江苏省倒春寒发生程度评估

选取江苏省13个典型代表站1961—2015年3、4月逐日平均气温资料,分析江苏省倒春寒发生次数变化特征和倒春寒期间最大降温幅度、持续时间和最低日平均气温,结合主成分分析法构建倒春寒评估模型,探讨江苏省倒春寒发生程度。结果表明:55年来,倒春寒发生次数整体呈下降趋势,且20世纪60年代发生次数最多;倒春寒发生期间最大降温幅度各站点间差异较小,整体呈上升趋势;最低日平均气温整体呈下降趋势,且江苏盱眙和盐城下降趋势明显;倒春寒持续时间整体呈上升趋势,但增幅不大。本研究运用构建的倒春寒评估模型对江苏13个代表站点近55年发生过程进行评估,结果表明,江苏省倒春寒等级发生频率整体呈轻级中级重级,且以1962年发生程度最为严重。     

日光诱导叶绿素荧光反演及其在植被环境胁迫监测中的研究进展

日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)作为光合作用的直接探针,能对植物的生理状态作出快速、灵敏的响应,与传统监测方法相比具备早期监测植被环境胁迫的能力,弥补了当前植被遥感监测的不足.因此,SIF在植被环境胁迫监测中具有良好的应用前景.然而,有很多因素会对SIF产生影响,使得SIF对植被环境胁迫监测的应用变得更为复杂.本文首先介绍了SIF的来源和反演方法,对比分析了各种反演方法的优缺点,剖析了SIF的影响因素,总结了目前SIF在植被环境胁迫监测中的应用研究,在此基础上指出目前SIF在植被环境胁迫监测应用领域中的不足,最终提出今后可以从SIF的影响因素、反演过程及SIF与植被环境胁迫之间的机制关系等方面开展进一步的研究,旨在为陆地生态系统碳循环及植被胁迫监测等提供理论支持.     

雷电灾害评估及其等级划分

在雷电灾害网络分析的基础上,建立了雷电灾害评估指标体系,通过对体系内各评估指标进行量化分析,给出灾害评估指标的量纲换算表,并对评估结果进行了等级划分,进而建立了能对雷电灾害严重程度进行定量描述的综合评估模式和划分雷电灾害等级的标准.     

高温胁迫下水稻产量的高光谱估测研究

为了定量分析不同生育期冠层反射光谱参数与水稻产量及产量构成要素的相互关系,确定能够准确预测高温胁迫下水稻籽粒产量的敏感光谱参数,通过盆栽试验,测定了孕穗期4种温度胁迫处理后的2个水稻品种不同生育期冠层高光谱反射率以及成熟后的理论产量、实际产量、穗数、每穗粒数、千粒重、穗长、穗干质量和结实率。结果表明,相对于蜡熟期的光谱参数,抽穗期和灌浆期的光谱参数与理论产量、实际产量、穗数、每穗粒数、千粒重、穗长、穗干质量以及结实率的相关性都较高,均达到显著水平。此两个时期可以作为预测水稻产量的关键时期。其中,差值植被指数DVI[810,A(450,560,680)]、垂直植被指数PVI(810,680)、红边幅值Dλred和红边峰值面积可以同时预测成熟水稻的理论产量和实际产量。而差值植被指数DVI(810,450)和DVI(810,560)、垂直植被指数PVI(810,680)和Dλred可以同时预测成熟水稻的穗数、每穗粒数和千粒重。相对于灌浆期的模型,抽穗期的模型能较可靠地监测水稻产量。     

白天和夜间增温对水稻光合作用的影响

用国稻6号和武运粳7号2个水稻品种进行水稻全生育期白天增温、夜间增温和全天增温试验,并于水稻灌浆初期进行光合作用参数日变化测定.结果表明:上午10:00 2个水稻品种光合速率和气孔导度均表现为全天增温处理的最高,其次为对照,再次为白天增温处理的,最低为夜间增温处理的.各处理间差异极显著(P＜0.01);武运粳7号中午12:00前后出现了光合"午休"现象.     

完全学分制下农业资源与环境专业本科课程体系改革初探

依据教育部颁布的农业资源与环境本科专业培养目标和专业课程要求,本着"加强基础、拓宽专业、优化结构、精简内容、扩大选修、突出个性、注重实践、形成特色"的原则,结合南京信息工程大学实际,探讨了农业资源与环境专业完全学分制下人才培养方案和课程体系的设置。     

基于优化ISODATA法的冬小麦长势分级监测

以江苏省姜堰市为例,利用TM卫星遥感技术监测冬小麦的种植面积与长势情况.在利用GPS实地采样调查和建立解译标志的基础上,进行影像校正、非监督分类、人机交互式判读解译等操作,并将样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上.结合NDVI指数反演的叶面积指数进行小麦长势分级分类,并制作了冬小麦长势分级专题图.     

小麦遥感估产研究现状及趋势分析

在分析国内外小麦遥感估产研究进展的基础上，指出目前小麦遥感估产存在的主要问题，并就小麦遥感估产精度的提高、遥感和模型结合的估产研究与应用、极端气候条件下的遥感估产以及遥感估产技术的信息集成化等方面进行了思考。     

青海高原牧区雪灾逐级判识模型

降水、气温、风速是形成积雪的气象因子,由于承灾体（畜牧业生产）的脆弱性,积雪在一定程度上对畜牧业产生不利影响,但是某地区的自然、社会条件和人为活动作为孕灾环境能使这种不利影响加强或者发生转变,减轻或者加剧雪灾造成的损失.本文应用灾害学的理论和观点,对灾害形成的致灾因子、孕灾环境和承灾体等要素分层分析,明确各影响因子的作用及其相互关系.由此建立从降水、积雪、成灾到灾情评价的逐级判识模型,在地理信息背景数据库的支持下,从产生降水之后进行动态监测,并对不同地区的雪灾发展趋势做动态预测,最后实施灾情评估.经实际检验,该模型具有业务应用潜力.