北方草地及农牧交错区草地植被碳储量及其影响因素

【目的】 草地生态系统在全球碳平衡中有重要的意义,草地植被碳库及其变化机制研究是植被生态学的重要命题。本文研究北方草地和农牧交错区草地植被碳密度及其空间格局,解析不同区域草地植被碳密度的关键影响因素,分析了气候、土壤、放牧等因素对地上地下植被碳库的相对贡献。【方法】 基于2002—2009年北方草地及农牧交错带草地植被调查数据,结合同期MODIS/NDVI遥感影像和1﹕100万草地类型图,建立了我国主要草地类型的生物量估算模型;整合野外考察数据和前人研究结果,探讨了研究区地上地下生物碳库及其空间格局;基于研究区255个县级行政单元,分析了不同类型草地植被碳库与气候要素、土壤要素及家畜承载量的关系,应用一般线性模型（GLM）解析了不同影响因素对草地碳密度的相对贡献。【结果】 （1）北方草地与农牧交错区草地地上平均生物碳密度为36.9 g C·m^-2,地下生物碳密度为362.9 g C·m^-2,地下生物碳密度高于地上10倍,均呈从东到西递减的趋势,频率分布图基本服从对数正态分布,不同草地类型的生物碳密度存在明显差异;（2）整个研究区及草原亚区、荒漠亚区、农牧交错亚区内,地上生物量与年降水量（MAP）呈极显著正相关、与年均气温（MAT）均呈极显著负相关,与土壤黏粒含量（Clay%）呈显著正相关、与土壤砂粒含量（Sand%）呈显著负相关,整个研究区家畜承载量与草地地上生物量之间呈极显著正相关;（3）一般线性模型（GLM）分析结果表明,年平均降水量（MAP）、年均气温（MAT）、土壤黏粒含量（Clay%）、放牧强度对地上生物量空间变异的解释率分别达到29.6%（P<0.001）、5.8%（P<0.001）、0.8%（P<0.05）、1.3%（P<0.001）;地下生物量的空间变异主要来自于年降水量（MAP）、年均气温（MAT）、土壤砂粒含量（Sand%）,对方差的解释率分别达到12.1%（P<0.001）、6.8%（P<0.001）、1.9%（P<0.005）,放牧强度没有明显贡献。【结论】 气候条件尤其是年降水量是草地生物量碳库的主要影响因素,但对地上生物量影响更为明显;土壤质地对植被生物碳库也有显著贡献,尤其对地下生物量的影响更加显著;放牧强度只能解释地上生物量变化的1.3%、对地下生物量没有显著贡献,这一发现意味着气候对生物量碳库的贡献远大于放牧影响。     

基于粮食生产能力的APEC地区粮食安全评价

 【目的】以具有典型代表性且在世界粮食供给体系中占据重要地位的亚太经合组织（Asia-Pacific Economic Cooperation，APEC）地区为研究区域，开展基于粮食生产能力的粮食安全评价研究。【方法】利用机制法模型测算区域的土地生产潜力和粮食生产潜力，并以此作为粮食安全评价的基础；分别从粮食生产与消费、粮食增产潜力、人口承载等方面建立指标体系，应用层次分析法（AHP）分析APEC各成员体的粮食安全形势。【结果】APEC地区粮食生产潜力总和为17.39亿t，其中中国的潜力总产5.69亿t，为区域内最高。比照当前的粮食现实产量，总体来说，各成员体均具有一定的增产空间，但如果综合考虑人口承载、粮食消费等情况，各成员体的粮食安全形势呈现分化态势，除日本、韩国外，发达成员体总体上略好于不发达成员体。【结论】如何最大限度地挖掘区域粮食生产潜力并有效控制人口增长将是保障APEC地区粮食安全的重要途径和重要挑战。     

中国耕地资源安全问题及其对策研究

耕地资源作为农业最主要的生产资料和农民最直接的劳动对象，是构成粮食综合生产能力的最基本要素之一和实现中国粮食安全的基础和保证。在研究中国耕地资源的数量安全、质量安全和生态安全现状的基础上，提出了保护和提高中国耕地资源安全的4个对策建议。     

基于遥感技术的气象因素变化影响水稻单产定量研究

以黑龙江省五常市为研究区域，应用在水稻移栽期至成熟期选择的系列MODIS影像反演NDVI，通过NDVI间接反演LAI，并逐日拟合水稻全生育期的LAI，结合SIMRIW模型，计算研究区域2006年低温影响下的水稻单产。经演算，水稻单产值为5411．74kg／hm^2，是实际值的84％。研究结果表明应用高时间分辨率MODIS图像能够准确反演并拟合逐日LAI，可以为冷害影响下水稻单产的研究提供参考。     

基于MODIS反演逐日LAI及SIMRIW模型的冷害对水稻单产的影响研究

该文旨在将遥感技术与水稻作物模型SIMRIW相结合,以黑龙江省五常市为例,研究冷害对水稻单产的影响。通过在水稻移栽期至成熟期选取的系列MODIS图像计算NDVI,进而反演水稻全生育期逐日LAI,结合SIMRIW模型计算水稻单产。计算结果表明2006年五常市水稻单产值为5411.74 kg/hm^2,为实际值的83%;而在4种用于LAI反演的统计模型中,抛物线模型精度最好;整体拟合法在逐日LAI计算中要优于分段拟合法。这说明应用MODIS能够准确反演并拟合逐日LAI,它可为冷害影响水稻单产的评价研究提供参考。     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

基于MODIS温度/植被指数的东北地区土地覆盖分类

该文采用MODIS NDVI时序数据对东北区土地覆盖分类进行研究，以验证MODIS区域土地覆盖制图的可靠性。通过试验发现经过Savizky-Golay滤波处理能有效去除云、缺失数据及异常值的影响，使得NDVI时序曲线能更好的反映植被季相变化特征，分类结果表明NDVI时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征，混分现象比较严重。该研究通过添加地表温度(land surface temperature, LST)数据解决这一问题，利用所得温度/植被指数TVI对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证，NDVI及TVI时序数据的分类精度分别为62.26％与71.63％。结果表明TVI比NDVI对土地覆盖类型中的植被类型识别更有效。     

刈割与非刈割处理下紫花苜蓿叶片光合作用的差异

分析了刈割对紫花苜蓿叶片光合作用的影响。结果表明,刈割对生长第5年的紫花苜蓿叶片的光合速率无显著影响,而对当年生长的紫花苜蓿叶片的光合速率有显著影响。对当年生长的紫花苜蓿而言,9月份刈割处理叶片光合速率上午比不刈割处理高,而下午则比不刈割处理低,并且峰值有延迟的趋势;10月份刈割处理叶片光合速率普遍比不刈割处理高。     

对我国南方双季稻主产区粮食生产结构调整的思考

本文在区域比较优势分析的基础上,结合资源禀赋和市场需求,提出了一些新的粮食生产结构调整的建议.     

农作物遥感识别中的多源数据融合研究进展

农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000—2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据集的需求是多源数据融合的农作物遥感识别研究的重点发展方向和亟待解决的问题。研究结果有助于更好地理解多源遥感数据融合的技术和模式,为摸清多源数据融合在农作物识别中总体进展提供支撑,同时也为其他多源数据融合研究提供借鉴。