基于室内高光谱数据的多种类型土壤有机质估算模型比较

基于高光谱数据的土壤有机质反演是土壤遥感及精准农业的重要研究内容,然而不同的光谱处理及建模方法使得模型的估算能力及精度差异明显,限制了模型之间的通用性。为了构建陕西省土壤有机质含量估算的最优模型,以陕西省9种主要土壤类型的216个土样的光谱反射曲线和土壤有机质含量为数据基础,将光谱反射曲线进行一阶微分d(R)、倒数对数log(1/R)、倒数对数一阶微分d[log(1/R)]和包络线去除N(R)4种变换,结合一元线性回归(SLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种建模方法构建了不同的土壤有机质含量估算模型。结果显示:不同类型土壤的反射光谱曲线总体态势基本一致,吸收特征位置基本相同,且土壤有机质含量与光谱反射率呈负相关态势;基于d [log(1/R)]光谱变换构建的SVR估算模型精度最高,建模集和验证集的判断系数(R~2)分别为0.9210、0.8874,验证均方根误差(RMSE)为2.18,相对分析误差(RPD)达到2.8751,是估算陕西省土壤有机质含量的最优模型,PLSR次之,SLR最差。     

基于无人机高光谱影像玉米叶绿素含量估算

以无人机为平台搭载高光谱相机获得玉米农田高光谱影像，从中提取光谱特征参数，构建玉米叶片叶绿素含量估算模型，并制作玉米叶片叶绿素含量分布图。结果表明，以红边面积（SDr）、红边一阶微分最大值（Dr）、差值植被指数(DVI)为自变量构建的回归模型建模精度较高，以此反演玉米叶片SPAD值分布图并对填图结果进行精度检验，得出SPAD-Dr模型填图预测效果最佳（R2=0.89,RMSE=1.28,RE=2.31），可以作为玉米叶片叶绿素含量无人机高光谱影像遥感反演估算的基本模型。     

多植被指数组合的冬小麦遥感估产方法研究

为了提高大面积冬小麦农田产量快速估算的准确率,选取Landsat 8 OLI卫星遥感数据,计算归一化植被指数NDVI、比值植被指数RVI、绿度植被指数GVI、增强植被指数EVI,分别建立4种植被指数组合与地面冬小麦实测产量的回归方程或神经网络和SVM模型。结果表明:单植被指数的非线性回归方程估产精度高于线性回归方程,冬小麦实测产量与遥感植被指数表现为非线性关系;线性回归方程估产时多植被指数组合精度高于单植被指数,多植被指数组合可实现信息互补,提高遥感估产精度;建立多植被指数组合与实测产量的非线性遥感估产模型时,SVM模型的均方根误差RMSE为339.6kg·hm~(-2),决定系数R~2为0.7852,估产精度高于BP神经网络模型、RBF神经网络模型,可应用于冬小麦遥感估产的快速、准确实现。     

科尔沁沙地青贮玉米蒸散量的估算与分析

为准确估算科尔沁沙地青贮玉米实际蒸散量的变化规律,选用ASCE Penman-Monteith(ASCE-PM)模型计算参考作物蒸散发(ET0);利用双作物系数模型模拟土壤含水率与对应实测值进行统计分析,根据均方根误差、一致性指数、平均绝对误差和Nash-Sutcliffe效率指数4个指标以及回归系数和决定性系数对双作物系数模型进行率定和验证,然后模拟青贮玉米的作物系数,与ASCE-PM模型结合后模拟青贮玉米的蒸散发、棵间土壤蒸发和作物蒸腾规律,并分析其影响因素。结果表明:双作物系数模型准确地模拟土壤含水率和棵间土壤蒸发的变化过程,率定各阶段基础作物系数为0.25、0.9和0.5。棵间土壤蒸发先由播种时峰值下降到较低水平,于收割前有所回升;蒸腾速率除刚出苗和收割前呈单峰变化外大部分时段呈双峰变化,日内变化规律大体为中午高,早晚低,自出苗之日起生长中期后半段处于较高水平,之后逐渐减弱。青贮玉米蒸散量与太阳辐射线性关系最为显著(R=0.643),与气温、空气湿度和风速的相关性依次次之。ASCE-PM模型空气动力项5 d尺度贡献率为27.94%~77.66%,且随风速同增减。综上所述,ASCE-PM模型结合双作物系数可较好估算科尔沁沙地青贮玉米的实际蒸散量,以及棵间土壤蒸发和作物蒸腾量。     

