基于PROSAIL模型及TM与实测数据的MODIS LAI精度评价

利用PROSAIL模型和TM影像反演的叶面积指数LAI及地面实测数据,从空间和时间序列上分别对吉林省主要玉米种植带的MODIS LAI产品精度进行验证分析,为准确评价和科学准确应用MODIS数据提供科学依据。研究结果表明,MODIS LAI产品精度因玉米生长时期和植被类型而异,混合像元是造成MODIS LAI产品低估玉米作物LAI值的主要原因之一;不同年份不同生长时期,MODIS LAI和实测数据表现出不同的关系;在玉米生长灌浆期之后,MODIS LAI产品与同期地面实测玉米LAI相比,约低估了33%～53%左右,MODIS LAI产品值明显低于TM影像反演的LAI值,约低估玉米LAI值约30%～69%左右。因MODIS LAI产品值与实际值有较大偏差,非常有必要对农作物MODIS LAI产品值进行验证分析,研究结果可为准确利用MODIS LAI产品及其算法改进后产品精度提供一种评价途径。     

基于 HJ - CCD 时序数据提取镇江市水稻种植分布

基于传统经验公式法和辐射传输法,分别对江苏省镇江市水稻分布状况进行提取。经验公式法可基于植被指数与叶面积指数的统计关系求得,以归一化植被指数和增强植被指数分别建立统计模型,而辐射传输模型采用PROSAIL模型,建立查找表,通过对比模拟和卫星遥感反射率数据对水稻的LAI(叶面积指数)进行确定。试验依据水稻生育期间LAI的时相分布,确定镇江水稻的种植分布状况。结果表明:(1)由经验公式法得到的镇江水稻面积为7.95×104hm2,相对误差为14.9%,由辐射传输法得到的镇江水稻面积为8.65×104hm2,相对误差为7.5%。辐射传输法的结果更接近实际值。(2)在统计模型中,增强植被指数EVI与LAI相关性比归一化植被指数NDVI与LAI的相关性更高,用EVI-LAI方程对LAI作进一步反演效果更理想;(3)实测值验证分析表明,统计模型反演的LAI标准误差为1.32,PROSAIL模型反演的LAI标准误差为0.97,说明在遥感反演植被生物物理参数时,辐射传输法比传统的经验公式法稳定性更强。研究结果对探讨两种方法在提取作物分布范围中的应用,准确了解作物长势和种植面积以指导生产具有重要意义。     

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。     

基于偏角光谱检索算法的油菜和水稻LAI反演研究

叶面积指数(LAI)是评价植被长势及产量预测的重要指标,对其进行精准快速估测有助于植被的生长状态诊断和管理。本研究以不同施氮水平、不同栽种方式下的油菜和不同品种水稻为试验对象,基于冠层高光谱曲线形态,引入偏角光谱检索算法(DABSR)提取光谱偏角,同时采用植被指数法和主成分分析法进行对比分析,探索适用于水稻、油菜LAI估算的统一模型构建方法。研究结果表明,估算油菜LAI时,DABSR反演精度较高,预测R~2、RMSEP分别为0.74、0.47,偏移量MNB为0.16;主成分分析法反演精度次之,预测R~2、RMSEP、MNB分别为0.73、0.48、-0.04;而植被指数法受不同生育期油菜株型、覆盖度影响反演精度普遍较低,精度较高模型的预测R~2、RMSEP、MNB分别为0.61、0.57、0.17。在估算水稻LAI时,DABSR反演精度最优,预测R~2、RMSEP、MNB可达0.70、0.80、0.05。综合考虑模型的验证精度、特征选择的合理性以及模型计算效率,DABSR偏角光谱检索法估算油菜和水稻LAI具有较高精度,且受施肥水平、栽种方式、生长期等因素影响较小,为构建精确的植被LAI统一估算模型提供了新思路。     

基于人工神经网络方法的冬小麦叶面积指数反演

实践中,大尺度上测量叶面积指数（LAI）很难实现,利用遥感技术进行LAI的定量反演成为当前研究的重点。该文应用MODIS地表反射率数据反演冬小麦叶面积指数,假设MODIS像元由作物和土壤混合,建立了SAILH模型与裸土反射率组成的线性光谱混合模型,基于人工神经网络的方法进行LAI反演,获得了北京顺义冬小麦种植区在2001年4月1个时间序列的LAI。研究表明,此方法能够较好的获取大区域尺度上的LAI,对冬小麦长势监测具有重要意义。     

