大伙房水库上游流域土地利用变化及地形梯度效应分析

为揭示大伙房水库上游流域的土地利用空间变化在地形差异上的转变过程,探讨流域内自然和人文等因素在土地利用空间变化中的作用,以大伙房水库上游流域的1987,2002和2015年3期Landsat TM/OLI遥感影像和DEM数据为数据源,分别进行土地利用分类、构建土地利用变化图谱和计算地形位指数并进行梯度分级,分析研究区土地利用变化情况以及利用分布指数,分析各土地利用类型和土地利用变化图谱类型的地形梯度效应,探讨地形因子对土地利用变化的影响。结果表明:研究区内主要土地利用类型为林地和农田,林地主要分布在中、高地形梯度,而农田、建设用地和水体主要分布在低地形梯度,草地主要分布在低、中地形梯度。1987～2015年间林地和草地面积减少,农田、建设用地、矿体面积增加;土地利用变化图谱以稳定型为主,占总研究区面积的65.56%,其中稳定型在中高和高地形位梯度占优势,且以中高地形位上的林地稳定不变为主要类型,占稳定型图谱的78.46%;前期变化型、后期变化型、反复变化型和连续变化型的优势区段均在低、中地形位梯度上,各变化图谱中均以中、低地形梯度上的林地和农田的互相转化为主要变化类型,且1987～2015年间农田有从低向较高地形较梯度推进的趋势。土地利用变化及其地形梯度分布特征是自然因素、社会经济因素和政策因素共同作用的结果。目前研究区土地利用空间变化整体较为稳定并趋于合理,但仍存在不合理的毁林开荒和侵占农田的现象,需要加强土地利用的科学规划和合理布局。     

帽儿山地区森林叶面积指数生长季动态研究

叶面积指数(Leaf area index)是描述叶片生长过程的重要参数之一。为探讨我国帽儿山地区落叶阔叶林长时间序列叶面积指数变化规律,利用LAI-2200对帽儿山林场老爷岭试验站12块样地生长季叶面积指数进行测量,使用生长方程对离散LAI值进行拟合,计算不同时间的叶面积指数生长速率和生长季累积叶面积指数,分析不同立地条件下不同林分叶面积指数生长情况,对其动态变化规律进行研究。研究表明:生长季4月到8月,12块落叶阔叶林叶面积指数均随时间呈单峰变化。以杨树有优势树种的样地用Mitscherlich生长方程拟合其LAI效果最优,以色木和白桦为优势树种的样地采用logistic生长方程拟合效果最优,其它样地Gompertz生长方程拟合最优,各样地生长方程拟合R2均高于0.962。杨树林叶面积指数增速最快,胡桃楸林增速缓慢,6月初到8月中下旬为冠层LAI生长速度趋于平稳。空间位置相近的阴阳坡样地叶面积指数生长规律差别较大,最高累计叶面积指数相差17.6%。此研究结果为帽儿山地区阔叶林叶面积指数动态变化规律提供数据基础,为该地区林冠植被的空间异质性及其造成影响,以及提升日步长碳循环、水循环生态机理模型精度提供更为准确的数据支持。     

林冠层结构参数自动测量系统设计与试验

为获得林冠层结构参数的监测数据,设计了一种可长期自动感知叶面积指数、聚集度指数和郁闭度指数的自动测量系统。自动测量系统由测量车、固定轨道和太阳能供电系统组成。太阳能驱动的测量车由单片机控制完成指定作业任务,收集轨道所在样线上的光强分布数据,获得不同长度光斑概率分布函数,利用大光斑消除法和贝尔定律解算林冠层结构参数。为验证测量方法和解算精度,先后在林场32块样地进行试验,结果表明自动测量系统测得的有效叶面积指数与LAI-2200测量结果相近,相关系数为0.832 5,郁闭度指数与一步一抬头方法测量结果相同,并测得32块样地的聚集度指数。     

大兴安岭地区森林叶面积指数测定与遥感估算

为研究分树种测定并估算植被叶面积指数(IL,A),以大兴安岭地区塔河林业局为研究区域,利用TRAC-Ⅱ对41个样地真实叶面积指数进行了测定,并与基于TM遥感影像提取的植被指数进行了相关性分析,建立模型进行IL,A估算。对外业实测样地数据与其对应提取的遥感数据进行了两种分析:一种为纯针叶树种区域分析,另一种为不分树种的区域分析。结果表明:归一化植被指数(IN,D,V)、差值植被指数(IR,V)、比值植被指数(ID,V)与IL,A均有较高的相关性,其中IN,D,V与IL,A的相关性最好,在纯针叶树种区域分析中R2=82.1%,在不分树种的区域分析中R2=77.1%。分析结果还表明:分树种后的纯针叶树种区域分析比不分树种的区域分析估算IL,A的精度明显提高,估算模型精度提高了5%。     

