基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测

为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。     

基于MODIS-NDVI的春玉米叶面积指数和地上生物量估算

为了构建春玉米叶面积指数和地上生物量的估算模型,基于辽宁省大田条件下9个站点春玉米不同生育期叶面积指数LAI和地上鲜生物量数据,利用MODIS提取的10种植被指数NDVI、RVI、DVI、PVI、EVI、GNDVI、RDVI、SAVI、OSAVI和NLI反演春玉米LAI和地上鲜生物量。结果表明：10种植被指数与春玉米LAI和地上鲜生物量相关性显著,采用植被指数反演春玉米LAI和地上鲜生物量是可行的;分别基于回归分析法和人工神经网络法,利用10种植被指数反演春玉米LAI和地上鲜生物量,利用回归分析法结合OSAVI和NDVI反演春玉米LAI和地上鲜生物量效果较好;利用人工神经网络法进行模拟反演采用RVI、DVI和EVI效果最佳,反演精度高于回归分析法。     

基于WorldView 2影像杉木叶面积指数与植被指数相关性研究

为了探究基于高分辨率遥感影像杉木叶面积指数与植被指数的相关性,以湖南省攸县黄丰桥国有林场为研究对象,采用地面实验与遥感技术相结合的方法,利用WorldView 2遥感数据提取NDVI、SAVI、SARVI、RVI、MSAVI、ARVI等6种植被指数,通过LAI-2000测量的杉木叶面积指数(LAI)建立相关关系,开展WorldView 2遥感影像在估测杉木叶面积指数中的应用研究,分析植被指数对杉木LAI的影响.对不同植被指数分别进行线性模型、二次曲线模型、指数曲线模型和对数曲线模型的LAI反演.结果表明:除DVI与LAI相关性稍低一点外,其他植被指数与LAI都有很高的相关性,高于中低分辨率遥感影像提取的植被指数与LAI的相关性,土壤调节植被指数(SAVI)与LAI的相关性与土壤影响因子L无关.在线型模型中,RVI与ARVI更适合于杉木LAI建立一元线性回归模型,相关系数R分别为0.931、0.895,判定系数R2分别为0.866、0.800,均达到较好的拟合效果.在非线性模型中,反演模型最好的是二次曲线模型,其次是指数模型,最差的是对数模型.拟合效果较好的是NDVI、SAVI和RVI;拟合效果最差的是DVI;最好的拟合模型,其R2高达0.884.杉木LAI具有较佳拟合效果的非线型模型是NDVI和SAVI的二次曲线模型.     

GF-1和MODIS影像冬小麦长势监测指标NDVI的对比

作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R ²=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R ²=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R ²=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R ²=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。     

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。     

偏最小二乘回归在Hyperion影像叶面积指数繁衍中的应用

叶面积指数(Leaf Area Index,LAI)是一个重要的森林结构参数指标,遥感技术被认为是区域LAI反演的有效手段。现有遥感反演模型多以单变量的曲线估计及线性回归模型为主,模型的通用性、建模精度以及植被指数的选择上需要更进一步的探讨。论文以攸县黄丰桥林场为研究区,Hyperion影像为数据源,提取归一化植被指数(NDVI)、比值植被指数(RVI)等13个因子,利用LAI-2000冠层分析仪开展130个样地(60 m×60 m)的叶面积指数测量,选用变量投影重要性(VIP)指标、变量解释能力及变量权重作为变量筛选的依据,采用偏最小二乘回归分析方法建立植被指数与实测样地的回归模型,开展叶面积指数反演并制图。研究结果表明：偏最小二乘回归分析在LAI反演中取得了较好的预测效果,其中以6个植被因子建立的回归模型预测精度最高,预测值与实测值的决定系数R2为0.91;LAI与植被指数之间具有良好的线性关系,其中RVI与LAI的相关性最大;残差分析表明,反演模型的自变量个数选取以4~6个为宜。     

水稻生长日历模拟模型及其应用研究

本研究应用系统模拟语言CSMP，构造了水稻物质生产、产量因子形成和生育过程的计算机模拟模型。田间试验证明：模型输出结果与实际观察值拟合较好，表明模型在总体上能较好反映水稻生育过程。由于模型的逐日模拟结果反映水稻生育过程随时间变化的发展趋势，故称水稻生长日历模拟模型RICAM（Rice growth Calendar Model）。     

