基于EFAST方法的AquaCrop作物模型参数全局敏感性分析

【目的】敏感性分析是作物模型本地化过程中的重要环节,对作物模型的校正与应用有重要的意义。【方法】本研究以国家精准农业示范研究基地2012—2013、2013—2014和2014—2015年冬小麦试验为研究对象,采用全局敏感性分析方法扩展傅里叶幅度检验法(Extended Fourier Amplitude Sensitivity Test,EFAST)对AquaCrop模型42个作物参数进行敏感性分析,以评估模型在北京地区的敏感参数。【结果】(1)对干生物量敏感作物参数是:水分和温度胁迫参数(生物量生产的最小生长度(stbio),引起冠层早衰的土壤水分消耗上限(psen))、生物量和产量参数(归一化水分生产力(wp))、蒸散参数(作物冠层形成后到衰老之前的作物系数(kcb))、作物冠层和物候发展参数(冠层生长系数(cgc),从播种到出苗时长(eme),最大冠层覆盖度(mcc),冠层衰老系数(cdc),从播种到成熟的时长(mat),产量形成过程中收获指数的建立长度(hilen))。其中stbio,kcb,wp和cgc 4个作物参数敏感性指数最大;(2)对冠层覆盖度最敏感的参数是:作物冠层和物候发展参数(cgc,mcc,每公顷株数(den),出苗率达到90%时的土壤覆盖度(ccs),mat和cdc)、根区发展参数(最大有效根深(rtx))、水分和温度胁迫参数(psen)、蒸散参数(kcb);(3)对产量最敏感的参数是作物冠层和物候发展参数(从播种到开花时长(flo),mat,cdc,hilen和从播种到开始衰老时长(sen))、水分和温度胁迫参数(psen)、生物量和产量参数(参考收获指数(hi)和wp)、蒸散参数(kcb)。【结论】利用EFAST方法对AquaCrop模型中的作物参数进行一阶和全局敏感分析,最大干物量的敏感性分析结果以及干生物量随时间变化的敏感性分析结果显示,敏感性参数的选择上差异不大,但排序上存在较大的差异,最大干生物量的敏感性分析不能分析作物参数对干生物量在整个生育期的影响,结果不全面;冠层覆盖度随时间变化的一阶和全局敏感性分析结果显示,在敏感参数的选择和排序上均有较好的一致性,全局敏感性分析中作物参数的敏感性指数更高,对冠层覆盖度的影响表现得更明显。本研究结果用于AquaCrop模型本地化,可提高该模型在北京地区的模拟效率和模拟精度。     

基于主成分分析的叶面积指数尺度效应

为描述多空间尺度观测数据在表达同一区域农作物叶面积指数(LAI)分布特征时存在的差异,该文提出了一种基于主成分分析(PCA)的LAI尺度效应分析方法。该方法充分考虑了多尺度数据的相关性与差异性,从统计分析角度出发,采用PCA进行数据挖掘和信息重组,引入动态多元线性回归模式基于主成分信息(PCs)反演估算LAI,进而定量描述尺度效应。选取大麦和玉米为试验对象,先以地面最细空间尺度观测数据为基准,通过尺度上推构建一系列不同空间尺度数据;再依据上述尺度效应分析方法进行有效信息提取和LAI估算,并纳入有效主成分个数(NEPCs)、决定系数(R2)和平均相对精度(MRA)等参数定量描述尺度效应。理论分析和数值实践证实了该方法在农作物LAI尺度效应定量分析中的可行性和有效性。     

基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演

为探讨利用近地高光谱和TM遥感影像数据评估作物冠层水分状况的可行性,以北京顺义通州为研究区域,以冬小麦为研究对象,首先基于Landsat TM5的光谱响应函数,利用地面实测的冬小麦全生育期冠层高光谱窄波段反射率数据来模拟TM5卫星宽波段反射率,然后利用模拟的TM5数据的NIR波段(第4波段)和2个SWIR波段(第5和7波段)反射率分别构建水分指数(WI)和归一化差异水分指数(NDWI),并利用地面实测数据建立冠层叶片含水量(LWC)和等效水厚度(EWT)的遥感估算模型,最后选取最优的水分估算模型,利用TM5卫星遥感影像数据对研究区域小麦冠层水分含量进行反演与应用。结果表明,利用TM5数据中SWIR第5波段比第7波段构建的水分指数更有优势;WI对估算LWC的效果较好,而NDWI在EWT估算方面效果较好,应用TM5宽波段模拟数据模型验证的冬小麦冠层含水量的r2和RMSE分别为0.57和0.51、3.89%和0.024。同时从TM遥感影像的反演结果来看,开花期的冬小麦冠层水分高于拔节期。     

