冬小麦种植面积空间抽样效率影响因子分析

基于遥感与抽样的农作物种植面积测量方法结合了遥感和抽样理论的优势,已经成为农作物种植面积测量中有着广泛应用前景的测量方法。以格网为单元,进行分层空间抽样,分析在二值图像的情况下,抽样格网大小、分层层数对抽样精度、抽样精度方差、抽样比的影响;将二值图像分类结果定义为作物区,随机混入不同丰度10%,20%,……,100%的冬小麦,在不同冬小麦丰度（即不同的分类误差）的前提下,分析抽样格网大小、分层层数、分类误差对抽样精度、抽样比的影响,确定最优分层定义为6层,在分类误差小于40%（即冬小麦丰度大于60%）的前提下,可以有效地进行空间抽样推算区域冬小麦种植面积,为农作物种植面积测量空间抽样方案的优化提供理论基础。     

HJ-1号卫星数据与统计抽样相结合的冬小麦区域面积估算

【目的】探讨利用HJ-1号卫星遥感数据进行冬小麦种植面积测量的可行性,并进一步结合统计抽样的方法,估算区域冬小麦种植面积,解决单靠遥感进行冬小麦种植面积测量时多期影像信息误差积累和生长差异性影响的问题。【方法】以北京市为研究区,采用多时相HJ-1号卫星遥感数据与分层抽样相结合的方法进行冬小麦种植面积测量:利用多时相HJ-1号卫星遥感数据获取冬小麦遥感识别结果(56506.67hm2),结合耕地地块数据建立入样总体,以耕地地块内冬小麦遥感识别面积作为分层标志进行分层随机抽样,反推得到北京市冬小麦面积总量(59680hm2)。【结果】多时相冬小麦遥感识别结果MAE为0.17,bias为-0.05,抽样反推区域总量面积提高了约5%,在一定程度上纠正了HJ-1号卫星多期遥感影像提取冬小麦区域面积偏低的问题。【结论】本文方法能够准确测量出区域冬小麦总量面积,具有较强的应用性和普适性,为采用HJ-1号卫星遥感数据进行农作物种植面积遥感测量进行了先期的方法探讨,深化了该遥感数据源的应用。     

典型年份渭河流域蓝水绿水时空差异分析

以西北地区湿润/干旱过渡地带的渭河流域为例,采用降水距平百分率和标准化降水指数识别湿润年、正常年和干旱年,同时结合SWAT（Soil and Water Assessment Tool）模型的输出结果分析各典型年该流域蓝水绿水的时空分布差异。结果表明：（1）采用降水距平百分率和标准化降水指数两种方法确定1983、1997和2007年分别为湿润年、干旱年和正常年;（2）模型评价的结果表明,SWAT模型的月径流模拟的精度较高,可以准确描述渭河流域的径流变化过程;（3）在流域尺度上,绿水流的变化在湿润年、干旱年和正常年的变化相对稳定,绿水系数在湿润年、干旱年和正常年分别为82.06%、93.47%和87.72%;（4）从空间分布来看,蓝水绿水资源在渭河流域的分布呈现自东南向西北减少的趋势,绿水系数的空间分布表明在湿润年份（1983）或地区（东南部）绿水比重明显低于干旱年份（1997）或地区（北部）。     

Hargreaves公式在中国农业区的年内回归修正

针对中国范围的Hargreaves(HS)公式线性回归修正研究缺少,区域或站点的修正系数存在时空尺度不统一、推广应用困难的问题,以中国气象数据网发布的中国地面气候资料月值数据集和中国辐射月值数据集中124个站点1957-2016年的气象要素逐月有效观测数据,首先,基于Penman-Monteith(PM)公式和HS公式分别计算各站点逐月的多年平均参考作物需水量ET_0-PM和ET_0-HS;其次,以ET_0-PM为真值,基于1957-2010年的逐月平均ET_0-PM和ET_0-HS,引入中国农业综合区划作为空间分区框架,通过回归分析获取中国38个陆地农业子区的HS公式校正系数a和b;最后,以2011-2016年为应用验证区间,通过逐月比较ET_0-HS校正前后的6 a平均相对误差,验证联合国粮农组织(FAO)推荐的HS公式校正方法在中国农业区的适用性,并进一步基于误差结果的对比分析,提出各农业区HS公式校正系数a和b的逐月最优取值方案.结果表明:各农业区之间回归计算的HS公式校正系数a和b并无明显的变化规律,但系数b稳定在0.8左右,系数a则在区域之间的差异较大,徘徊于-0.22~1.10;校正前后的ET_0-HS均存在不同程度的误差,但校正后的ET_0-HS误差明显降低,平均相对误差降低了20%,最大相对误差降低约100%.因此经验证,FAO推荐的HS公式回归校正方法简单易行,可操作性强,对中国各农业区大规模使用简化的方式快速获得较准确的参考作物需水量,具有一定的推广价值.     

