基于MODIS的植被指数模型及其在草地生态系统中的应用

为了明确MODIS植被指数模型的类型以及MODIS数据在大尺度上的可用性,笔者在分析MODIS数据优势的基础上,综述了MODIS植被指数、植被指数模型以及MODIS植被指数模型在草地生态系统中的应用。MODIS数据可以直接提取NDVI和EVI 2类植被指数,还可以间接计算MSAVI和RVI等多种植被指数;利用MODIS植被指数可以建立线性回归模型和非线性的多种曲线模型,它们可以用在草地生态系统的净初级生产力估算、草地退化监测等方面。MODIS植被指数还可以在草地面积提取、草地碳储量估算等方面进一步的应用。     

多参数冬小麦估产模型研究及产量影响因素分析

产量估算研究对制定粮食政策和经济计划,科学地进行粮食宏观调控有着重要意义。针对以往线性遥感估产模型中多是基于NDVI和LAI的研究,且参数间存在多重共线性等问题,该研究以河北省南部石家庄、保定、邯郸、邢台、衡水、沧州六市为研究区,选用2000—2008 年的种植区最佳时相NDVI、LAI累加值,并引入与小麦生物量积累密切相关的不同月份地表温度作为原始估产指标,针对参数累加值存在的误差,提出一个修正公式对NDVI、LAI 进行修正,再对选用参数进行主成分分析,将结果与冬小麦产量数据建立出4 个多参数综合作用的冬小麦遥感估产模型。结果表明,利用2009 年数据对模型进行验证,结果表明4 个模型的R2介于0.714~0.818 之间,估产精度均在93.0%以上,其中,综合所有遥感参数的模型拟合效果最好,R2为0.818,估产精度达95%,而且引入温差主成分的模型精度高于仅用NDVI、LAI作参数的模型,另外深入分析各参数对产量估测的影响可知4 月中旬和5 月中旬的地表昼夜温差对冬小麦的后期产量具有较大影响。     

罗非鱼池塘养殖溶解氧预测研究

为及时有效地掌握池塘养殖中溶解氧浓度的变化趋势,保障罗非鱼稳定高效养殖,在对罗非鱼池塘养殖实际情况进行研究和分析的基础上,采用粒子群算法对BP神经网络模型进行参数优化,针对无锡市2015 年8 月23—11 月4 日这段时间内南泉实验基地的水产养殖溶解氧进行预测。同时,将粒子群优化BP神经网络模型与BP神经网络模型的训练结果和预测结果进行对比。研究结果表明,PSO-BP优化模型的训练和预测结果远远优于普通BP神经网络模型,除异常点外,误差率基本均低于0.5%。同时,该模型收敛速度快,计算复杂性低,能够较好的体现和预测罗非鱼池塘养殖的溶解氧趋势,也为其他水质指标的预测提供了研究方向。     

基于植被指数的夏玉米不同生育期叶绿素含量遥感估算

叶绿素含量是间接判断玉米营养状况的重要农学参数,估算叶绿素含量对农作物长势监测有重要意义。笔者利用ASD便携式地物光谱仪和SPAD-502叶绿素仪实测了夏玉米关键生育期冠层光谱反射率及叶片叶绿素相对含量,对3种植被指数与叶绿素相对含量进行了相关性分析,建立了基于归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)的叶绿素估算模型,并进行精度检验,从中选出最佳拟合模型。研究结果表明：拔节期RVI、抽穗期和灌浆期NDVI以及蜡熟期DVI的均方根差(RMSE)和相对误差(RE)均最低,RMSE分别为5.688、5.323、2.751、4.111,RE分别为9.84%、8.56%、3.75%、7.15%,故为各个时期的最佳模型。因此得到了NDVI、RVI和DVI3种植被指数在不同生育期的最佳模型,对指导夏玉米种植与田间管理具有重要的指导意义。     

遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

高寒草原草地植被物候期及其与气象因子的关系模式

为进一步探寻高寒地区草地植被物候期生长指标与气象因子间的最佳关系模型，基于近11a的气象和牧草观测资料，采用曲线估计分析法探讨了高寒地区不同年际间草地植被物候期生长指标的变化特征及其与气象因子间的关系。结果表明，不同年际间气温和降水量均无显著差异，草地植被物候期生长指标在不同年际间的表现规律不尽相同。其中2005和2010年草地植被高度显著高于2015年，而植被盖度在不同年际间无显著差异；草地植被产量的变化趋势与植被高度一致。另外，2014年草地植被各生长指标的变异系数最大，分别为85%、55%和94%；而2015年变异程度最小，分别为48%、32%和64%。此外，不同年际间高寒草地植被物候期平均气温与高度无关，而与盖度和产量呈一次函数；年平均降水量与高度、盖度和产量间的最佳拟合模型均呈一次线性方程。由此可见，季节性降水量是驱动高海拔地区草地植被高度、盖度和产量的主导因子。     

