高寒矮嵩草草甸地面热源强度及与生物量关系的初步研究

在青藏高原海北高寒矮嵩草草甸地区,依据2002年涡度相关法观测的能量平衡各分量资料和6-10月植物地上、地下生物量测定值,分析了高寒矮嵩草草甸近地表热量平衡、地面热源强度的变化特征,讨论了地面热源强度与植物生物量季节变化过程中的相互关系。结果表明:在青藏高原海北高寒矮嵩草草甸地区,年内地面均为热源,热源强度季节变化明显,地面热源强度年平均为88.5 W/m2;地上生物量季节变化与热源强度具有显著的正相关关系,而地下生物量季节变化与热源强度关系不明显。     

草地生物量的动态模拟

本文以作物生长模拟理论为基础,考虑到草原群落多种群的特点，对高寒矮嵩草草甸建立了能反映气象因子与生物因子对种群生物量时间动态综合影响的总模式，包括对任意种群作用、呼吸作用、同化物分配等生理过程的定量模拟及叶面积指数动态、群落结构动态模拟等6类子模式，能够定量地给出该草甸群落地上生物量和地下生物量的季节变化，是草原植被光合产量模拟研究的较好尝试。     

高寒草甸不同类型草地土壤养分与物种多样性——生产力关系

研究了高寒草甸不同类型草地土壤养分与多样性—生产力之间的关系,即物种多样性对生产力的效应如何受到资源供给率等因素的影响。结果表明:以莎草类为优势种的藏嵩草沼泽化草甸群落其总生物量(包括地上和地下生物量)最高(13,196.96±719.69gm-2)、小嵩草草甸和金露梅灌丛群落为中等水平(2,869.58±147.52gm-2、2,672.94±122.49gm-2)、矮嵩草草甸群落为最低(2,153.08±141.95gm-2)。在藏嵩草沼泽化草甸群落中,总生物量和物种丰富度呈显著负相关(P<0.05);地上生物量与土壤有机质、土壤含水量和群落盖度显著正相关(P<0.05);地下生物量和土壤含水量显著正相关(P<0.05)。在矮嵩草草甸、小嵩草草甸、金露梅灌丛群落中,地上生物量与土壤有机质和土壤总氮显著正相关(P<0.05)。以上结果说明生物量的分布与土壤营养和水分变化相一致。在矮嵩草草甸、小嵩草草甸和金露梅灌丛中,多样性有随土壤养分的增加而增加的趋势;在藏嵩草沼泽化草甸中,则呈现负相关的关系。     

青藏高原高寒嵩草草甸植被群落特征对退化演替的响应

以空间代替时间的方法,于2012年7月中旬-8月中旬在青藏高原祁连山南麓分别选取原生、轻度、中度和重度4种不同退化梯度的高寒嵩草（Kobresia）草甸,对其土壤理化、水分特征和植被群落进行研究,以探究高寒嵩草草甸生态功能退化过程中植被群落的变化特征.结果表明,中度退化样地的地上生物量、表层（0-10cm）土壤含水量和降水地表入渗速率显著最小（P＜0.01）,表层地下生物量、表层土壤有机质、表层田间持水量和草毡层厚度显著最大（P＜0.01）.基于退化高寒嵩草草甸群落的植被功能群和群落多样性的非度量多维排序结果表明,其退化过程可明确划分为原生植被、轻度退化、中度退化和重度退化4个阶段,冠层高度、地上生物量、草毡层厚度和降水地表入渗速率对群落变化的相对贡献较大.植被群落对退化过程的响应为非平衡型（Non-equilibrium）,群落变化的“分水岭”存在于中度退化和重度退化之间.研究结果对退化嵩草草甸的恢复措施选择具有重要的指导意义.     

亚高山草甸土纤维素分解过程及与环境因子的对应关系

对海北高寒草甸生态系统的矮嵩草研究表明 ,在亚高山草甸土中纤维素的分解 ,作用均在月均温度最高时达最大 ,2月份最小 ,年内表现有明显的单峰式曲线变化过程 ;非退化矮嵩草草甸的纤维素分解显著高于退化的矮嵩草草甸 ;纤维素分解除自身的季节变化规律外 ,与气象等环境因子有关 ,特别是与水热协调配合具有极显著线性正相关关系 (P <0 .0 0 1 ) .     

