基于能量平衡的华北平原农田蒸散量的估算

通过测定冬小麦主要生育期农田冠层能量平衡的各分量、少风晴天时冠层温度和气温日变化及每周叶面积指数,分析了农田冠层能量平衡日变化规律、各分量季节变化特征,并以波文比系统实测蒸散值为相对标准,基于遥感冠层表面温度和能量平衡原理,采用Brown-Rosenberg公式对农田蒸散进行了估算和验证。结果表明：考虑夜间能量平衡各分量变化时,土壤热通量只占净辐射的3%左右,且夜间潜热交换值均很小,都在零左右波动;采用Brown-Rosenberg公式引入遥感冠层温度后估算的蒸散量较波文比系统实测值稍大,但忽略土壤热通量和考虑土壤热通量相比,二者相对平均偏差分别为16%和10%左右,差别不大,说明拔节-灌浆期（LAI≥3）估算蒸散时可近似忽略土壤热通量和夜间农田蒸散量,利用Brown-Rosenberg公式估算区域蒸散可行,该方法适用于华北平原农田蒸散计算。研究结果为将Brown-Rosenberg公式引入作物模型、基于热红外遥感冠层表面温度计算区域蒸散和水分胁迫系数进行区域估产提供了地面试验依据。     

基于图像提取技术计算夏玉米覆盖度和反演叶面积指数的精度评价

如何将农作物从复杂动态变化的农田场景中准确提取出来,是作物分割方法后续提取覆盖度或反演叶面积指数准确与否的关键。本文以郑州、泰安和固城站2011年和2012年生长季的夏玉米为研究对象,利用在线式图像自动传输装置实时获取户外不同光照强度以及真实农田复杂背景下的夏玉米群体动态图像,在对原始图像进行几何校正的基础上,采用AP-HI、ExG、ExGR和CIVE4种作物分割方法提取夏玉米覆盖度和反演叶面积指数,通过对比试验定量评价每种作物分割方法对农田复杂背景的适应能力和精度,并从中选取适合农田复杂环境下夏玉米冠层图像覆盖度和叶面积指数的有效提取方法。结果表明：光照强度变化以及植物阴影、植物残渣等复杂背景对作物分割算法的精确性影响较大,AP-HI方法在光照适应性和对抗复杂环境两个方面均优于其它方法,相对误差在0.2以下,高于目估法测量的精度;通过对比分析发现,利用4种作物分割方法通过冠层孔隙率估算不同生长期夏玉米LAI,AP-HI反演模型最优,其估算的LAI与实际测得的LAI值比较的相关系数最高,为0.89~0.96,均方根误差最小,为0.47~0.75。综合考虑模型的精度和稳定性认为,基于AP-HI方法反演叶面积指数的方法具有一定应用优势。     

夏玉米冠气温差及其影响因素关系探析

测定了夏玉米主要生育期四个不同水分处理的冠层温度、气温、土壤含水率、叶面积指数和株高,分析了冠气温差与土壤含水率、叶面积指数及株高间的关系。结果表明:不同的灌溉水质和灌溉量措施对夏玉米冠气温差有显著的影响;中午12~14时左右H1高度(2/3株高)处的冠气温差较H2高度(H1+50 cm)更能反映作物和土壤的水分特征,可以用此时刻的卫星遥感冠层温度结合地面气象站数据监测作物和土壤的旱情;80~100 cm土层的土壤体积含水率与节水灌溉处理的冠气温差之间存在良好关系(α=0.05),0~80 cm四个土层中以中午20 cm和40 cm处的土壤体积含水率与冠气温差相关关系最好且稳定,可以利用此关系评价作物的缺水状况;充足灌溉下的夏玉米主要生育期的叶面积指数与冠气温差也有显著的相关关系,节水灌溉下二者关系不显著,说明水分充足条件下叶面积指数对冠气温差的影响更大;株高与不同水分处理的冠气温差也有一定的相关关系,冠层2/3高度处二者的相关系数分别为:0.7027(淡水节水处理)、0.4150(淡水充足处理)、0.3683(咸水节水处理)、0.3062(咸水充足处理)。这为区域上遥感反演夏玉米冠气温差进而监测农田蒸散和土壤含水率提供了试验依据。     