新疆布尔津县五年间归一化植被指数时空演变

基于新疆布尔津县2010—2014逐月MODIS-NDVI遥感数据,旨在了解布尔津县四季的归一化植被指数NDVI时空分异规律。采用趋势分析方法,分析了5年来布尔津县NDVI的时间动态特征和空间变化趋势,定量的探讨了5年间研究区NDVI的时空演变。结果表明：(1) 2010—2014年布尔津县NDVI的时序变化呈现下降趋势,反映出不同季节NDVI的大小为：夏季>秋季>春季>冬季。(2) 5年间NDVI 不同年份同季节变化情况大体上变化幅度较小,不同季节 NDVI 的年际变化特征呈现出显著差异,其中春季变化特征显著,而夏季空间分布变化不明显,分布规律相对较为稳定;(3) 5年间布尔津县夏季年均NDVI变化趋势逐渐增加;春季NDVI变化趋势减小,植被指数逐步降低;秋季NDVI变化趋势增加,北部植物分布减少;冬季NDVI变化趋势减小。本研究对布尔津县植被覆盖的时空分布和演变进行分析,为生态环境的区域保护提供一些科学参考。     

不同植被指数反映地表植被覆盖度的比较分析——以甘肃河西走廊地区为例

针对不同的地表植被覆盖情况,以期合理精准的选择植被指数反映地表植被效果给予一定的技术支持,选择甘肃省河西走廊地区为研究对象,基于甘肃省MODIS影像数据,借助ERDAS、ArcGIS地图处理软件及SPSS统计分析软件对不同植被指数(NDVI、PVI、RVI)反映地表植被覆盖度的效果进行了比较研究。分析结果显示：河西走廊北部东中西3段的以NDVI值估算的植被覆盖度分别为0.33、0.31、0.42,祁连山西中东3段分别为0.62、0.62和0.37,进而研究PVI和RVI与不同植被覆盖度区域相关性。经研究分析得出：对于高盖度植被覆盖地区,RVI所反映的植被覆盖度明显优于PVI;对于低盖度植被覆盖地区,由于PVI受土壤背景（质地、亮度）和大气影响较小,比RVI更能反映荒漠等沙粒质地表区域。     

基于随机森林法的棉花叶片叶绿素含量估算

为了高效和无损地估算棉花叶片的叶绿素含量,本研究测定了棉花光谱反射率及叶绿素含量(soilandplant analyzerdevelopment,SPAD)值,对光谱数据进行包络线去除处理、立方根转换和倒数转换,以SPAD值与反射光谱之间的相关性为基础,通过随机森林法筛选出对棉花叶片SPAD值影响较大的特征波段,构建估算棉花叶片SPAD值的BP神经网络(back propagation artificial neural networks, BP ANN)、偏最小二乘回归(partial least squares regression,PLSR)两个模型。结果表明,在605～690nm范围内的反射率与SPAD值相关性达0.01显著水平,均呈负相关,相关系数最高值为-0.619。与原始光谱相比,经过变换后的棉花反射率与SPAD值相关性结果相差较大,其中去除包络线光谱在550～750 nm波段范围有效提高了相关性,相关性效果优于倒数转换数据和立方根转换数据。随机森林法能够有效评出对SPAD值影响较大的特征波段,进而提高模型估算精度。在两种模型中,基于去除包络线光谱建立的PLSR和BP神经网络模型的决定系数R~2分别为0.92、0.83,说明这两种模型的估算能力较好;两种模型RMSE分别为0.88、1.26, RE分别为1.30%、1.89%,表明PLSR模型的估算精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算棉花SPAD值方面有一定的优势和参考价值。     

基于GreenSeeker的冬小麦NDVI分析与产量估算

以2007-2009年连续2个冬小麦生长季的田间试验数据为基础,利用GreenSeeker获取冠层归一化差值植被指数(NDVI),分别对不同氮营养条件下冬小麦的产量变化、冠层NDVI值随施氮量和生育期的动态变化,以及NDVI与产量的相关性定量分析,建立基于NDVI的冬小麦产量估算模型。结果表明,冬小麦的产量变化随施氮量的增加呈抛物线趋势变化;冠层NDVI在返青期前随施氮量增加基本不变,返青期至灌浆初期随施氮量增加呈显著增加趋势;整个生育期冠层NDVI呈现“低–高–低”变化趋势。冬小麦整个生育期不同施氮水平下的NDVI值与产量的相关性均为正相关关系,且相关性随生育期逐渐增强,在灌浆末期达到最大。利用NDVI建立的冬小麦产量估算模型,以灌浆初期(P=0.005)和灌浆末期(P<0.001)的模型达到极显著水平。经验证,灌浆初期的冬小麦产量预测值与实测值的回归关系达到了显著水平(P=0.0129),灌浆末期则达到极显著水平(P=0.0002)。因此,利用灌浆初期和灌浆末期的NDVI值可以预测冬小麦产量,尤以灌浆末期预测效果更佳。     