土壤水分反演的特征变量选择研究综述

土壤水分是水、能量和生物地球化学循环中不可忽略的组成部分,土壤水分信息对水资源管理、农业生产以及气候变化等相关研究有着重要意义。基于遥感数据的土壤水分反演算法是获取土壤水分信息的重要手段,通过对影响土壤水分反演的因素进行梳理,将影响因素抽象为包括土壤特征,植被特征,以及气象特征在内的特征变量,并以此为主线对土壤水分的反演研究进行回顾与梳理。分析了利用不同特征变量反演土壤水分时存在的问题和发展趋势,指出土壤水分反演过程中存在特征变量理论研究不足、综合应用不深的问题,强调耦合使用各类特征变量以提高水分反演精度是未来的研究热点。     

AquaCrop作物模型研究和应用进展

AquaCrop是由国际粮农组织(FAO)开发并向全球免费推广的一款新的作物生长模型,自从2009年发布以来,已经受到各国研究者的重视,而国内对该模型的应用尚处于起步阶段。为国内同仁更深入的了解该模型以及在中国的进一步验证和应用该模型提供有用的背景和参考信息,对模型原理、模型计算方案、模型应用现状和存在问题进行介绍和探讨。众多研究结果证明,AquaCrop模型有很好的模拟精度,可以辅助灌溉管理决策等。AquaCrop作为一个新发展的模型,其适应性还有待进一步验证,研究领域也有待进一步拓宽。     

基于遥感抽样的农作物种植面积测量野外调查系统设计与实践

传统农业统计野外调查方式的调查效率、数据质量已经不能满足我国社会经济发展对农业统计调查数据及时精准的要求,基于空间信息技术发展新的农业统计调查方法对提升我国农业统计调查能力具有重要意义。本研究在充分了解基于遥感抽样的农作物种植面积测量业务流程的基础上,设计开发了基于遥感抽样的农作物种植面积测量野外调查系统,将农作物面积测量野外调查的数据组织与管理、数据采集、任务分配、调查进展实时监测等整个业务流程集成为一个数字化系统平台,并基于可移动终端设备实现了野外调查数据采集的核心系统功能。2016年基于遥感抽样的农作物种植面积测量野外调查系统已广泛应用到31个省区和1 100个粮食大县及第三次全国农业普查农作物种植面积遥感测量工作中,实践应用表明该系统可满足农作物面积遥感抽样调查的业务要求,能够显著提升野外调查工作的效率。     

作物产量指数设计及在黑龙江省的应用

针对传统基于归一化植被指数（normalized difference vegetation index，NDVI）的作物长势监测方法对于同一时期处于不同生育阶段的作物缺乏可比性，以及NDVI的高低不能直接代表产量的高低的问题，该研究设计了一种可以动态反映作物长势和产量变化的具有时空可比性的统计指数（作物产量指数）。以黑龙江为例，基于单产数据、气象数据、遥感数据、作物分布数据，对3种作物分别进行估产分区，综合使用随机森林重要性评价方法和留一法为各估产分区筛选最优估产建模变量，构建动态估产模型和产量指数计算模型，并在2022年作物生长季（6—9月）进行了大豆、玉米、水稻的动态估产和产量指数预报和分析。结果显示：1）建模指标的重要性从高到低依次为趋势单产、遥感植被指数、气候类指标。2）3种作物整体单产预测精度最高的为水稻，其平均绝对相对精度(mean absolute relative precision，MARP)为95.20%，其次是玉米（MARP为93.81%），最后是大豆（MARP为92.73%）。3）以历史5 a为基期计算的3种作物的6—9月的产量指数的对比结果显示，大部分区县3种作物各月的产量指数差异处于“平”状态。4）生长季产量指数的月环比结果显示大部分区县产量指数的月环比值处于-0.01~0.01之间。该研究设计的作物产量指数可用于比较某一统计单元（如县、市或省）在特定评估时间点相对于其历史平均单产的增减状况，也可以环比相邻两个评估时间点的产量变化情况；在空间维上可以比较同处于某个特定评估时间点的不同统计单元的单产指数的高低情况，在长势监测、产量预报等中具有很好的应用前景。