基于两种空间估算模型的乔木林地上碳密度估算

以乔木林地上碳密度为研究对象,基于调查获取的乔木林地上碳密度、Landsat 8多光谱影像及DEM数据,提取植被指数、纹理特征、主成分变换因子、缨帽变换因子和地形因子作为建模变量,采用皮尔森相关系数法、结合平均残差平方和准则法对变量进行筛选,采用协同克里格插值和地理加权回归方法构建乔木林地上碳密度模型,分析对比两种方法的估算效果。结果表明：地理加权回归法构建的估算模型精度（R2为0.74,RMSE为6.84t/hm2,MAE为5.13t/hm2,RE为0.74%）优于协同克里格插值法（R2为0.47,RMSE为9.72t/hm2,MAE为7.41t/hm2,RE为0.12%）,并且较好地保留了估算变量的空间异质性,变异系数分别为0.5372、0.4968,可获得较高的估算精度。本研究可为大尺度范围内的乔木林地上碳密度及其他森林参数的估算提供参考。     

基于Landsat8 OLI遥感数据反演乌梁素海浮游植物生物量

【目的】评价乌梁素海多个季度浮游植物生物量反演模型的适用性,为乌梁素海水质治理与改善提供一定的理论依据。【方法】利用乌梁素海Landsat8 OLI遥感数据,结合实测水体的叶绿素a质量浓度数据,采用回归分析,构建乌梁素海浮游植物生物量反演模型,对反演模型精度和普适性进行验证。【结果】春季以b_5(近红外)/b_4(红光)为自变量的二次多项式回归方程拟合度较差,决定系数为0.463,实测数据与预测数据的均方根误差为6.88 mg/m~3;夏季以b_5(近红外)/b_4 (红光)为自变量的二次多项式回归方程拟合度最优,决定系数为0.816,实测数据与预测数据的均方根误差为3.67 mg/m~3;秋季以(b_5-b_4)/b_3为自变量的二次多项式回归方程拟合度适中,决定系数为0.602,实测数据与预测数据的均方根误差为4.63 mg/m~3。【结论】同步采集水样与高光谱数据,利用细胞体积转化法计算浮游植物生物量,是提高浮游植物生物量反演模型精度的重要前提条件。     

滴灌玉米叶温的数据驱动模型与不确定性分析

【目的】探寻玉米叶温对不同深度土壤含水率、气象因素的响应关系。【方法】采用不同供水条件下的滴灌玉米土箱试验,基于叶温、气象和土层含水率数据设计3种输入项结合线性回归模型和神经网络模型,研究了玉米叶温与环境因素的数据驱动模型及模型的不确定性。【结果】(1)在叶温变化模拟中,与线性模型相比神经网络模型具有优势,在40%和60%滴灌湿润比处理下的全因素模型的决定系数由0.8提升到了0.9;80%湿润比处理下全因素模型的决定系数由0.5提升到0.7;(2)单因素不确定性分析中,与叶温变化最密切的气象因素是空气温度,其次是空气湿度和净辐射;在土层含水率的不确定性分析中,30~40 cm土层含水率与叶温变化的响应关系最密切。【结论】结合MC(Monte Carlo method)设计的模型不确定性分析,以d-factor指标量化单影响因素与叶温的响应关系,不同深度土层含水率与叶温的响应关系存在差异,30~40 cm土层是水分响应关键土层。     

考虑气象因子不确定性的概率降水预报研究

降水量与气象因子的变化密切相关,因而气象因子的不确定性必然影响着降水量预报的精度。【目的】获取气象因子不确定性特征,提高降水预报结果的精度。【方法】以三江平原典型农场—友谊农场为研究区域,在贝叶斯概率预报系统(BFS)的理论框架下,利用径向基人工神经网络(RBF-ANN)描述月降水主要影响因子与月降水量的映射关系,并将其作为BFS的似然函数,以实测降水量为后验信息,对降水主要影响因子先验信息进行贝叶斯修正,利用基于自适应算法的马尔可夫链蒙特卡罗随机模拟技术(AM-MCMC)获取了各月的蒸发量、平均气温、相对温度的后验密度。结合RBF-ANN构建了考虑主要影响因子不确定性的概率降水预报模型(IFU-PBF),研究了各月降水的均值预报过程及其指定概率的置信区间。【结果】与传统RBF-ANN的确定性预报结果相比,预报期IFU-PBF计算结果的各精度评价参数均有所提高,纳什效率系数提高了3%;均方根误差降低了51%;相关系数提高了2%。尤其对极值降水的适用性更好,极大值的预报相对误差平均提高了55%,极小值的预报相对误差提高了24%。【结论】考虑气象因子不确定性,开展降水的概率预报更符合降水及其影响因素的随机过程的本质,提高预报精度的同时,能够考虑预报结果的不确定度。     