基于NOAA AVHRR数据的京津冀地区植被覆盖的时空变化

本研究利用京津冀地区83个站点近29年（1982—2010年）归一化植被指数（NDVI）数据,研究京津冀地区植被覆盖的时空变化特征。采用气候倾向率、相关分析、经验正交函数EOF分解等方法,分别从月、季和年多个时间尺度以及空间变化尺度,详细分析了京津冀地区植被覆盖的基本特征,结果表明：（1）近29年京津冀地区植被覆盖整体呈微弱的增加趋势,年际波动较大;春季植被覆盖上升趋势最为明显,其次是秋季和冬季,夏季植被变化率与年变化相关性最强;4—6月为植被主要生长期,7月植被覆盖增长率最高,8月、10月和11月为弱的减少趋势。（2）整个研究区植被覆盖空间分布差异较大,其中河北南部、北京东北部的燕山附近区域植被覆盖最好（NDVI均值>0.4）,低值区主要位于张家口北部,其中张家口的康保站年平均NDVI值为0.15,为研究区最低;EOF分析表明,整个研究区植被增加明显的区域为河北中南部,时间系数表明京津冀地区植被覆盖1982—1999年为增长期,2000—2002年有所减少,2003—2010年有明显增加。

     

内蒙古林草过渡区植被覆盖度时空变化及其驱动力研究—以呼伦贝尔市和兴安盟扎赉特旗为例

以呼伦贝尔市、兴安盟扎赉特旗作为研究区,基于MODIS NDVI数据,利用像元二分模型反演得到研究区2001—2016年植被覆盖度数据,研究其草原退化整体变化趋势及影响因子。研究结果表明：极低覆盖和低覆盖植被面积不断增长扩大,年均增长分别率为12.29%和3.13%;中覆盖从面积由增长转为面积减小,年均增长率为-4.63%;高覆盖和极高覆盖植被面积一直在减小,年均增长率分别为-5.99%和-4.8%;坡度≤5°的地区退化率较高。气象、海拔和坡向因子宏观上决定植被的分类和密集程度,但由于研究区人地关系复杂,草原退化主要以人口密度和牲畜密度较为集中的地区为主。     

Application of Self-pressure Sprinkler Irrigation Technology to Grassland Vegetation Restoration in Alpine Arid Areas

To study the application of self-pressure sprinkler irrigation technology to vegetation restoration of grassland in alpine arid areas,three treatments including fenced grassland(FG),fencedirrigated grassland(FA),and free grazing grassland(CK) were compared in respect of primary productivity.The results showed that the community coverage of FA was only 35.96% higher than that of FG and 152.69% higher than that of CK;the plant height of FA was only 76.71% higher than that of FG and 155.77% higher than that of CK;the productivity of the community in FA was only 24.10% higher than that of FG and 110.00% higher than that of CK.It indicates that the self-pressure sprinkler irrigation technology has certain demonstration and promotion potential in vegetation restoration of grassland in alpine regions and can provide a new way for the sustainable development of grassland animal husbandry in Tibet.     

西藏一江两河地区植被变化及其与气候因子的相关性分析

[目的][方法]本文以西藏自治区“一江两河”区域为研究区,利用2000-2016年的MODIS标准植被指数产品(NDVI)及研究区域内9个有人气象站点的监测的平均气温、降水量数据为数据源,采用Slope趋势分析方法和相关性分析方法,分析了一江两河地区的植被变化特征及其主要气候驱动因素,为该区域的生态保护、修复与造林种草工程提供科学的数据支撑。[结果]结果表明：(1)2000年以来一江两河地区植被变化(NDVI)整体呈波动中减小的变化趋势,其中沿一江两河河谷的植被有增加的趋势;(2)一江两河区域气候趋势表现为暖干化;(3)不同的时间尺度,植被变化与平均气温和降水量的相关性差异显著,在年尺度上：年最大NDVI与年总降水量呈显著的正相关关系,与年平均气温呈现出显著的负相关关系;在月尺度上：月最大NDVI与月平均温度和月总降水量都呈现出显著的正相关关系,与降水量的相关系数要明显大于气温。[结论]因此,降水量是西藏一江两河区域植被生长(NDVI变化)的主要影响因素。     

