｐａ系数整体呈上升趋势㊂其中，仅利用光谱特征作为分类依据的方案Ｓ１精度最低，总体精度和ｋａｐｐａ系数分别为８２．１２％和０．７９，说明光谱特征是遥感影像最重要的特征之一，但仅利用光谱特征难以达到所需的分类精度㊂方案Ｓ２ Ｓ４是在Ｓ１的基础上分别加上地形㊁指数和纹理特征，相比方案Ｓ１，这３个方案的总体分类精度分别提高了５．１５％㊁４．５５％㊁１．８２％，ｋａｐｐａ系数分别提高了０．０６㊁０．０６㊁０．０３㊂在分类过程中，地形特征相较于指数和纹理特征扮演着更重要的角色，大幅提高了分类精度㊂方案Ｓ５ Ｓ７是在光谱特征的基础上加入地形㊁指数和纹理特征的两两组合，旨在研究它们之间的相互作用对分类精度的影响㊂整体而言，与Ｓ２ Ｓ４相比，这３个方案的总体分类精度呈上升趋势㊂其中，Ｓ６具有最高的总体精度和ｋａｐｐａ系数，分别达到９０％和０．８８；其次是Ｓ７，和Ｓ１相比，总体精度和ｋａｐｐａ系数分别提高了７．２７％和０．０９；而Ｓ５总体精度和ｋａｐｐａ系数只增长了６．３６％和０．０８㊂表明地形与指数特征交互作用在分类过程中提供了更大的贡献度㊂方案Ｓ８是由特征重要性靠前的光谱㊁地形㊁指数以及纹理特征构成㊂与包含所有特征的方案Ｓ９相比，Ｓ８反而具有更高的总体分类精度和ｋａｐｐａ系数，分别达到９２．１２％和０．９１㊂表明几何特征对分类精度具有负向影响，它的加入降低了分类精度㊂方案Ｓ１０由优选特征组成，其获得了所有子集中最高的分类精度和ｋａｐｐａ系数，分别为９２．４２％和０．９１㊂与Ｓ９相比，分类精度提高了０．６０％㊂说明特征优选方法能消除高维复杂特征间的信息冗余，使模型仅利用较少特征数量并获得更高的运行效率和分类精度㊂表９㊀不同分类方案分类精度方案总体精度／％Ｋａｐｐａ系数方案总体精度／％Ｋａｐｐａ系数Ｓ１８２．１２０．７９Ｓ６９０．０００．８８Ｓ２８７．２７０．８５Ｓ７８９．３９０．８８Ｓ３８６．６７０．８５Ｓ８９２．１２０．９１Ｓ４８３．９４０．８２Ｓ９９１．８２０．９１Ｓ５８８．４８０．８７Ｓ１０９２．４２０．９１㊀㊀由表１０可知，虽然Ｓ１方案的用户精度与生产者精度整体上处于最低水平，但棕榈树的用户精度达到了１００％，表明棕榈与其他树种存在明显的光谱差异㊂方案Ｓ２加入地形指数后，各类地物的用户精度与生产者精度相比Ｓ１都有不同程度的提高，用户精度提升幅度１．８８％ ８．１８％，生产者精度提升幅度２．７８％ １１．１１％，因为地形特征的加入更好的反映了不同地物之间的空间关系，从而大幅提高了分类精度㊂方案Ｓ３在Ｓ１的基础上加入了指数特征，荔枝㊁榕树以及樟的用户精度分别提升了１０．９５％㊁９．１８％和８．７２％，说明植被指数对荔枝㊁榕树以及樟分类效果显著，但对于其他树种的区分能力有限㊂方案Ｓ４加入纹理特征，芒果和樟的用户精度提升了８．８５％和９．００％，而棕榈和榕树的生产者精度分别提升了２２．２２％和１１．９％，说明这些树种的纹理结构特异性强与其他地物的差异显著，因此纹理特征的加入对分类精度有正向影响㊂方案Ｓ５与Ｓ２相比，荔枝和榕树的用户精度提升了７．０５％和５．１２％，而草地的精度下降了５．８８％；与Ｓ３相比，灌木的用户精度提升了４．４７％㊂总体而言，地形特征与指数特征的组合对分类精度的提升不显著，并且在某些树种的分类上精度出现不同程度的下降，说明这二者的组合产生了冗余信息影响了分类精度㊂方案Ｓ６与Ｓ２相比，芒果与樟的用户精度分别提升了６．４４％和７．６６％，而棕榈树和榕树的生产者精度分别提升了２７．７８％和１１．９０％，这个结果与方案Ｓ４类似，说明地形特征和纹理特征的组合与树种的分类精度呈正相关㊂方案Ｓ７与Ｓ６相比，除个别树种外，整体精度出现了不同程度的降低，波动范围为－６．２１％ ４．０４％㊂然而，与方案Ｓ５相比，总体分类精度有一定的提升，波动范围是－０．５８％ ７．５５％㊂方案Ｓ８与表现最好的方案Ｓ７相比，荔枝和榕树的总体分类精度分别提升了９．４２％和６．６７％，其他树种的总体分类精度保持稳定，这表明高维度的特征组合带来了更多的信息，在一定程度上提高了分类精度㊂综合所有特征的方案Ｓ９与Ｓ８相比，总体分类精度呈现出不升反降的现象，波动范围为－１０．２３％ ４．７４％，说明高纬度的特征产生了冗余信息，影响了随机森林模型的分类性能㊂优选特征子集Ｓ１０与Ｓ９相比，总体分类精度有所提升，其中灌木㊁草地以及荔枝的用户精度分别提升了１０．２３％㊁５．８８％和３．５５％㊂由此可见，特征优选通过对高维数据集的降维和优化，使模型仅利用较少的特征仍能保证良好的分类效果㊂３．２㊀应用优选特征子集对不同分类模型的精度评价由表１１可知，随机森林模型的分类精度最高，总体精度为９２．４２％，比ｋ最近邻算法（ＫＮＮ）㊁极致５５第３期㊀㊀㊀㊀㊀㊀㊀陈逊龙，等：应用无人机可见光影像和面向对象的随机森林模型对城市树种分类。
龙岩市1991—2005年各类重大气象灾害
1991—2005年各类重大气象灾害1991年1991年出现历史上罕见的旱灾，全年总降雨量均在1275.3毫米以下，比常年偏少25%以上，其中连城、上杭、漳平、永定年降水量为历史最少。
据6月8日旱情高峰期统计，全市受旱面积达82.14万亩，占总耕地面积40.7%；水力发电量较上年减少2亿千瓦时；林业生产深受其害，造林成活率比1990年降低30%，全市有73.4公顷树苗被晒死，容器苗死亡1476万袋。
森林火灾频发，1991年发生火灾137起，过火面积1178.03公顷，比上年增加51%，尤其是6月起森林火灾直线上升，下半年过火面积较上年同期增加211%。
为抗御干旱，于6月8-30日，7月31日至8月20日在6个县（市）21个点用高炮进行人工增雨作业，共发射炮弹1737发，受益面积达1万多平方公里，人工增雨总量达10330.27万吨。
1991年7月19日，受9101号台风影响，造成局部洪涝灾害。
全市7个县（市）26个乡（镇）220个村41433户受灾，倒房122间，损坏民房6807间，伤3人，农作物12890公顷，粮食减产1.71995万吨，直接经济损失1647.5万元。
1991年12月26日，受强寒潮侵袭，出现全市性大雪，是1975年后最大的一次降雪，北部的松毛岭积雪达50多厘米，持续数天后溶化；连城12月29日极端最低气温达-7.2℃，为建站以来的最低值。
该次降雪前气温异常偏高，突然急剧降温，冷暖悬殊，热带鱼类、蔬菜、烤烟等冻害严重。
1991年11月永定高陂乡发生重大森林火灾，受害面积1500亩。
地区行署领导、县五套班子和各个部门领导、机关厂矿干部职工，还有部队指战员2100人次上山救火。
1992年1992年，全市共出现50场暴雨，造成较大暴雨洪涝灾害的有4次，分别出现在3月下旬、4月21日、5月16日和6月17日。
3月下旬全市出现连续性大雨至暴雨过程，3月26日发生历史上初春少遇的洪涝，全市105个乡（镇）受灾，死亡15人，伤4人，房屋倒塌3810间，牲畜漂失和死亡3980头，稻田受害13754.5公顷，其中成灾7073.1公顷。
不同植被恢复措施下红壤强度侵蚀区土壤质量的变化
Ｃｈ ｎ ｅ ｆｓ ｉ ｑ ａｉ ｎ ｓｖ ｒ ｌ －ｒ ｄ ｄ ｒ ｇｏ ｆｒ ｄ ｓ ｉ ａ ｇ ｓ ｏ ｏｌ ｕ ｌ ｙ ｉ ｅ ｅ ｅｙ ｅ ｏ ｅ ｅ ｉ ｎ ｏ ｅ ｏｌ ｔ
ｕｎ ｒ ｍ ｒ ｎ ｅ ｔ ｒ ｔｏ ｍ ｅ ｓ ｅ ｄｅ ｅ ｔｒ ｓｏ ａ ｉ ｎ ａ ｕｒ ｓ
ｐ ｏ ｅ ｔ ｓＷａ ｏ ｒ ｈ ａ ｆｐ ｙ ｉａ ｒｐ ｒ ｅ ．Ｔ ｅ ｃ ｍｐ ｓｔ ｎ ｅ ｅ ｆ ｏｌ ｕ ｌ ｙ ｏ ｒ ｓｐ ａ ｔ ｇａ ｄ ｓ ｒ ｂ ｐ ａ ｔ ｇ ｗ ｒ ｒ ｐ ｒ ｅ ｓ ｌｗｅ ａ ｔ ｔｏ ｈ ｓｃ ｐ ｏ ｔ ｓ ｈ ｏ ｏ ｉ ｉ ｄ ｘ ｓｏ ｉ ｑ ａｉ ｆｇ ａ － ｌｎ ｎ ｎ ｈ ｕ － ｌｎ ｔ ｓ ｉ ｎ ｅ
ｓ ｔ ｈ ｗ ｈ ｔ ｈ ｏｌａ ｔ ｅｏｉｎ，ｗａｅ ｏｄｎ ，ｔ ｎ ｍｉｓｏ ａ ａｉ ，ｃ ｅ ｃ ｒｐ ｒｉｓａ ｄ ｍ ｃｏ ｅ ｑ ａｉ ｎ ｒａ ｅ ｎ ｉ ｕ ｓｓ ｏ ｅ ｔａ ｅｓ ｉ ｎｉ ｒｓ ｄ ｔ ・ ｏ ｔｒｈ ｌｉｇ ｒ ｓ ｓｉｎｃ ｐ ｃｔ ａ ｙ ｈ ｍｉａ ｐｏ ｅｔ ｎ ｒｂ ｕ ｌｙ ｉｃｅ ｄ ｉ ｌ ｅ ｉ ｔ ｓ
２ １ 年 ５月 ０１
不 同植 被恢复措施下红壤强度 侵蚀 区土壤质量 的变化
蒋芳市 黄炎和 林金石 钟炳林 岳 辉 李德成。 ， ， ， ， ，
（． １ 福建农林大学资源与环境学院， 福建 福 州 ３００ ；． ５０ ２２ 长汀县水土保持局 ，
福建 长汀 ３６ ０ ；． ６ ３０３ 中国科 学院南京土壤研 究所， 江苏 南京 ２００ ） １０ ８
福建农林大学学报（ 然科学版） 自
Ｊｕｎｌ ｆ ｕＪｎＡ ｒ ｕｔ ｅａｄＦｒｓ ｙＵ ｉ ｒｉ Ｎ ｍ ａ Ｓｉ ｃ ｄｔ ｎ ｏ ｒａ ｏ ｊ ｇ ｃｌ ｒ ｎ ｏｅｔ ｎ ｅｓｙ（ ａ ｒ ｃｅ ｅＥ ｉｏ ） Ｆ ａ ｉ ｕ ｒ ｖ ｔ ｌ ｎ ｉ
福建省龙岩市一级校联盟2024-2025学年高三上学期11月期中联考地理试题(含答案)
龙岩市一级校联盟2024-2025学年第一学期半期考联考高三地理试题（考试时间：75分钟总分：100分）一、选择题（共16小题，每小题共3分，共48分。
