基于网格化信息的北京地区土壤墒情预报服务系统

依据农田土壤水分平衡理论,引入RS和GIS技术,以图像栅格信息方式分别考虑土壤、植被和大气空间区域分布的非均匀性,以中期天气预报要素、实测土壤墒情及当前MODIS卫星遥感资料为基础,研究开发了基于IDL语言的250m空间分辨率网格信息的北京市土壤墒情预报服务系统,并在北京地区进行了气象业务服务应用和效果评估。结果表明,RS和GIS技术能有效实现土壤墒情预报信息的网格化和预报参数值的非均匀化,基于IDL语言开发的土壤墒情预报系统技术流程清晰,功能齐全,业务化程度高,系统在北京农业干旱监测和预报服务中能得到有效发挥,对与北京农田类似的地区具有推广价值。     

冬小麦田间墒情预报的经验模型

基于土壤水分变化率与贮水量成正比这一假定,得出了土壤水分的指数消退关系。在此基础上,建立了冬小麦生育期土壤墒情预报的经验递推模型,并对模型进行了检验,表明模型预报效果较好。该模型的特点是模型简单且参数较少;其主要局限性是模型中土壤水分消退系数地域、时域性较强     

农田土壤墒情监测与预报系统研发

为了定量预报农田未来7d 土壤墒情变化特征,提升农业气象服务工作质量与效率,该文旨在研发基于网络化的辽宁省农田土壤墒情监测与预报系统。该系统基于VC++及Fortran程序语言设计,以改进的CERES-MAIZE模型中的土壤水分子模型为基础,通过程序设计及各接口功能的实现,自动调用辽宁省自动土壤水分观测站的监测当日土壤含水量数据和中央气象台预报指导产品,实现数据的网络化获取和业务模型的实时运行,提升土壤墒情模拟的准确性、时效性和便利性。结果表明,预报准确率随预报日期增加而呈现降低的趋势,越临近实际监测日期土壤墒情预报情况与实际情况拟合越好;等级干旱预报准确率最低值为70.1%,最高值为81.9%,系统对于辽宁省农田土壤干旱级别的预报具有较高准确率。     

基于土壤消退指数的田间土壤水分预报方法的研究

在分析现有的土壤水分预报方法的基础上,研究了不同深度的大田土壤水分消退指数随作物生长时间的变化规律,探讨了冬小麦生育期土壤墒情预报的经验递推方法,通过研究表明:利用土壤水分消退法来进行田间土壤水分预报,具有方法简单,所需参数较少且容易获取,预报结果可靠,精度较高的优点,可以满足灌溉预报的要求。     

时间序列分析在土壤墒情预测中的应用研究

土壤水分的动态模拟是土壤墒情监测及预报的重要内容,采用时间序列的线形模型进行土壤水分时间序列的拟合与趋势预测.在建立模型后,用实测数据与模型的预测数据相比较说明时间序列线形模型能较好地拟合与预测土壤墒情的变化趋势,可为干旱研究及其治理提供依据.     

麦田土壤水分时空变异特性及CA-Markov模型模拟预报

为揭示农田土壤水分时空变异特征,精准预测土壤墒情,该研究以河北省太行山山前平原井灌区典型麦田为例,在监测土壤水分的基础上,采用时间稳定性指数法、空间自相关性评价法研究土壤水分时空分布规律,构建了适用于模拟预报田间水分时空变化的CA-Markov 模型,并将该模型的模拟预报效果与HYDRUS 模型进行比较。结果表明：随着土层深度的增加,土壤水分等值线由密变疏,变异系数逐渐减小。随着小麦生育期的推移,前期监测的土壤水分稳定性高于后期;在土壤较湿润的情况下,土壤水分空间相关性较强,土壤水分全局Moran''s I 指数随小麦生育期的推移呈现先增大后变小的规律。CA-Markov 模型模拟预报的各土壤相对湿度等级面积误差的平均值为1.61%,比HYDRUS 模型模拟预报的面积误差平均值（10.86%）小9.25个百分点; CA-Markov 模型对研究区4月下旬、5月上旬的土壤水分干旱等级预测的空间分布Kappa 系数分别为 89.31%、91.46%。该模型可综合考虑麦田墒情的时空变化及随机特性,模拟预测土壤墒情的精度较高、效果良好,可以作为麦田水分管理的重要工具。     

淮北地区农业干旱预警模型与灌溉决策服务系统

根据2002-2005年3a的田间试验资料和1990-2005年16a的大田土壤水分观测资料,分析确定了安徽淮北地区冬小麦、夏玉米干旱等级指标和适宜土壤水分指标。基于常规气象资料建立了36个逐旬中期降水预报模型,基于温度、降水等气象要素建立了24个土壤墒情逐月回归模型,基于土壤水分平衡方程建立了农业干旱逐旬预报数学模型,对各模型进行综合集成,建立了淮北地区农业干旱综合预警模型。根据干旱预报和降水预报结果,以及作物-土壤适宜水分指标、作物需水量关键期、临界期和土壤水分临界值等,开发了淮北地区冬小麦、夏玉米的干旱预警和灌溉决策计算机服务系统,使用简便快捷,业务化程度高,在近2a的业务应用中,服务效果显著。     

