黄淮海旱作区土壤压实度空间分布特征及其影响因素

为探究旱作区农田不同层次土壤压实度特征,基于2017年采集的255个土壤样品,运用Mann-Kendall突变检验法、地统计学和冗余分析等方法,探究黄淮海旱作区耕作层和压实层空间分布特征,分析不同层次的土壤压实度的空间变异特性及影响因素,并提出了最佳土壤压实度范围。研究结果表明:旱作区耕作层和压实层厚度均呈现由北向南递增的趋势,耕作层最大厚度可达22.50 cm,最低仅有10.21 cm;压实层厚度最大可达17.50 cm,最小值也达到7.50 cm。从不同层次来看,耕作层和压实层的压实度具有空间分布一致性,耕作层压实度高值区主要分布在河南省东部、安徽北部及河北北部地区,最大值可达87.68%以上,低值区则主要集中在山东西北部以及河北南部地区。和压实层压实度相比,耕作层压实度是影响粮食产量的主要因素,且在70%～80%时获得较高产量。分析表明,土壤压实度受到年降水量、平均气温、土壤自然属性等环境因子和机械耕作等人为因素综合作用的影响。研究结果可为黄淮海农田土壤压实情况的改善及管理措施的科学制定提供理论支撑。     

湖南省粮食产量波动的影响因素分析及预测

旨在维护国家稳定,为预判粮食生产前景、提高粮食生产效率、保障粮食安全提供理论依据。利用湖南省统计数据,运用灰色关联分析法筛选关联性较强的影响因素,并建立GM(1,N)预测模型预测粮食产量。2008—2017年与湖南省粮食产量关联度最大的影响因素是粮食作物播种面积和农业机械总动力;科技因素是影响2008—2017年湖南省粮食产量的主要因素,其次是自然因素,社会因素;2018—2027年湖南省粮食产量有较小波动,且农业机械总动力和财政农业支出影响较大;农业机械总动力在前后十年对粮食产量都有较重要的影响,越来越占据主导地位。粮食产量受国家政策的影响,受农业机械总动力影响最大,维持产量水平需高度重视农业机械化水平,稳步提高粮食作物播种面积。     

稻田土壤-作物系统模型参数敏感性分析与模型验证

为提高稻田土壤-作物模型校准过程的效率和精度,以长江中游地区两年的稻田试验数据为基础,采用Morris和Sobol’两种方法对WHCNS_Rice模型参数进行了全局敏感性分析,并在此基础上进行模型校准和验证。结果表明,两种方法得到的模型主要敏感性参数基本一致,与Sobol’方法相比,Morris方法具有计算量小和筛选快速的优势。土壤水力学参数和作物参数对模型输出项均有较大的影响,尤其是土壤水力学参数中的饱和含水率、田间持水率以及犁底层饱和导水率;作物参数中生育期总有效积温、最大比叶面积和作物系数对作物生长过程影响较大;氮素转化参数中仅氨挥发一阶动力学系数和反硝化经验系数分别对氨挥发和氮反硝化有一定的影响,其余参数均不敏感。在此基础上,固定非敏感参数,重点校准上述敏感参数。模型校验结果表明,模型模拟的地上部干物质质量、作物吸氮量、蒸散量和田面水高度均与实测值吻合较好,模拟值与实测值线性回归方程的斜率和相关系数均接近于1,P小于0. 01,说明校验后的模型可用于模拟该地区的水稻生长过程及稻田水分动态和氮素去向。采用Morris方法对筛选出的模型敏感性参数进行模型校准和验证,可以大大提高模型校验的效率和精度。本研究可为稻田土壤-作物系统WHCNS_Rice模型参数的校准和模型的推广应用提供技术支持。     