在每小题给出的四个选项中，只有一项最符合题目要求）。
卡奔塔利亚湾地处澳大利亚北部。
周边地区的气候类型为干、湿季分明的热带草原气候，卡奔塔利亚湾有著名的“牵牛花云”景观，因类似牵牛花的藤蔓而得名。
“牵牛花云”形成于海上，呈线状排列，早晨伴随着朝霞逐渐向陆地移动，上午到达陆地上空。
在伯克敦的观测表明，干季少见“牵牛花云”登陆的现象，图左边示意常出现“牵牛花云”现象的地理位置，图右边为“牵牛花云”景观。
据此完成1—3小题。
1.“牵牛花云”所在气团从卡奔塔利亚湾上空登陆之后变性为A.冷干B.冷湿C.暖干D.暖湿2.干季，卡奔塔利亚湾不易出现“牵牛花云”登陆现象的主要原因有A.盛行西北季风，陆地空气性质干热，“牵牛花云”不易形成B.盛行东南信风，风向与“牵牛花云”登陆方向不一致C.气温较低，海洋蒸发弱，西北季风带来的水汽少，“牵牛花云”不易形成D.干季的白天，受陆风干扰强烈，“牵牛花云”不易登陆3.与图中东部沿海甲处自然景观特点相符的是A.乔木常绿，多革质叶片B.干季草类枯黄，湿季草原葱绿C.明显的季相变化，干季落叶D.常见茎花、板根现象冷流雪，也称“冷流降雪”，当冷空气流经渤海和黄海暖湿海面时，暖湿海面向低层大气输送大量的热量和水汽，使低层冷空气变得暖而潮湿，在山东半岛丘陵地形的阻挡下，变暖湿后的冷空气减速从而产生辐合抬升，在丘陵的北侧就容易形成冷流降雪。
图2示意2023年某月16日06时—17日06时山东省降水实况。
据此完成4—6小题。
4.当冷空气流经烟台北部海面时A.海水透明度降低B.海水表层温度升高C.沿岸海水上泛增强D.海水流速减小5.与冷流雪产生过程原理类似的天气系统是A.地形雨B.气旋C.反气旋D.冷锋6.下表为烟台沿海一年中气温与海水温度月平均变化统计表。
浙江省绍兴市2024-2025学年高三上学期11月统考地理试题含解析
2024年11月绍兴市选考科目诊断性考试地理试题（答案在最后）注意事项：本试卷分选择题和非选择题两部分，满分100分，考试时间90分钟。
一、选择题（本大题共25小题，每小题2分，共50分。
每小题列出的四个备选项中只有一个是符合题目要求的，不选、多选、错选均不得分）海水的温度存在空间差异，下图为太平洋某经线上甲、乙、丙三地海水温度的垂直变化状况。
完成下面小题。
温度（℃）1.导致三地表层水温不同的主要影响因素是（）A.洋流性质B.海陆位置C.太阳辐射D.海洋深度2.深度超过1000米的海水，甲、乙、丙三地的水温相差不大，这表明（）A.地理位置比较接近B.受表层海水影响小C.海水热量传导率高D.受洋流作用较显著【答案】1.C 2.B【解析】【1题详解】根据所学知识可知，影响海洋表层水温的主要因素是太阳辐射的差异，低纬地区获得的太阳辐射多，温度高，高纬地区获得的太阳辐射少，温度低，C正确；洋流性质、海陆位置、海洋深度都不是影响三地表层水温出现差异的主要因素，ABD错误。
故选C。
【2题详解】根据图示信息可知，甲、乙、丙三地表层水温差异较大，但深度超过1000米的海水水温相差不大，说明深度超过1000米的海水受表层海水的影响小，B正确；三地表层水温差异较大，地理位置不接近，A错误；如果海水热量传导率高，深层水温会受表层水温影响，C错误；洋流主要影响海洋表层水温，D错误。
故选B。
【点睛】深层海水温度变化稳定的原因在于太阳辐射是海洋的主要热量来源，海水蒸发是海洋热量支出的主要渠道。
深层海水接受的太阳辐射量和蒸发消耗的热量稳定，因此1000米以下的深层海水温度变化稳定。
凤凰木原产于马达加斯加岛及非洲，为马达加斯加的国树，对小区域的微气候条件特别敏感。
下图是某地凤凰木景观，该树呈现出一侧开花一侧绿叶、半红半绿的状态。
完成下面小题。
3.推测凤凰木的生长习性为（）A.喜热喜湿B.耐寒耐瘠C.喜光耐寒D.喜阴喜湿4.影响该凤凰木半红半绿的主要原因可能是（）①水分差异②热量差异③土壤差异④光照差异A.①②B.①③C.②④D.③④【答案】3.A 4.C【解析】【3题详解】根据材料信息可知，凤凰木原产于马达加斯加岛，马达加斯加岛以热带雨林气候和热带草原气候为主，降水较多，气温较高，所以凤凰木的生长习性是喜热喜湿，A正确，BCD错误。
南方红壤丘陵区经果林开发对水土流失的影响——以江西省为例
南方红壤丘陵区经果林开发对水土流失的影响以江西省为例朱丽琴１，２，黄荣珍１，李㊀凤１，张腾升１，申思佳１，王㊀莉３（１．南昌工程学院江西省退化生态系统修复与流域生态水文重点实验室，江西南昌３３００９９；２．福建师范大学湿润亚热带山地生态国家重点实验室培育基地，福建福州３５０００７；３．进贤县水务局，江西进贤３３１７００）［关键词］经果林；水土流失；土壤侵蚀模数；红壤［摘㊀要］江西作为南方红壤丘陵区的典型区域，其大规模的经果林开发已成为丘陵区水土流失的主要原因㊂在江西赣县㊁进贤县和泰和县分别设立观测场进行定位观测和调查，结合室内试验分析，定量研究经果林开发初期对水土流失的影响，结果表明：赣州清溪水土保持生态科技园径流小区脐橙园建设第二年土壤侵蚀模数为５０４３ｔ／（ｋｍ２㊃ａ），第三年为４９８４ｔ／（ｋｍ２㊃ａ），土壤侵蚀模数下降幅度较小；进贤县油茶开发基地随开发年限的延长，平均土壤侵蚀模数急剧下降，下降幅度为４２．８６％ ７５．００％；泰和县柑橘园开发后土壤侵蚀模数明显减小，由前三年的２８５０ｔ／（ｋｍ２㊃ａ）下降到第四年的１０４３ｔ／（ｋｍ２㊃ａ）㊂［中图分类号］Ｓ１５７．１㊀㊀［文献标识码］Ａ㊀㊀［文章编号］１０００－０９４１（２０１９）０５－００３８－０４㊀㊀红壤是我国重要的热带亚热带土壤资源之一，广布于南方的１６个省（区），总面积２１８万ｋｍ２，约占全国土地总面积的２２．７％㊂红壤区光热资源丰富㊁雨量充沛㊁土地生产潜力较高，是我国重要的经济及粮食作物产区㊂红壤是江西境内面积最大㊁分布最广的地带性土壤［１］㊂江西省红壤区面积９．３万ｋｍ２，主要分布于丘陵㊁山地，但由于山高坡陡㊁降雨集中㊁土壤抗蚀性差，加之受贫困㊁人口压力和历史因素等影响，因此红壤区大面积土地正遭受严重的水土流失，并成为南方红壤侵蚀的典型代表㊂水土保持与人们生活息息相关，而发展经果林是增加水土流失区群众收入的有效措施之一［２］㊂因具有经营周期短㊁经济效益高等优势，经果林产业日益成为红壤山丘区的重要支柱产业［３－４］㊂根据‘江西省农业产业结构调整规划（２０１２ ２０２０年）“，未来江西省经果林的开发规模和面积将进一步扩大，但在开发经营过程中，相关人员多把重点放在为获得稳产高产而实施的经营管理当中，包括施肥培肥㊁施药抗病㊁灌溉抗旱㊁间作套种㊁修剪疏果等，而对于开发初期的土地整理过程㊁方式及其造成的影响和后果关注不够，尤其是对果园水土流失与土地生产力衰退缺乏重视，致使生态环境遭受破坏，造成的水土流失与次生危害演变为区域性重大环境问题，严重威胁区域防洪安全㊁粮食安全㊁生态安全㊂为此，本研究在江西省赣县㊁进贤县㊁泰和县设立观测场进行定位观测和调查，以定量研究经果林开发初期对水土流失的影响，以期为有效控制经果林开发造成的水土流失㊁制订合理的防治方案提供科学依据㊂１㊀调查区概况根据江西省经果林的分布地形和整地特点，本研究选择在赣州清溪水土保持生态科技园径流小区，以及进贤县油茶开发基地㊁泰和县柑橘园设立观测场进行调查，各调查区基本情况见表１㊂表１㊀调查区概况调查区经纬度地形地貌土壤类型成土母质年均气温／ħ年均降水量／ｍｍ年均日照时数／ｈ气候类型赣县Ｅ１１４．０２ʎ㊁Ｎ２５．８５ʎ山地㊁丘陵红壤花岗岩１９．６１４４６．３１７５１．８中亚热带湿润季风气候进贤县Ｅ１１６．２７ʎ㊁Ｎ２８．３７ʎ山地㊁丘陵红壤第四纪黏土／红砂岩１７．５１５８７．０１９５０．０亚热带湿润季风气候泰和县Ｅ１１４．８８ʎ㊁Ｎ２６．８ʎ山地㊁丘陵红壤第四纪黏土１８．６１７２６．０１７５６．４中亚热带湿润季风气候㊀㊀赣州清溪水土保持生态科技园径流小区位于赣县脐橙开发区域，于２０１３年１０月建成（图１）㊂径流小［基金项目］江西省水利厅科技项目（ＫＴ２０１５４６）区原生坡度为１８ʎ，土地覆盖类型为灌草地，用挖掘机开挖整理形成水平台阶，台面宽４ｍ㊂小区投影面积为２３０ｍ２（２３ｍˑ１０ｍ）㊂进贤县油茶开发基地坡度总体较缓，一般不超过㊃８３㊃中国水土保持ＳＷＣＣ㊀２０１９年第５期图１㊀２０１３年１０月小区建成１０ʎ，且以顺坡耕种为主㊂本研究选取进贤县高氏油茶基地㊁高产无性系油茶育苗基地㊁池溪乡黎家油茶基地和钟陵乡大公林场油茶基地作为观测场㊂其中：进贤县高氏油茶基地于２００９年初进行了机械整地㊁全垦翻耕，翻耕深度为３０ ５０ｃｍ，挖穴采用钻头㊁打穴机，打穴深度为５０ ６０ｃｍ；高产无性系油茶育苗基地原为马尾松和灌木林地，于２０１０年初进行了机械整地，开垦为油茶地；池溪乡黎家油茶基地在２０１０年初进行了机械整地，但种植的油茶比高产无性系油茶矮小，且基地内土壤未完全风化㊁肥力略差；钟陵乡大公林场油茶基地于２０１２年秋冬进行了机械整地，基地内土壤石砾含量高，表层较肥沃土壤受冲刷流失严重，地表多石英砂粒，且细沟广泛分布㊂泰和县柑橘园位于泰和县水土保持站，于２０１２年初进行了水平台阶整地（坡度１５ʎ以上，占整个果园面积的２３％）和穴状整地（坡度１５ʎ以下，占整个果园面积的７７％），果园总面积约１３．