福建水稻单产保险费率厘定研究

准确的费率厘定对推动农作物保险发展至关重要,它将有助于实现作物保险“农民买得起、保险公司赔得起、政府补得起”。通过使用正态分布、卡方分布、Weibull分布、Logistic分布、Gamma分布、极小值分布和非参数核密度分布等7种模型对福建省水稻单产的概率分布进行了拟合,并对应地厘定了水稻单产保险的纯费率。并利用经验费率法厘定了水稻单产的纯费率。最终在获得8个纯费率估计值的基础上,应用算术平均厘定费率方法,求得福建水稻单产保险纯费率为1.2922%,据此计算了福建水稻单产保险的费率。结果能为开展福建水稻区域产量保险厘定费率时予以参考。     

保护性耕作条件下不同基因型小麦水分利用效率研究

在保护性耕作秸秆还田条件下,以济麦22、烟农19、济南17和烟农21四个不同基因型小麦(Triticum aesti-vumL.)品种为供试材料,研究了小麦不同生育期的叶面积系数、旗叶SPAD值、旗叶光合速率(Pn)和归一化植被指数(NDVI)与水分利用效率(WUE)的关系。结果表明,在保护性耕作秸秆还田条件下LAI、SPAD值、Pn和NDVI与该品种水分利用效率呈非线性的关系,经济产量是影响水分利用效率的关键指标;不同基因型小麦的LAI、SPAD值、Pn和NDVI存在明显的基因型差异;济麦22和烟农21能够充分利用土壤的有限水资源,获得较高的生物产量和经济产量,可以作为旱地保护性耕作条件下提高小麦水分利用效率,培育健壮群体(高产低耗)的种质资源。     

FY3/MERSI和EOS/MODIS归一化植被指数差异分析

为进行中分辨率成像光谱仪的EOS/MODIS数据与FY3/MERSI数据归一化植被指数(NDVI)的差异性分析,分别选取2008年8月16日、2009年8月30日EOS/MODIS和FY3/MERSI遥感数据,分林地、灌丛、旱田、水田、城市、沙地6种不同地类进行了植被指数计算,并从数据相关性、直方图分布、特征空间分布等方面进行了分析比较。结果表明,MODIS/NDVI 和MERSI/NDVI有着共同的直方图走势,动态范围基本一致,各类地物的反演结果均表现出很好的线性一致性,其中林地R2最高,达到0.8624。     

基于SPOT-NDVI的川西平原水稻生育期监测分析

为了更好的监测川西平原农区水稻长势情况,深入了解水稻各生育期生长状态差别,利用2001—2010年SPOT NDVI的旬合成资料序列,分析了川西平原水稻生育期长势与NDVI的关系。结果表明：水稻各生育期与NDVI有很好的对应关系。水稻返青期植被指数在0.5~0.6之间;分蘖—拔节期水稻NDVI指数达到峰值,在0.7~0.8之间;抽穗扬花期水稻NDVI指数有所下降,在0.6左右;进入乳熟成熟期后,水稻植被指数迅速降低到0.4以下。由此得出,SPOT NDVI资料能够较为准确地反映川西平原稻区的水稻生育期和不同生育期水稻的长势情况,该资料可以用来作为监测川西平原农区水稻长势情况的重要数据之一。     

Improvement of spatially and temporally continuous crop leaf area index by integration of CERES-Maize model and MODIS data

The spatially and temporally continuous leaf area index (LAI) mapping is very crucial for many agricultural applications, such as crop yield estimation and growth status monitoring. Data assimilation technology provides an innovational way to improve spatio-temporally continuous crop LAI estimation through integration of remotely sensed observations and crop growth models. In this study, a very fast simulated annealing (VFSA)-based variational assimilation scheme was proposed to integrate the crop growth model (CERES-Maize), MODIS reflectance product (MOD09A1) and a two-layer canopy reflectance model (ACRM) to estimate time-series crop LAI at regional scale. Simultaneously, a new sensitivity analysis method (called “histogram comparison”) was developed to identify sensitive parameters of CERES-Maize and ACRM models. The proposed scheme was applied for continuous crop LAI estimation during the maize growing season in the dominating spring maize planting area of Jilin province, China. Results showed that R² values between LAI estimations from the proposed assimilation scheme (referred to as assimilated LAI) and fine resolution LAI reference maps were 0.24 and 0.63, with RMSE values of 0.21 and 0.54 for Julian day 176, 2010, and Julian day 196, 2010, respectively. The assimilated results were closer to LAI reference maps than the MODIS LAI product and ACRM-based inversion results (referred to as ACRM LAI). Moreover, by introducing the prior information of LAI dynamics depicted by a crop growth model, the assimilated LAI showed better temporal consistency than the MODIS LAI product, LAI profiles simulated by CERES-Maize model (referred to as CERES-Maize LAI), and ACRM LAI. It was found that the accuracies of LAI estimations could be enhanced by assimilating satellite observations into a crop simulation model in the VFSA framework at a regional scale.     