气候智慧型草地管理技术助力牧区振兴

气候变暖和人类活动导致青藏高原高寒草地生态系统面临空前挑战,为增强青藏牧区应对气候变化的能力,合理利用高寒草地资源,减少天然畜牧业温室气体排放,增加牧民收入和生计韧性。本研究团队承担实施了农业农村部(MARA)-世界银行(WB)-全球环境基金(GEF)气候智慧型草地管理技术研究,在青海省祁连县默勒镇实施牧民参与式的春季休牧和免耕补播等天然草地管理技术,监测草地植被多样性和生产力,通过卫星影像计算了研究区植被的归一化植被指数(NDVI),并对气候智慧型草地管理产生的社会影响、满意度和牧民经济情况进行调查的任务。气候智慧型草地管理技术试点和调查在默勒镇取得了丰富成果,草地生产力在春季休牧和免耕补播下分别提高了34.1%和50.0%,2种恢复措施均在一定程度上增加了草地植被多样性,NDVI显示恢复措施下的植被长势要好于对照地,此外,牧民对气候智慧型草地管理技术的满意程度达88.6%,实施管理技术直接或间接的增加了项目户牧民的收入,当地约80.0%的牧民的科学素养都有所提高。气候智慧型草地管理技术可以提高草地植被多样性、生产力和绿度覆盖,并且可以增加牧民收入,改善牧民生活环境,提高牧民科学素质,增强牧民应对气候变化的能力,从而助力牧区振兴。     

Self-adaptation Optimize BP Neural Network Design Based on the Genetic Algorithms

BP(Back Propagation) Neural networks is in the presence of the local optimization in the Neural networks training.The algorithm have slow convergence and the local convergence problem which impact the neural networks work performance.In order to cover these shortcomings and solves the size's hugeness and the low efficiency of the net problem in the traditional NN designing,the action principles of BP-Neural network's structure are analyzed,and a new method is formed which is confirmed from the Enhance genetic algorithms(EGA).The method can identify network configuration and network training methods.By adopting the number coding,self-adaptable multi-point variations operation,this method can effectively reduce the network size and the network convergence time,increase the network training speed.Tomatoes disease diagnosis examples illustrate the feasibility of this approach.     

1960—2015年内蒙古气候诊断及其与农田覆盖变化相互关系

为了摸清1960年以来内蒙古农业气候资源变化及其对农田覆盖影响,本研究利用1960—2015年的105个气象站逐旬气象资料从中心趋势检验、年际稳定性检验、变化趋势检验3个方面进行气候统计诊断,利用1982—2006年的GIMMS-NDVI数据进行农田植被覆盖特征及变化分析,结合116个气象站逐日气象资料,利用GIS空间插值实现站点数据点到面转换,气象要素栅格数据投影方式与像元大小均与GIMMS-NDVI数据相一致。利用GIS空间分析、地统计分析、趋势分析、相关分析等方法,分析农田NDVI与同期温度、降水条件间相互关系。结果表明：（1）2000年以来,内蒙古各季节平均气温、年平均气温线性变化趋势均呈显著上升趋势;大部地区年降水量较为稳定,春季增多,夏季减少,秋季变化不明显,冬季中东部增多,西部减少的,但均不显著;（2）农田NDVI年内分布呈现开口向下的单峰型分布曲线,农田NDVI全年均值、夏季均值、峰值上升趋势显著,但通过稳定性检验,2000年来变化不显著;（3）春季墒情好坏影响气温与植被覆盖的利弊关系。     

基于LM-BP神经网络的耕地土壤养分等级划分模型──以皖南山区为例

研究旨在通过BP神经网络方法,构建起LM-BP网络结构(5-M-1)模型,达到对土壤养分等级划分的目的,为合理的土壤养分管理提供可靠依据。采用Levenberg-Marquardt (LM)训练算法,构建3层网络模型：一个输入层、一个隐含层、一个输出层,利用3层网络作为耕地土壤养分等级划分模型。利用土壤养分各级评价标准作为模型的训练样本和测试样本,以此来对BP神经网络进行训练和测试,并对歙县土壤养分进行综合评价。结果表明：LM-BP网络结构对测试样本输出的预测值和实际参考值是一致的。最终通过灰色关联模型和主成分分析方法对歙县土壤养分的综合评价结果与BP神经网络的模拟结果相对比,发现也是基本一致的。LM-BP网络结构应用于土壤养分等级划分中,得到了很好的预测效果,为智能算法应用于农业领域奠定了良好的基础。