基于BP神经网络的土壤墒情预测精度研究——以肥东县为例

本文以肥东县土壤墒情为例,选用BP神经网络模型,对土壤墒情预测进行探究。先介绍神经网络相关理论知识,然后针对模型建立需要确定的参数做了详细说明。着重比较了隔日和五日两种预测结果的精度,结果表明隔日预报精度要高于五日预测精度,得出结论 BP神经网络短期土壤墒情预报能取得较高的精度,对农业生产具有实际指导意义。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明：考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

耦合土壤墒情的气候适宜度指数在山东省冬小麦产量动态预报中的应用

利用山东省1981-2011年历年冬小麦生育期及产量资料、14个气象站点的逐日气象资料、1992-2011年冬小麦生长季逐旬20cm土壤墒情资料,分别构建考虑和不考虑土壤墒情的冬小麦不同生长阶段的气候适宜度指数计算模型,通过与气象产量进行相关和回归分析,建立了基于两种气候适宜度指数的3-5月逐旬产量动态预报模型,并进行历史回代检验和动态外推预报。结果表明:考虑土壤墒情的气候适宜度指数能够更客观地反映山东省冬小麦生长期间气象条件和土壤水分对其产量形成的影响,构建的气候适宜度指数与冬小麦气象产量的相关系数均通过0.01水平的显著性检验,相关性高于不考虑土壤墒情的气候适宜度指数。产量动态预报模型对1992-2009年历史回代检验的平均准确率均在95.0%以上,标准化均方根误差RMSE均小于6%。对2010-2011年外推预报准确率最高达99.4%,最低为95.4%,说明预报准确率较高,建立的产量动态预报模型可以在业务上推广应用。     

水土流失动态监测与评价研究现状与问题

美国等国家已将遥感、ＧＩＳ技术广泛应用于水土流失动态监测与预报,并开发出基于物理过程的土壤侵蚀预报模型。中国在水土流失地面观测、遥感监测方面已取得许多成果,但在区域土壤侵蚀评价、预报模型开发方面,缺少系列化观测与统计数据,已有的坡面土壤侵蚀模型等在通用性、适用性方面还存在不少问题。当前急需解决的问题是建立水土流失监测与评价指标体系,开发评价模型系统,建立国家水土保持信息系统     

基于RS和GIS的矿区水土流失定量监测方法研究——以福建省马坑铁矿区水土流失为例

水土流失是矿产资源开发中出现的主要地质环境问题之一。以福建省马坑铁矿区为例,尝试通过RS技术监测和提取研究区的植被覆盖度及土地利用变化的信息,运用GIS技术提取研究区的高程信息和土壤类型信息,然后综合运用RS技术和GIS空间分析功能,快速、准确、经济地实现了对1998、2004年两个时段内矿区水土流失范围与强度变化的定量监测与评价。     

基于实时含水率数据的土壤墒情动态建模及预测

实时准确地预测墒情是进行灌溉预报,实现农田水分精准化管理,提高水分利用效率的重要措施。基于根区（0−60cm土层）水量平衡原理,利用泰勒级数对根区下界面水分通量和作物蒸腾量进行了线性化处理,并以实时根区平均土壤含水率为自变量构建了动态的土壤墒情预测模型。采用天津市武清区西吕村无线土壤墒情监测系统（包含3个监测点）实时监测数据（地表下30cm和60cm处的土壤含水率）,分别选取5d、10d、15d和20d作为建模系列长度进行回归分析,确定模型参数,对10d和15d两种预见期进行了土壤墒情预测精度分析。结果表明：（1）实时预测模型拟合程度较好,三种建模系列长度条件下的确定性系数均达到0.80以上（样本数均大于550）;（2）15d建模系列长度下相对误差最小;（3）15d建模系列长度、15d预见期、10%相对误差界限值条件下,3个监测点的墒情预测合格率分别达到98%、100%和89%。由此可见,研究提出的实时墒情预测模型预测精度较高,便于建模分析,为土壤墒情的预测提供了新方法。     