基于权重最优组合和多时相遥感的作物估产

多时相遥感数据比单一时相携带了更多的反映作物产量的信息，研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合（WOC）是一种通过对单个模型权重的最优化，来构建高精度组合模型的原理方法。论文以黑龙江农垦友谊农场大麦产量遥感估算为例，首先利用大麦4个时相的Landsat5 TM影像分别构建单一时相的大麦产量模型，然后利用WOC的迭代算法，通过赋予4个单一时相产量模型以最优权重，生成基于多时相遥感的组合模型估算大麦产量，结果表明：基于WOC和多时相遥感的组合估产模型的决定系数R2与单一时相的相比得到较大改善，估算精度提高明显。同时，通过对WOC获取的各时相单一模型最优权重大小进行分析表明：应用多时相遥感数据进行作物估产时，权重大小能够反映各时相遥感数据所携带的产量信息的多少，这对于如何选择和确定能有效反映作物产量的敏感遥感时相具有一定的指导意义。     

农作物单产遥感估算模型研究进展

作物单产估算是农作物估产中的关键技术,也是作物估产的难点之一.遥感技术凭借其宏观、及时和动态等特点已在农作物产量估算中占据着极为重要的地位,运用遥感信息建模估算作物产量已成为区域作物估产的必然要求.在总结农作物单产遥感估算模型研究成果的基础上,将作物单产遥感估算方法划分为四种模式加以详细阐述,分析了用于单产建模的遥感数据源的多元化趋势,讨论了如何有效验证模型估算精度的问题,最后对作物单产遥感估算模型今后的发展趋势作了展望.     

基于氮素运转原理和GRA-PLS算法的冬小麦籽粒蛋白质含量遥感预测

【目的】及时、有效地预测籽粒蛋白质含量,能够为优质小麦品种的收购和加工提供科学合理的决策支持信息。本研究从籽粒蛋白质形成的氮素运转规律出发,研究冬小麦籽粒蛋白质遥感预测的可行性及在区域与年际间的扩展性,为高分辨率遥感卫星进行大面积蛋白质预测提供理论依据。【方法】利用2012—2013年4个冬小麦品种×4个氮肥梯度的试验数据和地面高光谱数据进行建模;基于小麦籽粒蛋白质形成的氮素运转机理,通过分析籽粒氮素累积量的两个主要来源及其之间的比例关系,重点抓住开花前的植株氮素累积量再运转这一主要来源,而灌浆期根际的氮素直接吸收则通过其与前者的比例关系来确定,通过相关农学参数模型的耦合,同时加入温度影响因子对籽粒氮素运转的影响,初步阐明了利用开花期小麦叶片氮含量可以预测籽粒蛋白质含量的应用机理;然后选择与叶片氮含量相关的植被指数,利用灰色关联分析-偏最小二乘算法（GRA-PLS）选择与叶片氮含量关联度较高的植被指数并进行小麦叶片氮含量的估算,通过与氮素运转模型的耦合构建了基于氮素运转原理的籽粒蛋白质含量遥感预测模型;最后利用2009—2010年的品种×播期×肥料试验和2012—2013年的其他品种氮肥处理试验进行验证。【结果】（1）通过GRA方法对叶片氮含量和植被指数间的关联度进行计算,选择关联度较大的前5个植被指数进行叶片氮含量建模,其植被指数分别为mND705、NDVIcanste、Readone、DCNI和NDCI;（2）通过PLS方法构建的叶片氮含量模型,建模结果的预测值与实测值的决定系数（R2）和均方根误差（RMSE）分别为0.859和0.257%,验证结果的R2和RMSE分别为0.726和0.063%,利用GRA-PLS方法估算叶片氮素含量具有较好的稳定性;（3）构建的蛋白质预测模型,建模结果和验证结果的预测值与实测值的R2和RMSE分别为0.713、1.30%和0.609、1.19%,预测模型具有较高的精度与可靠性。【结论】基于氮素运转规律构建的小麦籽粒蛋白质含量遥感预测模型,可以作为应用开花期遥感信息来预测籽粒蛋白质含量的机理性解释,初步实现了本研究区域和年际间的籽粒蛋白质含量预测,具有一定的应用前景。     