Venlo型温室内参考作物蒸散量计算方法比较研究

【目的】明确温室内参考作物蒸散量(ET_0)计算方法。【方法】通过实测Venlo型温室内气象数据,并对FAO-56Penman-Monteith(FAO-56 P-M)中隐含的空气动力阻力r*a进行修正,以修正后的Penman-Monteith法作为计算温室内ET_0的标准方法,对其他4种常用的ET_0计算方法:FAO-56 P-M法、FAO-24 Penman法、Irmak-Allen(I-A)法、Priestley-Taylor(P-T)法进行了对比分析。【结果】试验期间温室内日ET_0变化范围为0.49~6.04 mm/d,平均为2.43mm/d;4种计算方法与Penman-Monteith(P-M)修正法均具有良好的线性关系(R20.90),FAO-24 Penman法与P-M修正法计算结果最为接近(RMSE=0.40 mm/d,NSE=0.93),其次为I-A法(RMSE=0.67 mm/d,NSE=0.81)、P-T法(RMSE=0.76 mm/d,NSE=0.76),而在大田条件下广泛应用的FAO-56 P-M法表现最差(RMSE=1.18 mm/d,NSE=0.41)。【结论】4种ET_0计算方法中,I-A法应用最简便,可作为气象资料短缺条件下该地区温室ET_0的简化计算方法。     

基于变分法的FY-3C土壤水分产品适用性分析

FY-3C作为我国风云三号首颗业务卫星,其上搭载的微波成像仪(MWRI)可提供全天候土壤水分数据。【目的】获取高质量土壤水分数据可以对合理利用土壤水资源提供参考,为农田干旱监控和预报提供基础参数。【方法】选取山东省农业气象站土壤水分数据对FY-3C土壤水分产品进行检验,为获取更高质量FY-3C土壤水分产品,选用变分订正方法对FY-3C土壤水分产品进行偏差订正。【结果】FY-3C升降轨土壤水分产品与地面站土壤水分相关系数R分别为0.481 6和0.408 2,RMSE分别为0.099 6和0.091 0 cm~3/cm~3。订正后FY-3C升降轨土壤水分产品与地面站土壤水分R分别为0.701 4和0.892 4,RMSE分别为0.021 7和0.011 cm~3/cm~3。对2016年3—4月山东省干旱过程订正前、后FY-3C土壤水分变化情况进行对比,订正后FY-3C土壤水分更准确地反映出此次干旱过程。【结论】FY-3C土壤水分产品可以准确反映土壤水分随时间的变化趋势,订正后FY-3C土壤水分产品与地面站土壤水分间误差减小、相关性提高。     

基于CNN-GRU的菇房多点温湿度预测方法研究

有效获取温室出菇房的温湿度空间分布对于优化食用菌环境胁迫、病害预警、出菇房预调控至关重要,但传统的单点预测不能很好地满足菇房整体环境性能评估的需求。针对出菇房内温湿度时序性、非线性、空间分布差异性的特点,提出一种基于卷积神经网络(CNN)与门控循环单元神经网络(GRU)相结合的菇房多点温湿度预测方法。将温室室外历史气象数据、温室室内历史小气候环境数据、多点环境分布特征、通风信息和加湿信息多特征数据按照时间序列构造二维矩阵作为输入,采用CNN挖掘数据中蕴含的有效信息,提取反映温室环境数据相互联系的高维特征,将提取的特征向量构造为时间序列输入GRU网络进行多点温湿度预测。将该预测方法应用于北京市农林科学院的日光温室出菇房内多点温湿度预测,实验结果表明,该预测方法对于出菇房内各点温度RMSE平均值为0.211℃,MAE平均值为0.140℃,误差控制在±0.5℃范围内的平均比例为97.57%;对于出菇房内各点相对湿度RMSE平均值为2.731%,MAE平均值为1.713%,误差控制在±5%范围内的平均比例为92.62%;相比传统的BP神经网络、长短期记忆神经网络(LSTM)和门控循环单元神经网络(GRU),该预测方法具有更高的预测精度。     