退化高寒草甸补播施肥后的生长发育及其生物量季节变化分析

为了探究优势种小嵩草、伴生种针茅草甸对退化高寒草甸植被的恢复效果,对试验地进行了围栏封育、施肥和补播小嵩草等,然后对该地区的小嵩草和针茅的生长发育情况及生物量动态变化进行监测。结果表明,采用补播和施肥进行植被恢复后,各类地上草生长速率、生物量、株高与覆盖率在5—8月均呈上升趋势。     

祁连山海北地区两种高寒草甸植被类型的土壤热通量比较

对祁连山海北地区矮嵩草(Kobresia humilis)草甸和金露梅(Potentilla fruticosa)灌丛草甸两种植被类型土壤热通量观测和比较分析发现:晴天两种植被类型区土壤热通量日变化均表现为单峰型,夜间低午后高;阴雨天土壤热通量变化复杂,随降水或云层厚薄波动剧烈。金露梅灌丛草甸土壤热通量的日变化较矮嵩草草甸更为平稳。两种草甸土壤热通量的月际变化同样表现为单峰型,12月最低(矮嵩草草甸和金露梅灌丛草甸分别为-40.27MJ/m2和-16.85MJ/m2)、6月最高(矮嵩草草甸和金露梅灌丛草甸分别为20.47MJ/m2和18.98MJ/m2)。矮嵩草草甸与金露梅灌丛草甸土壤热通量的年总量差异明显,分别为-24.72MJ/m2和48.10MJ/m2。表现出前者由土壤深层向地表散热,而后者由地表向土壤深层输送热量。两种植被类型区不同时间尺度上的土壤热通量与冠层净辐射均有显著的线性相关关系。由于冠层厚度的影响,金露梅灌丛草甸土壤热通量所占净辐射的比例较小,同步性较差,反馈延时约2.5h,而矮嵩草草甸的土壤热通量与净辐射的相关性更加密切。     

东祁连山高寒草甸土壤“固-液-气”三相组成对海拔和坡向的响应

为探究不同海拔和坡向下高寒草甸土壤"固—液—气"三相组成变化特征,以东祁连山高寒草甸为研究对象,分析了不同海拔(2 800,3 000,3 200,3 400,3 600,3 800,4 000 m)、坡向(阳坡、阴坡)高寒草甸的植被特征和土壤物理特征,结合植被指标拟合探讨高寒草甸"固—液—气"三相的最佳组成比例。结果表明:植被盖度、草层高度和地上生物量均随海拔升高呈先升高后降低,在海拔3 200 m处达最大值,同一海拔的阴坡植被盖度、草层高度、地上生物量均高于阳坡;土壤容重随海拔和坡向的变化规律与植被盖度相反,而土壤含水量、孔隙度和持水性变化规律与植被盖度类似;经方程拟合发现,土壤"固—液—气"三相比例为31∶33∶36时,高寒草甸生产力最优。综上所述,在海拔3 200 m处是东祁连山高寒草甸分布的中心典型区域,海拔和坡向是影响高寒草甸土壤物理质量和"固—液—气"三相组成的重要环境因子,且该区域高寒草甸土壤"固—液—气"最佳比例为31∶33∶36。     

高寒草甸植被生育期耗水量和耗水规律的分析

用１９９１～１９９３年在高寒草甸地区植被生育期测定的土壤水分资料，联系土壤水分平衡方程，讨论高寒草甸植被生育期的耗水量和耗水规律的特征，结果表明，草甸地区植被生育期５月２０日～９月１５日，３年平均耗水量约为３６１．０ｍｍ；全年牧草地上净初级生物量与耗水量具有一定的相关性；植被生育期内气温、降水的协调配合能提高牧草地上净初级生物量。５～９月，植被耗水量变化量单峰型曲线，３年平均表明，７月耗水量最高，５月最低。     

两种高寒植被长波辐射的气候学特征及比较

地球边界层热量来源是地表吸收太阳短波辐射后再以长波辐射形式加热的结果,而边界层生物活动与近地表热量息息相关,讨论长波辐射的变化特征对生态系统的物质流动及能量交换具有重要意义。以2003年对高寒矮嵩草草甸、金露梅灌丛两种植被类型观测的资料,比较分析了两种植被类型地面长波辐射（ULR）、大气逆辐射（DLR）以及地面有效长波辐射（ELR）的变化特征。结果表明,高寒矮嵩草草甸、金露梅灌丛ULR、DLR以及ELR均具有明显的日、月变化。其中矮嵩草草甸、金露梅灌丛的ULR月平均日变化在北京时间14∶00最高,凌晨最低;DLR在16∶00-18∶00最高,凌晨最低;ELR在8∶00最低,14∶00最高。月变化中,两种植被类型区ULR、DLR的最低值出现在1-2月,较高值出现在7-9月,而ELR变化趋势比较复杂。总体而言,金露梅灌丛的DLR、ULR变化值明显比矮嵩草草甸的高。     

