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...     

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。     

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。     

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.     

基于四维变分和集合卡尔曼滤波同化方法的冬小麦单产估测

为了通过数据同化方法提高冬小麦的估产精度,以陕西省关中平原为研究区域,采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数(LAI),通过四维变分(4DVAR)和集合卡尔曼滤波(En KF)2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI,获得单点尺度的LAI同化数据,将单点尺度的LAI同化值扩展到区域尺度,对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明,两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势,使LAI同化值更符合冬小麦LAI的实际变化规律;在单点尺度和区域尺度上,En KF-LAI均更能反映关中平原冬小麦的实际生长状况。采用En KF-LAI构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产,通过实测单产对估产模型进行验证,结果表明,2008年样点估测单产与实测单产的相对误差均小于15%,部分县估测单产与实测单产的相对误差均小于10%;与2014年模拟单产与实测单产间的相对误差相比,估测单产与实测单产间的相对误差降低0.57%~9.30%,RMSE降低217 kg/hm2,其中,8个样点的估产精度达到94%以上,表明组合估产模型的估产精度较高。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价——I.因子权重排序法和熵值法组合赋权

选取关中平原冬小麦越冬后2002—2009年每年3—5月共9旬的条件植被温度指数（VTCI）遥感干旱监测结果,将冬小麦越冬后分为四个主要生育时期,分别运用因子权重排序法、熵值法及组合赋权法确定各生育时期干旱对产量的影 响权重,计算关中平原各市冬小麦每年的加权VTCI,并建立加权VTCI与冬小麦单产间的一元线性回归模型。结果表明,关中平原大部分地区的加权VTCI与小麦单产密切相关。其中,熵值法确定的加权VTCI与小麦单产的线性相关性不显著,渭南、咸阳及铜川的决定系数R²值均低于0.5;因子权重排序法和组合赋权法确定的加权VTCI与小麦单产的线性相关性显著,咸阳、宝鸡及西安的R²值接近或高于0.6,渭南接近 0.5,铜川较差。且组合赋权法的结果中宝鸡和西安的R²值接近0.7,优于因子权重排序法和熵值法的结果。     

基于GOES数据和弱约束变分的地表水热通量估算

基于弱约束的四维变分方法和陆面过程模式发展了一个地表温度的陆面数据同化系统。本文反演了地球静止业务环境卫星(Geostationary operational environmental satellite,GOES)的地表温度,并将反演的地表温度同化入陆面过程模式,改进陆面过程模式中地表水热通量的估算精度。以弱约束的变分方法通过在代价函数中增加弱约束项代替陆面过程模式动力方程组中存在的模式误差,构建新的代价函数并对其优化,从而改善模式中显热与潜热的估算精度。将GOES地表温度与实测地表温度进行比较,其均方根误差(RMSE)作为试验中的观测误差。选择美国通量网AmeriFlux中2个主要农业站点的气象和通量数据作为试验数据,对同化系统进行驱动和验证。结果表明同化后的地表温度、潜/显热估算精度均有提高。其中,各站地表温度RMSE平均仅为1 K,显热通量平均RMSE下降22 W/m2,潜热通量平均RMSE下降26 W/m2。因此结合陆面过程模式的弱约束变分方法同化GOES反演温度产品估算近地表水热通量的方法是有效且可行的。