３３ｈｍ２，种植橘树约５０００株，在集水区出口处建有拦沙坝，坝长４２．３ｍ㊂２㊀研究材料与方法２．１㊀野外调查观测与土壤样品采集（１）赣州清溪水土保持生态科技园径流小区㊂２０１４年１０月在该径流小区进行了实地量测：根据集流池长㊁宽和泥沙厚度计算泥沙体积，用铝盒多点采集集流池内泥沙样品，烘干称量取平均值，以推算产沙量，再根据产沙时间和径流小区面积计算土壤侵蚀模数；为研究径流小区坡面沟状冲刷程度，采用量测侵蚀沟法，在径流小区每条侵蚀沟的上㊁中㊁下三段选择若干断面，测量每个断面侵蚀宽度和深度，配合环刀取样分析得到的土壤平均容重，计算坡面沟蚀侵蚀量；在水平台阶上用环刀采集表层（０ １０ｃｍ）原状土，并采集同坡面原生植被土壤环刀样品作为对照，以测定土壤物理性质；用自封袋采集水平台阶和对照０ ５㊁５ １０㊁１０ ２０ｃｍ土层土壤样品，以及集流池内泥沙样品，以测定土壤化学性质㊂此外，在２０１５年３ １０月对径流小区泥沙进行监测，于每月底用铝盒采集集流池内泥沙样品，以计算月产沙量和土壤侵蚀模数㊂（２）进贤县油茶开发基地㊂采用桩钉法，于２０１３年５月在进贤县高氏油茶基地㊁高产无性系油茶育苗基地㊁池溪乡黎家油茶基地和钟陵乡大公林场油茶基地４个观测场分别布设ＰＶＣ管（ＰＶＣ管露出地面高度为３０ｃｍ），后分别于２０１３年１０月㊁２０１４年１０月和２０１５年１０月在各观测场进行３次实地量测㊂具体方法是根据ＰＶＣ管露出地面高度计算平均土壤冲刷深度，配合用环刀多点取样分析得到的土壤平均容重，计算土壤侵蚀量和侵蚀模数㊂（３）泰和县柑橘园㊂采用拦沙坝法，于２０１４年１０月和２０１５年１０月在柑橘园进行２次实地量测，具体方法是将拦沙坝淤积区划分成多个近似梯形或者三角形地块，每个地块多点测量淤积深度，根据每个地块面积求出相应淤积体积，配合环刀取样分析得到的泥沙平均容重，计算每个地块泥沙淤积量，进而得到整个淤积区的泥沙量和土壤侵蚀模数㊂２．２㊀室内分析测试土壤容重㊁饱和持水量㊁毛管持水量和田间持水量采用环刀法测定［５］；土壤有机质含量采用重铬酸钾容量法－外加热法测定［６］；土壤全氮含量采用定氮仪测定；土壤全磷含量采用紫外分光光度计测定；土壤全钾含量用原子吸收分光光度计测定㊂２．３㊀数据处理所有数据均为多次重复试验的平均值，采用Ｅｘｃｅｌ２００３对试验数据进行统计分析㊂３㊀结果与分析３．１㊀脐橙开发区域水土流失观测经过２０１４ ２０１５年２个观测年的降水冲刷，径流小区状况见图２㊁３㊂相比图１，图２㊁３中径流小区坡面上有３条明显的侵蚀沟，水平台阶上所修外埂大部分被冲刷或淤平㊂２０１４年１０月对径流小区进行实地量测，得到径流小区土壤侵蚀模数为５０４３ｔ／（ｋｍ２㊃ａ）㊁侵蚀沟产生的土壤侵蚀量为８．３９ｔ㊂２０１５年３ １０月连续对径流小区实施监测，月土壤侵蚀量计算结果见表２，计算得到侵蚀模数为４９８４ｔ／（ｋｍ２㊃ａ）㊂可见，２０１４㊁２０１５年径流小区土壤侵蚀模数相差不大，说明在没有采取有效覆盖措施的花岗岩红壤坡地，建设果园的前三年土壤侵蚀模数没有明显变化，侵蚀强度为强烈等级㊂图２㊀２０１４年１０月小区状况㊀图３㊀２０１５年１０月小区状况㊃９３㊃朱丽琴等：南方红壤丘陵区经果林开发对水土流失的影响表２㊀２０１５年３ １０月径流小区泥沙监测结果时间泥沙厚度／ｃｍ月土壤侵蚀量／（ｔ㊃ｈｍ－２）２０１５年３月５．１５．２２２０１５年４月１．３１．３０２０１５年５月８．２８．２６２０１５年６月１７．３１７．３９２０１５年７月１０．２１０．４３２０１５年８月１．４１．４５２０１５年９月２．７２．７６２０１５年１０月２．９３．０３㊀㊀径流小区土壤理化指标测定结果见表３㊁４㊂由表３知，径流小区挖除原生植被开发成果园后，表层（０ １０ｃｍ）土壤受到极大破坏，土壤饱和持水量下降１１．４２％，毛管持水量下降１０．３５％，非毛管持水量下降１４．６５％，田间持水量下降１８．０７％，即土壤的水分渗透能力㊁水分保蓄与供给能力均不同程度被削弱，尤其是田间持水量下降最为显著㊂由表４知，原生植被（对照）土壤有机质㊁全氮㊁全磷和全钾含量基本上随土层深度的增加而降低；水平台阶上的土壤养分含量变化规律却不明显，其土壤有机质含量在５ １０ｃｍ土层出现最高值，这可能是因为降雨冲刷上层台阶流失的土壤覆盖了下层台阶的表土，而全氮㊁全磷㊁全钾含量随土层深度的增加大致表现出先降低后升高的趋势，且差异不明显；集流池内土壤有机质和全氮㊁全磷㊁全钾含量均高于水平台阶，原因是雨季降雨冲刷使得水平台阶上的表土流入集流池㊂此外，原生植被（对照）土壤有机质及全氮㊁全磷㊁全钾含量均高于径流小区（水平台阶㊁集流池），主要原因是挖掘机开挖整理形成水平台阶扰动了地表，破坏了原生植被，使土壤裸露面积增加，容易引起水土流失，加之花岗岩发育的红壤渗透性较好，淋溶作用较为强烈，养分易随径流流失，使土壤变得更为贫瘠㊂经计算，２０１４年径流小区土壤有机质㊁全氮㊁全磷㊁全钾流失量分别为４３．６㊁２．９㊁１．８㊁４１．４ｔ／ｋｍ２㊂表３㊀径流小区表层（０ １０ｃｍ）土壤物理性质调查样地容重／（ｇ㊃ｃｍ－３）饱和持水量／％毛管持水量／％非毛管持水量／％毛管上升水含量／％田间持水量／％原生植被（对照）１．１８４４．２２３３．２３１０．９９１０．８１２４．７９水平台阶１．２７３９．１７２９．７９９．３８９．４８２０．３１表４㊀径流小区不同土层土壤化学性质样地土层／ｃｍ土壤养分含量／（ｇ㊃ｋｇ－１）有机质全氮全磷全钾０ ５５０．０８１．６４０．４４１１．２９原生植被（对照）５ １０３４．８２１．０９０．３６１０．５７１０ ２０２３．５３０．６４０．３３１２．０８０ ５４．８８０．２２０．２９７．５６水平台阶５ １０７．４８０．２６０．２５７．２９１０ ２０５．１２０．３２０．２８７．３６集流池８．６５０．５８０．３５８．２０３．２㊀油茶开发基地坡面冲刷观测２０１３年１０月㊁２０１４年１０月和２０１５年１０月分别对进贤县油茶开发基地的４个观测场进行了监测，结果见表５㊂经果林土壤侵蚀模数随开发时间的推移急表５㊀４个观测场不同种植年限经果林土壤侵蚀情况调查观测场成土母质整地时间２０１３年１０月与２０１３年５月调查结果对比平均冲刷深度／ｃｍ平均土壤侵蚀模数／（ｔ㊃ｋｍ－２㊃ａ－１）２０１４年１０月与２０１３年１０月调查结果对比平均冲刷深度／ｃｍ平均土壤侵蚀模数／（ｔ㊃ｋｍ－２㊃ａ－１）２０１５年１０月与２０１４年１０月调查结果对比平均冲刷深度／ｃｍ平均土壤侵蚀模数／（ｔ㊃ｋｍ－２㊃ａ－１）高氏油茶基地第四纪黏土２００９年初０．７０１７０７３（第五年）０．４０９７５５（第六年）－－（第七年）高产无性系油茶育苗基地第四纪黏土２０１０年初２．５５６００９３（第四年）１．５０３５３４８（第五年）０．７０１６４９６（第六年）池溪乡黎家油茶基地红砂岩２０１０年初０．４０１１５９４（第四年）０．２０５７９７（第五年）０．１０２８９９（第六年）钟陵乡大公林场油茶基地红砂岩２０１２年秋冬０．６０１４０８３（第一年）０．４０１１３８８（第二年）０．２０５６９４（第三年）㊀注：括号中数据表示基地开发的时间㊂剧下降，钟陵乡大公林场油茶基地土壤侵蚀模数由开发第一年的１４０８３ｔ／（ｋｍ２㊃ａ）下降到第三年的５６９４ｔ／（ｋｍ２㊃ａ）；池溪乡黎家油茶基地和高产无性系油茶育苗基地土壤侵蚀模数由开发第四年的１１５９４和６００９３ｔ／（ｋｍ２㊃ａ）下降到第六年的２８９９和１６４９６ｔ／（ｋｍ２㊃ａ）；进贤县高氏油茶基地土壤侵蚀模数由开发第五年的１７０７３ｔ／（ｋｍ２㊃ａ）下降到第六年的９７５５ｔ／（ｋｍ２㊃ａ）；４个观测场土壤侵蚀模数下降幅度介于４２．８６％ ７５．００％㊂特别是高氏油茶基地的油茶经过几年的生长，植株茂盛㊁枝叶密集㊁根系固土作用较强，至开发第七年地表已可见苔藓和地衣覆盖，达到无明显侵蚀状态㊂不同观测场土壤侵蚀模数差异巨大，在开发前５年侵蚀强度呈极强烈到剧烈不等，同时相对于红砂岩发育的红壤，第四纪红黏土发育的红壤侵蚀强度更大㊂３．３㊀柑橘园集水区产沙量调查２０１４年１０月对泰和县柑橘园土壤侵蚀情况进行了实地调查㊂经计算，果园淤积泥沙为１７１．６２ｍ３㊁２２８．２５ｔ，根据汇水面积２．６７ｈｍ２㊁侵蚀沟已冲刷近３年，计算出整地开发前三年的平均土壤侵蚀模数为㊃０４㊃中国水土保持ＳＷＣＣ㊀２０１９年第５期２８５０ｔ／（ｋｍ２㊃ａ）㊂２０１５年１０月对淤积情况再次调查得到淤积量为２７．８５ｔ，计算得到２０１５年（整地开发第四年）土壤侵蚀模数为１０４３ｔ／（ｋｍ２㊃ａ），相比前三年土壤侵蚀强度明显减轻㊂４㊀结论与建议４．１㊀结㊀论（１）对位于江西南部花岗岩发育红壤上的赣州清溪水土保持生态科技园径流小区进行的典型观测结果表明，果园建设第二年土壤侵蚀模数为５０４３ｔ／（ｋｍ２㊃ａ），第三年为４９８４ｔ／（ｋｍ２㊃ａ），土壤侵蚀模数下降幅度较小，侵蚀强度达强烈等级㊂（２）对位于江西中部第四纪红黏土和红砂岩发育红壤上的进贤县油茶基地利用桩钉法进行定点连续观测，结果显示油茶基地土壤侵蚀模数随开发时间的推移急剧下降，下降幅度为４２．８６％ ７５．００％㊂（３）对位于江西中南部吉安市泰和县水土保持站第四纪红土上的红壤柑橘园应用拦沙坝法进行观测，结果显示整地开发前三年平均土壤侵蚀模数为２８５０ｔ／（ｋｍ２㊃ａ），第四年土壤侵蚀模数为１０４３ｔ／（ｋｍ２㊃ａ），土壤侵蚀强度明显减轻㊂４．