AquaCrop作物模型在松嫩平原春麦区的校正和验证

为了研究AquaCrop作物模型在松嫩平原春麦区的适用性,利用实测的土壤水分、春小麦生长和产量数据,结合气象数据,获得AquaCrop模拟土壤水分和春小麦生长的模型参数,并用往年的作物生长数据对模型进行验证。结果表明,春小麦的产量和生物量的实测值与模拟值的绝对平均误差(MAE)为0.058和0.109、均方根误差(RMSE)为0.06和0.11t/hm2、模拟性能指数(EF)为0.795和0.822、残差聚集系数(CRM)为-0.006 96和0.005 87、一致性系数(IoA)为0.959和0.966;对10cm和20cm土壤体积含水率的实测值与模拟值的MAE为5.23和2.53、RMSE为6.47%和7.95%、EF为-0.277和-0.069、CRM为0.097和0.212、IoA为0.585和0.741。说明AquaCrop模型对春小麦的生物量和产量及生育期土壤体积含水率的模拟结果总体较好,对松嫩平原春麦生产有一定的参考意义。     

CMADS数据集在呼兰河流域的适用性评价

【目的】探究中国大气同化数据集(CMADS)在呼兰河流域水文模拟的适用性。【方法】对CMADS与传统水文站降水、气温数据的精度及时空分布特征进行分析,构建CMADS与传统水文站2种气象数据驱动流域有、无水库控制水系情景下的SWAT模型,同时使用SUFI-2算法以月值实测断面径流数据为准进行模型参数的率定和验证,评价该数据集作为气象驱动数据的适用性及对传统水文站数据的可替代性。【结果】(1) 2种气象数据具有较强的线性相关性和对应关系,且时空分布特征相似,年内变化趋势一致。(2)在无水库呼兰河干流水系,CMADS数据驱动的模型率定期R²=0.92、NSE=0.91、PBIAS=18.53%,验证期R²=0.94、NSE=0.96、PBIAS=10.51%;在有水库通肯河水系,模型在率定期R²=0.89、NSE=0.82、PBIAS=12.79%,验证期模型R²=0.93、NSE=0.86、PBIAS=12.03%,模拟结果均达到径流模拟评价标准。【结论】CMADS+SWAT模型比传统水文站在呼兰河流域...     

天山北坡融雪期林地、草地、裸地积雪特性及其影响因素分析

【目的】对比分析天山北坡不同下垫面融雪期积雪特性(积雪深度、积雪密度、液态含水率、雪层温度)及其影响因素。【方法】通过对融雪期林地、草地、裸地积雪特性、气象因子(气温、太阳辐射、空气相对湿度)和土壤因子(土壤含水率、土壤温度)等数据进行实时监测,利用Pearson相关分析方法对比分析气象因子、土壤因子与3种下垫面积雪特性间的相关性。【结果】融雪期林地、草地、裸地平均积雪深度分别为8.06、18.67、16.34 cm;林地积雪层平均积雪密度、平均液态含水率均大于草地和裸地,分别为0.48g/cm3、0.66%;林地平均积雪层温度(-0.032℃)均小于草地、裸地;融雪期裸地积雪深度与太阳辐射显著负相关,相关系数为-0.960;草地积雪密度与太阳辐射显著正相关;裸地积雪密度、液态含水率、积雪层温度与气温极显著正相关;融雪期林地积雪密度与10 cm处的土壤层温度、土壤层含水率显著正相关;草地积雪深度与40、50、60 cm处的土壤层温度极显著负相关,与20、30cm处的土壤含水率显著负相关,草地积雪密度与20、30、40、50、60cm处土壤层温度极显著正相关;裸地积雪深度与10 cm处土壤层温度显著负相关,裸地雪层温度与20、30 cm处的土壤层含水率极显著正相关。【结论】融雪期草地平均积雪深度最大;林地平均积雪层温度最小;林地平均积雪密度、液态含水率均大于草地、裸地;气温、太阳辐射是影响林地、草地、裸地积雪特性的主要气象因子;土壤含水率、土壤温度与林地、草地、裸地积雪深度呈负相关,与积雪密度、液态含水率、雪层温度呈正相关。     