Remote sensing of soil degradation: Progress and perspective

Soils constitute one of the most critical natural resources and maintaining their health is vital for agricultural development and ecological sustainability, providing many essential ecosystem services. Driven by climatic variations and anthropogenic activities, soil degradation has become a global issue that seriously threatens the ecological environment and food security. Remote sensing (RS) technologies have been widely used to investigate soil degradation as it is highly efficient, time-saving, and broad-scope. This review encompasses recent advances and the state-of-the-art of ground, proximal, and novel RS techniques in soil degradation-related studies. We reviewed the RS-related indicators that could be used for monitoring soil degradation-related properties. The direct indicators (mineral composition, organic matter, surface roughness, and moisture content of soil) and indirect proxies (vegetation condition and land use/land cover change) for evaluating soil degradation were comprehensively summarized. The results suggest that these above indicators are effective for monitoring soil degradation, however, no indicators system has been established for soil degradation monitoring to date. We also discussed the RS's mechanisms, data, and methods for identifying specific soil degradation-related phenomena (e.g., soil erosion, salinization, desertification, and contamination). We investigated the potential relations between soil degradation and Sustainable Development Goals (SDGs) and also discussed the challenges and prospective use of RS for assessing soil degradation. To further advance and optimize technology, analysis and retrieval methods, we identify critical future research needs and directions: (1) multi-scale analysis of soil degradation; (2) availability of RS data; (3) soil degradation process modelling and prediction; (4) shared soil degradation dataset; (5) decision support systems; and (6) rehabilitation of degraded soil resource and the contribution of RS technology. Because it is difficult to monitor or measure all soil properties in the large scale, remotely sensed characterization of soil properties related to soil degradation is particularly important. Although it is not a silver bullet, RS provides unique benefits for soil degradation-related studies from regional to global scales.     

基于RS和GIS的西河流域土壤有机碳含量的空间反演

基于遥感(RS)和地理信息系统(GIS)方法掌握土壤有机碳含量是当前土壤学科的发展趋势。本文利用西河流域Landsat 8 OLI遥感影像及121个样点土壤表层(0~20 cm)有机碳含量和地面辅助数据建立预测模型并进行了空间反演。结果表明,仅用遥感光谱信息建立的土壤有机碳含量预测模型均达极显著水平(P=0.000),表明遥感光谱信息能用于表层土壤有机碳含量的预测建模。在引入成土母质、地貌类型和农地利用方式等地面辅助因子后,预测模型决定系数R2明显增大(P=0.000),由0.385提高到了0.579,这表明地面辅助因子能有效改善模型精度。空间反演显示,最优模型的插值图能较好地表现区域土壤有机碳含量分布的基本格局,但对于个别值区的反演效果仍有待进一步提升。     

RS和GIS支持下农业非点源污染模型研究评述

农业非点源污染主要由降雨径流、土壤侵蚀、地表溶质溶出和土壤溶质渗漏4个过程形成。从数据获取和数据处理两方面分析了农业非点源污染模型研究中引入RS和G IS技术的必要性和可行性,总结了模型与RS、G IS的集成主要表现为3个层次,在此基础上提出引入空间决策支持系统是集成研究的发展方向,将目前模型与RS、G IS集成方式概括为松散集成、紧密集成和完全集成3种,阐述了每种集成方式的实现方法和难易程度。综合叙述和展望了国内外农业非点源污染模型与RS、G IS集成研究取得的成果和最新研究进展,分析了集成研究面临的问题,对其中的主要问题如模型验证、运算效率以及模型与G IS匹配问题进行了深入探讨并且提出了解决的办法。     

利用多时相Sentinel-1 SAR数据反演农田地表土壤水分

土壤水分是陆面生态系统水分和能量循环的重要变量,在农田干旱监测、作物长势监测和作物估产等应用研究中具有重要的作用。该文结合基于变化检测的Alpha近似模型,利用Sentinel-1卫星获取的多时相C波段合成孔径雷达(synthetic aperture radar,SAR)数据,实现了农田地表土壤水分的反演。该文首先利用微波辐射传输模型验证了Alpha近似模型在土壤水分反演中的合理性。研究发现,对于土壤散射占主导的区域,Alpha近似模型对辐射传输模型有较好的近似,能够有效地消除地表粗糙度和植被对雷达后向散射系数的影响。在此基础上,结合怀来研究区多时相Sentinel-1 SAR数据,利用Alpha近似模型构建了土壤水分观测方程组,通过求解方程组得到了农田地表土壤水分。地面验证结果表明,土壤水分反演的均方根误差(root mean square error,RMSE)为0.06 cm3/cm3,平均偏差为0.01 cm3/cm3,精度较好。该文研究为利用高重访周期、多时相的Sentinel-1 SAR数据获取农田地表土壤水分提供了参考。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

RS和GIS技术在水保方案编制中的应用

分析了将RS和G IS技术应用于水土保持方案编制的优势和可行性,在此基础上结合实例,阐述了RS和G IS技术在水土保持方案编制中的具体应用,主要包括基础数据的调查统计、水土流失预测、水土保持治理措施布设和水土保持监测等。提出了在方案编制实践中应用RS和G IS技术还需要注意的几个问题。