不同时空分辨率遥感数据融合估算冬小麦叶面积指数

高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。     

基于无人机数码影像的冬小麦叶面积指数探测研究

叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。     

Optically-based methods for measuring seasonal variation of leaf area index in boreal conifer stands

The feasibility of detecting the seasonal variation in leaf area index (LAI) in boreal conifer forests is investigated using optical instruments. The LAI of six stands was measured. They include young and old jack pine (Pinus banksiana) and old black spruce (Picea mariana) located near the southern border (near Prince Albert, Saskatchewan) and near the northern border (near Thompson, Manitoba) of the Canadian boreal ecotone. LAI values of the stands are obtained by making several corrections to the effective LAI measured from the LI-COR LAI-2000 Plant Canopy Analyzer (PCA). The corrections include a foliage element (shoot) clumping index (for clumping at scales larger than the shoot) measured using the optical instrument TRAC (Tracing Radiation and Architecture of Canopies) developed by Chen and Cihlar (Chen, J.M. and Cihlar, J., 1995a, Plant canopy gap size analysis theory for improving optical measurements of leaf area index of plant canopies, Appl. Opt., 34: 6211–6222), a needle-to-shoot area ratio (for clumping within the shoot) obtained from shoot samples, and a woody-to-total area ratio obtained through destructive sampling of trees. It is found that the effective LAI varied about 5% to 10% in the growing season and the element clumping index remained almost unchanged. The needle-to-shoot area ratio varied the most, about 15% to 25%, which is of the same order of magnitude as the expected seasonal variability in LAI. This demonstrates that most of the seasonal variation information is contained in the needle-to-shoot area ratio, which can not be measured indirectly using in situ optical instruments and has to be obtained from a large quantity of shoot sample analysis which is laborious and error-prone. Based on our experience, an improved and convenient shoot sampling strategy is suggested for future studies. The optically-based LAI values were compared with destructive sampling results for three of the stands. Based on error analysis, we believe that optical measurements combined with shoot sample analysis can produce LAI values for conifer stands which are more accurate than destructive sampling results.     

Potential performances of remotely sensed LAI assimilation in WOFOST model based on an OSS Experiment

An Observing System Simulation Experiment (OSSE) has been defined to assess the potentialities of assimilating winter wheat leaf area index (LAI) estimations derived from remote sensing into the crop growth model WOFOST. Two assimilation strategies are considered: one based on Ensemble Kalman Filter (EnKF) and the second on recalibration/re-initialisation of uncertain model parameters and initial state conditions. The main objective of the OSS Experiment is to estimate the requisites for the remotely sensed LAI, in terms of accuracy and sampling frequency, to reach target of either 25 or 50% reduction of errors on the final estimation of grain yields.Our results demonstrate that EnKF is not suitable for assimilating LAI in WOFOST as the average error on final grain yields estimation globally increases. These poor results can be explained by the possible differences of phenological development existing between assimilated and modelled LAI values (difference called “phenological shift” in our study) which is not corrected by the EnKF-based assimilation strategy.On the contrary, a recalibration-based assimilation approach globally improves the estimation of final grain yields in a significant way. On average, such improvement can reach up to approximately 65% when observations are available all along the growing season. Improvements on the order of 20% can be already be attained early in the season, which is of great interest in a crop yield forecasting perspective. If the first objective (25%) of error reduction on final grain yields can be reached in a quite high number of assimilated LAI observations availabilities and uncertainty levels, the field of possibilities is significantly restricted for the second objective (50%) and implies to have LAI observations available all along the growing season, at least on a weekly basis and with an uncertainty level equal or ideally lower than 10%. These requirements are not currently met from neither a technological nor an operational point of view but the results presented here can provide guidelines for future missions dedicated to crop growth monitoring.     

基于主成分分析的叶面积指数尺度效应

为描述多空间尺度观测数据在表达同一区域农作物叶面积指数(LAI)分布特征时存在的差异,该文提出了一种基于主成分分析(PCA)的LAI尺度效应分析方法。该方法充分考虑了多尺度数据的相关性与差异性,从统计分析角度出发,采用PCA进行数据挖掘和信息重组,引入动态多元线性回归模式基于主成分信息(PCs)反演估算LAI,进而定量描述尺度效应。选取大麦和玉米为试验对象,先以地面最细空间尺度观测数据为基准,通过尺度上推构建一系列不同空间尺度数据;再依据上述尺度效应分析方法进行有效信息提取和LAI估算,并纳入有效主成分个数(NEPCs)、决定系数(R2)和平均相对精度(MRA)等参数定量描述尺度效应。理论分析和数值实践证实了该方法在农作物LAI尺度效应定量分析中的可行性和有效性。     

