摘要：采用机器学习中的支持向量机(SVM)方法,建立以适应区域尺度生产指导为目的的水稻发育期预测模型。通过整合水稻发育期数据和气象数据,构建训练集与测试集,并应用SVM算法建立针对5个不同发育阶段,应用2种不同样本构建方法的10个发育期预测模型。对其逐一进行评估,最终挑选出具有最佳预测效果的模型作为研究成果。结果表明:采用第1类样本(提前150d的样本)生成策略的5个发育期模型,其预测精度均大于80%,甚至达到95%的水平;而采用第2类样本(提前30d的样本)生成策略的5个发育期模型,其精度普遍在80%左右。与此同时,对这2种样本构建方法分别进行了敏感性及假阳性比较。结果表明:虽前者敏感性高于后者,但其假阳性也高,预测误差在9d左右,而第2类样本的预测误差则能控制在4～5d内,更符合模型构建的要求。采用第2类样本生成策略进行发育期模型的研究可获得更准确的预测结果。

摘要：在浙江诸暨红壤丘陵山区的野外径流小区条件下,设计5种不同植物篱种植模式,结合自然降雨、人工模拟暴雨试验、稀土元素(REE)示踪、土壤抗蚀性评价等方法,研究植物篱的减流减沙效应和控制机理。结果显示,与裸坡相比,自然降雨下麦冬双行植物篱处理地表径流量降低39.4%,土壤流失量降低65.8%,效果最佳。降雨前土壤含水量能显著影响径流和土壤流失的发生特征。土壤容重和孔隙度可作为衡量植物篱控制水土流失效应的最佳指标。根据17个抗蚀性指标建立植物篱条件下红壤抗蚀性的综合评价指标体系,评价结果表明土壤综合抗蚀性由高到低依次为麦冬双行、黄花菜+麦冬双行、黄花菜双行、麦冬单行、黄花菜单行和裸坡。不同坡位植物篱对土壤抗蚀性的影响存在差异,侵蚀泥沙主要来源集中在中下坡位。