基于四维变分和集合卡尔曼滤波同化方法的冬小麦单产估测

为了通过数据同化方法提高冬小麦的估产精度,以陕西省关中平原为研究区域,采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数(LAI),通过四维变分(4DVAR)和集合卡尔曼滤波(En KF)2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI,获得单点尺度的LAI同化数据,将单点尺度的LAI同化值扩展到区域尺度,对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明,两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势,使LAI同化值更符合冬小麦LAI的实际变化规律;在单点尺度和区域尺度上,En KF-LAI均更能反映关中平原冬小麦的实际生长状况。采用En KF-LAI构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产,通过实测单产对估产模型进行验证,结果表明,2008年样点估测单产与实测单产的相对误差均小于15%,部分县估测单产与实测单产的相对误差均小于10%;与2014年模拟单产与实测单产间的相对误差相比,估测单产与实测单产间的相对误差降低0.57%~9.30%,RMSE降低217 kg/hm2,其中,8个样点的估产精度达到94%以上,表明组合估产模型的估产精度较高。     

不同叶面积指数遥感产品在呼伦贝尔草甸草原的应用对比

叶面积指数(leaf area index,LAI)是植被生理过程模拟的重要参数之一,对植被气候关系、全球气候变化研究等具有重要的意义。近年来LAI产品越来越多,这些产品的精度、区域适用性都不相同。为了选择适用于呼伦贝尔典型草甸草原的LAI产品,为以后在呼伦贝尔展开工作提供便利,该文以内蒙古呼伦贝尔草甸草原为研究区域,利用2013年6-8月6期地面试验数据,以HJ-1A/B CCD高分辨率影像为中间桥梁建立植被指数SR与LAI的统计模型,反演得到LAI参考图像,对研究区域内与地面试验同期的MODIS LAI和GLASS LAI、GEOV1 LAI产品分别进行了直接验证与交叉验证。结果显示,3个LAI产品均存在高估现象,以GLASS LAI最为显著约高估41%,其次是MODIS LAI约高估了32%。GEOV1 LAI产品准确性最高,RMSE=0.289 MAE=0.216。GLASS LAI与GEOV1 LAI产品的相关性最好(R2=0.6465)。通过对比全年LAI产品发现,3个产品具有良好的时序一致性。GLASS LAI呈现为平滑曲线,高估现象主要存在于LAI值较小时。MODIS LAI最不稳定性,波动性较大。GEOV1 LAI产品在第133天至第201天这段时间内LAI值比其他两个产品的LAI值小;在第202天后GEOV1 LAI值与GLASS LAI值相差无几,高于MODIS LAI。根据对比分析结果,GEOV1 LAI产品最适用于呼伦贝尔典型草甸草原。通过提取质量控制层数据,确定云覆盖不是影响LAI异常的原因。     

基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演

为给小麦田间管理提供基础数据,利用高光谱指数实现了小麦冠层叶面积指数值的估测。在21种高光谱指数中筛选出了与LAI值相关性最强的指数OSAVI,建立了小麦LAI值反演的最小二乘支持向量回归（LS-SVR）模型。分析表明,模型校正集决定系数（C-R2）与预测集决定系数（P-R2）分别达0.851与0.848,可实现小麦LAI值的精确反演,且对LAI值较高与较低的样本均具备良好的预测能力,可有效避免冠层郁闭度等因素对估测结果的影响。利用LS-SVR模型与OMIS影像实现了小麦LAI遥感专题图的制作,其填图结果与地面实测值拟合模型R2达0.774,RMSE仅为0.476,2组数据具有较高的相似度。结果表明：可利用高光谱指数实现小麦冠层LAI值信息的准确获取,且OSAVI系反演建模的优选指数,LS-SVR为建模的优选算法。该研究可为小麦等农作物的长势评估提供参考。     

联合Terra/Aqua MODIS多角度多光谱数据反演冬小麦叶面积指数

Terra与Aqua双星搭载的MODIS传感器可实现每日上下午分别对同一地点观测一次,并且由于卫星轨道漂移形成累积连续多天的多角度观测特点,加上多通道的光谱响应,极大地丰富了地表目标的观测信息,为LAI等地表参数的实时准确反演提供了可能。该文利用MODIS双星高质量的连续多天的多波段地表反射率数据,结合PROSAIL(PROSPECT+SAIL,properties spectra+scattering by arbitrarily inclined leaves)模型和查找表方法反演冬小麦LAI,并与MODIS LAI产品及野外采样点实测LAI对比,结果表明,联合双星高质量的多角度多波段数据能够较准确反演冬小麦LAI,其反演结果无论从空间分布还是时序变化特征来讲,较MODIS LAI产品更符合实际情况,也更接近地面实测值。该文的研究为充分利用MODIS数据的角度和光谱信息反演小麦等农作物的LAI提供了一定的借鉴。     