氮磷调控及紫云英配施提高早稻冠层特性和产量

为揭示不同氮、磷施用量及配合翻压适量紫云英入田对早稻冠层特性和产量的影响,在7个施氮、3个施磷及2个不施氮/磷水平下,开展早稻全生育期叶面积指数LAI、冠层光合有效辐射PAR传输特性、叶片叶绿素SPAD值、生育后期剑叶净光合速率Pn及产量的试验观测。结果表明,氮磷调控可显著影响早稻LAI、叶片叶绿素含量和叶片光合速率,进而通过调节LAI影响冠层PAR传输特性,最终表现为产量上的差异。缺氮对早稻的影响显著高于缺磷,但在施肥充足时,磷肥对产量的影响比氮肥更加显著。早稻冠层特性和产量随氮、磷施用量的增加表现出边际递减效应,当施用量超过某一值时出现拐点,最终表现为产量的下降。在赣抚平原灌区,187.5~225 kg/hm2施氮量和60~120 kg/hm2施磷量以及翻压15 000 kg/hm2紫云英鲜草入田可有效提高早稻LAI和冠层PAR截获率In以及叶片叶绿素含量,维持剑叶生长期内较高的净光合速率Pn,获得高产。     

基于低空无人机成像光谱仪影像估算棉花叶面积指数

农作物叶面积指数(leaf area index,LAI)遥感监测具有快速、无损的优势。该文以低空无人机作为遥感平台,使用新型成像光谱仪获取的农田高光谱影像数据对棉花LAI进行反演。利用影像高光谱分辨率的特点,针对传统固定波段植被指数(fixed-bandvegetation index,F_VI)进行改进,通过动态搜索相应植被指数定义所使用波段范围内的反射率极值的方法,计算与各类植被指数对应的极值植被指数(extremum vegetation index,E_VI)。分别以原始全波段光谱反射率、连续投影算法(successive projections algorithm,SPA)提取的有效波段反射率以及各类F_VI和E_VI作为自变量,使用最小二乘和偏最小二乘(partial least squares,PLS)回归等方法构建LAI遥感估算模型。结果显示:1)以植被指数为自变量的模型估算效果(验证R2最高为0.85)优于以光谱反射率作为自变量的模型(验证R2最高为0.59);2)使用E_VI作为自变量能够显著提高LAI的估测精度(验证R2最大提高了0.11);3)使用PLS回归算法结合多个E_VI建立的LAI-E_VIs-PLS模型精度最高。使用LAI-E_VIs-PLS模型对棉花地块高光谱影像进行反演,制作棉花LAI空间分布图,取得良好的估算结果(验证R2=0.88,RMSE=0.29),为农作物LAI遥感监测提供了新的技术手段。     

基于无人机遥感影像的大豆叶面积指数反演研究

作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,可作为指导精准农业研究的一种新方法。     

中小区域尺度时间序列林地LAI快速估测方法

时间序列LAI对模拟大气与植被边界上的碳水交换过程至关重要,其已经成为众多区域尺度的碳水循环机理模型研究中重要的驱动数据。针对低空间分辨率MODIS LAI产品在中小区域尺度应用时表达LAI的空间异质性精度差问题,该研究提出了一种中小区域尺度时间序列林地LAI快速估测方法。该方法首先提取了林地MODIS LAI的归一化生长曲线,利用三次样条插值函数进行归一化LAI曲线的拟合,以此曲线模拟LAI的全年变化情况;其次基于传统遥感统计模型和TM遥感数据估测展叶完全时期的LAI,作为研究区域LAI的最大值并以此控制LAI生长曲线;最后将归一化LAI拟合函数与最大LAI相乘得到时间序列LAI数据集。试验结果表明:MODIS LAI产品对中小区域尺度较高空间分辨率LAI值的估测不够准确,但MODIS LAI归一化生长曲线与归一化的实际LAI生长变化情况保持较高的一致性,可以用来模拟LAI的全年变化情况;该研究提出的方法可简单、高效地为中小区域尺度的其他研究提供有效的时间序列林地LAI数据。     

融合无人机载激光雷达与多光谱遥感数据的冬小麦叶面积指数反演

为了进一步挖掘无人机载激光雷达(Light Detection and Ranging,LiDAR)在农作物长势监测方面的潜力,探究机载LiDAR与多光谱遥感数据融合反演冬小麦叶面积指数(Leaf Area Index,LAI)的效果,以无人机载LiDAR和可见光-近红外多光谱为研究手段,获取试验区冬小麦孕穗期的无人机...