不同灌溉梯度下冬小麦冠层温度与土壤水分关系研究

【目的 】 冠层温度是作物响应水分胁迫的重要指标,厘清小麦种植过程中冠层温度与土壤水分、周围环境因子之间的相互作用关系,对干旱监测、精准灌溉、智慧农业的发展有重要意义。 【方法 】 文章采用温室试验,通过自动连续观测土壤含水量、作物冠层温度、环境因子,分析小麦拔节期在不同水分处理下冠层温度和土壤含水量的关系。 【结果 】 （1）小麦拔节期日变化趋势与太阳辐射日变化基本一致。探索小麦拔节期冠层温度与土壤含水量相关性时,最佳观测时间为12：00—14：00;（2）冠气温差是判定小麦缺水的最佳指标,小麦冠气温差和土壤含水量线性拟合R=-0.63,表明冠层温度与土壤含水量呈负相关关系;（3）小麦拔节期冠层温度与环境因子密切相关,冠层温度与空气温度、太阳辐射存在显著正相关关系,与空气相对湿度和气压为负相关关系。 【结论 】 通过监测小麦冠层温度、环境因子等指标,可以实时了解小麦实际生长状况,为实现小麦精准灌溉管理提供数据支持。     

水稻遥感识别偏差修正的地统计学方法

为了进一步提高农作物遥感识别精度,充分利用高分辨率遥感影像上不同地物之间的邻域空间关系,提出农作物遥感识别偏差修正的地统计学方法。该方法综合考虑目标地物的光谱特征与空间信息,以类别隶属度偏差为研究对象,首先利用类别指示向量和类别后验概率向量之间的差异实现目标地物的类别隶属度偏差量化,然后对训练样本的类别隶属度偏差进行变异函数建模,并采用带局部均值的简单克里格插值方法预测总体类别隶属度偏差,之后用总体偏差的预测值对光谱分类所得的类别后验概率进行修正,重新确定识别结果,实现农作物遥感识别的偏差修正。以安徽省南部的一景 SPOT-5影像覆盖范围为研究区,选择2块典型区域分别作为试验区和验证区,以一季稻和晚稻为目标农作物,以支持向量机作为光谱分类的分类器,建立了水稻遥感识别的偏差修正流程;采用地面实测数据对修正效果进行评估,并与最大似然分类、模糊分类和支持向量机分类的结果进行比较。试验结果表明,该方法的总体分类精度能够达到90%以上,与传统分类方法相比,总体精度提高了近14%;且该方法能够大幅提高一季稻和晚稻的生产者精度和用户精度,有效改善了研究区的水稻识别结果,可以为中国南方复杂种植条件下的水稻识别提供参考。     

基于多源农地空间数据的“两区”划定应用研究

发展智慧农业的基础和前提是数字化,尤其是对农地资源利用、农地权属、农业生产等农业全要素的数字化。目前,国内农业数字化水平较低,农地资源空间信息应用较少,需要加快开展农地空间数据在农业生产信息采集分析和农业政策决策执行等方面的应用,推动我国智慧农业的发展。本研究围绕“十三五”以来新增的粮食生产功能区和重要农产品生产保护区（以下统称“两区”）划定农业基础性工作,归纳了“两区”划定的相关概念,总结了划定的业务流程;结合农业生产智能化管理的业务需求和数字化成图的拓扑关系需求,为“两区”划定设计了“区—片块—地块”三级空间结构;提出了基于多源农地空间数据的“两区”划定图件测制关键技术,在分析“两区”行业功用的基础上,以“区—片块—地块”空间结构为制图导向,融合现有多源农地空间数据在空间分布和语义属性上的关联性,从特定空间尺度实现了“两区”空间分布图制作;提出了基于多源农地空间数据的“两区”划定数据建库关键技术,分析了“两区”划定数据建库的业务需求,从空间信息结构视角实现对“两区”划定地理空间实体的抽象化;总结并讨论了多源农地空间数据在“两区”划定过程中的整合应用及存在的问题。研究表明,多源农地空间数据能够在“两区”划定的关键技术环节起到数据支撑作用,同时也需针对具体的应用环境判断其信息可用性,降低多源农地空间数据的偏差及局部缺失对“两区”划定这类系统性工程所造成的影响,实现对基础数据、专题数据、管理数据和统计数据的有效集成,为“两区”划定及智慧农业领域同类基础性工作的有效推行提供参考与借鉴。     