基于高光谱与电磁感应技术的干旱区绿洲土壤含水量反演研究

为实现干旱区绿洲土壤含水量的快速、准确监测,利用采集自渭干河-库车河绿洲的84个表层(0~10cm)土壤样本,通过利用电磁感应仪(EM38)将所测解译后数据代替实测土壤含水量数据,将高光谱反射率重采样为Landsat8卫星遥感波段反射率,在选取光谱特征参数、提取敏感波段的基础上,利用偏最小二乘回归(PLSR)方法建立土壤含水量模型,将最优估算模型应用于遥感影像,实现研究区土壤含水量遥感反演。研究结果表明:(1)利用EM38所测水平模式土壤表观电导率与土壤含水量拟合效果最优,能够代替实测土壤含水量进行后续建模分析。(2)相比3种单一的光谱特征指数,利用多种光谱特征指数所建土壤含水量估算模型的建模效果更优,其干、湿各季建模集决定系数R~2大于0.7,均方根误差(RMSE)均小于0.5%,RPD均大于2,能够作为有效手段估算干旱区绿洲土壤含水量。(3)不同季节土壤含水量遥感反演值与实测值决定系数R~2均大于0.6,均方根误差(RMSE)均小于0.6%,显示了较高的预测精度,证明利用电磁感应技术与高光谱相结合能够实现对干旱区绿洲土壤含水量的精准、高效监测。     

利用Penman-Monteith法和蒸发皿法计算农田蒸散量的研究

根据西北农林科技大学灌溉试验站1998－2000年实测数据，用Penman-Monteith法计算了参考作物日蒸散量（ET0），用大型称重式蒸渗仪测量作物逐日实际蒸散量（ET），计算了作物系数（Kc），用蒸发皿法估算了农田蒸散量。对耗水量进行误差分析表明，冬小麦估算耗水最大偏差为13％，夏玉米估算耗水最大偏差为18％，这表明简易的蒸发皿方法估算作物耗水量是有效可行的。     

基于波文比-能量平衡法的半湿润地区葡萄园蒸发蒸腾量估算

为准确估算半湿润地区葡萄园蒸发蒸腾量，在测定气象数据的基础上，以水量平衡法的实测蒸发蒸腾量（ET）为参考，分析判断波文比-能量平衡法估算半湿润地区葡萄园蒸发蒸腾量的适用性以及整个生育期内葡萄ET的变化规律，分别采用单作物系数法（K_c）、双作物系数法（K_cb）估算半干旱半湿润地区葡萄ET。结果表明：全生育期内波文比-能量平衡法与水量平衡法之间的均方根误差(RMSE)与纳什系数(NSE)分别为0.54与0.64，决定系数为0.82，说明波文比-能量平衡法可以较好地应用于半湿润地区葡萄园蒸发蒸腾估算，双作物系数法比单作物系数法估算结果更为精确，计算出的双作物系数0.85、1.07、0.71可以作为本地区值。     

基于5种植被指数的荒漠区植被生物量提取研究

荒漠区植被地上生物量是土地荒漠化监测和荒漠植被遥感信息提取的重要指标。本研究以甘肃民勤县为试验区,以哨兵2号(Sentinel-2)影像为数据源,构建了比值植被指数RVI、归一化植被指数NDVI、差值植被指数DVI、土壤调节植被指数SAVI及优化型土壤调节植被指数OSAVI 5种植被指数与植被实测地上生物量的估算模型(一元线性、指数、对数和二项式模型),并利用所选的最优模型,估算了研究区的地上生物量。结果表明:SAVI相较于RVI、NDVI、DVI和OSAVI指数同地上生物量之间的相关性最高(r=0.79),基于SAVI指数的二项式模型是研究区地上生物量估算的最优模型(R²=0.76),且精度较高(R²=0.73,RMSE=0.12)。民勤县的植被相对密集区主要分布于四大灌区(红崖山、环河、昌宁、南湖)、青土湖周边以及红沙岗镇西北区域,其他地域植被较为稀疏,无植被区[<0.005 kg·(100m²)^-1]、低植被区[0.005～0.2 kg·(100m²)^-1...     