不同混施钝化剂对水稻吸收累积Cd的影响

将石灰、赤泥和高岭土按不同比例混合(施用总量为4500kg hm-2)施加于Cd污染稻田土壤,根据混合比例不同设置CK(常规种植)、T1(1∶7∶4)、T2(3∶5∶4)、T3(4∶4∶4)和T4(6∶2∶4)共5个处理,探究不同混施钝化剂对水稻吸收累积Cd的影响。结果表明:4种混施处理能够显著降低土壤有效态Cd含量,较CK相比依次降低了28.0%、40.9%、43.4%和57.4%。4种混施处理能够不同程度地降低水稻各部位对Cd的吸收累积,籽粒的Cd含量依次降低47.1%、49.2%、55.5%和81.6%,T2、T3和T4处理水稻籽粒中Cd含量达到了食品安全国家标准(G B27622017,Cd≤0.2mg kg-1)。土壤有效态Cd含量与水稻根、茎、叶和籽粒中Cd含量的Pearson相关系数分别为0.826、0.709、0.778和0.532,均达到显著相关。不同处理根系富集系数依次为5.03、1.83、2.22、1.32和0.90,钝化处理显著降低了水稻根系对Cd的富集能力。各处理水稻产量以及籽粒K、Mg元素含量没有显著差异,T1到T4处理Ca元素含量依次增加。综合分析,T4处理对于降低土壤中有效态Cd含量以及水稻籽粒中Cd含量效果最佳,且没有降低水稻产量和与稻米品质密切相关的K、Mg和Ca元素含量。     

农业用地土壤重金属样本点数据精化方法——以北京市顺义区为例

样本点空间分布是样点数据检测评价和挖掘分析的关键因素。以北京市顺义区为例，研发了一种农业用地土壤重金属样本点数据精化方法：首先构建样本点均匀变异指数和均匀因子离散图来共同检测样本点数据均匀性，进一步将样本点类型划分为均匀样本点、聚集样本点和稀疏样本点并确定其数量；其次删除聚集样本点，基于研究区历史数据加密稀疏样本点；最后基于地理空间样本点均匀变异指数、特征空间偏离指数和插值误差共同评价数据精化效果。结果表明，研究区样本点的均匀变异指数为0.429，存在一个聚集样本点和一个稀疏样本点，空间偏离指数为0.327，空间属性插值误差为6.538；冗余数据精化后进行均匀性检测没有发现聚集样本点和稀疏样本点，均匀变异指数下降到0.406，特征空间偏离指数微弱下降，空间属性插值误差下降到6.357。研究表明该方法可以对提高采样数据的均匀性和代表性提供理论指导，可以服务于土壤污染防治行动计划（土十条）、土壤污染状况详查等，为更加精确研究土壤空间信息变化提供一定的基础条件。     

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。     

基于条件植被温度指数的夏玉米生长季干旱预测研究

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。     

基于RNMU的多源星载SAR影像融合与土地覆盖分类

为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。     

基于GEE的山东省近30年农业大棚时空动态变化研究

针对精确获取大尺度空间范围内农业大棚的分布情况并进行长时间的序列动态监测存在数据量大、计算效率低、精度不高等问题,利用Google Earth Engine(GEE)云平台能够实现快速存取、实时处理海量卫星数据,基于多时相Landsat影像进行农业大棚时序光谱特征和纹理特征的自动提取,采用随机森林算法实现山东省农业大棚的遥感分类,从而生成了山东省近30年农业大棚的空间分布和时空动态变化图。结果表明,本文分类流程具有较高的分类精度,其平均总体精度达到91.63%,Kappa系数均值为0.8642。经分析,山东省农业大棚从1990年的6.67 km^2增加到2018年的9919.40 km^2,增长速度为354.03 km^2/a。     

黑土区田块尺度下地形影响作物长势机理分析

为揭示作物长势及水肥运移的空间分异规律,探究田块尺度内作物长势与地形变化的关系,以东北典型黑土区东兴农机合作社为研究区,沿南北垄向提取高精度数字高程模型(Digital elevation model,DEM)与归一化植被指数(Normalized differential vegetation index,NDVI)信息,构建地形指标,分析NDVI的空间变异性。结果表明,坡型凸凹程度越明显,NDVI的空间变异性越大;同类坡型中阴坡NDVI的空间变异性与坡型凸凹程度呈负相关;坡度在±0.03范围内,作物长势好,空间变异性低;以坡度绝对值高于0.04的坡度均值与其对应直线距离所占整条直线的比值作为自变量,构建多元逐步回归模型,进行回归分析,可以解释大豆NDVI决定系数为0.965 2、高粱NDVI决定系数为0.888 3的空间变异性。不同地理空间的地形与成土母质差异显著,通过分析研究区内地形对作物长势的影响规律,可为田块尺度地形的分析提供借鉴,有助于指导农户合理地进行水肥分配。