基于EPIC模型的冬小麦生长模拟参数全局敏感性分析

模型参数的敏感性分析是模型本地化、区域化过程中不可或缺的重要环节。局部敏感性分析忽略了参数间的相互耦合作用对模型结果的间接影响,从而导致敏感参数选取具有一定的片面性。该研究以河北衡水冬小麦试验区为研究区,使用全局敏感性分析方法分析EPIC模型在冬小麦产量模拟中的敏感参数。研究表明：收获指数（HI）、生长季峰值点（DLAI）、潜在热量单位（PHU）、最大作物高度（HMX）是影响模型本地化最为关键的参数（总敏感指数＞0.1）;作物的播种日期、收获日期及种植密度是影响区域尺度的作物产量估计最为敏感参数（总敏感指数＞0.1）。研究同时表明全局敏感性分析方法可用于作物生长模型本地化、区域化研究,且优于传统局部敏感性分析方法。     

空间抽样方法估算冬小麦播种面积

为改进现行农作物播种面积空间抽样技术体系,该文以山东省为研究区,以冬小麦播种面积为研究对象,通过"3S"技术(遥感、地理信息及全球定位技术)与传统抽样方法的联合应用,选取4种抽样技术(简单随机抽样、按冬小麦种植区划分层抽样、按耕地类型分层抽样和按分县冬小麦面积大小分层抽样),设计8种样本容量水平(变化范围74～333)进行了冬小麦播种面积空间抽样方法试验研究,结果表明:4种抽样方法中,在外推总体相对误差相近条件下,以分县冬小麦播种面积大小为分层标志的分层抽样方法效率最高;基于8种样本容量下的样本观测值进行研究区冬小麦播种面积总体外推与误差估计时,随着样本容量增加,外推总体总值估计值与真值的相对误差随之减小,但总体总值估计量的变异系数(CV)值仍较大。     

基于作物模型与叶面积指数遥感影像同化的区域单产估测研究

通过对作物光合、呼吸、蒸腾、营养等一系列生理生化过程的定量模拟，作物生长模型已经被成功应用于田间尺度的作物单产研究。为了进一步将作物模型扩展应用于区域尺度，提高区域作物单产的模拟精度，该文探讨了将作物模型与多时相叶面积指数(LAI)遥感影像同化以改善区域单产估测的方法。研究首先通过地理信息系统将美国农业部开发的“考虑气候的作物环境决策模型”——EPIC模型，扩展为空间模型。然后，通过基于Landsat TM影像差值植被指数DVI与田间观测叶面积指数构建的最优回归模型，反演了研究区域的多时相叶面积指数影像。最后通过优化算法实现了空间EPIC模型与影像信息的同化，并将系统应用于河北石家庄地区2004年冬小麦的单产估测。结果表明，通过数据同化校正部分关键参数后的空间作物模型的单产模拟精度得到有效提高，但要达到业务运行精度仍有待进一步改善。     

遥感信息与作物生长模型的区域作物单产模拟

利用外部数据同化作物生长模型提高区域作物单产模拟精度是近年来的研究热点.该文以遥感反演的叶面积指数(LAI)作为结合点,以黄淮海粮食主产区典型县市夏玉米为研究对象,在区域尺度利用全局优化的复合形混合演化( SCE-UA)算法进行了遥感反演LAI信息同化EPIC (environmental policy integra...     

温洲蜜柑叶片光谱反射率与叶绿素含量的相关性

以日南一号温州蜜柑为试材,对不同时期、不同黄化程度叶片反射光谱及叶绿素含量进行研究,结果表明,日南一号叶片反射光谱在350～1750nm范围内,出现了5次反射峰,其中可见光区域552nm和近红外长波1680nm波段处各出现了1次较弱的反射峰,在近红外短波段范围出现了3次强反射峰．在整个测定波段范围内,光谱反射率强弱为夏梢叶片〉春梢叶片〉秋梢叶片．随着叶绿素含量降低,叶片反射率增强,但叶绿素含量进一步降低,反射率出现减弱．在可见光波段范围,光谱反射率强弱为重度黄化叶〉中度黄化叶〉轻度黄化叶〉正常叶,而在近红外区域,出现中度黄化叶〉重度黄化叶〉轻度黄化叶〉正常叶的趋势．     

低温胁迫下的夏玉米苗期高光谱特征

本文以盆栽试验的方法,通过对低温下不同氮磷钾营养水平下的夏玉米苗期光谱曲线及其玉米生物量和苗期植株体内氮磷钾含量的对应分析,结果表明:(1)不同氮磷钾营养水平下,低温玉米苗期叶片光谱反射曲线在形状和趋势上基本相同,绿峰出现在550nm处、红端位于720nm左右、近红外反射平台出现在760～930nm。玉米苗期不同氮磷钾处理情况下没有“红移”和“蓝移”现象。(2)近红外区的叶片光谱反射率均可用来评价玉米的氮磷钾营养状况,而可见光区的叶片光谱反射率对玉米的氮、钾营养状况评价的可靠性高,对磷营养状况评价的可靠性相对较低。(3)在红光680nm 处,氮、磷处理下的玉米生物量与其叶片光谱反射率达到高度相关,其相关系数分别为0.92和0.85,但钾处理下的玉米生物量与其叶片光谱反射率没有明显的相关性。(4)玉米苗期植株体内氮磷含量与其叶片光谱反射率在红光、近红外反射平台区存在较高的相关性,玉米叶片光谱反射率与N含量在720nm左右其相关系数可达到-0.63,与P含量在近红外770～790nm相关系数达0.63。因此可用红光、近红外区的光谱反射率来诊断玉米植株体内氮磷含量。K含量与叶片光谱反射率在400nm左右相关性较强,...     

