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%。     

基于时间序列MODIS LST产品的重构研究

利用遥感数据可以对地球资源环境进行大面积连续监测,得到更为精确的研究结果,MODIS LST数据因其优化的时空分辨率成为较理想和常用的数据源。同时,遥感数据由于受到云、气溶胶以及传感器角度等影响均存在不同程度的噪声污染、数据缺失等问题。针对该现象,以河南省为研究区域,以MODIS LST数据为研究对象,利用谐波分析方法对河南省2011年全年每天四个时刻的MODIS LST时间序列数据进行重构。结果表明,利用该方法重构的数据可对MODIS缺值70%以上的影像进行弥补,并且60%以上影像误差可控制在3℃以内,能得到较好的重构结果;同时重构LST数据与相应气温数据相关性大部分在0.8左右,能够较好拟合LST的变化趋势。     

基于4D-VAR和条件植被温度指数的冬小麦单产估测

条件植被温度指数(VTCI)综合了地表主要参数——归一化植被指数(NDVI)和地表温度(LST),能够较为准确地对干旱进行监测,可为抗旱救灾、作物估产等提供科学依据。为了提高VTCI的区域估产精度,以陕西省关中平原为研究区域,将遥感反演的VTCI与CERES-Wheat小麦生长模型模拟的土壤浅层含水率相结合,通过四维变分(4D-VAR)同化算法实现2008—2014年冬小麦主要生育期旬尺度VTCI的同化。将同化和未同化的VTCI分别运用改进的层次分析法、熵值法及两者组合赋权法建立冬小麦单产估测模型,选择最优估测模型对2011年关中平原各县(区)进行单产估测和精度评价,并分析2008—2014年关中平原冬小麦单产的时空分布特征,结果表明:无论是在单点尺度还是区域尺度,同化的VTCI均能更好地响应外部观测数据,区域VTCI纹理性更好,更符合VTCI的先验知识。与未同化VTCI构建的估测模型相比,应用同化的VTCI所建的估测模型的估测精度明显提高,相关系数达到0.784(P0.001)。应用最优估测模型对2011年关中平原29个县(区)估产结果中,有16个县(区)的估测单产相对误差小于10%,28个县(区)的估测单产相对误差小于15%,总体平均相对误差为8.68%,均方根误差为421.9 kg/hm~2。近年来关中平原的冬小麦单产呈现个别年份波动、总体增长的年际变化规律,且呈现出中部单产最高、西部次之、东部最低的空间分布特征,与实际情况符合。     

SHAW模型在冬小麦晚霜冻害监测中的适用性研究

利用一维多层水热耦合SHAW(Simultaneous heat and water)模型,在2015年商丘田间实验基础上,模拟冬小麦拔节后晚霜冻敏感期幼穗层气温,并结合拔节后天数对晚霜冻害的发生及其程度进行监测,以研究SHAW模型在冬小麦晚霜冻害监测中的适用性。结果表明,模型能准确模拟晚霜冻敏感期幼穗层20~60 cm高度垂直方向上的每小时气温变化,模拟值与实测值间的绝对误差低于1℃的占44.7%,低于2℃的占72.5%,且夜晚的模拟效果优于白天,相较于气象站日最低气温,SHAW模型模拟的幼穗层日最低气温和低温持续时间更能反映实际冻害发生时的低温环境。由于农田小气候的影响,气象站、农田上方2 m高度和幼穗层气温具有较大差异性,当SHAW模型所需的农田上方2 m高度气象数据缺乏时,将气象站数据转换为农田2 m高度气象数据代入模型的模拟方法优于直接将气象站气象数据代入模型的模拟方法,前者模拟的幼穗层日最低气温与实测值更为接近,所确定的晚霜冻等级与实际情况更加符合。因此,利用SHAW模型对冬小麦晚霜冻害进行监测是可行且适用的,相较于传统的气象站日最低气温监测指标,可提高监测晚霜冻害发生情况和冻害程度的准确率。     

改进CV模型在高分辨率遥感影像分割中的应用

针对遥感图像的特点及分割要求给出了一种CV简化模型,并对改进模型的正确性进行了实验验证.实验结果表明,该方法不但提高了运算速度,而且能够得到连续封闭的目标地物矢量数据,因此可方便地利用分割边界的几何特征实现地物目标的精确识别.     

