基于相空间重构与RBF神经网络的干旱预测模型

通过引入混沌和相空间重构理论,将一维时间序列重构为多维序列,并与径向基函数神经网络模型相结合,建立了基于条件植被温度指数(VTCI)的干旱预测模型,并对其进行了验证.结果表明:干旱预测结果与实际干旱监测结果中的VTCI最大值、最小值、平均值及标准差十分接近,所有样本点的预测值的相对误差的绝对值均低于9%.经过a=0.0...     

条件植被温差指数干旱监测方法的研究与应用

地表昼夜温差(ΔT)与植被覆盖度和土壤含水量等密切相关。文中在条件植被温度指数(VTCI)干旱监测方法的相关研究成果的基础上,应用MODIS数据,通过引入ΔT探究条件植被温差指数(ΔT-VTCI)干旱监测方法的可行性。ΔT-VTCI既考虑了区域内NDVI的变化,又考虑了在NDVI相同的条件下ΔT的变化。陕西省关中平原2000-2011年每年4月上、中、下旬和5月上旬的干旱监测结果表明,ΔT-VTCI的干旱监测结果与VTCI的干旱监测结果基本相符,可用于研究干旱的时空变化特征。通过对比分析多年多旬VTCI和ΔT-VTCI的干旱监测结果,发现两种方法得到的干旱监测结果的散点主要分布在1:1对角线附近,且呈显著的线性相关关系,说明这两种方法得到的干旱监测结果具有可比性。     

基于相空间重构与RBF神经网络模型的面上干旱预测研究

条件植被温度指数(VTCI)是一种适合关中平原的近实时定量化的干旱监测方法,在前期基于以旬为单位的VTCI样本点上相空间重构与RBF神经网络干旱预测研究的基础上,进一步进行了VTCI遥感面上的干旱预测研究。通过分析样本点VTCI时间序列的延迟时间和重构维数,确定整个面上VTCI时间序列相空间维数为7,从而对面上VTCI数据进行了相空间重构。对重构后的VTCI数据应用RBF神经网络模型预测得到了2009年4月上旬到5月中旬的VTCI预测结果。结果表明,多旬预测结果都较好地反映了监测结果的特征,各旬预测结果的绝对误差频数分布主要集中在-0.2到0.2之间。应用Kappa系数评价预测结果与监测结果的一致性程度：5月中旬为显著,4月上旬和中旬为中度,4月下旬和5月上 旬的一致性为弱,但阳性一致率较高。该模型的面上预测精度较好,适合关中平原的干旱预测研究。     

基于条件植被温度指数的干旱监测研究

以黑龙江军川农场为研究区域,应用Landsat TM卫星遥感数据计算和反演归一化植被指数和地表温度,采用条件植被温度指数(VTCI)的方法对该区域进行土壤表层水分监测.通过与同一时期的LST和NDVI模型的反演结果进行对比,结果表明:VTCI与该模型的纹理特征相似,干旱的分布规律几乎一致.应用土壤表层含水量数据对干旱监测结果进行验证,验证结果表明VTCI与土壤表层含水量有较好的线性相关性,进一步证实了VTCI是一种实时的干旱监测方法.     

不同时间尺度条件植被温度指数干旱监测方法的适用性分析

以陕西省关中平原为研究区域,选取2003—2013年3—5月的Aqua-MODIS遥感数据、降水量和土壤含水量数据,探究10 d、16 d、32 d和48 d时间尺度条件植被温度指数(VTCI)干旱监测方法的适用性。结果表明:随着时间尺度增大,VTCI与降水量和土壤含水量的相关性均逐渐减小,说明VTCI干旱监测方法的适用性随时间尺度的增大而减小,且48 d时间尺度VTCI不适用于监测某一地区的受旱程度。不同时间尺度VTCI干旱监测结果的对比分析表明,旬尺度VTCI干旱监测的准确性最高。     