２㊀建㊀议（１）在连续三年的定点观测与调查过程中，不同地块由于坡度㊁土壤抗侵蚀性能㊁整地扰动强度等存在差异，因此土壤侵蚀模数相差较大㊂单纯采用空间替代时间的方法进行研究可能导致结果与实际情况相差巨大，在不同地块间难以进行有效比较，因此建议进一步开展连续定点定位监测，以分析经果林开发后土壤侵蚀状况随时间的变化规律㊂（２）在果园开发整地时要严格禁止采取全垦㊁机械化大规模作业㊁陡坡开垦，提倡使用隔坡带状开垦㊁保留原生植被或补植灌草隔离带㊁ 山顶戴帽㊁山脚穿袜 和微小规模的整地方式（点／穴状整地等）㊂在采取水土保持措施时，应综合应用坡改梯㊁水平台地㊁集流槽㊁环山沟㊁山边沟㊁草沟㊁前埂后沟㊁节水灌溉等工程措施，果农结合㊁果草结合㊁梯壁植草㊁果草牧（渔）综合发展㊁节水覆盖等生物措施，以及合理的耕作措施㊂此外，还可以在果树行间㊁水平梯田的梯壁㊁排水沟内等处种植草本植物；在山脚建立缓冲带，在山坡与沟道连接处设置生态湿地，构建拦泥截废消污的最后一道防线㊂（３）加强具有赣南红壤坡地果园特色的清洁小流域建设模式研究和示范，比如果园雨水的再分配与径流的响应㊁果园养分流失特点及其防控技术㊁果园下垫面优化调控技术集成与示范㊁果园截流蓄水灌溉技术集成与示范㊁果园土壤养分库容扩增技术集成与示范㊁果园面源污染防控技术集成与示范，以更好地保持水土㊁防治果园面源污染㊁保护东江和赣江源头水质㊂（４）多年来，赣南各地摸索出了不少有效的水土流失防治措施，取得了一定的成绩［７－８］㊂比如：安远㊁定南等县的 山顶戴帽㊁山腰穿裙㊁山底穿靴 果园开发模式㊁ 树顶灯㊁树上板㊁树脚螨㊁树底管 等生态果园管理技术；独立岽万亩生态绿色脐橙基地实施 五统一分 ，即统一山地流转㊁统一规划设计（在果业开发中推广水土保持 三三四 原则，即开发山场留足３０％的戴帽山，３０％的涵养林㊁隔离带，开发面积不超过４０％）㊁统一基础设施建设㊁统一技术标准㊁统一社会化服务㊁分户经营，不仅快速实现果农脱贫致富，而且有效防止了水土流失，保护了生态㊂但是，现阶段赣南当地还有一些地方政府对水土保持措施和物资投入不足，果农对水土保持的认识不够，因此迫切需要加强相关的水土保持宣传㊁管理等工作，探索和制定果园开发建设相关的技术规范，并在生产中大力宣传和推行㊂［参考文献］［１］肖龙，肖霖．红壤侵蚀地生态修复后植物群落垂直结构变化研究［Ｊ］．南昌工程学院学报，２０１３，３２（３）：４１－４６．［２］要捷．重点治理区水土保持考核指标研究［Ｄ］．北京：北京林业大学，２０１４：７７．［３］胡雪琴，蒋平，丁文斌，等．紫色丘陵区不同经果林模式的水土保持效应［Ｊ］．南方农业学报，２０１５，４６（８）：１４６２－１４６８．［４］李玲，侯春镁，申佳艳，等．滇中山地经果林水土保持功能研究［Ｊ］．现代农业科技，２０１７（４）：１７２－１７４．［５］中国林业科学研究院林业研究所森林土壤研究室．森林土壤水分－物理性质的测定：ＬＹ／Ｔ１２１５ １９９９［Ｓ］．北京：中国标准出版社，１９９９：２１－２４．［６］中国林业科学研究院林业研究所森林土壤研究室．森林土壤有机质的测定及碳氮比的计算：ＬＹ／Ｔ１２３７ １９９９［Ｓ］．北京：中国标准出版社，１９９９：１０５－１０８．［７］房全孝．土壤质量评价工具及其应用研究进展［Ｊ］．土壤通报，２０１３，４４（２）：４９６－５０４．［８］范玉兰，薛珺，梁梅青，等．赣南脐橙果园土壤有机质变化特征研究［Ｊ］．中国南方果树，２０１２，４１（４）：１８－２０．［作者简介］朱丽琴（１９８６ ），女，江西景德镇市人，实验师，博士研究生，主要从事植被恢复与重建研究；通信作者黄荣珍（１９７５ ），男，福建莆田市人，教授，博士，主要从事坡地水文与生态修复等方面的研究㊂［收稿日期］２０１８－０９－０５（责任编辑㊀李杨杨）㊃１４㊃朱丽琴等：南方红壤丘陵区经果林开发对水土流失的影响ＳＯＩＬＡＮＤＷＡＴＥＲＣＯＮＳＥＲＶＡＴＩＯＮＩＮＣＨＩＮＡＮｏ．５（４４６）２０１９ＡｂｓｔｒａｃｔｓＩｍｐａｃｔｏｆＥｃｏｎｏｍｉｃＦｒｕｉｔＦｏｒｅｓｔＤｅｖｅｌｏｐｍｅｎｔｏｎＳｏｉｌａｎｄＷａｔｅｒＬｏｓｓｉｎＨｉｌｌｙＲｅｄＳｏｉｌＲｅｇｉｏｎｏｆＳｏｕｔｈｅｒｎＣｈｉｎａ㊀ＺＨＵＬｉｑｉｎ１，２，ＨＵＡＮＧＲｏｎｇｚｈｅｎ１，ＬＩＦｅｎｇ１，ｅｔａｌ．（１．ＪｉａｎｇｘｉＰｒｏｖｉｎｃｉａｌＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＲｅｓｔｏｒａｔｉｏｎｏｆＤｅｇｒａｄｅｄＥｃｏｓｙｓｔｅｍｓ＆ＷａｔｅｒｓｈｅｄＥｃｏ⁃Ｈｙｄｒｏｌｏｇｙ，ＮａｎｃｈａｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ３３００９９，Ｃｈｉｎａ；２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＳｕｂｔｒｏｐｉｃａｌＭｏｕｎｔａｉｎＥｃｏｌｏｇｙｏｆｔｈｅＭｉｎｉｓｔｒｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙａｎｄＦｕｊｉａｎＰｒｏｖｉｎｃｅ，ＦｕｊｉａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ，Ｆｕｊｉａｎ３５０００７，Ｃｈｉｎａ）（３８）ＪｉａｎｇｘｉｉｓａｔｙｐｉｃａｌａｒｅａｏｆｈｉｌｌｙｒｅｄｓｏｉｌｒｅｇｉｏｎｏｆｓｏｕｔｈｅｒｎＣｈｉｎａａｎｄｔｈｅｌａｒｇｅ⁃ｓｃａｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｅｃｏｎｏｍｉｃｆｒｕｉｔｔｒｅｅｓｈａｓｂｅｃｏｍｅｔｈｅｍａｉｎｃａｕｓｅｏｆｓｏｉｌａｎｄｗａｔｅｒｌｏｓｓｉｎｈｉｌｌｙａｒｅａｓ．ＴｈｅｐａｐｅｒｅｓｔａｂｌｉｓｈｅｄｏｂｓｅｒｖａｔｉｏｎｐｌｏｔｓｉｎｔｈｅｃｏｕｎｔｉｅｓｏｆＧａｎｘｉａｎ，ＪｉｎｘｉａｎａｎｄＴａｉｈｅｏｆＪｉａｎ⁃ｇｘｉＰｒｏｖｉｎｃｅｒｅｓｐｅｃｔｉｖｅｌｙｆｏｒｌｏｃａｔｉｏｎｏｂｓｅｒｖａｔｉｏｎａｎｄｉｎｖｅｓｔｉｇａｔｉｏｎ，ａｎｄｑｕａｎｔｉｔａｔｉｖｅｌｙｓｔｕｄｉｅｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｅａｒｌｙｄｅｖｅｌｏｐｍｅｎｔｏｆｅｃｏｎｏｍｉｃｆｒｕｉｔｔｒｅｅｓｔｏｔｈｅｓｏｉｌａｎｄｗａｔｅｒｌｏｓｓｔｈｒｏｕｇｈｃｏｍｂｉｎｉｎｇｔｈｅｌａｂｏｒａｔｏｒｙａｎａｌｙｓｉｓ．Ｔｈｅｏｕｔｃｏｍｅｓｓｈｏｗｔｈａｔａ）ｔｈｅｓｏｉｌｅｒｏｓｉｏｎｍｏｄｕｌｕｓｏｆｎａｖｅｌｏｒａｎｇｅｏｒｃｈａｒｄｉｎｒｕｎｏｆｆｐｌｏｔｏｆＱｉｎｇｘｉｓｏｉｌａｎｄｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎｓｃｉｅｎｔｉｆｉｃｄｅｍｏｎｓｔｒａｔｉｏｎｚｏｎｅｉｎＧａｎｘｉａｎｉｓ５０４３ｔ／（ｋｍ２㊃ａ）ｉｎｔｈｅｓｅｃ⁃ｏｎｄｙｅａｒａｎｄ４９８４ｔ／（ｋｍ２㊃ａ）ｉｎｔｈｅｔｈｉｒｄｙｅａｒ，ｓｈｏｗｉｎｇｓｍａｌｌｅｒｒｅｄｕｃｔｉｏｎｏｆｓｏｉｌｅｒｏｓｉｏｎｍｏｄｕｌｕｓ；ｂ）ｔｈｅａｖｅｒａｇｅｓｏｉｌｅｒｏｓｉｏｎｍｏｄｕｌｕｓｏｆｏｉｌ⁃ｔｅａｃａｍｅｌｌｉａｄｅｖｅｌｏｐｍｅｎｔｂａｓｅｉｎＪｉｎｘｉａｎｉｓｒｅｄｕｃｅｄｒａｐｉｄｌｙａｌｏｎｇｗｉｔｈｔｈｅｅｘｔｅｎｓｉｏｎｏｆｄｅｖｅｌｏｐｍｅｎｔｙｅａｒａｎｄｔｈｅｆａｌｌｉｎｇｒａｎｇｅｉｓ４２．８６％ ７５．００％ａｎｄ；ｃ）ｔｈｅｓｏｉｌｅｒｏｓｉｏｎｍｏｄｕｌｕｓｏｆｃｉｔｒｕｓｏｒｃｈａｒｄｉｎＴａｉｈｅＣｏｕｎｔｙｉｓｒｅｄｕｃｅｄｒｅｍａｒｋａｂｌｙａｆｔｅｒｔｈｅｄｅｖｅｌｏｐｍｅｎｔ．Ｔｈｅｒｅｄｕｃｔｉｏｎｉｓｆｒｏｍ２８５０ｔ／（ｋｍ２㊃ａ）ｏｆｔｈｅｆｉｒｓｔｔｈｒｅｅｙｅａｒｓｔｏ１０４３ｔ／（ｋｍ２㊃ａ）ｉｎｔｈｅｆｏｕｒｔｈｙｅａｒ．Ｋｅｙｗｏｒｄｓ：ｅｃｏｎｏｍｉｃｆｒｕｉｔｆｏｒｅｓｔ；ｓｏｉｌａｎｄｗａｔｅｒｌｏｓｓ；ｓｏｉｌｅｒｏｓｉｏｎｍｏｄｕｌｕｓ；ｒｅｄｓｏｉｌＥｆｆｅｃｔｏｆＥｒｏｄｅｄＧｕｌｌｙＣｏｎｔｒｏｌａｎｄＮｅａｒ⁃ＮａｔｕｒａｌＲｅｓｔｏｒａｔｉｏｎｏｆＬｉｎｇｓｈａｎＭｏｕｎｔａｉｎｉｎＢｅｉｊｉｎｇ㊀ＧＯＮＧＸｉａｏ，ＬＩＬｕ，ＺＨＡＯＦａｎｇｙｉｎｇ，ｅｔａｌ． （ＢｅｉｊｉｎｇＳａｉｎｔｅｃｏＴｅｃｈｎｏｌｏｇｙＣｏ．，ＬＴＤ．