基于夏玉米冠层内辐射分布的不同层叶面积指数模拟

为了模拟夏玉米冠层内各层叶面积指数垂直分布,光合有效辐射（photosynthetically active radiation, PAR）是研究作物群体光合作用和长势的重要特征参数,阐明冠层内PAR的垂直分布规律与冠层结构等参数之间的相关关系,可为遥感定量反演冠层结构参数提供模型基础。该文基于PAR在冠层内的辐射传输规律结合冠层结构模拟不同太阳高度角的PAR透过率垂直分布模型,并用地面冠层分析仪测量值进行验证,结果表明模型对封垄前玉米抽雄期冠层内PAR透过率垂直分布模拟精度较高。通过不同太阳高度角PAR透过率的垂直分布模型结合消光系数运用不同算法分别反演层叶面积指数（leaf area index, LAI）,并与不同高度层LAI实测值进行比较。结果显示：Bonhomme& Chartier算法反演不同高度层LAI精度较高,上层均方根误差（root mean square error,RMSE）为0.18,中层RMSE为0.55,下层RMSE为0.09。不同太阳高度角反演结果存在差异,30°和45°高度角均能较好地反演下层LAI,RMSE分别为0.11与0.09;30°高度角反演中层LAI精度较高,RMSE为0.30;45°高度角反演上层LAI精度较高,RMSE为0.18。结果表明基于不同太阳高度角构建的层LAI反演模型更适于实现夏玉米不同高度层LAI的遥感估算。该研究可为模拟垄行结构冠层内LAI垂直分布提供参考。     

遥感信息与作物生长模型的区域作物单产模拟

利用外部数据同化作物生长模型提高区域作物单产模拟精度是近年来的研究热点.该文以遥感反演的叶面积指数(LAI)作为结合点,以黄淮海粮食主产区典型县市夏玉米为研究对象,在区域尺度利用全局优化的复合形混合演化( SCE-UA)算法进行了遥感反演LAI信息同化EPIC (environmental policy integra...     

基于无人机遥感影像的玉米冠层温度提取及作物水分胁迫监测

针对当前无人机热红外遥感提取冠层温度不准确、监测作物水分胁迫状况精度不高的问题,该研究以不同水分处理的拔节期夏玉米为研究对象,利用无人机获取试验区域热红外和可见光图像资料,分别采用Otsu算法、EXG-Kmeans算法和Otsu-EXG-Kmeans算法获取冠层区域图像,并对提取结果进行精度评价,而后采用最优算法求得对应作物水分胁迫指数（Crop Water Stress Index,CWSI）,通过分析CWSI同土壤含水率相关关系以及CWSI日平均变化趋势来监测玉米水分亏缺状况。结果表明：1）相比于其他方法,Otsu-EXG-Kmeans算法对冠层温度提取精度更高（用户精度为95.9%）,提取的冠层温度更接近实测温度（r=0.788）,可以准确获取图像冠层温度。2）相比于冠层温度,CWSI与土壤含水率的相关性更高（r= -0.738）,CWSI日平均变化趋势更符合实际情况,可更加精确地监测玉米缺水状况。该研究为无人机遥感精准监测作物水分胁迫状况提供参考。     

Comparison of two inversion methods for winter wheat leaf area index based on hyperspectral remote sensing

冬小麦叶面积指数（LAI, leaf area index）是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数（R2）为0.990、均方根误差（RMSE）为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

冬小麦叶面积指数高光谱遥感反演方法对比

冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。     

基于改进水云模型和Radarsat-2数据的农田土壤含水量估算

为了直接将雷达遥感中"水云模型"进行反演应用,该研究将"水云模型"中植被参数改为雷达植被指数,利用全极化数据直接支持遥感反演土壤含水量,无需遥感反演植被参数输入。改进模型为利用雷达遥感结合"水云模型"进行土壤含水量监测提供了一种高效便捷方法。基于Radarsat-2全极化数据对冬小麦覆盖的农田土壤含水量进行估算,利用2014年在陕西杨凌区获取的4个生育期内Radarsat-2卫星数据及同步田间测量108组冬小麦农田土壤含水量地面测量数据进行模型参数校正和精度验证。验证结果精度为:改进的雷达植被指数模型原叶面积指数模型(实测叶面积指数验证)原叶面积指数模型(光学遥感反演叶面积指数验证),且改进的雷达植被指数模型可以在多个生育期内对农田土壤含水量进行监测。     