条件植被温度指数干旱监测指标的等级划分

以每年3月下旬至5月下旬陕西渭北旱塬合阳、蒲城、澄城、永寿县和耀州区5个旱作农业站点以旬为单位的条件植被温度指数(VTCI)为研究对象,根据气象干旱指数的等级划分标准将VTCI分级。结果表明:VTCI被划分为4个等级。VTCI0.55为无旱,VTCI在0.46～0.55之间为轻旱,VTCI在0.37～0.46之间为中旱,VTCI0.37为重旱。通过气温、降水等气象资料对VTCI等级划分结果的验证表明,VTCI的干旱监测结果与当地基于气象资料的监测结果相一致,证实了该等级划分结果是可行的。     

基于Terra-MODIS和NOAA-AVHRR数据的条件植被温度指数干旱监测及其对比分析

以陕西省关中平原为研究区域,选取2000-2009年每年4月上、中、下旬和5月上旬Terra-MO-DIS和NOAA-AVHRR遥感数据,应用条件植被温度指数(VTCI)方法,探究在两种遥感数据源、相同时间尺度下VTCI干旱监测结果的特点和可比性。通过对比分析多年同一旬的VTCI结果发现,两种数据的监测结果反映出的旱情分布规律相同,并且符合实际的干旱情况。尽管两种遥感数据在过境时间、波段数等方面均有所不同,但是两种数据的VTCI结果散点分布呈现出明显的线性相关关系,说明两种数据得到的VTCI干旱监测结果是具有可比性的。     

关中平原小麦生育期VTCI加权估算及其与产量的相关性研究

选取关中平原冬小麦主要生育期的条件植被温度指数( VTCI)遥感干旱监测结果,运用层次分析法、因子权重排序法两种主观赋权法和主成分分析法、熵值法两种客观赋权法,分别确定加权VTCI,并与关中平原5地区冬小麦年产量建立线性回归模型,研究VTCI对冬小麦产量的影响.结果表明,两种主观赋权法确定的加权VTCI与产量之间存在着...     

基于广西岩溶和非岩溶地貌的干旱遥感监测模型研究

根据MODIS植被指数和陆面温度,建立植被状态指教(VCI)、温度条件指数(TCI)和植被-温度指数(DI)模型;采用广西2004年10～11月数据,利用相关系数、全距和变异系数对3个干旱监测模型应用于广西岩溶区和非岩溶区大范围干旱监测的适用性进行了论证分析,结果表明:植被-温度指数模型(DI)最适用,温度条件指数(TCI)次之,植被状态指数(VCI)则较难胜任.并使用植被-温度指数DI模型监测了广西2005年秋旱,经与干旱实况对比,干旱指数DI的监测结果与实况相符,表明植被-温度指数遥感监测模型能准确反映出广西岩溶和非岩溶地貌环境的干旱时空变化特征,适用于广西大范围的干旱监测.     

2013年关中地区春旱的实时监测与剖析

陕西省关中地区春旱和伏旱频发,素有“十年九旱”之说。据气象部门报道,2012年年末至2013年年初,陕西省遭遇了自1961年以来最严重的一次气候干旱,严重影响了关中地区冬小麦的生长。为了进一步论述遥感干旱监测的实时性和宏观性,本文基于Aqua MODIS卫星遥感数据,采用条件植被温度指数(VTCI)干旱监测方法对关中地区2013年3月以来的干旱程度进行了监测并进行剖析。     

冬小麦生物量卫星遥感估测研究

生物量是反映冬小麦长势的重要群体指标,及时、大面积获取冬小麦生物量信息有利于掌握早期冬小麦长势和产量形成动态,对于生产管理措施制定意义重大。以江淮麦区的泰兴、兴化两市大田冬小麦为研究区域,基于冬小麦生物量模型(WBM),利用环境星(HJ-1)进行冬小麦拔节期生物量监测预报研究。在提取研究区域小麦面积信息的基础上,利用泰兴市冬小麦拔节期遥感影像反演的LAI及时修订生物量模型的参数,再利用模型对兴化市冬小麦生物量信息进行预测。结果表明:(1)利用生物量模型预测的冬小麦生物量为1897.03～3800.78kg/hm2,平均为2866.33kg/hm2。实测的生物量为1932.30～3689.44kg/hm2,平均为2711.75kg/hm2,相对误差为5.70%,生物量模型的预测性较好;(2)利用预测生物量与卫星影像NDVI的转换模型,可制作冬小麦生物量预测专题图,并能准确、大面积获取不同等级生物量的冬小麦面积分布与长势信息。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价——Ⅱ.改进的层次分析法和变异系数法组合赋权