干旱区土壤盐渍化信息遥感建模

以新疆塔里木盆地北缘的渭干河-库车河三角洲绿洲为研究区,利用GF~(-1)与Landsat8 OLI影像数据作为基本数据源,从影像上提取15个盐分指数和5个光谱植被指数,通过灰度关联分析法,对0~10 cm表层土壤含盐量与影像光谱指数进行分析和筛选,确定出与土壤含盐量相关性较高的综合光谱指数,采用多元线性回归,偏最小二乘法回归,支持向量机回归三种方法分别对GF~(-1)与Landsat8 OLI影像构建基于实测数据和影像数据的综合指数土壤含盐量估算模型,并选出最优模型。结果表明:(1)在20个光谱指数中,相关性较好的光谱指数是SR、CSRI、SI、BI、S6、ARVI、SAVI、NDSI,关联系数均达到0.7以上,并基于这8个光谱指数构建综合光谱指数。(2)3种估算模型:基于GF~(-1)多元线性回归模型决定系数R~2为0.6856,高于决定系数R2为0.5142的Landsat8 OLI;偏最小二乘回归模型1~8个主成分,GF~(-1)决定系数2个3个1个,其中2个主成分最高可达0.6104,Landsat决定系数4个3个2个,其中4个主成分最高可达0.549;支持向量机模型3种函数,GF~(-1)决定系数RBFPolynomialLinear,其中RBF函数最高可达0.7969,Landsat决定系数PolynomialRBFLinear,其中Polynomial函数最高可达0.7154。对比3种模型可知,支持向量机回归模型的R2最高,因此该模型相对于多元线性回归和偏最小二乘回归更适于土壤盐渍化估算。     

不同水肥处理下夏玉米株高、生物量响应特征及光谱反演

以不同水肥处理下的大田夏玉米为研究对象，利用无人机遥感系统采集光谱数据，分析光谱数据及地面测量的玉米生长指标，明确不同水肥处理对夏玉米生长的影响，构建了基于光谱感知的作物生长指标监测模型。结果表明，不同灌溉施肥处理显著影响夏玉米株高，光谱计算的株高值与实测值均在P<0.0001水平上极显著相关，2020年拔节期的2个时段和喇叭口期的2个时段决定系数R²分别为0.354、0.483、0.672、0.702,2021年拔节期、喇叭口期、抽雄期和吐丝期R²分别为0.314、0.410、0.426、0.466。多个生育时期数据融合可以大幅提高光谱反演株高的精度，两年的拟合优度分别为0.946和0.906。多光谱植被指数与不同水肥处理下的夏玉米生物量相关性较好，利用Cubist算法构建的2020年玉米生物量反演模型表现最优；多个生育时期数据融合可以显著提高模型的反演精度，3种算法构建的模型(SVR模型，Cubist模型和RF模型)在2021年生育时期融合数据集上均表现较优，其在测试集上的R²分别达到了0.942、0.941、...     

基于无人机遥感的棉花主要生育时期地上生物量估算及验证

利用棉花主要生育时期的无人机近红外影像数据，提取4种不同的植被指数，通过与棉花地上生物量的实测值建立拟合关系，分析了不同植被指数在棉花各生育时期的估算效果并对其进行了验证。结果表明，随棉花生长，归一化植被指数（NDVI）、宽动态植被指数（WDRVI）、比值植被指数（RVI）和差值植被指数（DVI）均从苗期开始显著增加，其后则表现为基本稳定的“饱和”现象，但棉花实测生物量在不同生育期均有显著差异。植被指数与棉花实测生物量的拟合结果显示：NDVI和DVI的二元线性拟合模型对苗期生物量拟合效果最佳（R²=0.84，RMSE=0.13 kg·m^-2）；WDRVI和DVI的二元线性拟合模型对花蕾期生物量拟合效果最佳（R²=0.87，RMSE=0.52 kg·m^-2）；RVI的非线性拟合模型对花铃期生物量拟合效果最佳（R²=0.79，RMSE=0.95 kg·m^-2）；WDRVI和RVI的二元线性拟合模型对盛铃期生物量的拟合效果最佳（R²=0.86，RMSE=0.96 kg·m^-2）。     