，Ｂｅｉｊｉｎｇ１０００８３，Ｃｈｉｎａ）（４２）ＴａｋｉｎｇａｉｍａｔｔｈｅｖｅｇｅｔａｔｉｏｎｐｒｏｔｅｃｔｉｏｎｏｆＬｉｎｇｓｈａｎＭｏｕｎｔａｉｎｓｕｂａｌｐｉｎｅｍｅａｄｏｗ，ａｃｃｏｒｄｉｎｇｔｏｔｈｅｉｄｅａｏｆ ｒｅｓｔｏｒａｔｉｏｎａｔｓｏｕｒｃｅ，ｐｒｅｖｅｎ⁃ｔｉｖｅｔｒｅａｔｍｅｎｔａｔｍｉｄｄｌｅ，ｃｏｎｔｒｏｌａｔｅｎｄ ａｎｄｕｓｉｎｇｔｈｅｃｏｍｂｉｎｅｄｍｅｔｈｏｄｏｆｔｒａｄｉｔｉｏｎａｌｅｎｇｉｎｅｅｒｉｎｇ，ｓｏｉｌｂｉｏｅｎｇｉｎｅｅｒｉｎｇａｎｄｐｌａｎｔｍｅａｓｕｒｅｓ，ｉｔｃｏｎｔｒｏｌｌｅｄｔｈｅｅｒｏｄｅｄｇｕｌｌｉｅｓｉｎＬｉｎｇｓｈａｎｍｏｕｎｔａｉｎｏｕｓａｒｅａ，ｅｓｔａｂｌｉｓｈｅｄａｒｅｌａｔｉｖｅｌｙｃｏｍｐｌｅｔｅｎｅａｒ⁃ｎａｔｕｒａｌｒｅｓｔｏｒａｔｉｏｎｓｙｓｔｅｍｆｏｒｓｕｂａｌｐｉｎｅｍｅａｄｏｗｅｒｏｄｅｄｇｕｌｌｉｅｓａｎｄｓｔｕｄｉｅｄｉｔｓｅｆｆｅｃｔｏｆｓｏｉｌａｎｄｗａｔｅｒｃｏｎｓｅｒｖａｔｉｏｎａｎｄｄｙｎａｍｉｃｖａｒｉａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｍｅａｄｏｗｃｏｍｍｕｎｉｔｙｒｅｓｔｏ⁃ｒａｔｉｏｎｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｓｏｆａｒｔｉｆｉｃｉａｌｐｒｏｍｏｔｉｏｎ．Ｔｈｅｏｕｔｃｏｍｅｓｓｈｏｗｔｈａｔｔｈｅｓｙｓｔｅｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｃｏｎｔｒｏｌｔｈｅｄｅｖｅｌｏｐｍｅｎｔｒａｔｅｏｆｈｅａｄｗａｒｄｅｒｏｓｉｏｎｏｆｅｒｏｄｅｄｇｕｌｌｉｅｓａｎｄｗｅａｋｅｎｔｈｅｅｘｐａｎｓｉｏｎｒａｔｅｈｏｒｉｚｏｎｔａｌｌｙａｎｄｌｏｎｇｉｔｕｄｉｎａｌｌｙ．Ｔｈｅａｎｎｕａｌｓｏｉｌｅｒｏｓｉｏｎｍｏｄｕｌｕｓｏｆｔｈｅｓｔｕｄｉｅｄａｒｅａｗａｓ６４７ｔ／（ｋｍ２㊃ａ）ｉｎ２０１６，ｗｈｉｃｈｈａｄｂｅｅｎｒｅｄｕｃｅｄｂｙ７１．８％ｔｈａｎｔｈａｔｏｆｂｅｆｏｒｅｔｒｅａｔｍｅｎｔ，ｍｅｅｔｉｎｇｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｎｓｏｉｌａｎｄｗａｔｅｒｌｏｓｓｃｏｎｔｒｏｌｏｆＢｅｉｊｉｎｇ．Ａｆｔｅｒ３⁃ｙｅａｒｉｍｐｒｏｖｉｎｇ，ｔｈｅｎｕｍｂｅｒｏｆｓｐｅｃｉｅｓｏｆｔｈｅｅｒｏｄｅｄｇｕｌｌｉｅｓｓｈｏｗｓａｎｕｐｗａｒｄｔｒｅｎｄｆｒｏｍ１９ｓｐｅｃｉｅｓｉｎ２０１４ｉｎ⁃ｃｒｅａｓｅｄｔｏ２７ｉｎ２０１６．Ｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｃｏｎｔｒｏｌｅｎｇｉｎｅｅｒｉｎｇｈａｓｅｆｆｅｃｔｉｖｅｌｙｐｒｏｍｏｔｅｄｔｈｅｑｕａｎｔｉｔｙｒｅｃｏｖｅｒｙｏｆｖｅｇｅｔａｔｉｏｎｏｆｔｈｅｅｒｏｄｅｄｇｕｌｌｉｅｓ．Ｓｉｎｃｅ２０１５，ｔｈｅｓｔｒｕｃｔｕｒｅｏｆｐｌａｎｔｃｏｍｍｕｎｉｔｙｈａｓｇｒａｄｕａｌｌｙｃｌｅａｒｅｄａｎｄｄｅｖｅｌｏｐｅｄｔｏｗａｒｄｓｔｈｅｐｏｓｉｔｉｖｅｓｕｃｃｅｓｓｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｓｕｂａｌｐｉｎｅｍｅａｄｏｗ；ＬｉｎｇｓｈａｎＭｏｕｎｔａｉｎ；ｅｒｏｓｉｏｎｇｕｌｌｙｔｒｅａｔｍｅｎｔ；ｎｅａｒ⁃ｎａｔｕｒａｌｒｅｓｔｏｒａｔｉｏｎ；ｖｅｇｅｔａｔｉｏｎｃｏｍｐｏｓｉｔｉｏｎＡｐｐｌｉｃａｔｉｏｎｏｆＦｕｚｚｙＭａｔｈｅｍａｔｉｃａｌＴｈｅｏｒｙａｎｄＮｕｍｅｒｉｃａｌＡｎａｌｙｓｉｓｔｏｔｈｅＬａｎｄｓｌｉｄｅＥｖａｌｕａｔｉｏｎ㊀ＬＩＵＹｉｆａｎ１，２，３，ＬＵＳｈｕｑｉａｎｇ１，２，３，ＧＵＡＮＱｉ２，３（１．ＨｕｂｅｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｔｅｌｌｉｇｅｎｔＶｉｓｉｏｎＢａｓｅｄＭｏｎｉｔｏｒｉｎｇｆｏｒＨｙｄｒｏｅｌｅｃｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇ，Ｙｉｃｈａｎｇ，Ｈｕｂｅｉ４４３００２，Ｃｈｉｎａ；２．ＮａｔｉｏｎａｌＦｉｅｌｄＯｂｓｅｒｖａｔｉｏｎａｎｄＲｅｓｅａｒｃｈＳｔａｔｉｏｎｏｆＬａｎｄｓｌｉｄｅｉｎＴｈｒｅｅＧｏｒｇｅｓＲｅｓｅｒｖｏｉｒＡｒｅａｏｆＹａｎｇｔｚｅＲｉｖｅｒ，Ｙｉｃｈａｎｇ，Ｈｕｂｅｉ４４３００２，Ｃｈｉｎａ；３．ＨｕｂｅｉＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＧｅｏｌｏｇｉｃａｌＨａｚａｒｄｓＰｒｅｖｅｎｔｉｏｎ，Ｙｉｃｈａｎｇ，Ｈｕｂｅｉ４４３００２，Ｃｈｉｎａ）（４６）ＴｈｅｐａｐｅｒｍａｄｅｑｕａｌｉｔａｔｉｖｅａｎｄｑｕａｎｔｉｔａｔｉｖｅｅｖａｌｕａｔｉｏｎｏｎｌａｎｄｓｌｉｄｅｓｔａｂｉｌｉｔｙｂｙｕｓｉｎｇｆｕｚｚｙｍａｔｈｅｍａｔｉｃｓｔｈｅｏｒｙａｎｄｎｕｍｅｒｉｃａｌａｎａｌｙｓｉｓｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｇｅｏｌｏｇｉｃａｌｄａｔａａｎｄｍｏｎｉｔｏｒｉｎｇｄａｔａｏｆＢａｉｊｉａｂａｏｌａｎｄｓｌｉｄｅ，ｗｈｉｃｈｉｓａｔｙｐｉｃａｌｗｅａｋｐｅｒｍｅａｂｌｅｌａｎｄｓｌｉｄｅｉｎｔｈｅＴｈｒｅｅＧｏｒｇｅｓＲｅｓｅｒｖｏｉｒａｒｅａ．ＴｈｅｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｓｏｆｆｕｚｚｙｍａｔｈｅｍａｔｉｃｓｔｈｅｏｒｙｓｈｏｗｔｈａｔＢａｉｊｉａｂａｏｌａｎｄｓｌｉｄｅｉｓｉｎａｎｕｎｓｔａｂｌｅｓｔａｔｅ．ＴｈｅｒｅｓｕｌｔｓｏｆｎｕｍｅｒｉｃａｌａｎａｌｙｓｉｓｓｈｏｗｔｈａｔＢａｉｊｉａｂａｏｌａｎｄｓｌｉｄｅｉｓｇｒｅａｔｌｙａｆｆｅｃｔｅｄｂｙｔｈｅｄｒａｗｄｏｗｎｏｆｒｅｓｅｒｖｏｉｒｗａｔｅｒｌｅｖｅｌ，ｅｓｐｅｃｉａｌｌｙｔｈｅｓｔａｂｉｌｉｔｙｉｓｓｉｇｎｉｆｉ⁃ｃａｎｔｌｙｒｅｄｕｃｅｄｗｈｅｎｔｈｅｄｒａｗｄｏｗｎｏｆｒｅｓｅｒｖｏｉｒｌｅｖｅｌａｎｄｈｅａｖｙｒａｉｎｆａｌｌａｒｅｏｖｅｒｌａｉｄ，ｂｅｉｎｇｉｎａｎｕｎｓｔａｂｌｅｓｔａｔｅ．Ｔｈｅｍｏｎｉｔｏｒｉｎｇｒｅｓｕｌｔｓｏｆｍｏ⁃ｎｉｔｏｒｉｎｇｐｏｉｎｔｓｐｒｏｖｅｔｈａｔｔｈｅｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅｔｗｏｍｅｔｈｏｄｓｈａｖｅｃｏｎｓｉｓｔｅｎｃｙａｎｄｂｅｅｎｃｏｎｓｉｓｔｅｎｔｗｉｔｈｔｈｅａｃｔｕａｌｓｉｔｕａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｌａｎｄｓｌｉｄｅｓｔａｂｉｌｉｔｙ；ｆｕｚｚｙｍａｔｈｅｍａｔｉｃｓ；ｎｕｍｅｒｉｃａｌａｎａｌｙｓｉｓ；ｒｅｓｅｒｖｏｉｒｗａｔｅｒｌｅｖｅｌ；Ｂａｉｊｉａｂａｏｌａｎｄｓｌｉｄｅ。
三明地区近45年气温特征分析和变化趋势
三明地区近45年气温特征分析和变化趋势论文导读：本文利用三明市观测站作为代表，对三明地区45年气温特征和变化趋势进行分析。
关键词：三明地区，气温特征1引言近100年来，全球平均温度有显著的上升趋势，我国气候也明显的变暖趋势。
三明处福建西部，属亚热带海洋性气候。
本文利用三明市观测站作为代表，对三明地区45年气温特征和变化趋势进行分析。
2三明地区年气温的时间2. 1 三明地区年平均气温的时间变化图1为年平均气温距平图，平均值取平均气温取1961-1990年30年平均。
从图1看出，1960～1974年期间，三明年平均气温是在平均值附近小幅波动，大多数年份略高于平均值；1975-1996年期间，年平均气温震荡幅度加大，1976年平均气温距平-0.7℃，1984年-0.9℃，低于平均值的年份多于高于平均值的年份，因此该时期处于相对低温期；1997-2004年期间，气温在震荡中迅速上升，该时期年平均气温均高于平均值，处于相对高温期，在1998和2003年平均气温距平分别达1.0℃和0.9℃，为该时期的两个峰值。
从3年滑动年平均气温距平曲线来看，1960～1996年，基本上在±0.5℃范围内波动，除了1985年特低，滑动距平达到-0.6℃外；从1997年开始，气温明显上升。
可见，三明90年代后期开始气温持续变暖，这与全国温度变化趋势大体相同。
2.2 三明年平均最高气温的时间变化由图2可见，三明45年来最高气温变化与年平均气温变化有一些区别。
图2中，从1960～1984年，最高气温是下降的，1984年，年平均最高气温距平达到这一时期的最低值-1.29℃；从1985年开始，最高气温持续上升，到2003年达到最高，距平达1.61℃。
年平均最高气温3年滑动距平曲线与年平均最高气温距平曲线相近似，3年滑动距平曲线振幅在-0.82～0.98℃之间。
2.3 三明年平均最低气温的时间变化从图3可以看出，三明最低气温45年来的变化与年平均气温、最高气温总的趋势是相似的，但有一些不同，1960～1996年，年平均最低气温基本上在平均值附近振荡，振幅在-0.8～0.6℃；从1997年开始，年平均最低气温骤然上升，1997～2003年，年平均最低气温比常年明显偏高，2002年达到峰值，距平达0.9℃；2004年，年平均最低气温距平下降到-0.2℃。
赣系列油茶无性系在闽西的生长结实
科学研究FUJIANLINYE福建林业赣系列油茶无性系在闽西的生长结实表现赖腾生（福建省长汀县馆前林业站，福建长汀366300）摘要：为筛选闽西适生的油茶高产品种，对当地引种的10个赣系列油茶无性系生长和产量表现进行了连续3a 的调查测定。