基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于彩色空间距离优化的秸秆覆盖率检测算法研究

秸秆覆盖率是保护性耕作重要的评价指标之一。针对田间秸秆形态各异、细碎秸秆难以识别的难题,基于机器视觉技术,提出了一种基于K-means和彩色空间距离灰度化方法相结合的田间秸秆覆盖率检测算法。采用彩色空间距离方法对秸秆图像进行预处理,基于K-means算法实现秸秆和土壤背景的分类识别,使用数学形态学腐蚀和膨胀方法对识别后的图像进行处理,降低细碎秸秆对覆盖率的影响,最后计算秸秆图像的覆盖率。2022年10月,通过田间试验对北京小汤山国家精准农业研究示范基地采集的220幅玉米秸秆图像进行了算法验证。试验结果表明,对低秸秆覆盖率(0～30%)图像,识别准确率达到90%;对中等秸秆覆盖率(30%～60%)图像,识别准确率达到88%;对高秸秆覆盖率(60%以上)图像,识别准确率达到86%;整体秸秆覆盖率分等定级准确度达到98.18%。本研究设计的基于K-means和彩色空间距离灰度化方法相结合的田间秸秆覆盖率检测算法为保护性耕作评价提供了快速检测方法和手段。     

基于Sentinel-2影像和机器学习算法的冬小麦秸秆覆盖度遥感估算

为探究大范围小麦秸秆覆盖度(CRC)估测方法，以冬小麦秸秆为研究对象，基于Sentinel-2遥感卫星影像光谱指数、波段和纹理特征及其不同特征组合，利用灰色关联-随机森林(GRA-RF)敏感特征提取方法，结合高斯过程(GPR)、套索(LASSO)、岭回归(RR)和偏最小二乘(PLSR)等多种机器学习算法，开展小麦CRC估算的最优模型研究。结果表明，基于GRA-RF特征优选后的机器学习模型显著改善了小麦CRC的估算精度，LASSO算法总体对小麦CRC的估测效果最佳，并且针对不同的光谱特征组合表现出差异化的结果。其中，以光谱指数、波段和纹理信息构成的组合特征集构建的CRC遥感估算模型精度最优(r²=0.65,RMSE=9.25%),以波段与纹理两者组合特征估算的CRC精度次之(r²=0.63,RMSE=9.31%),仅利用单一的光谱指数、波段或者纹理特征估算冬小麦CRC的精度均劣于组合特征的结果。这说明应用GRA-RF组合筛选方法能够有效优选秸秆覆盖度的光谱特征；相比于单一特征，光谱指数、波段、纹理信息等构成的组合特征更能有效地监测小麦秸秆覆盖度...     

基于新型植被指数的冬小麦覆盖度遥感估算

为提高冬小麦覆盖度估测精度,从增强近红外与红光差别的数学变换原理出发,构建了一种新型植被指数(NDVIn),再基于2013、2014年冬小麦冠层高光谱和模拟的资源三号卫星宽波段多光谱数据,分别构建基于常规植被指数(NDVI)与NDVIn的冬小麦覆盖度估算模型,然后利用留一交叉验证法对模型精度进行评价。结果表明,当n=6时,新生成的植被指数NDVI6对冬小麦农田覆盖度具有最好的估算性能,利用其基于小麦冠层高光谱及卫星多光谱数据建立的冬小麦覆盖度估算模型的决定系数r2分别为0.84、0.85,RMSE分别为0.092、0.091,模型精度均好于常规指数NDVI的估算结果。说明NDVI6用于估测冬小麦覆盖度具有可行性。