基于多植被指数模型的草地地上生物量协同估算

以青海省金银滩草原为研究区,采用Sentinel-2卫星影像结合地面实测数据进行草地地上生物量估算研究。分析了18种典型植被指数与生物量的拟合关系,通过精度评价和敏感性分析确定了不同植被指数模型的适用范围,并提出基于多植被指数模型的协同估算方案来提高草地生物量的制图精度,尝试克服传统单变量植被指数模型适用范围受限的问题。结果表明：18种植被指数与生物量的最优拟合模型呈现幂函数和指数函数两种类型,其中幂函数模型中CI_green (Green chlorophyll index)所对应的估算精度最高,且当生物量高于0.65 kg·m^-2时适用性最强;指数函数模型中NDII（Normalized difference infrared index）所对应的估算精度最高,且当生物量低于0.65 kg·m^-2时适用性最强,且NDII与CI_green模型的适用范围具有互补性。提出的多植被指数协同估算模型对应的R²_cv达到了0.61,RMSE_cv为0.226 kg·m^-2,相对于单植被指数模型精度明显提高,R²_cv增加7.0%以上,RMSE_cv减小超过3.8%。综上,提出的多指数模型协同估算方案充分考虑了不同指数模型的适用范围,提高了牧草生物量的估算精度。     

滴灌高频施肥条件下玉米适宜灌水量的试验研究

通过大田试验,在高频施肥条件下设置了低水(H1,0.56K_cET_0),中水(H2,0.8K_cET_0),高水(H3,1.04 K_cET_0)3个不同灌水量,研究风沙土滴灌灌水量对玉米生长、干物质积累和产量的影响。结果表明:H1处理土壤含水率长期低于60%的田间持水率,H2和H3处理土壤水分能长期保持在田间持水率的60%以上;灌水量对玉米生长有显著影响,表现为H2处理玉米株高在灌浆期和完熟期显著高于H1和H3处理,其中灌浆期比H1和H3处理分别高13.8%和10.8%,完熟期分别高12.9%和10.7%;H3处理的茎粗在拔节期～完熟期显著高于H1处理,拔节期H3处理的茎粗最大,为28.9 mm,比H1处理粗8.5%;H2处理的叶面积指数(LAI)分别比H1和H3处理高22.6%和16.7%;H2处理的叶绿素含量(SPAD值)在穗期和灌浆期显著高于H1和H3处理,其中穗期分别高13.8%和10.8%,灌浆期分别高12.9%和10.7%;地上部干物质量H2处理最大,达303.5 g,比H1和H3处理分别增加了15.4%和3.3%;灌水量对各单项产量构成性状的影响不显著,但H2处理穗重最重,达382.9 g,比H1和H3处理分别重30.8%和4.2%,产量和水分利用效率(WUE)从大到小依次为H2、H3、H1,H2处理的产量和WUE分别为12.3 t·hm~(-2)和2.16 kg·m~(-3)。在风沙土地区,低水处理会使玉米前期缺水,中、高水处理能为玉米提供适宜的水分条件,但高水处理降低了肥效。综上,风沙土地区玉米滴灌高频施肥条件下推荐灌溉水量为0.8K_cET_0。     

基于作物水分盈亏指数的昆明水稻生长季干旱特征及成因分析

基于昆明站点1952—2013年逐日气象观测资料,根据联合国粮农组织1998年推荐的PenmanMonteith公式计算了昆明站近62 a来逐日的参考作物蒸腾量、水稻生育期需水量,利用Mann-Kendall趋势检验法研究作物需水量变化规律,同时根据水稻的水分亏缺指数(CWDI),采用通径分析方法研究各气象因子对水分亏缺指数的影响。结果表明:近62年来昆明地区平均旬需水量为32.55 mm;水稻生长季内干旱分布明显不均匀,随着生长季的推进,干旱级别从轻旱到重旱,干旱发生最严重时期是黄熟生育阶段,在整个水稻生长季内,水稻水分盈亏指数均值为38.07%,表明水稻处于重旱状态;在水稻生育期变异系数研究中,水分盈亏指数变异系数均较小,在返青、分蘖、拔节、抽穗、乳熟和黄熟六个阶段中,变异系数分别为1.8%、1.9%、1.3%、1.1%、0.8%、和0.8%,表明昆明地区近年干旱等级变化较小;影响水分盈亏指数最大正相关因素为日照,最大负相关因素为水汽压。     