黑龙江水稻孕穗期障碍型冷害及其对产量的影响

以连续3d以上日均气温≤18℃为指标判定障碍型冷害,利用黑龙江省稻作区1961—2006年每年7月中-下旬逐日平均气温和水稻产量资料,采用气候统计方法分析水稻孕穗期障碍型冷害的发生特征,在此基础上利用多元线性回归方法分析水稻实际单产与孕穗期障碍型冷害期间平均温度和低温持续时间的关系。结果表明：1961—2006年,黑龙江省稻作区水稻孕穗期障碍型冷害呈现不规律的时间变化特征,共有17a发生,发生范围大、持续时间长、平均气温低的年份有1964、1971、1990和2006年,20世纪80年代发生最多,为7a,20世纪90年代发生最少,为1a。研究期间,孕穗期障碍型冷害的发生频率在地域上呈现由北向南、由东向西减少的趋势,北部最多,西部最少;在同一冷害年内,孕穗期障碍型冷害的发生具有明显的区域差异,冷害的发生程度在区域上表现为东部重于西部,北部重于南部。水稻实际单产与孕穗期障碍型冷害期间平均温度和低温持续时间具有极显著的相关关系（P〈0．01）,孕穗期障碍型冷害期间平均温度每下降1℃,水稻单产降低1234．177kg／hm^2,孕穗期障碍型冷害持续时间每延长1d,水稻单产下降104．208kg／hm^2。     

基于抽样调查地块实测数据的省级水稻单产遥感估算

利用统计局抽样调查地块实割实测标准单位面积产量数据及空间位置信息,在研究水稻种植区MOD09GA、MYD09GA EVI （enhanced vegetation index）数据结合使用可行性分析的基础上,进行湖南省省级水稻单产遥感估算。结果表明：在水稻种植区,水稻生长期间有超过50%、85%、95%的MOD09GA与MYD09GA EVI偏差绝对值分别小于0.03、0.08、0.1。水稻遥感估产模型以二次非线性模型或回归模型精度较高,且时相集中在水稻生长的孕穗期到抽穗期。在省级水平上,与实测值相比,基于统计局统计抽样调查地块实割实测标准单位面积产量数据的水稻单产遥感拟合结果相对误差小于2%,预测结果的相对误差接近5%,且实测值与模拟值集中分布在1∶1线附近,说明预测结果与统计值在空间分布上具有较好的一致性。     

基于遥感的东北地区水稻延迟型冷害动态监测

水稻延迟型冷害大范围准确的同步跟踪监测,可为提高稻米品质和产量提供帮助。在明确东北地区水稻种植区域和水稻低温冷害年的基础上,基于MODIS MOD13A2数据产品划分了东北地区水稻各发育普遍期植被指数判识指标的参考范围,构建了基于地理信息的水稻发育期模型,在此基础上制作了水稻静态发育期空间分布图,并以2009年5月24日和8月7日为例开展了东北地区水稻延迟型冷害动态监测的应用研究。结果表明:东北三省发生较大范围水稻延迟型冷害的年份有2002年、2003年、2008年和2009年,其中黑龙江省是水稻延迟型冷害的重灾区;EVI在水稻发育期判识中较NDVI更具优势;利用经度、纬度和海拔高度与日序的相关关系构建水稻发育期模型,推算无观测地区的发育期具有一定的可行性;在同一时间东北三省各地的水稻发育期分布推算结果的基础上,实现了2009年5月24日和8月7日东北地区水稻延迟型冷害动态监测,所得监测结果与2009年农业气象观测记录在时间和空间上有很好的一致性,监测结果正确。     

Validation and Correction of MOD15‐LAI using In Situ Rice LAI in Southern China

Abstract

MOD15 are one of the standard science products available from the moderate resolution imaging spectroradiometer (MODIS) instrument on the Earth‐observing system (EOS) Terra platform, launched in December 1999. An important requirement of MODIS science products is that they be rigorously validated. In this study, a site intensive MOD15‐LAI (leaf area index) product validation was conducted in southern China in 2003. Results showed that the differences between in situ rice LAI and MOD15‐LAI change in different rice growth. The differences are larger in booting stage, heading stage, and milking stage, but smaller in tiller stage and maturing stage. Otherwise, results indicate that the MODIS algorithm will underestimate LAI value by about 5–10% in total from 1‐km resolution data over the in situ rice LAI in southern China the mean and standard deviation deviated from MOD15‐LAI are smaller than those of in situ rice LAI. Last, according to different stages of rice growth, corrected models were established, and the corrected MOD15‐LAI matched well with in situ LAI.     