结果表明：不同赣系列油茶无性系的树高和冠幅产量存在显著差异，其中赣8和赣无2无性系的产量较高，3a 平均冠幅产果分别为2.62kg ·m -2和3.33kg ·m -2；不同无性系年均产油由高到低表现为：赣8>赣无2>赣石84-3>赣447>赣55>赣永6>赣190>赣无1>赣68>赣71，其中，赣8（697.12kg ·hm -2）和赣无2（626.25kg ·hm -2）的产油量超过油茶优良无性系选育标准值（450kg ·hm -2），适宜在闽西山地推广栽植。
关键词：油茶；无性系；生长；结实中图分类号：S722.3文献标识：A文章编号：1003-4382（2022）06-0046-03LAI Tengsheng(Guanqian Forestry Station of Changting County,Changting 366300,Fujian,China)In order to screen high-yieldingvarieties suitable for planting in western Fujian,the growth performance and fruityield of 10different Gan-seriesclones were investigated and observed for 3consecutive years in local.The results showed that the treeheight and fruit yield in unit crown area are of great difference between different clones.The yield of Gan 8and Ganwu 2were the highest two a-mong 10clones,of which the average annual fruit yield and fruit yield in unit crown area in 3years reached 2.62kg ·m -2and 3.33k ·gm -2,re-spectively.The average annual oil yield of different clones from high to low was as follows:Gan 8>Ganwu 2>Ganshi 843>Gan 447>Gan 55>Ganyong 6>Gan 190>Ganwu 1>Gan 68>Gan 71.Among them,the oil yield of Gan 8and Ganwu 2reached 697.12kg ·hm -2and 626.25kg ·hm -2,respectively,which far exceeded the standard value of superior clone (450kg ·hm -2)and were appropriate clones for popular-izing and planting in westernFujian..;clones;growth trait;fruit yield油茶（Abel.）是我国重要的木本油料树种，也是世界四大木本油料树种之一，主要分布在我国南方山地，栽培历史悠久。
江西省景德镇市2025届高三上学期第一次质量检测试题 地理含答案
景德镇市2025届高三第一次质检试卷地理（答案在最后）命题人：本试题卷分选择题和非选择题两部分。
时间75分钟，满分100分。
一、选择题：本组共16小题，每小题3分，共48分。
在每小题给出的四个选项中，只有一项是符合题目要求的。
台湾省金门县城位于大金门岛，与厦门岛隔水相望。
金门大桥连接大金门岛和小金门岛，是台湾省首座跨海大桥。
该桥2010年通过建设方案，于2022年建成通车。
大桥全线长5.4公里，建设期间前后更换3家建筑商，共耗资96亿元新台币（约21亿元人民币）。
通车后往返大小金门岛仅需5分钟车程，结束了大小金门岛之间只有水运的历史，也使得金门地区成为联系台湾和大陆更紧密的纽带。
图1为金门大桥位置示意图。
据此完成1~3题。
图11.金门大桥历时长达12年才得以建成通车的原因包括（）①管理能力有限②资金筹集困难③自然条件复杂④需求不够迫切A.①②③B.①②④C.①③④D.②③④2.金门大桥的开通，交通条件改善最明显的地区是（）A.大金门岛B.小金门岛C.厦门市D.台湾岛3.金门大桥的通车有利于金门地区（）A.发展旅游业B.开发矿产资源C.发展对外贸易D.获取大陆物资杂交水稻制种的技术含量高，制种人员需要选择两种不同优良性状的水稻以每8列母本间隔1列父本的方式种植（如图2），其中父本植株较高，雄蕊雌蕊皆正常：母本雌蕊正常而雄蕊退化。
通过人工赶花，母本雌蕊接受父本雄蕊花粉而完成授粉，最终母本收获性状稳定而优质的种子。
其他物种的干扰和授粉期天气恶劣等因素都会影响种子的质量和产量。
福建省建宁县位于武夷山区，多丘陵山地，耕地分散，是全国最大的杂交水稻制种基地，当地独创授粉成功后随即割除父本的制种方法，能增加母本产量、保证种子纯度，从而实现提质增产。
据此完成4~6题。
图24.从利于提高制种质量看，福建省建宁县被选为杂交水稻育种基地的主要原因是（）A.水热配合好B.隔离条件好C.自然灾害少D.病虫害少5.父本提前割除后，靠近父本两侧的母本水稻会生长的更好，主要是因为改善了这两列的（）A.热量条件B.光照条件C.水源条件D.土壤条件6.能帮助杂交水稻制种实现高效授粉和预测产量的现代技术分别为（）A.北斗导航系统和遥感技术B.北斗导航系统和定制气象服务C.遥感技术和地理信息系统D.定制气象服务和遥感技术大气水汽含量影响空气密度，在其他条件相同的情况下，空气水汽含量越大，密度越小。
高考地理知识点复习《地质灾害》十年真题汇总
高考地理知识点复习《地质灾害》十年真题汇总（2023·福建卷）沟口的冲出量与沟内残留物有关，2013，2019，2020年分别发生三次泥石流，其降水依次下降，泥石流量分别为11．50、11．91、11．02平方米。
据此回答下列问题。
1．2013年冲出量较少是由于泥石流爆发前（）A．雨水冲刷作用较强B．河道弯曲程度减弱C．沟口内空间较大D．土壤含水量较低2．PQ切面堆积物为（）A．B．C．D．【答案】1．C 2．A【解析】1．2013年为第一次泥石流，泥石流爆发前，沟口空间较大，可容纳的残留物较多，因而冲出量较少，C正确；雨水冲刷作用强，残留物多，径流的搬运能力也强，冲出量大，A错误；河道弯曲程度弱的话，洪水畅通，河流搬运能力强，携带的泥沙多，冲出量大，B错误；土壤含水量低，不易形成泥石流，D错误。
故选C。
2．由图方向1可知沟口河流受地转偏向力影响，沟口西岸为侵蚀岸，东岸为沉积岸，泥石流形成的沉积物在沟口的东西并不是对称分布的，C错误；泥石流形成的冲积物在沟口的东侧沉积多，故最高点偏东，B错误；由于沟口的西侧受地转偏向力影响，以侵蚀为主，沉积物的层面较平直，东侧以沉积为主，沉积面凹凸不平，A正确，D错误。
故选A。
（2022·辽宁卷）我国某段峡谷谷底自然生长大量仙人掌，山坡上是稀疏的灌丛，山顶有森林分布。
小华同学暑期沿该段峡谷进行地理研学，途经“大流砂”。
“大流砂”宽约300米、高约900米，坡面有大量碎石，由上至下呈发散状分布直至坡底。
此处时常发生地质灾害。
下图示意“大流砂”位置。
据此完成下面小题。
3．该段峡谷夏季气候特征为（）A．湿热B．冷湿C．干冷D．干热4．“大流砂”的碎石主要来源于（）A．河流堆积B．冰川侵蚀C．基岩风化D．风力搬运5．为减轻该处地质灾害影响，最适宜的措施是在“大流砂”所在地（）A．坡面植树造林B．两侧设排水渠C．坡底修建挡墙D．坡顶平整土地【答案】3．D 4．C 5．B【解析】3．阅读图文材料可知，该段峡谷谷底是生长大量仙人掌，山坡是稀疏的灌丛，而山顶有森林分布，说明峡谷内干热情况非常明显，可推测大致为我国的西南地区，夏季易受到焚风效应的影响，因此气候特征表现为干热，故ABC错误，D正确。
我国土壤类型及适宜生长植物
我国土壤类型及适宜生长植物砖红壤海南岛、雷州半岛、西双版纳和台湾岛南部，大致位于北纬22°以南地区。
热带季风气候。
年平均气温为23～26℃，年平均降水量为1600～2000毫米。
植被为热带季雨林。
风化淋溶作用强烈，易溶性无机养分大量流失，铁、铝残留在土中，颜色发红。
土层深厚，质地粘重，肥力差，呈酸性至强酸性。
赤红壤滇南的大部，广西、广东的南部，福建的东南部，以及台湾省的中南部，大致在北纬22°至25°之间。
为砖红壤与红壤之间的过渡类型。
南亚热带季风气候区。
气温较砖红壤地区略低，年平均气温为21～22℃，年降水量在1200～2000毫米之间，植被为常绿阔叶林。
风化淋溶作用略弱于砖红壤，颜色红。
土层较厚，质地较粘重，肥力较差，呈酸性。
红壤和黄壤长江以南的大部分地区以及四川盆地周围的山地。
中亚热带季风气候区。
气候温暖，雨量充沛，年平均气温16～26℃，年降水量1500毫米左右。
植被为亚热带常绿阔叶林。
