基于聚类法筛选历史相似气象数据的玉米产量DSSAT-CERES-Maize预测

根据陕西杨凌、合阳、长武3个站点各2 a玉米试验,在对玉米生长模拟模型CERES-Maize进行调试、验证的基础上,探索在生育期内进行动态产量预测的方法并验证.研究将目标生育期内未知气象数据分别用试验地的多年历史同期数据代替,结合生育期实时数据对应生成多个完整的气象数据序列运行模型预测产量.随着生育期的推进,逐日在气象数据序列中融入目标年实测的气象数据,从播种至收获动态模拟玉米产量.此外该研究使用改进前后的K-NN算法从历史气象年份中筛选目标年的气象相似年份进而预测产量.通过对3种方法预测精度及预测效率对比,确定改进的K-NN算法最优.研究表明,玉米生育前期产量预测可靠性和准确率均较差,抽雄后预测精度迅速提高;利用改进的K-NN算法在3个站点全生育期预测产量的平均绝对相对误差的均值分别为9.9%、19.8%、17.9%,抽雄后预测产量的平均绝对相对误差在0.2%~12.6%之间,相比于使用全部历史年份数据进行全生育期产量预测,模拟所需时间从61 min缩短至25 min.对该方法中降雨因子的筛选进一步改进可提高预报精度,未来有望达到业务应用水平.     

夏玉米叶片形状系数的时间和空间变异

【目的】叶片形状系数(α)为测量作物的叶面积和叶面积指数提供了简单快捷的方法。然而,以往研究表明对作物叶片形状系数的选取存在很大的随意性,缺乏统一标准,且通常将其视为常数,不考虑它的时间和空间变异性。为解决这一问题,文章对陕西关中地区夏玉米不同生长阶段和不同叶位叶片形状系数的时间和空间变异性进行了深入研究。【方法】选取2015年6—10月生长季6个夏玉米品种,将玉米生育期划分为三叶、拔节、抽雄、开花、吐丝、成熟等6个不同生长阶段,每6天采样一次,测量叶片面积(LA)、叶片长度(L)和宽度(W),计算各个阶段的α值,同时对比α值在单个玉米植株不同叶位之间的差异。然后分别建立线性、二次、对数等3类共5个叶面积估算模型,以RMSE、RRMSE和ARE 3个统计量作为评价指标,对各叶片面积估算模型的精度进行评价。【结果】对全生育期6个夏玉米品种的760个叶片的面积和长宽乘积进行线性回归分析,夏玉米叶片形状系数均值约为0.78;在被验证的5种叶面积估算模型中,叶面积模型LA=α×L×W,其中α=0.78时精度最高,其相对均方根误差(RRMSE)约为9.50%,绝对相对误差(ARE)约为6.96%。α值范围为0.72—0.87,并随玉米生育期的变化而变化,自三叶期到开花期逐渐增大到全生育期最大值0.87,开花后缓慢下降至0.78,其中开花期叶片的α值与开花前各阶段的α值存在显著差异,而与开花后各阶段的α值不存在显著差异。不同熟性的夏玉米品种之间叶片α值也只在开花、吐丝期表现显著差异。不同叶型叶片α值表现出不同的变化规律,三叶期到拔节前,短宽型叶片的α值大于细长型叶片,此后一直到成熟期,细长型叶片的α值则大于短宽型叶片。在单个植株不同叶位叶片之间,α值变异性明显,开花期、吐丝期、成熟期均呈现出两头大中间小的规律,其中植株中部棒三叶位置α均值最为稳定,为0.78,对应的标准差在0.05以内,而植株上部和下部α均值约为0.84,对应的标准差在0.03—0.10。其中拔节、抽雄期不同叶位叶片的α值不存在显著差异,而在开花、吐丝、成熟期则表现出显著差异。【结论】叶面积模型LA=0.78×L×W更适于估算田间夏玉米叶片面积,较一般采用叶片性状系数0.75时提高模拟精度(ARE)3.86%。应在不同的生长阶段和不同叶位分别采用不同的叶片形状系数,这样才能进一步提高玉米叶面积估算的精度。     

