基于双参数和Morlet多时间尺度特性的冬小麦单产估测

为进一步研究冬小麦在不同时间尺度下长势及产量变化情况,以陕西省关中平原为研究区域,选择与作物长势密切相关的条件植被温度指数（VTCI）和叶面积指数（LAI）作为研究指数,Morlet小波作为函数,利用小波变换和交叉小波变换分别分析不同时间尺度下冬小麦各生育时期VTCI和LAI与单产时间序列间的主振荡周期和共振周期。通过计算小波互相关度,确定各生育时期VTCI和LAI的权重,从而分别构建基于加权VTCI、加权LAI的单参数和双参数估产模型。结果表明,不同生育时期VTCI和LAI与单产间存在不同的主振荡周期和共振周期;通过小波变换构建的基于加权VTCI、加权LAI单产估测模型的归一化均方根误差（NRMSE）分别为16.88%、13.58%,决定系数（R2）分别为0.259、0.520,基于双参数的估产模型NRMSE为13.52%, R2为0.531,表明基于双参数估产模型精度更高。通过交叉小波变换构建的基于加权VTCI、加权LAI单产估测模型的NRMSE分别为16.83%、13.56%,R2分别为0.263、0.522,基于双参数的估产模型NRMSE为13.40%,R2为0.533,表明基于交叉小波构建的估产模型比基于小波变换的估产模型精度均有所提高。利用共振周期构建的双参数估产模型对关中平原2011—2018年冬小麦的单产进行估测,结果显示,产量分布呈现西部高东部低的空间分布特征。     

基于双变量同化和交叉小波变换的冬小麦单产估测

为进一步提高陕西省关中平原冬小麦产量估测的精度,利用集合卡尔曼滤波算法(EnKF)将CERES-Wheat模型模拟的0～20 cm土壤含水率和叶面积指数(LAI)与遥感观测的条件植被温度指数(VTCI)和LAI进行同化,同时利用交叉小波变换分析冬小麦各生育时期同化VTCI和LAI与产量之间的共振周期,通过计算小波互相关度获得各生育时期同化VTCI和LAI的权重,进而构建基于加权VTCI和LAI的冬小麦单产估测模型。结果表明,在样点尺度,经过EnKF同化的VTCI和LAI能够综合表达模型模拟值和遥感观测值的变化趋势;在区域尺度,无论是否同化,经过交叉小波变换的各生育时期VTCI和LAI分别与产量之间存在特定的共振周期,同时发现,同化有助于对关键生育时期的特征提取;相较于未同化构建的估产模型,经过同化构建的估产模型的归一化均方根误差为13.23%,决定系数为0.50,平均相对误差为10.58%,精度略有提升,且估测产量的分布与统计产量的分布更为一致,因此认为将同化与交叉小波相结合构建的双变量单产估测模型精度更高,可为进一步实现高精度的区域产量估测提供研究基础。     

基于LAI和VTCI及粒子滤波同化算法的冬小麦单产估测

为进一步提高冬小麦单产的估测精度和验证粒子滤波算法在同化研究中的适用性,以陕西省关中平原为研究区域,以叶面积指数(LAI)和条件植被温度指数(VTCI)为同化系统的状态变量,采用重采样粒子滤波算法同化CERES-Wheat模型模拟的与遥感数据反演的LAI和VTCI,并依据在不同类型样点应用最优同化LAI和VTCI构建的单产组合估测模型对2008—2014年冬小麦单产进行估测。结果表明,同化LAI具有良好的时间和空间连续性,可减缓CERES-Wheat模型模拟LAI的剧烈变化,其峰值出现时间与遥感LAI变化趋势基本同步,更加符合关中平原冬小麦实际变化情况;同化VTCI能同时表达模型模拟值和遥感观测值的变化趋势,且更能反映冬小麦对水分胁迫的敏感性。比较不同类型样点基于不同同化变量建立的估产模型,发现在旱作样点,同时同化VTCI和LAI的单产估测结果(R2=0.531)优于单独同化VTCI(R2=0.475)或LAI(R2=0.428)的估测结果,且同时同化VTCI和LAI与实测产量间相关性达极显著水平(P0.001);而在灌溉样点单独同化LAI的估测结果精度最高(R2=0.539),同时同化VTCI和LAI的估测结果次之(R2=0.457),单独同化VTCI的估测结果较差(R2=0.243)。表明在旱作样点,冬小麦叶面积指数和水分胁迫是影响其产量形成的主要因子,而在灌溉样点,叶面积指数是影响冬小麦产量形成的主要因子。     