玉米农田生态系统蒸散发模型参数优化

[目的]在无法根据实测值得到具体模型参数的地域,对经验参数进行优化以提高区域蒸散发模型的精度.[方法]通过黑河流域生态水文过程综合遥感试验水文气象观测数据集中的大满超级站气象要素梯度观测系统的数据,研究玉米农田生态系统的蒸散发模型优化问题.采用差分进化自适应算法,以潜热通量和感热通量为优化目标,引入能量闭合因子对模型参...     

基于SRI与Copula函数的黑河流域水文干旱等级划分及特征分析

【目的】基于SRI对黑河流域水文干旱进行等级划分及特征分析。【方法】利用2种不同的径流丰枯等级分类方法,对黑河流域莺落峡水文站的径流资料进行概率统计分析,提出基于SRI的水文干旱等级划分标准(标准1),分别采用标准1和基于标准化降水指数(SPI)的干旱等级划分标准(标准2),识别水文干旱历时、烈度、烈度峰值3个干旱特征变量,利用Copula函数进行水文干旱多变量联合分布研究,选取RMSE、AIC、BIC准则作为联合分布拟合优度检验的判别依据优选Copula函数类型,计算了不同干旱事件的重现期。【结果】基于标准1的水文干旱等级划分结果比标准2更符合实际干旱情况;单变量重现期介于联合重现期与同现重现期之间,可以进行干旱事件重现期估计;黑河流域发生持续2.68个月的重旱事件的重现期为3 a。【结论】基于SRI的干旱等级划分在多变量水文干旱研究中使联合分布函数拟合更优,分析得到的干旱特征更接近实际情况。     

基于神经网络算法的果树需水预测研究

【目的】准确预测果树需水量。【方法】对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子。建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量。为提高预测的精度,在LSTM神经网络的基础上加入了注意力(Attention)机制,形成Attention-LSTM预测模型。【结果】将改进的模型与其他模型的预测精度进行对比,仿真试验表明,该模型的预测精度最高,RMSE和MSE分别为0.487和0.062。【结论】该预测模型可以准确预测果树蒸腾量,从而实现果园精准灌溉并提高水果产量,具有一定的实际意义。     

气候因素对阿克苏河径流变化影响的定量评估

【目的】探究阿克苏河径流变化的归因。【方法】采用Mann-Kendall-Sneyers检验估计流域水文、气象数据的变化趋势和突变情况,并试图用3种改进的弹性系数法评估气候要素(尤其是温度)对阿克苏河径流变化的影响。【结果】径流和温度分别以11.73 m3/(s·10a)和0.26℃/10a的速率显著递增。降雨也呈显著上升趋势,增幅为14.31mm/10a的速率递增,而潜在蒸散发呈显著下降趋势(21.89mm/10a),径流的突变点为1993年。因此,采用1960—1993年的多年平均径流和气候因素作为衡量变化的基准值。1994—2010年,径流量相对1960—1993年增加了23.1%。敏感性分析表明,温度升高对径流变化的相对贡献率为46.7%,是径流量增加的最主要因素,而降水量和潜在蒸散发的作用分别占径流量变化的20.5%和24.9%;其他非气候要素(主要是人类活动)对径流变化的相对贡献率约为7.9%。【结论】气候变化是阿克苏河径流量变化的主要原因,其中温度的贡献率最大。     