运用改进的层次分析法、变异系数法及主客观组合赋权法确定关中平原冬小麦越冬后主要生育时期干旱对产量的影响权重,建立关中平原五市2002—2009年每年的加权条件植被温度指数(VTCI)与冬小麦单产的一元线性回归模型,分析VTCI与产量间的线性关系。结果表明,变异系数法确定的加权VTCI与小麦单产的线性相关性不显著,渭南、咸阳及铜川的决定系数R²值均低于0.5;改进的层次分析法和组合赋权法确定的加权VTCI与小麦单产的线性相关性显著,除铜川外其余四市的R²值接近0.5,或者高于0.6,且组合赋权法的结果中西安的R²值达到0.7。基于改进的层次分析法和变异系数法的归一组合赋权法的结果优于其它 主客观组合赋权法的结果,为最优赋权方法,可用于评价冬小麦主要生育时期的干旱监测效果。     

基于同化叶面积指数和条件植被温度指数的冬小麦单产估测

应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。     

ET_0预测的卡尔曼滤波修正ANFIS模型研究

实时、准确地对作物需水量的预测是实现智能节水灌溉的关键技术。预测模型的合理选择及精度提高是作物需水决策系统的核心。本文将陕西西安地区的气象数据环境信息引入自适应神经模糊推理(ANFIS)作物参考蒸腾量(ET_0)预测模型,应用卡尔曼滤波器对气象数据经ANFIS建模得到的ET_0预测值进行滤波去噪,以提高模型的预测精度,并通过仿真和实验验证,从理论和实践两个方面来验证模型的精度。仿真结果得到,反映模型预测值与真实值之间拟合程度的均等系数(EC)值校正前为0.93,校正后达到0.98。实验结果得到,ANFIS预测模型的平均绝对误差是28.94%,平均相对误差是26.37%,卡尔曼修正后的ANFIS预测模型的平均绝对误差是7.24%,平均相对误差是6.59%。仿真和实验结果表明,利用卡尔曼滤波对ANFIS预测模型进行修正,可以提高预测的精度,经卡尔曼修正后的ANFIS模型能更佳地反映ET_0的变化趋势。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ——干旱对冬小麦产量的影响评估

选取关中平原2002-2009年冬小麦越冬后每年3-5月9旬的条件植被温度指数（CVTI）遥感干旱监测结果,基于归一组合赋权法确定的冬小麦越冬后四个主要生育时期干旱对产量影响的最优权重,建立关中平原4市（不包括铜川）冬小麦每年的加权CVTI与单产间的一元线性回归模型,并对冬小麦的单产进行了估算。结果表明,2002-2009年关中平原冬小麦单产在波动中呈上升趋势,中部单产较高,西部次之,东部最低。基于关中平原4市的整体产量估算模型预测西安市部分区县2010年的单产,取得较好的结果,验证了关中平原4市的整体产量估算模型具有较好的精度,能够较准确地反映关中平原干旱对冬小麦产量的影响。     

中国棉花害虫测报：70年回顾

棉花害虫是威胁我国棉花生产的重要有害生物类群,文章回顾了新中国成立至今,我国棉花害虫测报技术体系的发展历程,即20世纪50—70年代棉花害虫测报技术的起步和发展,80—90年代棉花害虫测报技术体系的建立与完善,2000年以来棉花害虫测报技术手段的创新与升级,重点总结了棉铃虫Helicoverpa armigera （Hübner）和盲蝽等主要害虫在成虫诱集工具、田间虫量调查方法、发生期与发生程度预报和信息传输技术等方面的进步与完善,展望了未来推进智能化监测工具、大区监测手段和大数据预报技术的研究与应用前景。