基于遥感多参数和IPSO-WNN的冬小麦单产估测

冬小麦是我国的主要粮食作物之一。为进一步准确地估测冬小麦产量,以陕西省关中平原为研究区域,选取冬小麦主要生育期与水分胁迫和光合作用等密切相关的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数,采用改进的粒子群算法优化小波神经网络（IPSO-WNN）以改善梯度下降方法易陷入局部最优的缺陷,并构建冬小麦产量估测模型。结果表明,IPSO-WNN模型的决定系数R2为0.66,平均绝对百分比误差（MAPE）为7.59%,相比于BPNN（R2=0.46,MAPE为11.80%）与WNN（R2=0.52,MAPE为9.80%）,IPSO-WNN能够进一步提高模型的精度、增强模型的鲁棒性。采用灵敏度分析的方法探究对冬小麦产量影响较大的输入参数,结果发现,抽穗-灌浆期的FPAR对冬小麦产量影响最大,其次拔节期的VTCI、抽穗-灌浆期和乳熟期的LAI以及返青期和拔节期的FPAR对冬小麦产量的影响较大。通过IPSO-WNN输出获取冬小麦综合监测指数I,构建I与统计单产之间的估产模型以估测关中平原冬小麦单产,结果显示,估测单产与统计单产之间的R2为0.63,均方根误差（RMSE）为505.50kg/hm2,相比于前人的研究较好地解决了估产模型存在的“低产高估”的问题,因此,本文基于IPSO-WNN构建的估产模型能够较准确地估测关中平原冬小麦产量。     

基于随机森林回归的玉米单产估测

为了提高玉米单产估测精度,以河北省中部平原为研究区域,以条件植被温度指数(VTCI)和上包络线S-G滤波的叶面积指数(LAI)为特征变量,通过随机森林回归确定玉米主要生育时期VTCI和LAI的权重,构建加权VTCI和LAI与玉米单产的单变量和双变量估产模型。结果表明,基于随机森林回归的双变量估产模型精度最高(R~2=0. 303),达极显著水平(P 0. 001)。将随机森林回归双变量估产模型用于研究区域2012年各县(区)玉米单产估测,结果表明,53个县(区)玉米估测单产与实际单产的平均相对误差为9. 85%,均方根误差为824. 77 kg/hm~2,模型精度较高。基于随机森林回归双变量估产模型逐像素估测研究区域2010—2018年玉米单产,结果表明,玉米单产在空间上的分布特征为西部地区最高、北部和南部次之、东部地区最低,年际间的分布特征为在波动中呈先减少后增加的趋势。     

基于双参数和粒子滤波同化算法的夏玉米单产估测

为了提高河北省中部平原夏玉米的估产精度和进一步验证粒子滤波同化算法对农业作物估产的适用性,采用粒子滤波算法同化CERES-Maize模型模拟和MODIS数据反演的叶面积指数(Leaf area index,LAI)、条件植被温度指数(Vegetation temperature condition index,VTCI),应用随机森林回归算法确定夏玉米不同生育时期LAI和VTCI的权重,构建单产估测模型。结果表明,无论是单点尺度还是区域尺度,同化的LAI和VTCI均能较好地响应外部观测数据,同化LAI可减缓CERES-Maize模型模拟LAI的剧烈变化;同化VTCI结合模型模拟和遥感观测,更能反映夏玉米对水分胁迫的敏感性。利用2015年河北省中部平原各县(区)夏玉米产量对较优估产模型进行精度验证,结果表明,同化前后夏玉米产量模拟结果与统计产量间的归一化均方根误差由12.71%下降到10.50%,平均相对误差由12.57%下降到8.43%,说明基于同化LAI和VTCI构建的双参数单产估产模型可用于区域夏玉米单产估测。     

基于遥感多参数和门控循环单元网络的冬小麦单产估测

为进一步准确、实时监测冬小麦长势并估测其产量,以陕西省关中平原为研究区域,选取冬小麦旬或生育时期尺度的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数,分别构建不同时间尺度的单参数、双参数和多参数的门控循环单元（GRU）神经网络模型,并模拟得到冬小麦长势综合监测指数I,结果表明,旬尺度的模型精度总体高于生育时期尺度的模型精度。基于5折交叉验证法进一步验证旬尺度多参数GRU模型的鲁棒性,并构建I与统计单产之间的线性回归模型以估测冬小麦单产,结果显示,冬小麦估测单产与统计单产的决定系数（R2）为0.62,均方根误差（RMSE）为509.08kg/hm2,平均相对误差（MRE）为9.01%,相关性达到极显著水平（P<0.01）,表明旬尺度的多参数估产模型能够较准确地估测关中平原冬小麦产量,且产量分布呈现西高东低的空间特性和整体保持稳定且平稳增长的年际变化特征。此外,基于GRU模型捕获冬小麦生长的累积效应,分析在连续旬中逐步输入参数对产量估测的影响,结果显示,模型具有识别冬小麦关键生长阶段的能力,3月下旬至4月下旬是冬小麦生长的关键时期。     