基于Copula函数的陕西苹果晚霜冻特征分析

为探讨利用Copula函数在站点尺度上对苹果晚霜冻进行特征分析的适用性，该研究首先基于陕西省苹果主产区7个气象站点1971－2018年的逐日最低气温（Tmin）数据集，提取出晚霜冻事件的历时和强度两个特征变量。然后，基于6种不同的Copula函数构建晚霜冻特征变量的联合分布，并进行拟合优度评价。最后，利用优选的Copula函数分析晚霜冻发生的概率及重现期。结果表明：陕西苹果产区各站点1971－2018年受晚霜冻的影响在空间分布上由东南向西北方向加重，各站点晚霜冻的历时和强度之间均具有显著的正相关关系。当晚霜冻强度和历时增大时，其联合累积概率也相应增大，且增大趋势变缓。各站点联合重现期代表的"或"事件比同现重现期所代表的"且"事件更容易发生。当单变量重现期取值较小时，可将联合重现期和同现重现期视为单变量重现期的两种极端情况，对其实际范围进行估计。总体而言，陕西苹果产区各站点发生长历时且高强度晚霜冻事件的概率较小，但是位于延安果区的站点相较于其它果区站点更容易发生高强度或长历时的晚霜冻事件，以及高强度长历时同时发生的晚霜冻事件，需要重点加以关注。该研究可为陕西苹果产区在站点尺度上应对晚霜冻灾害提供理论依据。     

基于机器学习与气象灾害指标的苹果相对气象产量预测

为及时准确地预测我国黄土高原苹果产量，首先选取黄土高原苹果产区86个基地县的气象观测数据，分别提取出苹果生长季内不同月份的气温、降水量、太阳辐射等气象特征变量，花期冻害时间、连阴雨时间和标准化降水蒸发指数(Standardized precipitation evapotranspiration index, SPEI)等气象灾害特征变量，以及气象站点经度、纬度和高程等空间特征变量，再根据斯皮尔曼相关性分析确定影响苹果产量的最重要气象特征变量。然后，采用梯度提升树(Gradient boosting decision tree, GBDT)、支持向量机(Support vector machine, SVM)、贝叶斯正则化反向传播神经网络(Bayesian regularization back propagation artificial neural network, BRBP)和多元线性回归(Multiple linear regression, MLR)算法，建立苹果相对气象产量的预测模型，并确定最佳模型输入特征变量组合。最后，基于不同生育期和生长季内各月份最佳模型输入特征变量...     

基于多源GPP和ET产品的秦岭生态系统水分利用效率研究

通过评价多种生态系统总初级生产力(gross primary productivity,GPP)和蒸散(evapotranspiration,ET)遥感数据产品,构建了适用于我国秦岭区域的GPP和ET组合数据集,并计算分析了秦岭区域生态系统水分利用效率(water use efficiency,WUE)的时空变化规律。结果表明:不同产品对于不同植被类型GPP和ET的估算效果差异较大,其中VPM GPP和RF GPP这2种GPP产品,China ET和PML-V2 ET这2种ET产品的总体表现较好。秦岭区域的多年平均GPP_year为1 489.95 g C/m²,ET_year为588.49 mm,WUE_year为2.56 g C/kg H₂O,多年平均WUE_year的变化率为0.156 g C/(kg H₂O·10 a)。秦岭区域WUE_year总体呈现出不显著的上升趋势(p>0.05);秦岭区域不同植被覆盖下的多年平均WUE_year数值差异不大,但WUE_year的变化趋势略有不同,部分植被类型呈现上升趋势,而其他植被类型呈现下降趋势;多年平均逐月WUE_month变化多呈现较为明显的"双峰"模式。研究结果为不同类型生态系统水碳关系研究中获取和选择数据提供了依据和途径,加深了对秦岭区域生态系统WUE时空变化规律的认识,从而为研究气候变化对秦岭地区生态系统的影响提供了数据支持和科学参考。     

基于Sentinel-2遥感影像的黄土高原覆膜农田识别

及时、准确地获取覆膜农田的空间分布信息是防治地膜微塑料污染的基础。为准确地识别黄土高原地区的覆膜农田，本研究构建了基于Sentinel-2遥感影像和随机森林算法的适用于黄土高原覆膜农田遥感识别的特征集组合与多时相组合方案。以甘肃省临夏县、宁夏回族自治区彭阳县和山西省山阴县作为测试区，陕西省旬邑县作为验证区开展识别研究。首先，基于随机森林算法，针对3个不同的作物生育期(播期、生长旺盛期和收获期),在7种不同的特征集组合方案中优选出各时期识别精度最高的方案。然后，基于不同作物生育期的遥感影像及其对应的最优特征集组合方案，构建不同的多时相组合来进行覆膜农田识别并优选多时相组合。最后，利用旬邑县来验证构建的优选特征集组合与多时相组合识别覆膜农田的有效性，并绘制各研究区的覆膜农田空间分布图。结果表明：相比于其他遥感识别特征因子，Sentinel-2遥感影像光谱特征集中的可见光波段(B2、B3和B4)和短波红外波段(B11和B12),指数特征集中的归一化差值裸地与建筑用地指数(NDBBI)、归一化水体指数(NDWI)、裸土指数(BSI)、归一化建筑物指数(NDBI)和改进的归一化水体指数(MNDW...