苏南丘陵地区茶树蒸散发估算模型的适用性评估

根据波文比能量观测系统在2017—2020年间的ET_c观测数据,分别对FAO-56作物系数模型(S-k_c)与Priestley-Taylor(PT-α)模型进行参数率定及修正,分析了茶树ET_c在各生育期内对气象因子的响应特性,并评估了修正后的S-k_c与PT-α模型对于苏南丘陵地区茶园的应用效果.研究表明:S-k_c模型的作物系数k_c在茶树生长初期为0.83、中期为1.19、后期为1.06,PT-α模型系数α年均值为1.09;气温、水汽压差及土壤体积含水率对ET_c的影响在0.05的水平下具有统计学意义,且各气象因子对ET_c的相关性均表现为在茶树生长中期高度相关,生长后期偏低;以波文比能量观测系统的ET_c观测数据作为参照,修正后的S-k_c模型高估了茶树ET_c,PT-α模型低估了ET_c,但PT-α模型的误差(R²=0.91)稍低于S-k_c模型(R²=0.88),S-k_c模型的模拟效果在茶树快速生长期(MAE=0.72 mm/d,RMSE=0.99 mm/d)和生长中期(MAE=0.36 mm/d,RMSE=0.48 mm/d)较好,PT-α模型的模拟效果在茶树生长后期(MAE=0.35 mm/d,RMSE=0.23 mm/d)较好.该研究明确了苏南丘陵地区茶树各生育期ET_c的变化特征和模拟手段,对于苏南丘陵地区茶树实现科学生产具有重要参考价值.     

2000—2016年叶尔羌河中下游植被覆盖动态变化遥感分析

【目的】获取干旱区内陆河流域地表植被覆盖变化信息,探讨和揭示内陆干旱地区地表植被空间演变规律。【方法】以叶尔羌河流域2000—2016年Landsat系列遥感影像数据、水文和气象数据、社会经济数据为主要数据源,基于RS、GIS及GPS等技术,采用空间数据处理、信息提取解译、海量数据建库、图属一体化、数据仓库管理技术等方法,研究分析2000—2016年流域植被覆盖时空动态变化及驱动因素。【结果】①从时间方面看,2000—2016年研究区植被覆盖面积整体呈减少趋势,即由2000年的6 025.9 km~2减少至2016年的5 620.4 km~2,减少了405.5 km~2,年减少率为0.42%,其中,主要为低盖度植被向劣盖度植被转移,研究区植被覆盖趋于退化;②从空间方面看,研究区天然植被主要分布于B段(叶尔羌河与提孜那甫河汇合处至三河汇口处),以劣植被覆盖为主,2000—2016年植被覆盖度减少区域主要集中在A段(卡群以下至叶尔羌河与提孜那甫河汇合处),且减少的植被覆盖多为劣盖度。【结论】研究区生态水平退化主要因素可归结为平原区气温升高造成的蒸散发损失加大及绿洲水土资源开发利用挤占生态用水造成的地下水位下降。     

紫荆关流域分布式HEC-HMS水文模型构建及洪水模拟

国内外学者利用HEC-HMS水文模型模拟流域降雨径流过程,发现该模型有良好的适用性。【目的】提高紫荆关流域洪水模拟精度。【方法】采用紫荆关流域水文气象及下垫面资料,将流域划分为11个子流域,通过选择产流和汇流计算方法,构建了该流域分布式HEC-HMS水文模型,并从历史实测暴雨洪水事件中选择14场洪水对构建的HEC-HMS水文模型进行了参数率定和模型验证。【结果】率定的各子流域产流参数基本相同,由于各子流域面积不同导致汇流参数也不同。模拟的洪峰流量和洪量相对误差均在20%以内,纳什效率系数为0.51～0.95,模拟与实测的洪水过程线吻合较好,模型模拟精度较高。【结论】构建的水文模型能反映紫荆关流域实际的产汇流过程,可用于该流域洪水过程模拟和洪水预报。     