基于Shapley值组合预测的玉米单产估测

为进一步促进机器学习技术在玉米单产估测中的应用,以河北中部平原为研究区域,选取与玉米长势和产量密切相关的条件植被温度指数（Vegetation temperature condition index,VTCI）和叶面积指数（Leaf area index,LAI）为特征变量,通过极限梯度提升（Extreme gradient boosting,XGBoost）算法和随机森林（Random forest,RF）算法分别对玉米单产进行估测。基于组合预测思想与Shapley值理论,分别确定组合预测模型中XGBoost与RF模型权重,进而得到组合预测模型,结果表明,基于Shapley值确定的组合估产模型精度较高（R2=0.32）,达极显著水平（P<0.001）。同时将组合预测模型应用于河北中部平原2012年各县（区）玉米的单产估测,结果表明,模型精度较高（R2=0.52）,玉米估测单产与实际单产的平均相对误差和均方根误差分别为9.86%、831.14kg/km2,达到极显著水平（P<0.001）,且组合预测模型的精度均优于单一估测模型。研究发现,河北中部平原玉米估测单产随年份发生波动变化,呈先降低后升高的趋势。玉米估测单产以西部地区最高,其次是北部和南部地区,东部地区最低。     

基于Sentinel的时间序列田块尺度LAI重建与冬小麦估产

为了进行田块尺度的冬小麦单产估测,以陕西省关中平原为研究区域,基于Sentinel-1、Sentinel-2和Sentinel-3卫星数据反演叶面积指数（LAI）,并利用增强的深度卷积神经网络融合模型（EDCSTFN）和增强的时空自适应反射率融合模型（ESTARFM）对Sentinel-1、Sentinel-2和Sentinel-3 LAI进行时空融合,进而重建尺度12d的空间分辨率20m LAI并用于冬小麦单产估测。结果表明,基于Sentinel-1后向散射系数和相干性能够准确地反演关中平原冬小麦种植区的20m空间分辨率LAI,决定系数（R2）在冬小麦主要生育期可达0.70以上;相比于基于Sentinel-2和Sentinel-3的ESTARFM模型和EDCSTFN模型（EDCSTFN_S3）,基于Sentinel-1和Sentinel-2的EDCSTFN模型（EDCSTFN_S1）可以明显提高距离参考影像获取日期较远的日期的LAI时空融合精度,ESTARFM、EDCSTFN_S3和EDCSTFN_S1 3个模型在5月下旬的融合结果对应的R2分别为0.53、0.71和0.76;基于时空融合LAI的冬小麦估产结果与冬小麦单产数据具有良好的相关性（R2=0.52,P<0.01）,估产结果的均方根误差为358.25kg/hm2,归一化均方根误差为19%,平均相对误差为7.34%,并显示了丰富的田块尺度冬小麦单产分布细节特征,展现了进行田块尺度冬小麦精确估产的潜力。     

基于非线性特征的干旱影响评估研究

客观地认识干旱的非线性特征是干旱影响评估的关键,对制定抗旱减灾策略具有重要指导意义。以陕西省关中平原为研究区域,以核函数方法为非线性算法,基于核主成分分析方法(KPCA),将遥感反演的条件植被温度指数(VTCI)映射到高维特征空间下对其进行特征提取,并结合Copula函数构建主成分间的联合分布模型,确定2008—2013年冬小麦主要生育期的综合VTCI;构建综合VTCI与冬小麦单产间的线性回归模型,评估干旱对冬小麦产量的影响。结果表明,相比于传统的主成分分析方法(PCA),KPCA能有效地提取干旱的非线性特征,且降维效果更好。与PCA-Copula方法构建的回归模型相比,应用KPCA-Copula方法所建综合VTCI与单产间的回归模型的拟合度明显提高,决定系数达到0.608(p0.001),对应模型的估测单产与实测单产之间的均方根误差(RMSE)为298.1 kg/hm2,相比于PCA-Copula的结果降低了60.1 kg/hm2,且KPCA-Copula获取的综合VTCI更符合关中平原实际的干旱特征。这表明KPCA-Copula方法能够较好地体现干旱的非线性特征,更加适用于干旱影响评估研究。     