基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别

作物的早期识别对粮食安全至关重要。在以往的研究中,中国南方作物早期识别面临的主要挑战包括:1)云层覆盖时间长、地块尺寸小且作物类型丰富;2)缺少高时空分辨率合成孔径雷达(synthetic aperture radar,SAR)数据。欧洲航天局Sentinel-1A(S1A)卫星提供的SAR图像具有12 d的重访周期,空间分辨率达10 m,为中国南方作物早期识别提供了新的机遇。为在作物早期识别中充分利用S1A影像的时间特征,本研究提出一维卷积神经网络(one-dimensional convolutional neural network,1D CNN)的增量训练方法:首先利用生长季内全时间序列数据来训练1D CNN的超参数,称为分类器;然后从生长季内第一次S1A影像获取开始,在每个数据获取时间点输入该点之前(包括该点)生长季内所有数据训练分类器在该点的其他参数。以中国湛江地区2017年生长季为研究实例,分别基于VV、VH和VH+VV,评估不同极化数据在该地区的作物分类效果。为验证该方法的有效性,本研究同时应用经典的随机森林(random forest,RF)模型对研究区进行试验。结果表明:1)基于VH+VV、VH和VV极化数据的分类精度依次降低,其中,基于VH+VV后向散射系数时间序列1D CNN和RF测试结果的Kappa系数最大值分别为0.924和0.916,说明S1A时间序列数据在该地区作物分类任务中有效;2)在研究区域内2017年生长季早期,基于1D CNN和RF的5种作物的F-measure均达到0.85及以上,说明本文所构建的1D CNN在该地区主要作物早期分类任务中有效。研究结果证明,针对中国南方作物早期分类,本研究提出的1D CNN训练方案可行。研究结果可为深度学习在作物早期分类任务中的应用提供参考。     

农业遥感卫星发展现状及我国监测需求分析

中国现代农业的发展以及乡村振兴战略的实施需要大量及时有效的农业环境、生产条件、状态及过程信息。基于农业内在的特点,卫星遥感是农业信息快速准确获取的关键技术手段之一。发达国家可用于农业应用的遥感卫星已经形成星座或体系进行联合观测,具有较高的观测时间分辨率,卫星遥感器载荷设计较为充分地考虑了农业应用的需求,观测手段不断创新、观测性能不断提高。目前,我国农业遥感卫星应用还存在很多问题,例如传感器多光谱遥感为主、观测要素缺乏,受遥感传感器性能和遥感卫星地面应用系统能力不足制约,缺少光学与微波等多手段同时相协同观测能力、遥感数据保障率和质量有待提高等,遥感监测手段与国外先进水平存在一定差距。从国内农业生产常规监测、国外农业生产常规监测、重大农业政策执行情况监测和绘制重要农业资源图四个方面全面分析了中国当前遥感卫星业务需求,并考虑未来发展深入分析了农业对遥感卫星应用装备的需求。建议构建编队顺序飞行的,具备多光谱、高光谱、红外以及微波等多种手段的农业卫星星座系统,有效提高多源数据融合精度,综合提供不同波段、不同极化、主动被动、光学微波相互融合的多尺度卫星遥感数据及产品,促进农业遥感技术的快速发展,推动“天空地”数字农业的一体化发展。最后,提出了立足于用户需求,建立中国民用遥感领域农业综合观测卫星系统采用“分步走”战略建议。     

土地利用/覆盖变化驱动力机制研究新进展

进入21世纪以来,随着全球人口、资源与环境问题的日益突出,土地利用/土地覆被变化研究已成为国际上全球变化研究的前沿与热点。作为土地利用变化研究领域焦点之一的驱动力机制研究一直备受关注,它也是土地利用变化问题最核心的研究部分。现有土地利用变化驱动力机制研究虽然取得了一些进展,但仍然存在许多亟待解决的问题。在总结梳理现有文献的基础上,针对土地利用变化驱动力机制研究的层次性变化,土地利用变化驱动力机制影响因子时空尺度效应与一致性、土地利用变化驱动力机制社会经济影响因子定量化与空间化,土地利用变化驱动力机制方法进行了探讨,并提出了土地利用变化驱动力机制研究未来发展趋势,以期对深入理解土地利用/覆盖变化驱动力内在和外在机制以及促进该领域进一步研究提供参考。     

LUCC驱动力模型研究综述

驱动力研究是土地利用/覆盖变化研究中的核心问题。土地利用变化驱动力模型是分析土地利用变化原因和结果的有力工具。基于不同理论建立的驱动力模型很多,对几种应用较多的LUCC驱动力模型进行综述,并对未来的发展进行了展望。