河套灌区玉米和向日葵ET的S-I估算模型关键参数分析

农田作物蒸散的快速评估对于灌区水资源最优调配和灌溉实时管理至关重要。简化S-I模型综合考虑作物冠层温度、田间气象参数和作物特征参数,可以进行实时农田作物ET的精确估算。该文利用河套灌区解放闸灌域2015—2016年2 a田间试验观测资料,对主要农作物玉米和向日葵的S-I模型中2个特征参数分别进行了率定和验证,并分析了模型蒸散估算的相关影响因素。结果表明:1)利用S-I简化模型可以对玉米和向日葵田间进行作物日蒸散量(daily evapotranspiration,ET_d)的估算,在该地区以13:00时率定和验证结果最优。在玉米主要生育期(6—8月),利用S-I模型估算ET_d可以达到较高的精度;而在7—8月,采用模型估算向日葵地ET_d也可以达到很高的精度;2)S-I模型中特征参数值受风速、地表覆盖度、表面粗糙度等因素的影响,不同作物其值不同。13:00时玉米S-I模型中特征参数值皆为负值,而向日葵中特征参数值为1正1负,进而影响模型估算精度。叶面积指数变化对特征参数值大小的影响在玉米和向日葵田块呈相反的趋势,而风速的影响则为一致。推荐13:00时率定的参数值可以在河套灌区玉米和向日葵作物需水量估算时直接应用。     

基于地面红外检测系统验证的灌区地表温度遥感反演

利用遥感数据的大尺度特性和地面实时监测数据进行区域灌溉管理,用精准化信息技术支撑农业信息化,是现代农业发展的方向和研究热点。该文根据田间在线实时监测数据和Land Sat8卫星遥感数据反演,探讨遥感反演地表温度与地面实测数据的吻合程度,为大范围、区域性干旱监测和灌溉管理提供技术支撑。结果表明,在下垫面植被均匀、土壤水分空间变异性较小的区域,利用Land Sat8遥感影像反演地表温度,可以很好地与地面作物冠层温度监测结果相吻合;监测点数据可以代表其附近5个像元的情况。利用覃志豪法和简单Sobrino法计算地表比辐射率来遥感反演地表温度,对不同的作物类型有不同的适宜性。2015年9 d遥感反演结果与地面监测数据对比可见,在解放闸灌域沙壕渠试验点的玉米地,简单的Sobrino法结果更好,R~2达到0.76,均方根误差、相对误差和符合度指数分别达到2.32℃、7.8%和0.92。葵花地覃志豪法结果为宜,R~2达到0.85,均方根误差、相对误差和符合度指数分别达到1.97℃、6.5%和0.94。春小麦地宜用Sobrino法。对于北京大兴的冬小麦-夏玉米轮作,这2种方法差别不大。地面监测点布设方案和合理数目、点面数据结合进行区域干旱判断和灌溉管理,以及地面监测系统的优化改进,是进一步研究的重点。     

春小麦与玉米、向日葵间作套种对土壤水分的影响

在河套灌区以春小麦、玉米、向日葵单作为对照,测定并分析了春小麦/玉米、春小麦/向日葵间作套种作物生长季0—120cm土层土壤水分及作物产量。结果表明,春小麦/玉米、春小麦/向日葵间作套种生长季的土壤水分蒸散强度为双峰曲线,春小麦、玉米、向日葵单作为单峰曲线。春小麦/玉米、春小麦/向日葵间作套种的土壤水分蒸散量高于春小麦、玉米、向日葵单作。春小麦/玉米、春小麦/向日葵间作套种提高了作物产量,提高了土地当量比,但降低了作物生长期、作物生长季及灌溉水的水分利用效率和水分当量比。建议河套灌区减少间作套种面积,或间作套种时在不同作物之间修建土埂隔挡,根据不同作物对水分的需求分别灌溉。     

环境因子与玉米生长对地表温度监测土壤水分的影响

针对当前地表温度受太阳辐射、气象因素及作物生长状态影响,对早晨与傍晚土壤水分估算精度较差的问题,该研究在2020年夏玉米生长的拔节期与抽雄期,利用无人机搭载热红外传感器获取09:00、11:00、13:00、15:00以及17:00的地表温度数据,探究了太阳高度角、饱和水汽压差、植被覆盖度三者与地表-空气温差的相关性,提出了综合调整温度,构建了土壤含水率监测模型,分析模型在玉米吐丝期与水泡期的适用性并绘制了土壤含水率分布图。结果表明：1）同一时刻不同灌溉处理的地表温度与土壤含水率呈现负相关性,同一灌溉处理的地表温度日变化呈现上午升温较快下午降温较慢的负偏态分布趋势。2）太阳高度角正弦4次方根、饱和水汽压差、植被覆盖度与地表-空气温差的线性相关系数分别为0.509、0.948、-0.659。3）相比较基于地表温度构建的土壤含水率监测模型,基于综合调整温度的监测模型将决定系数由0.230提高到0.771,标准均方根误差由18.8%降低至10.3%。4）利用综合调整温度监测其他生育期的土壤含水率,决定系数由0.238提高到0.831,标准均方根误差由18.9%降低至9.5%,表明模型在玉米生...     