两种气象干旱指标的应用比较研究

基于两种常用的气象干旱指标计算方法--Z指数和标准化降水指数（SPI指数）,改进了两种干旱指标的区域化计算方法。通过比较分析两种不同干旱指标方法,结果表明SPI指数与Z指数具有较好的一致性。同时,SPI指数计算较Z指数简单,资料容易获取,其借助概率密度函数转化计算,消除了降水资料的时空分布差异,具有良好的稳定性,能有效地反映区域的旱涝状况,为区域水资源评估及旱涝灾害预测预警提供了可靠的依据。     

四川省能源和粮食生产用水竞争及与经济关系研究

水-能源-粮食系统存在相互依存、相互制约的复杂关系,量化该系统的相互关系,对于合理配置和协调利用水、能源和粮食资源,促进区域社会经济的可持续发展具有重要意义。本文运用能源和粮食生产水足迹模型、竞争指数模型、脱钩理论及锡尔指数等方法,核算分析了四川省2009—2019年能源和粮食生产水足迹及其时空变化特征,以及能源和粮食生产对水的竞争关系,探究了水足迹和地区生产总值的内在联系。研究结果表明：能源和粮食生产水足迹均呈上升趋势。能源生产蓝水足迹年均值为5.45×109m3,占能源生产水足迹的93.76%;粮食生产蓝水足迹年均值为1.06×1010m3,占粮食生产水足迹的26.02%,绿水足迹的贡献率超过蓝水足迹和灰水足迹之和,占比53.06%。四川省能源和粮食生产对水的竞争指数呈上升趋势,增幅为42.69%。由于川西北生态示范区和攀西经济区等地区兼顾粮食和水电生产,其竞争指数明显高于其他地区。四川省水足迹和地区生产总值的脱钩关系为弱脱钩,处于相对协调发展状态,说明经济发展对用水量的控制状态相对较好;水足迹强度总差异呈扩张趋势,说明四川省用水效率不均衡性逐渐扩大,但研究后期有所下降,发展逐渐趋同。该研究可为四川省水资源调配、能源开发和粮食生产提供建议,也可为该地区优化经济发展方式以及用水效率的协同发展提供参考。     

节水灌溉综合效应评价指标的选取与分级研究

分析了节水灌溉主要影响因素及效能表现形式,依据科学性、简性性、可操作性及针对性等原则,在对综合采用专家评分法、Delphi法、层次分析和隶属度等方法选取的评价指标进行非量纲化处理与检验的基础上,确定了区域评价的综合评价指标体系,并依据现有规划、规范及发展现状对所选指标进行了分级,为开展节水灌溉综合效应评价提供了基础。     

影响带勺式马铃薯播种机排种性能的因素分析与试验

2015年,马铃薯主粮化发展战略的提出将极大地促进我国马铃薯种植业的发展,种植面积将显著增加,这对我国马铃薯播种机排种性能提出了更高的要求。我国带勺式马铃薯播种机漏种、重种指数较高,与国外相同机型相比差距很大。为此,利用带勺式马铃薯排种试验台进行了排种性能试验研究。试验得出了取种皮带张紧力、播种机工作速度、振动轮位置,以及充种高度对漏种、重种指数的影响规律,旨在为马铃薯播种机的设计及工作参数调整提供参考。     

基于无人机图像颜色与纹理特征的小麦不同生育时期生物量估算

为实现小麦生物量田间快速无损监测,开展基于不同密度、氮肥和品种处理的田间试验,应用无人机获取小麦越冬前期、拔节期、孕穗期和开花期4个时期的RGB图像,通过影像处理获取小麦颜色指数和纹理特征参数,并同时期通过田间取样获取小麦生物量;分析不同颜色指数和纹理特征参数与小麦生物量的关系,筛选出适合小麦生物量估算的颜色和纹理特征...     

湖北省降雨和洪涝特征时空变化规律分析

为揭示降水变化波动与区域旱涝灾害特性间的关系,采用降水集中指数(PCI)、降水异常指数(RAI)、标准化降水指数(SPI)、降水集中度(PCD)、降水集中期(PCP)和夏季长周期旱涝急转指数(LDFAI)等表征降水特性和旱涝急转特征的多个指标对湖北省区域内旱涝急转特性和降水时空变化特征进行了研究,并对其旱涝发生规律和年代际变化进行了系统探讨.研究结果表明:区域降水具有季节性,主要表现为PCI值一般介于11~19,个别年份大于20,RAI值高低值分别发生在7月份和12月份左右;受气候变化等因素影响,省内和不同分区内近年SPI呈现波动和上升趋势,旱涝灾害发生具有持续性;全省及各区PCI,PCD值偏大,PCP值越大即雨季出现越早,则越容易发生洪涝灾害,指示洪涝灾害风险不断增加,尤其鄂西南最为突出;全省年代际变化特征明显,全省按旱涝急转频率及强度各年代际结果依次为1960s,2010s,1970s,2000s,1990s,1980s, 同时与夏季降水百分率结果表现一致.文中所得的研究成果对了解区域旱涝灾害变化特性和防治自然灾害具有重要的理论借鉴和实践参考意义.     