基于Google Earth Engine平台的关中冬小麦面积时空变化监测

以关中地区为研究区,基于Google Earth Engine(GEE)平台,根据冬小麦生育期内归一化植被指数(NDVI)时序曲线和物候特征,采用NDVI重构增幅算法和光谱突变斜率,构建了关中地区冬小麦提取模型并实现了冬小麦种植面积的提取。用农业统计面积验证提取结果表明:在市级和县级尺度上,决定系数R~2分别为0.82和0.62,一致性指标d分别为0.95和0.84,提取结果与实地调查数据的空间一致性精度为93.4%。结果显示:关中地区冬小麦主要分布在中部关中平原,冬小麦种植面积在2011—2017年呈下降趋势,减少了83.22×10~3 hm~2(8.47%)。综合考虑冬小麦NDVI时序曲线的"峰""谷"特征,具有一定的普适性,可为大面积连续年份冬小麦种植面积时空监测提供参考。     

基于MOD16A2的毛乌素沙地实际蒸散量时空稳定性模拟

基于MOD16A2遥感数据产品,统计分析毛乌素沙地2000—2014年地表实际蒸散量(ET)多年年、月平均值,探讨不同时空尺度下ET的分布特征及变化趋势。结果表明:毛乌素沙地ET年际月均的时空分布规律总体呈现显著地带性和季节性。冬春季节,ET呈下降趋势,下降速率53.24%;夏秋季节,ET先增后减。沙地4月份ET最低最干旱,多年ET均值在10 mm以下,9月和12月出现2次峰值,其ET量约为20 mm和25 mm。多年ET年均值呈现东南部高于西北部的趋势。主要蒸散范围在17.5～22.5 mm之间。15 a间毛乌素沙地波动区间面积排序为:轻度(33.67%)中度(32.04%)强烈(18.46%)微弱(15.83%)。ET总体表现为西南波动强烈,东北波动较缓,中部平稳。15 a间,毛乌素沙地ET增加趋势占34.38%,减少和不变趋势基本一致,各占28.49%和28.13%。沙地总体增加大于减少,说明沙地气候改善,干旱减轻。MOD16产品反演结果与多年气象、文献等研究结果一致,能够满足毛乌素沙地地表蒸散量时空变化分析的要求。     

河套灌区参考作物蒸发蒸腾量估算方法研究

参考作物蒸发蒸腾量（ET₀）是计算作物需水量的基础,一般用FAO推荐的Penman-Monteith公式（PM公式）计算。但是在河套灌区部分地区缺少辐射数据的观测,因而无法利用PM公式计算ET₀。本文选用河套灌区临河气象站1990—2012年的气象资料,分析了利用PM公式计算参考作物蒸发蒸腾量ET₀与气象要素的关系,发现对ET₀影响最大的气象因素为净辐射,其次为饱和水气压差和平均温度。建立了基于饱和水气压差、温度和风速的ET₀估算公式,验证结算显示相关系数、纳什效率系数和总量平衡系数分别为0.96、0.92、1.00。在风速缺测的条件下,也建立了基于饱和水汽压差和温度的ET₀估算公式。以上两个公式为河套灌区缺资料条件下ET₀的估算提供了简单且准确的估算方法。     

干旱对太行山山前平原雨养农田产量影响的模拟研究

以多时间尺度标准化降水蒸散指数（SPEI）作为干旱指标，利用APSIM模型（农业生产系统模拟模型）模拟太行山山前平原雨养旱作农田冬小麦-夏玉米近30 a产量变化，分析干旱对作物产量的影响。结果显示：APSIM模型对模拟雨养条件下作物产量具有良好的适用性，玉米产量年际波动较大、变异系数为51.2%，易受降雨因素影响;小麦产量波动相对较为稳定，变异系数为26.4%。干旱指数与作物产量极显著相关（P<0.01），其中小麦产量与SPEI-3-Apr相关系数达0.79，玉米产量与SPEI-3-Sep相关系数达0.88，适宜干湿状态在0～2之间；所建立的回归方程分别可以解释61.8%的小麦产量变异和87.7%的玉米产量变异。研究表明，SPEI-3-Apr、SPEI-3-Sep可分别作为该地区雨养农田小麦、玉米产量的估计指标。     

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。     

新疆塔里木盆地北缘日参考作物腾发量计算模型评价

采用4种常用的腾发量模型(Makkink模型,Turc模型,Priestley-Taylor模型以及Hargreaves模型)计算日腾发量,并以Penman-Monteith FAO 56公式计算结果为标准值进行对比,旨在寻找出建模数据少、模拟精度高以及适合研究区的腾发量计算模型。结果表明:Turc模型的日参考作物蒸发蒸腾量与Penman-Monteith FAO 56差异较小,其次是Makkink模型与Priestley-Taylor模型,Hargreaves模型的差异最大。