ET_0变化趋势分析及估算模型研究——以新乡站为例

【目的】参考作物蒸散量(ET_0)的估算是计算作物腾发量的基础,也是区域水资源评价与灌溉政策制定的前提,因此,研究ET_0变化趋势与估算模型能够对该地区农田灌溉用水预报提供基础支持,进而为灌溉制度的制定以及水资源高效利用提供科学依据。【方法】以河南新乡气象站1962―2016年气象资料为基础,运用Penman-Monteith模型计算ET_0序列,Mann-Kendall趋势检验法对年及季节尺度ET_0序列变化趋势进行分析,并用均值生成函数模型对其进行了拟合与验证。【结果】①新乡地区年尺度ET_0序列在1975―2016年间呈减小趋势,并在1985―2004年、2006年显著;②新乡地区春季ET_0序列在1982―1983年及1988―2003年间呈显著的减小趋势,夏季ET_0序列在1980―2012年间呈显著的减小趋势。③均值生成函数模型在对年尺度ET_0序列进行拟合时,其一致性系数达到0.83,绝对误差与相对误差分别在-120.8～120.0 mm及-14.0%～18.2%之间。④均值生成函数模型在对季节尺度ET_0序列进行拟合时,其一致性系数在春、夏、秋、冬各季节分别达到0.85、0.81、0.88及0.89,绝对误差分别在-60.2～64.3、-64.4～58.9、-39.6～32.8、-37.0～25.1 mm之间,相对误差分别在-20.1%～36.7%、-22.1%～32.1%、-18.0%～22.9%、-23.9%～24.6%之间。【结论】新乡地区年尺度ET_0序列在1985―2004年间显著减小,均值生成函数模型在对年及各季节尺度ET_0序列进行拟合时整体效果较好,因此,可通过其进行年及季节尺度ET_0序列的估算,且其在秋、冬二季的拟合效果明显好于春、夏二季。     

基于粒子群优化小波神经网络模型的春玉米生育阶段干旱预测

【目的】为更好地开展区域性作物生长季气候干旱预测,指导春玉米高效节水补灌生产。【方法】采用皮尔逊相关系数方法选取了与干旱指数最相关的因子,利用阜新市阜蒙县1965—2019年逐日气象数据,探索建立了粒子群算法优化的小波神经网络模型(PSO-WNN),将春玉米不同生育阶段的水分亏缺指数结果进行对比验证模型精度,并利用模型模拟预测未来5 a干旱发生情况。【结果】通过模型验证,春玉米5个生育阶段(播种—出苗阶段、出苗—拔节阶段、拔节—抽雄阶段、抽雄—乳熟阶段、乳熟—成熟阶段)的均方根误差(RMSE)分别为0.0419、0.0174、0.0481、0.0297、0.0421,决定系数R2分别为0.8402、0.9853、0.8990、0.9575、0.9177,且预测结果与实际干旱等级相符。【结论】文中构建的模型适用于阜新地区春玉米干旱预测,未来5 a该地区春玉米在播种—出苗阶段可能无旱或轻旱,出苗-拔节阶段可能发生中旱甚至特旱,生育后期干旱程度逐渐减弱,拔节—抽雄和抽雄—乳熟两个阶段出现轻旱概率较高,乳熟—成熟阶段出现干旱的概率较低,程度较小,表明未来几年该地区春玉米生产应该更多关注出苗—拔节阶段的旱情。     

基于SEBAL模型和Landsat-8遥感数据的农田蒸散发估算

【目的】及时准确地获取农田蒸散发量,为科学管理农田灌溉、精准估算作物产量和预报土壤水分动态、合理开发水资源等提供有效依据。【方法】以广利灌区为研究对象,基于SEBAL模型利用Landsat-8数据对研究区域农田蒸散发进行估算,通过地表参数计算净辐射通量、土壤热通量和感热通量,利用余项法求得潜热通量及瞬时蒸散发。假定24 h内蒸散比不变,由瞬时蒸散发扩展到日蒸散发量,最终求得研究区的日平均蒸散发量,将模型计算结果与彭曼公式进行了对比,同时结合灌区提供数据对计算结果进行了验证。【结果】彭曼公式计算2014年5月6日和2015年9月14日蒸散量与实测结果相差分别为5.2%和9.4%,SEBAL模型估算得到2014年5月6日和2015年9月14日的日蒸散量与灌区提供日蒸散量相差4.5%、6.0%,且冬小麦及夏玉米蒸散发在空间上存在一定的差异性,主要集中在灌区中部区域及西南区域。【结论】SEBAL模型计算结果具有较高的精度,而且方法相对快捷高效。