黄壤形成的热量条件比红壤略差，而水湿条件较好。
有机质来源丰富，但分解快，流失多，故土壤中腐殖质少，土性较粘，因淋溶作用较强，故钾、钠、钙、镁积存少，而含铁铝多，土呈均匀的红色。
因黄壤中的氧化铁水化，土层呈黄色。
黄棕壤北起秦岭、淮河，南到大巴山和长江，西自青藏高原东南边缘，东至长江下游地带。
是黄红壤与棕壤之间过渡型土类。
亚热带季风区北缘。
夏季高温，冬季较冷，年平均气温为15～18℃，年降水量为750～1000毫米。
植被是落叶阔叶林，但杂生有常绿阔叶树种。
既具有黄壤与红壤富铝化作用的特点，又具有棕壤粘化作用的特点。
呈弱酸性反应，自然肥力比较高，棕壤山东半岛和辽东半岛。
暖温带半湿润气候。
夏季暖热多雨，冬季寒冷干旱，年平均气温为5～14℃，年降水量约为500～1000厘米。
植被为暖温带落叶阔叶林和针阔叶混交林。
土壤中的粘化作用强烈，还产生较明显的淋溶作用，使钾、钠、钙、镁都被淋失，粘粒向下淀积。
福建省龙岩市一级达标校2023-2024学年高三下学期3月联考二模地理试题(原卷版)
A.分选、加工B.设计、研发C.制造、销售D.采购、安装
6.推测前置仓的主要作用是（）
A 策划宣传图片B.配送生鲜产品C.制定促销方案D.开发个性产品
山东青岛（36.5°N，119.5°E）恢复的一处古建筑采用重檐式屋顶，即两重或两层以上的屋顶，屋顶与天花板之间有一个架空层。该古建筑欲在冬至日正午前后实现太阳光通过地面金砖反射照亮金匾（金匾横向悬挂于北墙）的效果，建造人员进行了精心的设计。图示意古建筑基本结构。完成下面小题。（tan30°≈0.6）
海拔（m
植被类型
>2100
针叶林
16002100
山地草原
12001600
甲
<1200
荒漠草原
15.博罗科努山脉雪线高低及原因（）
A.南高北低南坡是向阳坡B.南低北高南坡是迎风坡
C.南高北低南坡是背风坡D.南低北高北坡是迎风坡
16.根据材料分析，博罗科努山脉南坡1200m~1600m范围内甲植被类型为（）
倒置河床是一种高出周边地表的古河流地貌，可以表征区域气候的波动变化。沙漠中分布的倒置河床多发育在山前倾斜洪冲积平原上。图左示意倒置河床，图右示意冲积扇。完成下面小题。
12.倒置河床形成期间，该区域气候的主要变化特征是（）
A.风速由大变小B.昼夜温差变大
C.降水由少变多D.太阳辐射减弱
13 沙漠地区倒置河床主要发育于图中（）
A.山地草甸B.针叶林C.常绿阔叶林D.落叶阔叶林
第Ⅱ卷（非选择题共52分）
二、非选择题：本题共3大题，共52分。
17.阅读图文资料，完成下列问题。
材料一：巴塔哥尼亚冰原是全球第三大冰原区，位于冰原之上的雪山大多由花岗岩组成，多呈塔状，山峰的崖壁近乎垂直，如一根根针锥插在山上，尖峭挺立。其中位于人烟罕至的菲茨罗伊峰，常年笼罩在“云雾”之中，是世界上最难攀登的山峰之一。
简明蚕病防治技术-鲁兴萌蚕病工作站
川渝蚕区
属中亚热带的四川盆地，地形闭塞，气温高于同纬度其他 地区。
年均温16～18℃。10℃以上活动积温4500～6000℃，无 霜期长280～350d ，持续期8～9个月年。
年日照为900～1300 h 年降水量1000～1300 mm 。 土壤多为紫色土，具中性或中性偏碱。
生物、信息和材料等科学与技术的快速发展给养蚕业在内 的农业带来巨大的希望和无限的想象。
家蚕因其诸多独特的生物学特性及小规模饲养的可控性， 使其成为一种优良的生物资源和材料，在生物技术产业领 域进行开发和利用具有巨大的潜力，是新新经济生长点诞 生的重要可能。→养蚕业从传统农业嬗变成现代农业，也 可认为是生物技术产业或其它产业的发展。
山地丘陵红壤蚕区
---浙西南、皖南、赣南、湘南和粤西北等
气候属中亚热带，热量丰富，降雨充沛。 年平均气温一般都在15～22℃ 年日照时数1447～1600 h，无霜期在210～300d. 年降水量在1200～2000 mm， 土壤多数为红壤和黄壤，土壤有机质相对偏低。
• 影响蚕区分布或布局的因素 ？
第一节 中国蚕丝业发展简史 第二节 蚕丝业发展与现状 第三节 中国蚕区划分
农业区划专家
（气候、土壤、产量…）
北方干旱蚕区 黄淮海流域蚕区 长江流域蚕区 南方中部山地红壤蚕区 华南平原丘陵蚕区
？
（…品质）
太湖流域蚕区 黄淮海流域蚕区
川渝蚕区 西部高原红壤蚕区 山地丘陵红壤蚕区
零星蚕区
太湖流域蚕区
生态补偿机制（经济基础） 产业转移（劳动力、污染…）
4、科技水平与文化因素
科技对养蚕业的发展具有重要的支撑和引导作用。 18世纪的欧洲和19世纪日本的养蚕业崛起。
赤红壤
(2）理化性质 1）赤红壤和砖红壤间表现出明显的过渡性质； 2）盐基元素大量流失。钙、钠只有痕迹，镁、钾 也不多；
3）全剖面呈较强的酸性反应。PH为4.5～5.5，盐 基饱和度低，多在30﹪以下；
4）普遍具有明显的淀积层； 5）土壤全磷量较低; 6)土壤阳离子交换量大多较低。
6、土壤分类
我国土地分类系统中分为：
赤红壤
黄色赤红壤
赤红壤性土。
7、利用改物 气候，是我国发展粮食和热带、亚热带经济 作物的重要基地。如茶叶、柑橘、木瓜、荔 枝等。所以在开发利用上，应从全局出发， 实行区域种植，重点发展以热带、亚热带水 果为主，并根据不同的生态环境及土壤条件， 建各种优质水果商品基地。
3、植被
原生植被为南亚热带季雨林，部分区 域以热带植被为主。目前，赤红壤上大 面积的植被为疏林草地。
4、成土过程
以脱硅富铝化和生物积累过程为主。
（1）土体部分碱金属和碱土金属含量极少，钙 和钠只有痕迹存在，镁、钾含量也不高，黏粒硅 铝率为1.7～2.0。赤红壤中淀积层和母质层中残 留的重矿物和磁性铁矿物含量低于红壤和黄壤， 而石英矿物含量则明显高于红壤和黄壤。赤红壤 的风化淋溶系数为0.05～0.15，明显高于砖红壤 而低于红壤。
1、地理分布
南亚热带季雨林下发育的土壤。总面积为 1778.7×10*4h㎡，主要分布于北纬22～25 度之间的狭长地带。
我国的赤红壤主要分布于北回归线两侧。
2、成土条件
赤红壤形成于冬暖夏热、湿润多雨的气 候区，年平均气温为19～22度。≥10度积 温为6500～8450度；年降雨量为1000～ 2600㎜，年蒸发量为1376～2000㎜，干 湿季分明。
（2）生物积累作用 以植物残体落到地面被分解，促进赤红壤的 形成及其肥力演变为主。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
������７８������
福建农林大学学报( 自然科学版)
第 ４５ 卷
变化特征和未来变化趋势进行研究. 但由于气候因子尤其是区域的气候因子往往受到区域其它因素( 包括地形、植被、人为活动等因素)
的影响ꎬ因此想要准确判断某一区域的气象因子变化趋势并分析其原因是一个综合性工作ꎬ不仅需要多种 统计方法相互验证ꎬ而且需要选择对照区域.本研究以福建长汀地区( 水土流失严重) 为例ꎬ并以屏南地区 ( 无明显水土流失) 的分析结果为参照ꎬ分析影响长汀温度、降水量变化的因素.
赵嘉阳１ꎬ 郭福涛２ꎬ 梁慧玲１ꎬ 苏漳文２ꎬ 王文辉２ꎬ 林玉蕊１ (１.福建农林大学计算机与信息学院ꎻ２.福建农林大学林学院ꎬ福建 福州 ３５０００２)
摘要: 采用线性回归、Ｄａｎｉｅｌ 和 Ｍａｎｎ￣Ｋｅｎｄａｌｌ 检验法ꎬ分析长汀地区 １９６５－２０１３ 年的气温及降水变化趋势ꎬ并选取屏南地区
长汀地区土壤侵蚀发生于 ２０ 世纪初ꎬ至今将近一百年ꎬ流失区主要分布于县域中部ꎬ即以河田盆地为 中心的三洲、河田、策武、濯田等乡镇.２０ 世纪以来多次发生林地滥垦、森林滥发事件ꎬ植被遭严重破坏ꎬ光 山秃岭面积越来越大ꎬ植被覆盖率极低.虽然 １９４０ 年福建土壤包肥试验区就已经开始研究治理方法ꎬ但由 于人口增长速度过快、经济落后、治理不力等原因ꎬ到 ２０ 世纪 ８０ 年代这种状况还没有得到明显改善[９] .
做对比研究ꎬ解释长汀地区气象因子变化的原因.结果表明采用这 ３ 种方法进行气温、降水量变化趋势分析ꎬ得出的结论基
本一致ꎬ即长汀地区 １９６５—２０１３ 年气温呈增长趋势ꎬ且增长显著ꎻ１９６５—１９８９ 年降水量处于持续减少状态ꎬ从 １９９０ 年开始
增加ꎬ２０００ 年以后增加趋势趋于缓慢.Ｍａｎｎ￣Ｋｅｎｄａｌｌ 突变检验显示:长汀地区在 ２００５ 年发生气温突变ꎬ２００５ 年以后气温呈
２.２.２ Ｄａｎｉｅｌ 趋势检验法 Ｄａｎｉｅｌ 趋势检验法是基于 Ｓｐｅａｒｍａｎ 秩相关系数进行统计分析的一种方法. 在
Ｓｐｅａｒｍａｎ 秩相关检验中ꎬ不需考虑时间序列的真实数据ꎬ只需将时间序列数据转化为依次排名ꎬ数据量一
般要求 ４ 个以上.
将时间序列按照时间周期进行排序ꎬ得到 Ｙ１ꎬＹ２ꎬ������ꎬＹｎ( 按年排列的序号) ꎬ将时间序列数据按数值从
２ 研究方法
２.１ 数据来源 气象数据来源于中国气象数据共享网络( ｈｔｔｐ: / / ｃｄｃ.ｃｍａ.ｇｏｖ.ｃｎ / ) [１１] ꎬ气象数据涵盖福建省内包括长
汀、屏南在内的 ２２ 个国家级气象站的每日气象数据.本研究从每日气象数据中提取长汀、屏南地区气温和 降水量 ２ 个气象因子的年际数据进行对比研究ꎬ对于个别年份数据缺失采用时间序列模型进行拟合补充.