野外叶面积指数自动测量仪器设计及应用试验

为提高长时间序列叶面积指数测定模型的模拟精度,该文设计一种可以长期在野外间接测量叶面积指数仪器,仪器由太阳能提供持久电能,利用单片机控制垂直水平舵机,带动光强传感器记录多角度光线强度,在2台仪器同时测量的情况下,获得光线透过林分冠层多角度光强衰减率,通过编写计算程序解算林分叶面积指数。使用商品化光学仪器LAI-2200验证该仪器测量精度,对24块样地叶面积指数进行测量,两仪器测量结果高度吻合R2为0.927,绝对标准误差为0.36。长时间野外叶面积指数自动测量获取数据可节省人力、减少人为误差。     

基于MISR数据大兴安岭地区叶面积指数反演及尺度转换验证研究

叶面积指数(LAI)是气候研究和生态研究中重要的植被冠层结构参数,遥感技术为快速获取大面积叶面积指数提供了有效途径。大兴安岭地区是我国重要的生态功能区,本文以大兴安岭为研究区域,根据森林林分特征,采用基于物理过程的4-Scale几何光学模型,利用多角度MISR遥感数据反演该区域叶面积指数数据。几何光学模型特点在于参数具有物理意义,考虑地面反射的热点效应,模型反演过程不依赖于样本数据适用于大区域反演研究,MISR数据提供同一区域多角度遥感数据,有效解决了单一观测角度植被指数和叶面积指数函数关系饱和点低的问题。由于地面验证数据空间尺度无法满足MISR数据的空间分辨率,本文采用TM数据对样地实测叶面积指数数据进行尺度转换,针对不用坡向叶面积指数空间异质性进行分析,讨论不同空间分辨率验证数据的合理性,研究表明大兴安岭区域使用600m空间分辨率验证数据对MISR数据反演结果检验最优,该分辨率下叶面积指数变化随空间尺度变化趋于稳定,并较好地避免了2种遥感数据几何配准带来的误差。结果表明:4-Scale几何光学模型适用于我国大兴安岭地区森林叶面积指数反演,实验中MISR数据反演叶面积指数的平均绝对误差为25.6%、均方根误差为0.622。本研究为大兴安岭地区叶面积指数大区域快速定量反演提供了研究基础。      

多时相遥感数据森林类型识别技术研究

利用分层分类思想,对黑龙江省塔河县森林类型使用多期TM遥感数据进行分类。根据研究区域实际情况,制定二级分类系统。使用7个时相的TM原始波段数据及其计算的植被指数表达森林类型的光谱特征,采用抽样方法选取训练样本并进行分析,统计不同森林类型的TM原始波段和多种植被指数在各时相上的差异,得到差异较大的波段和植被指数作为分类特征,采用最大似然法和决策树分类方法对森林类型进行分类。研究结果表明,决策树分类方法对优势树种组的分类精度最高,达到76.85%,可以满足实际应用的要求。     

DEP1、Gn1a和qSW5组合应用调控水稻穗部性状

【目的】水稻是重要的粮食作物，为全球超过一半的人口提供主食。穗部性状是影响水稻产量的主要因素，挖掘调控穗部性状的优异基因组合，为提高水稻产量提供聚合育种策略。【方法】以弯穗型籼稻品种R99和直立穗型粳稻品种SN265构建的151个重组自交系为试材，应用Illumina测序平台对重组自交系和双亲进行全基因组重测序。结合表型数据与遗传图谱，对每穗粒数、一次枝梗着粒数、二次枝梗着粒数和粒型进行QTL分析，筛选QTL区间内的候选基因，应用基于三代测序组装的SN265和R99高质量基因组进行候选基因预测和序列比对，在重组自交系中筛选产量性状表现最好的基因组合，并在SN265遗传背景下应用CRISPR基因编辑技术对目标位点进行基因编辑。【结果】R99每穗粒数和二次枝梗着粒数显著多于SN265,SN265的一次枝梗着粒数显著高于R99,R99粒型细长，SN265粒型短圆。每个重组自交系平均测序深度为6.25×，R99和SN265的测序深度分别为30×和32×。获得1 456 445个高质量的SNP，利用划bin策略进行图谱构建，得到一个包含3 569个bins，平均长度为58.17 kb的遗传图。Q...