基于LAI-2200的草地LAI测量与聚集度系数分析

叶面积指数(LAI)是陆地表层生态系统最重要的植被结构参数之一。近年来,利用LAI-2200观测草地叶面积指数的研究逐渐增多,但是其精度验证研究却很少。本文利用LAI-2200获取19个草地样地的有效植被面积指数(PAI_e),并利用草地孔隙率模型模拟LAI-2200测量值,然后与收获法得到的植被面积指数(PAI)进行比较,进而评估LAI-2200的测量精度,并分析草地聚集度系数(CI)的变化规律。结果表明LAI-2200观测天顶角较小的4圈数据计算的PAI_e比5圈数据计算的PAI_e的精度更高;PAI_e与PAI相关性极显著(R2=0.951);当PAI小于3时,PAIe略小于PAI;随着PAI继续增大,PAI_e低估逐渐严重。这种低估现象主要原因是叶片的聚集效应,当PAI小于3时,CI均值为0.97;当PAI为3~6时,CI均值为0.88;当PAI大于6时,CI均值为0.71,因此LAI-2200用于浓密草地测量时需要用CI进行订正。     

地下水超采评价的指标体系与评价过程

地下水超采评价工作对于合理开发利用地下水、逐步控制超采具有重要的指导意义。从地下水系统胁迫(地下水开采)-状态(地下水位下降)-响应(诱发地质环境因子及生态环境变化)的过程出发,在分析地下水超采评价指标及评价方法的基础上,初步构建了地下水超采评价指标体系,并提出了地下水超采综合评价过程,以期为更好的开展地下水超采评价工作提供参考。     

基于NDVI与EVI的作物长势监测研究

基于2015年大气校正后的时间序列Landsat8影像,研究了归一化植被指数NDVI与增强型植被指数EVI随植被覆盖度增加的变化规律,定量分析了二者监测低、中、高植被覆盖的差异,比较分析了NDVI和EVI分布频率曲线差异及时间序列曲线差异。结果表明:地表刚出现植被时,NDVI和EVI的增加速度最快,随着地表植被覆盖度的增加,NDVI与EVI的增加速度减缓。低植被覆盖下NDVI的增加速度大于EVI,中等植被覆盖下NDVI和EVI的增加速度接近,高植被覆盖下NDVI的增加速度小于EVI,不同植被覆盖下的NDVI值始终大于EVI值。NDVI和EVI分布频率曲线能描述不同植被覆盖度像元数量和随时间的变化。NDVI和EVI时间序列曲线能清晰反映一种作物的长势变化规律及不同作物在同一时期的长势差异。在作物生长初期或低植被覆盖下,NDVI、EVI都偏高估计植被覆盖度,NDVI估计值略高于EVI的估计值。在作物生育中期或中等植被覆盖下,二者对植被描述能力相似。在作物生育高峰期或高植被覆盖下,监测作物长势变化EVI比NDVI更敏感。综上所述,监测作物时可根据作物生育期植被覆盖度变化特点合理选取NDVI和EVI植被指数,也可同时选用NDVI和EVI两种植被指数互为补充。     

基于分数阶微分和最优光谱指数的大豆叶面积指数估算

高光谱遥感技术可对作物生长状况进行无损、高效地监测，是推动现代精准农业发展的必要手段。以不同施氮水平与覆膜处理下的开花期大豆叶面积指数(Leaf area index, LAI)为研究对象，对原始开花期大豆高光谱反射率数据进行0～2阶微分变换处理(步长0.5),并筛选出各阶光谱指数中与开花期大豆LAI相关性最高的指数作为最优光谱指数进行输入，采用支持向量机(Support vector machine, SVM)、随机森林(Random forest, RF)、遗传算法优化的BP神经网络(BP neural network optimized by genetic algorithm, GA-BP)3种机器学习方法构建大豆LAI预测模型。结果表明：0～2阶光谱指数与大豆LAI相关系数平均值分别为0.616、0.657、0.666、0.669、0.658,相比于原始与整数阶高光谱反射率，分数阶微分变换处理后的高光谱反射率构建的光谱指数与开花期大豆LAI具有更强的相关性；相关系数平均值最高的1.5阶微分处理最优光谱指数波长组合分别为：TVI(687 nm, 754 nm)、DI(687 n...