世界主要国家精准农业发展概况及对中国的发展建议

中国是一个农业生产和消费大国,同时也面临着投入产出比率相对较低、环境污染等一系列问题,尤其在国际形势变化、自然灾害频发的背景下,中国传统农业生产方式亟需转型升级。在人工智能、物联网、云平台等新兴技术的带动下,精准农业孕育而生,成为了全球农业实现绿色、高产的有效途径。该文瞄准世界精准农业发展较好的发达国家和地区,通过文献梳理和总结,凝练出政府引导、信息化建设、科技支撑、新型农民培育等发达国家和地区发展精准农业的成功经验。在此基础上,着眼于中国大田种植,分析中国发展精准农业的基础,从农田配套设施及信息化建设、农业信息获取、自动变量作业系统及装备等方面充分认识中国发展精准农业的薄弱环节。该文旨在厘清中国精准农业的发展方向,借鉴国际经验,提出中国精准农业今后的发展建议,如强化政府组织领导作用、加强基础设施和信息化建设、聚焦核心技术研发、培养新型农业人才、分区域试点示范。     

Gaofen1-WFV与Sentinel2-MSI数据在定量计算中的对比与评价

高分1号(Gaofen1)卫星于2013年发射成功,选取2种植被指数,研究国产Gaofen1-WFV数据计算的植被指数与欧空局哨兵2号(Sentinel2-MSI)数据计算的植被指数间的一致性与差异性,并建立2种数据源植被指数间的关系.结果表明,无论是归一化植被指数还是土壤调节植被指数,不同数据源计算结果的相关系数均为0.9,具有较好的一致性.研究结果可以推动国产卫星数据在精准农业、农业灾害等定量评价中的进一步应用,也为Gaofen1-WFV和Sentinel2-MSI数据的交互使用提供依据,以弥补单一高空间分辨率数据源难以大范围、短周期重复覆盖的不足.     

基于改进多元纹理信息模型和GF-1影像的县域冬小麦面积提取

作物面积监测具有较强的时效性,应用不断发展的遥感技术能够及时可靠地监测主要作物的种植面积。该文围绕国产高分一号卫星(GF-1)农业应用关键技术,研究县域尺度农作物种植面积快速准确提取的方法。在考虑多光谱遥感影像空间相关性的基础上,利用矩阵分解和距离空间转换等数学工具设计一种改进多元纹理信息(modified multivariate texture,MMT)提取模型,实现基于GF-1遥感影像的改进多元纹理信息提取、纹理与光谱信息融合以及基于融合影像分类的县域尺度冬小麦识别和面积提取。选用冬小麦出苗和越冬2期GF-1宽视场影像,结合地面实测数据和最佳识别时相遥感参考数据,对比分析基于光谱信息、单变量纹理与光谱融合信息、改进多元纹理与光谱融合信息的3种冬小麦识别和面积量算结果,实现对改进多元纹理信息效果以及小区域和较大区域上冬小麦面积提取的精度验证。试验结果表明:1)与基于其他2种传统分类特征信息的结果相比,改进多元纹理信息的加入能够显著提高冬小麦识别精度(出苗期提高4.12%和2.36%,越冬期提高2.59%和0.94%);2)在不考虑影像质量、生育期和地面样方测量精度等客观因素的影响下,基于该文方法的小区域内冬小麦面积提取精度普遍优于90%;3)在冬小麦长势稳定的时相(越冬期),基于该文方法的较大区域冬小麦面积量算结果能够达到接近最佳识别时相(孕穗期)的面积提取精度,二者的一致性程度超过97%。因而,利用GF-1宽视场影像能够有效提取县域尺度冬小麦种植面积,可为农作物监测业务运行提供遥感数据保障。     