基于结构相似度的关中平原旱情空间分布特征

季节性干旱是影响关中平原农业生产最主要的灾害,研究气候变化背景下的关中平原旱情空间分布特征和变化规律具有重要的科学意义与应用价值。基于关中平原2003—2014年每年3月上旬—5月下旬的旬时间尺度条件植被温度指数(VTCI)的干旱监测结果,采用结构相似度(SSIM)研究关中平原VTCI的空间变化特征及其影响因子。结果表明:关中平原VTCI的空间变化特征具有明显的区域差异性和空间异质性,结构性因素是VTCI空间变化的主要影响因子,总体上受水热、地形分布格局等因素的结构性影响,但微地貌、下垫面覆盖的不同及变化和人为因素导致其主体产生变化。当微地貌、下垫面覆盖类型和人为因素成为主导因子时,结构相似度与其高度相关,对其变化的响应非常敏感。与利用某些指数直接作为干旱的指示因子或构建统计模型分析干旱特征相比,引入研究图像的结构信息的参量SSIM实现了定量、准确、形象地描述干旱的空间分布特征和变化规律。     

基于SHAW模型的冬小麦近地面层气温模拟

利用一维多层水热耦合SHAW（The simultaneous heat and water）模型,在田间实验的基础上,模拟河南省商丘地区2015年冬小麦拔节后近地面层0~40 cm垂直方向上的每小时气温变化特征。结果表明,冬小麦近地面层气温模拟整体效果较好,其中48%模拟的绝对误差低于1℃,75%模拟的绝对误差低于2℃,不同高度上模型效率ME均大于0.94;夜晚气温的模拟效果优于白天的模拟效果,白天11:00—14:00气温被过低估计,并随着近地面层高度的增加,模拟值误差越大;近地面层内3种气温特征值模拟效果的优劣依次为：日平均气温、日最低气温、日最高气温,其中,日平均气温模拟值与实测值基本吻合,日最低气温被略微高估,日最高气温被过低估计。此外,SHAW模型在冬小麦拔节后6个生育期的模拟效果均存在差异,拔节期、灌浆期和乳熟期模拟效果较好,孕穗期和开花期次之,抽穗期模拟效果相对较差。     

基于Landsat数据的条件植被温度指数升尺度转换方法

以陕西省关中平原为研究区域,应用点扩散函数、混合像素面积权重法和中值像素变异权重法将基于Landsat卫星遥感数据反演的分辨率为30 m的条件植被温度指数(VTCI)干旱监测结果上推至930 m的干旱监测结果,并与Aqua MODIS数据反演的分辨率为930 m的VTCI干旱监测结果进行对比分析,以期为两种空间尺度的干旱监测结果的综合应用提供技术支持。以MODIS数据反演的VTCI为参考,应用相关系数、均方根误差、半变异函数的估计值和图像纹理特征等对尺度上推的VTCI进行评价。结果表明,点扩散函数和混合像素面积权重法的尺度上推效果均较好,而中值像素变异权重法的尺度上推效果较差,说明点扩散函数和混合像素面积权重法均适用于研究区域VTCI干旱监测结果的尺度转换,且点扩散函数的数据处理过程更为简单。典型样点VTCI的尺度上推结果表明,空间异质性越小,尺度上推的结果越好。     

关中平原小麦生育期VTCI加权估算及其与产量的相关性研究

选取关中平原冬小麦主要生育期的条件植被温度指数( VTCI)遥感干旱监测结果,运用层次分析法、因子权重排序法两种主观赋权法和主成分分析法、熵值法两种客观赋权法,分别确定加权VTCI,并与关中平原5地区冬小麦年产量建立线性回归模型,研究VTCI对冬小麦产量的影响.结果表明,两种主观赋权法确定的加权VTCI与产量之间存在着...