四川单季稻区主栽水稻品种的生长模拟*4

利用四川单季稻区7个农业气象观测站5个主栽品种的田间观测数据,结合当地栽培管理措施、土壤条件及逐日气象资料对ORYZA2000模型进行参数调试,并确定四川单季稻区5个主栽品种的作物参数值;利用4～5a各主栽品种的观测数据对单季稻生育期、叶面积指数、生物量和产量等指标的模拟结果进行验证和评价。结果表明,合系39营养生长期发育速率最大,而生殖生长期发育速率最小,Ⅱ优838营养生长期发育速率最小,而D优63和汕优2生殖生长期发育速率最大;模型对5个单季稻主栽品种的生育期模拟效果较好,各品种开花期与成熟期的相对模拟误差均在1～2d,归一化均方根误差（NRMSE）均小于1%;各品种产量的NRMSE在5.26%～10.01%,叶面积指数的NRMSE为10.37%～19.19%,地上部总生物量、茎生物量、绿叶生物量及穗生物量的 NRMSE 分别为13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可见,ORYZA2000模型能够较为准确地模拟四川单季稻区5个主栽品种的发育及产量形成过程,适应能力较强,可以应用于四川单季稻生产。     

四川单季稻区主栽水稻品种的生长模拟

利用四川单季稻区7个农业气象观测站5个主栽品种的田间观测数据,结合当地栽培管理措施、土壤条件及逐日气象资料对ORYZA2000模型进行参数调试,并确定四川单季稻区5个主栽品种的作物参数值;利用4～5a各主栽品种的观测数据对单季稻生育期、叶面积指数、生物量和产量等指标的模拟结果进行验证和评价。结果表明,合系39营养生长期发育速率最大,而生殖生长期发育速率最小,Ⅱ优838营养生长期发育速率最小,而D优63和汕优2生殖生长期发育速率最大;模型对5个单季稻主栽品种的生育期模拟效果较好,各品种开花期与成熟期的相对模拟误差均在1～2d,归一化均方根误差（NRMSE）均小于1%;各品种产量的NRMSE在5.26%～10.01%,叶面积指数的NRMSE为10.37%～19.19%,地上部总生物量、茎生物量、绿叶生物量及穗生物量的NRMSE分别为13.17%～18.69%、14.31%～20.41%、18.95%～24.74%和20.85%～25.39%。由此可见,ORYZA2000模型能够较为准确地模拟四川单季稻区5个主栽品种的发育及产量形成过程,适应能力较强,可以应用于四川单季稻生产。     

基于时间序列LAI和ET同化的冬小麦遥感估产方法比较

为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。     

适宜机插株行距提高不同穗型粳稻产量

为探明不同穗型粳稻品种合理机插株行距配置、产量形成规律及其物质生产特征,以大穗型品种甬优2 640、甬优8号,中穗型品种武运粳24号、宁粳3号和小穗型品种淮稻5号、淮稻10号为材料,研究了机插株行距对不同穗型粳稻品种产量、叶面积指数、光合势、物质生产与积累、群体生长率和净同化率的影响。结果表明：大穗型行距30 cm机插,扩大株距,利于形成大穗而高产;中穗型2种行距机插平均产量相当,但行距30 cm机插生育后期透风透光条件好,利于提高千粒重和结实率,产量潜力高;小穗型行距25 cm机插显著增加穗数而高产。大穗型行距30 cm机插抽穗、成熟期叶面积指数大,粒叶比高,叶面积衰减率低,抽穗期群体质量优,生育中后期光合势大、群体生长率和净同化率高,从而物质积累量高;中穗型行距30 cm机插生物学产量略低,但收获指数高;小穗型行距25 cm机插群体基本苗多,叶面积指数和光合势大,生育中后期群体生长率和净同化率高,物质积累量高。因此,大、中穗型宜采用行距30 cm机插,小穗型宜采用行距25 cm机插,并配套相应株距,能充分发挥不同穗型粳稻品种产量潜力。