Estimation of Leaf Area Index of Beta vulgaris L. Based on Optical Remote Sensing Data

Remote sensing and vegetation indices can be used to characterize the canopy of crops with a non‐destructive method on a large scale. Leaf area formation of sugar beet in early summer is the most important variable for crop growth models. This study aimed at estimating whether differences in leaf area development of sugar beet resulting from different agronomic practices can be determined with remote sensing. The relationship between the normalized difference vegetation index (NDVI) and leaf area index (LAI) during the season and yield of the storage root in autumn was studied in six field trials in 2001 and nine field trials in 2002. The vegetation index NDVI gave a good impression of differences in leaf development of sugar beet in early summer. LAI increased with increasing NDVI up to an NDVI of 0.65. Above that the NDVI did not respond as distinctly to treatments as the LAI. An exponential function was developed to calculate sugar beet LAI from NDVI, so that remote sensing data can be used as input variable for crop growth models. The yield of the storage root in autumn did not show any relationship to LAI or NDVI during the season, regardless of whether it was measured in June or September. Therefore, it seems to be necessary to combine NDVI data with crop growth models to forecast a potential sugar beet yield in autumn. For this purpose the formula presented is a valuable tool.     

影响常规籼稻品种氮素籽粒生产效率的主要源库指标

在群体水培条件下，以国内外不同年代育成的籼稻代表品种（2001年为88个、2002年为122个）为材料，测定叶面积系数、库容量、干物重以及氮素含量等，采用组内最小平方和的动态聚类方法将供试品种的氮素籽粒生产效率从低到高依次分为A、B、C、D、E、F等6种类型，研究各类型籼稻品种有关源库指标的差异以及影响氮素籽粒生产效率的主要源库指标。结果表明，A、B、C、D、E、F类籼稻品种的平均氮素籽粒生产效率2001年分别为20.51、31.04、35.64、39.46、43.55和50.92 g g^-1，2002年分别为24.33、31.61、35.83、39.06、43.51和50.00 g g^-1；高氮素籽粒生产效率类型籼稻品种源、库的基本特点为抽穗期的叶面积系数较小、灌浆结实期叶面积下降速度慢、净同化率高、库容量大，抽穗期的单位叶面积、单位干物重和单位氮素所承担（形成）的库容量大。多元逐步回归分析表明，单位氮素库容量、单位干物质库容量、单位库容量形成的产量、抽穗期叶面积系数以及抽穗期至成熟期叶面积系数减少量对氮素籽粒生产效率有显著影响（R²=0.749～0.805）。通径分析表明，抽穗期的单位氮素库容量和单位干物质库容量以及单位库容量形成的产量对籼稻品种氮素籽粒生产效率的影响力明显大于抽穗期叶面积系数和抽穗期至成熟期叶面积系数减少量。     

四川盆地东南部气象因子对杂交中稻产量的影响

为了探明四川盆地东南部气象因子对杂交中稻产量的影响, 并提出相应的丰产技术对策。2015年和2016年, 以2个杂交中稻品种II优602和旌优127为材料, 在5个播种期和高氮低密与低氮高密2种栽培方式下, 研究了四川盆地东南部气象因子对杂交中稻产量的影响。结果表明, 随着播种期推迟, 平均全生育期从148.13 d逐渐缩短到123.25 d, 缩短了14.77%; 气象因子对水稻全生育期的影响主要在营养生长期, 生殖生长期受其影响较小。年度间、栽培方式间、品种间稻谷产量差异均不显著; 随着播种期推迟, 稻谷产量呈下降趋势, 从3月5日的8507.76 kg hm^-2下降到5月24日的6251.01 kg hm^-2, 降低了26.53%。播种-移栽、移栽-拔节、营养生长的日数和全生育期日数分别与穗粒数和产量呈极显著正相关。气象因子对产量的影响在不同年份和不同品种间的表现不一致: 优质稻旌优127 2015年的结实率、千粒重和产量分别与齐穗-成熟的日平均气温呈极显著正相关, 分别与拔节-齐穗的日照时数呈显著负相关; 2016年的穗粒数、产量分别与播种—移栽日最高气温、移栽—拔节的日平均气温呈极显著负相关。高产品种II优602, 2015年的有效穗、千粒重和产量分别与移栽—拔节的降雨量呈显著或极显著负相关, 2016年的穗粒数和产量分别与移栽-拔节的日最高气温呈显著或极显著负相关, 结实率、千粒重和产量分别与拔节-齐穗的日平均相对湿度呈显著正相关。生产上一季中稻模式的最佳播种期在3月5日至3月25日, 而中稻-再生稻模式则在3月5日至3月25日期间尽可能早播, 以利于提高再生稻安全齐穗保证率。     