关键词: 气温ꎻ 降水量ꎻ 线性回归ꎻ Ｄａｎｉｅｌ 及 Ｍ￣Ｋ 检验法ꎻ 突变检验
中图分类号: Ｐ４０
文献标识码: Ａ
文章编号:１６７１￣５４７０( ２０１６) ０１￣００７７￣０７
ＤＯＩ:１０.１３３２３ / ｊ.ｃｎｋｉ.ｊ.ｆａｆｕ( ｎａｔ.ｓｃｉ.) .２０１６.０１.０１３
Ｃｈａｎｇｅｓ ｉｎ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｉｎ Ｃｈａｎｇｔｉｎｇꎬ Ｆｕｊｉａｎ Ｐｒｏｖｉｎｃｅ ｄｕｒｉｎｇ １９６５－２０１３
收稿日期:２０１５－０５－１３ 修回日期:２０１５－０９－０１ 基金项目:福建省自然科学基金资助项目(２０１５Ｊ０５０４９) ꎻ福建省教育厅资助项目( ＪＫ２０１４０１２) ꎻ保险精算实验室基金资助项目(１１８３１００１０) . 作者简介:赵嘉阳(１９９１－) ꎬ男ꎬ硕士研究生.研究方向:统计信息技术与数据挖掘.Ｅｍａｉｌ:ｊ＿ｙ＿ｚｈａｏ＠ １２６.ｃｏｍ.通讯作者林玉蕊( １９６３－) ꎬ女ꎬ教 授ꎬ硕士生导师.研究方向:统计学、数值代数.Ｅｍａｉｌ:ｙｒｌｉｎ＠ ｆａｆｕ.ｅｄｕ.ｃｎ.
ｎ
∧ｎ
Ｓ２
∧
(ｂ)
＝
∑(
ｉ＝１
ｘ
ｉ
－ｘ)
２
－
ｂ
２
∑(
ｉ＝１
ｔ
ｉ
－ｔ)
２
( ｎ－２)
Байду номын сангаас
(１)
式中:ｔ、ｘ分别为序列的均值.
∧
∧
假设序列不存在线性趋势ꎬ即 ｂ ＝ ０.统计量 Ｔ ＝ ｂ Ｓ ( ｂ ) ꎬＴ 服从自由度(ｎ－２)的 ｔ 分布.对于给定的显著
性水平 αꎬ在 ｔ 分布表中查出临界值 ｔα/ ２.如果 Ｔ >ｔα/ ２ꎬ则原假设不正确ꎬ序列线性趋势显著ꎻ如果 Ｔ <ｔα/ ２ꎬ 则原假设正确ꎬ即序列线性趋势不显著.
因子变化趋势显著ꎻ当－ｗｐ <ｒｓ <ｗｐ 时ꎬ气象因子变化趋势不显著ꎬ变化稳定.当 ｒｓ >０ 时ꎬ变化呈上升趋势ꎻ反
之ꎬ呈下降趋势[７] .
２.２.３ Ｍａｎｎ￣Ｋｅｎｄａｌｌ 趋势检验法 Ｍａｎｎ￣Ｋｅｎｄａｌｌ 趋势检验法是世界气象组织( ＷＭＯ) 推荐并已经得到广泛
上升趋势ꎬ并于 ２００８ 年达到显著增加水平ꎻ而对照地区屏南的气温突变发生在 １９９４ 年ꎬ并在 ２０００ 年以后气温呈显著上升
状态. 表明整体上长汀地区的温度和降水的变化趋势与对照地区( 屏南) 相近ꎬ但存在突变点提前或滞后的现象. 说明人为因
素对当地植被和生态环境造成了影响ꎬ进而影响了当地的温度和降水等区域气象因子.
Ａｂｓｔｒａｃｔ: Ｉｎ ｏｒｄｅｒ ｔｏ ｐｒｅｄｉｃｔ ｌｏｃａｌ ｃｌｉｍａｔｅ ｆｏｒ ａｇｒｉｃｕｌｔｕｒｅ ａｎｄ ｅｃｏｓｙｓｔｅｍ ｒｅｓｔｏｒａｔｉｏｎ ｉｎ ｌｏｎｇ ｒｕｎꎬ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓꎬ Ｄａｎｉｅｌ ｔｒｅｎｄ ｔｅｓｔ ａｎｄ Ｍａｎｎ￣Ｋｅｎｄａｌｌ ｍｕｔａｔｉｏｎ ｔｅｓｔ ｗｅｒｅ ａｐｐｌｉｅｄ ｔｏ ａｎａｌｙｚｅ ｄａｔａ ｏｎ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｄｕｒｉｎｇ １９６５－２０１３ ｉｎ Ｃｈａｎ￣ ｇｔｉｎｇ ( ａ ｔｙｐｉｃａｌ ｅｒｏｓｉｖｅ ｃｏｕｎｔｙ ｉｎ Ｗｅｓｔ Ｆｕｊｉａｎ) ａｎｄ Ｐｉｎｇｎａｎ ( ａ ｆｏｒｅｓｔｅｄ ｃｏｕｎｔｙ ｉｎ Ｎｏｒｔｈｅａｓｔ Ｆｕｊｉａｎ) . Ｐｉｎｇｎａｎ ｗａｓ ｕｓｅｄ ａｓ ａ ｃｏｎｔｒｏｌ ｒｅｇｉｏｎ ｔｏ ｒｅｖｅａｌ ｔｈｅ ｐｏｓｓｉｂｌｅ ｒｅａｓｏｎ ｆｏｒ ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｉｎ Ｃｈａｎｇｔｉｎｇ. Ｉｎ ｃｏｎｔｒａｓｔ ｗｉｔｈ ａｎ ｕｐｒｉｓｉｎｇ ｔｒｅｎｄ ｏｎ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ Ｃｈａｎｇｔｉｎｇ ｄｕｒｉｎｇ １９６５－２０１３ꎬ ｌｏｃａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｃｏｎｔｉｎｏｕｓｌｙ ｄｒｏｐｐｅｄ ｆｒｏｍ １９６５ ｔｏ １９８９ꎬ ｉｎｃｒｅａｓｅｄ ａｆｔｅｒ １９９０ ｔｈｅｎ ｓｌｏｗｅｄ ｄｏｗｎ ａｆｔｅｒ ２０００. Ａｃｃｏｒｄｉｎｇ ｔｏ Ｍａｎｎ￣Ｋｅｎｄａｌｌ ｔｅｓｔꎬ Ｃｈａｎｇｔｉｎｇ ｔｅｍｐｅｒａｔｕｒｅ ｉｎｃｒｅａｓｅｄ ｓｉｎｃｅ ２００５ ａｎｄ ａｔ ａ ｈｉｇｈｅｒ ｒａｔｅ ａｆｔｅｒ ２００８. Ｏｎ ｔｈｅ ｃｏｎｔｒａｒｙꎬ ｔｅｍ￣ ｐｅｒａｔｕｒｅ ｍｕｔａｔｉｏｎ ｏｆ Ｐｉｎｇｎａｎ ｏｃｃｕｒｒｅｄ ｉｎ １９９４ꎬ ｔｈｅｎ ｔｈｅ ｔｅｍｐｅｒａｔｕｒｅ ｉｎｃｒｅａｓｅｄ ｆａｓｔｅｒ ａｆｔｅｒ ２０００. Ｉｔ ｃｏｕｌｄ ｂｅ ｍｏｄｅｒａｔｅｌｙ ｉｎｄｉｃａｔｅｄ ｔｈａｔ ｔｒｅｎｄ ｏｆ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｗａｓ ｓｉｍｉｌａｒ ｂｅｔｗｅｅｎ Ｃｈａｎｇｔｉｎｇ ａｎｄ Ｐｉｎｇｎａｎ ｂｕｔ ｔｈｅ ｍｕｔａｔｉｏｎ ｔｉｍｅ ｓｈｉｆｔｅｄ ｂｅｔｗｅｅｎ ｔｗｏ ｒｅ￣ ｇｉｏｎｓ. Ｄｉｆｆｅｒｅｎｃｅｓ ｉｎ ｍｕｔａｔｉｏｎ ｔｉｍｅ ｗａｓ ｖｅｒｙ ｌｉｋｅｌｙ ａｔｔｒｉｂｕｔｅｄ ｔｏ ｈｕｍａｎ ａｃｔｉｖｉｔｉｅｓ ｔｈａｔ ａｌｔｅｒｅｄ ｌｏｃａｌ ｖｅｇｅｔａｔｉｏｎ ｃｏｎｄｉｔｉｏｎ ａｎｄ ｅｃｏｌｏｇｙ ｅｎｖｉｒｏｎｍｅｎｔꎬ ｗｈｉｃｈ ｉｎｄｉｒｅｃｔｌｙ ａｆｆｅｃｔ ｌｏｃａｌ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎ. Ｋｅｙ ｗｏｒｄｓ: ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｐｒｅｃｉｐｉｔａｔｉｏｎꎻ ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ ａｎａｌｙｓｉｓꎻ Ｄａｎｉｅｌ ｔｒｅｎｄ ｔｅｓｔꎻ Ｍａｎｎ￣Ｋｅｎｄａｌｌ ｍｕｔａｔｉｏｎ ｔｅｓｔ ꎻ ｍｕｔａｔｉｏｎ ｔｅｓｔ
２.２ 研究方法
２.２.１ 线性回归法 假定一个样本时间序列为 ｘ１ꎬｘ２ꎬ������ꎬｘｎꎬ其对应的时序值为 ｔ１ꎬｔ２ꎬ������ꎬｔｎꎬ建立一元线性
回归方程:ｘｉ ＝ ａ＋ｂｔｉ ＋εｉ( ｉ ＝ １ꎬ２ꎬ������ꎬｎ) ꎬ式中:ａ 为回归常数ꎬｂ 为回归系数ꎬεｉ 为随机误差项.由回归分析法 求出参数 ａ、ｂ 的估计值 ∧ａ、∧ｂ 的方差估计值:
屏南县位于福建省东北部ꎬ地处北纬 ２６°４４—２７°１０′、东经 １１８°４１′—１１９°１３′.屏南境内属中亚热带海 洋性季风气候ꎬ四季分明ꎬ冬无严寒ꎬ夏无酷暑ꎬ雨量充沛ꎬ年降水量达 １８４２.３ ｍｍꎬ年平均气温 １３ ~ １８ ℃ . 全县平均森林覆盖率 ７５.６％ꎬ绿化程度达 ９１.１％ꎬ２００４ 年被评为全省“ 林业工作十佳县” [１０] .
ＺＨＡＯ Ｊｉａｙａｎｇ１ꎬ ＧＵＯ Ｆｕｔａｏ２ꎬ ＬＩＡＮＧ Ｈｕｉｌｉｎｇ１ꎬ ＳＵ Ｚｈａｎｇｗｅｎ２ꎬ ＷＡＮＧ Ｗｅｎｈｕｉ２ꎬ ＬＩＮ Ｙｕｒｕｉ１
(１.Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅꎻ ２.Ｃｏｌｌｅｇｅ ｏｆ Ｆｏｒｅｓｔｒｙꎬ Ｆｕｊｉａｎ Ａｇｒｉｃｕｌｔｕｒｅ ａｎｄ Ｆｏｒｅｓｔｒｙ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｆｕｚｈｏｕꎬ Ｆｕｊｉａｎ ３５０００２ꎬ Ｃｈｉｎａ)