遥感调查中耕地解译面积精准核算

扣除小地物和线状地物是提高遥感调查中耕地解译面积精度的重要手段。该文选择安徽省濉溪县为研究区,以高分1号16 m多光谱影像作为数据源,在解译耕地面积的基础上,采用遥感解译与GIS空间运算相结合的方法对线状地物进行扣除,采用布设抽样样方的方法对小地物进行扣除,对研究区耕地解译面积进行精准核算。结果表明:1)濉溪县解译耕地面积为1 320.64 km~2,广泛分布于全区,主要集中在中部和南部的四铺镇、百善镇、铁佛镇等地区,北部地区耕地分布相对较少;2)濉溪县共有45.14 km~2的线状地物被解译为耕地,占整个研究区耕地解译面积的3.42%;3)濉溪县小地物平均扣除系数为3.51%,遥感解译耕地面积中有44.77 km2的小地物被解译为耕地;4)扣除线状地物和小地物后,濉溪县耕地面积为1 230.73 km~2,全县解译耕地面积误差由6.57%降到0.68%,全部样方遥感解译平均误差的总体差异并不明显,单个样方在扣除小地物前后存在一定的差异。研究可为提高耕地解译面积精度提供思路与借鉴。     

基于GF-1影像的冬小麦种植面积核算及直补政策实施评价

粮食直接补贴政策的实施,对于促进粮食生产和农民增收、推动农业农村发展发挥了积极的作用。补贴资金发放的精准程度在一定程度上影响着财政资金的支农效率。该文拟研究基于卫星数据进行粮食直补政策落实效果评价的可行性。以安徽省濉溪县为研究区,采用GF-1卫星16 m多光谱影像,在扣除线状地物、小地物的基础上,精准核算冬小麦种植面积。以乡镇为单位,比较统计发放面积与遥感核算面积,完成基于GF-1卫星数据的粮食补贴政策落实效果评价。结果表明：1）全县范围内,冬小麦直补发放统计面积与遥感核算面积较为吻合。直补发放统计面积为1239.17 km2,遥感核算面积为1227.37 km2,相对误差仅为0.96%;2）在乡镇尺度上,11个乡镇和1个开发区中共5个乡镇直补发放统计面积与遥感核算面积的相对误差<10%,8个乡镇<13%。相对误差最大的开发区、濉溪镇2个乡镇,以工商业用地为主,冬小麦种植面积少,地块零碎,遥感解译难度大。整体上,直补发放统计面积与遥感核算面积的 Nash-Sutcliffe 系数（Nash-Sutcliffe coefficient,ENS）为0.90,决定系数为0.93,两者相关程度较高。研究可为改进完善粮食补贴政策提供参考提供依据。     

垂直干旱指数的改进及在冬小麦生长季的应用

基于近红外-红波段特征空间的垂直干旱指数(PDI)在表征土壤水分时精度还有待于提高。为提高PDI对土壤水分的敏感性，基于短波红外和红边波段对作物水分胁迫响应更为敏感这一事实，考虑Sentinel 2卫星数据的短波红外、红边1、红边2和红边3波段，分别与红波段构建特征空间，提出新的土壤水分监测指数(分别记为SPDI、R1PDI、R2PDI和R3PDI),改进PDI,并基于冬小麦全生育期的土壤湿度实测数据评价构建的指数。结果表明，与PDI相比，新建立的指数在表征土壤墒情方面表现良好，与实测土壤湿度的负相关性更强。冬小麦播种、越冬、拔节和灌浆期的土壤墒情最优表征指数分别是SPDI、R1PDI、R2PDI和R2PDI,这些指数与实测数据的相关系数绝对值|r|分别为0.79、0.74、0.70和0.61,相关性极显著，均强于PDI与冬小麦播种、越冬、拔节和灌浆期实测数据的相关性。Sentinel 2数据的短波红外、红边1和红边2波段更适合构建水分响应指数，与红波段构建的新型指数在土壤墒情监测方面具有潜力。