不同库容量类型籼稻品种源库相关参数的基本特点

在群体水培条件下,以国内、外不同年代育成的常规籼稻代表品种(2001年为88个、2002年为122个)为材料,测定叶面积、干物质重(包括根系)、产量及其构成因素、氮素含量等,采用组内最小平方和的动态聚类方法将供试品种按库容量从低到高依次分为A、B、C、D、E、F 6类,研究各类品种源、库主要性状的基本特点。结果表明：(1)供试品种间库容量的差异很大(426%和817%)。A、B、C、D、E、F类品种的平均库容量,2001年分别为426.37、642.53、770.96、903.73、1 064.32、1 213.90 g m^-2,2002年分别为359.36、574.11、764.98、962.43、1 200.11、1 455.59 g m^-2;(2)大库容量品种全生育期天数、每日形成的库容量较大,库容量显著受到全生育期天数、每日形成库容量的影响,后者对库容量的作用大于前者对库容量的作用;(3)大库容量类型品种抽穗期叶面积、成熟期叶面积、抽穗期绿叶重、成熟期绿叶重、比叶重较大,但结实期叶面积下降比例小;(4)大库容量类型品种结实期净同化率、单位叶面积籽粒产量、单位叶面积库容量、单位干物质库容量、单位氮素库容量大于小库容量类型品种;（5）多元逐步回归分析表明,抽穗期绿叶重、单位叶面积库容量、单位氮素库容量、单位干物质库容量、净同化率、比叶重是影响库容量的主要源库性状(R²= 0.953~0.963)。通径分析表明,抽穗期绿叶重、单位叶面积库容量对库容量的作用要显著大于单位氮素库容量、单位干物质库容量、净同化率、比叶重等对库容量的作用。     

Testing the performance of ORYZA1, an explanatory model for rice growth simulation, for Mediterranean conditions

ORYZA1 is an explanatory model to simulate rice growth, development and leaf area index (LAI) under potential production. The present study aims at testing the performance of ORYZA1 for Mediterranean conditions (farming practices, cultivars, weather) for fully irrigated direct-seeded rice. ORYZA1 was calibrated and validated with field data of two cultivars, a short-grain (Tebre) and a long-grain cultivar ( -202), grown in various years in the Ebro Delta of Spain. Phenological development of the rice crop, daily dry matter production and leaf area development were calibrated. Tebre and L-202 had no significant differences in the total length of the development period. The pre-heading period, however, was longer and the post-heading period shorter in L-202 than in Tebre. This induced differences in translocation characteristics, spikelet number per unit area, weight of the grains and harvest index. The following crop characteristics were similar between cultivars: extinction coefficient (increased with development stage), dynamics of nitrogen distribution, partitioning of assimilates, relative death rate of leaves, relative growth rate of leaf area during exponential growth, specific leaf area and a strongly decreasing specific stem green area. The simulated curve fitted much better the observations, which was clear from a strongly reduced value of RMSE, when considering that LAI comprises the leaf blade area only, without a photosynthetic contribution by stem green area. The model simulated rice growth very accurately until flowering. After flowering, however, divergences appeared and increased especially at the yellow ripe stage. From then on the crop did not grow much more, whereas it continued in the simulation. This reduction of growth rate was usually accompanied by an increase in the relative death rate of leaves and the drying of the grains. The main source of error may be a limited understanding of the ripening and sink limitation processes. A considerable yield gap between potential and observed yield remained. A climatic variability assessment over 10 years, from 1987 to 1996, showed a small but correlated variation (r=0.7) in both simulated and measured rice yields.