基于基因表达式编程的作物水分生产函数构建

作物水分生产函数的确定是农业水资源优化配置的关键。该研究采用农业水文生态系统模型（Agro-Hydrological & Chemical and Crop systems simulator, AHC）与基因表达式编程（Gene Expression Programming, GEP）相结合的方法构建作物水分生产函数。以河套灌区3种主要作物（葵花、玉米、小麦）为研究对象,采用AHC模型模拟作物产量等,构建基于GEP算法的作物水分生产函数,探讨考虑盐分胁迫的作物水分生产函数构建的思路与方法。结果表明：1）作物模拟产量与地下水埋深、地下水矿化度和灌水量等因素有关。2）构建作物水分生产函数的最优输入因子组合为地下水埋深、灌溉量、蒸散发、地下水矿化度、土壤根层盐分对作物胁迫因子、土壤根层含水率。3）应用作物水分生产函数估算不同灌溉定额条件下作物产量（预测产量）,并与AHC模型计算的产量（模拟产量）进行比较,玉米、葵花、小麦预测产量与模拟产量具有很好一致性,其决定系数分别是0.96、0.93、0.96,平均相对误差均小于5%,满足计算精度要求。因此,该研究所构建的作物水分生产函数可以较准确地估算盐分胁迫下作物产量,为农业节水与灌溉水高效利用提供科学参考。     

Soil Evaporation and its Affecting Factors under Crop Canopy

Abstract

Based on field experiments, changing patterns and affecting factors of soil evaporation and energy balance under crop canopy were studied. Soil evaporation under crop canopy was measured directly using the microlysimetry technique. The main factors affecting soil evaporation under crop canopy including surface net radiation, leaf area index, soil water content, and crop growth period were analyzed to give scientific proof for the soil evaporation control. The results showed that no soil evaporation occurred under the crop canopy when net radiation was reduced to a threshold of 230.57 w/m². Under crop cover conditions, evaporation/evapotranspiration (E/ET) reduced with increases of crop leaf area index, followed by an exponential function to a leaf area index (LAI) threshold of 4. The cumulative evapotranspiration, transpiration, and evaporation under crop canopy conditions during the winter wheat growing season were 443.9 mm, 272.2 mm, and 171.7 mm, respectively, with E/ET having a relatively high value of 38.7%.     

玉米作物系数无人机遥感协同地面水分监测估算方法研究

该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。     

咸水畦灌农田土壤水热盐动态及油葵生长的试验与模拟

为探究中国西北旱区咸水畦灌条件下农田土壤水热盐动态及其对作物生长的影响,采用大田试验和WASH-C模型(Layered Soil Water-Solute-Heat Transport and Crop Growth Model,土壤水热盐迁移和作物生长耦合的模拟模型)模拟相结合的方法,分析油葵全生育期内不同灌水量和矿化度处理下土壤剖面水盐分布特征、温度变化及油葵生长规律。试验设置包括2个灌水量水平(分别为油葵畦灌需水量的100%、50%)和3种畦灌水矿化度(分别为0.7、4.0、8.0 g/L)。结果表明,土壤剖面的水、盐、热分布在根区(0～40 cm)的变动幅度要大于深层(40～100 cm),灌水量越多,水分、盐分变幅越大。随着灌水次数的增加,土壤剖面在0.7 g/L矿化度下出现脱盐现象,4.0、8.0 g/L矿化度下出现积盐现象,并且灌水量越大,相应的脱、积盐率越高。试验前期各层地温变化幅度较后期大,温度变化幅度随土壤深度增加而减小。0.7g/L、100%油葵需水量下的作物LAI和产量最大,8g/L、50%油葵需水量下最小,两处理的LAI分别为8.41、3.80 cm~2/cm~2,产量分别为5.49、3.08t/hm~2,差异显著(P0.05)。模拟结果表明,WASH-C能够较好地模拟各时期土壤中根区、深层含水率的分布特征,所有模拟结果的R2不低于0.53。在咸水矿化度小于等于3g/L的情景模拟下,作物根区不会产生明显的积盐现象。合理的咸水畦灌制度有利于充分利用咸水资源并提高油葵的水分利用效率和产量。