利用EOS/MODIS植被供水指数监测锡林郭勒地区土壤湿度

利用锡林郭勒盟13个测墒站0-10cm土壤相对湿度和对应时段MODIS卫星资料,分析植被供水指数(VSWI)与土壤相对湿度间的相关性.结果表明,二者呈极显著的线性关系(P＜0.01),在此基础上建立了基于植被供水指数的土壤相对湿度监测模型.运用该模型反演的土壤相对湿度分布与实测结果基本吻合.从动态监测旱情的变化角度,用植被供水指数(VSWI)监测了锡林郭勒草原在2011年8月旱情的发生、发展和加重过程.说明植被供水指数法适用于植物生长季大范围的干旱监测,通过动态监测,可为及时、准确掌握大范围土壤水分状况和旱情提供决策依据.     

辽西干旱区春播期土壤相对湿度动态预测模型研究

利用统计学方法,根据土壤相对湿度与气象因子、土壤相对湿度自身及环流指数的相关关系,建立了适合辽西干旱区春播期的土壤相对湿度动态预测模型。结果表明:(1)辽西地区4、5月土壤相对湿度与封冻雨和前期底墒相关性较大,且5月土壤相对湿度与同期降水呈显著正相关,与同期气温呈显著负相关;(2)土壤相对湿度与多项环流因子、海温因子及外强迫因子关系较为密切;(3)基于多元线性回归分别建立辽西地区4、5月份土壤相对湿度预报模型,2月末发布首次预报模型,3月末发布4月土壤相对湿度滚动订正模型,4月末发布5月土壤相对湿度滚动订正模型;(4)模型模拟结果表明,各月的拟合准确率均在80%以上,且订正前4、5月份平均相对误差分别为8.5%和5.6%,经模型订正后,平均相对误差分别达到6.6%和4.6%,模拟精度得到提高。     

土壤水分数据融合及其在旱涝灾害多维度评估中的应用

获取高精度的土壤相对湿度对开展土壤墒情和旱涝精细化监测评估和预报预警有重要意义。该研究基于2020–2023年4–11月中国气象局陆面数据同化系统（China Meteorological Administration Land Data Assimilation System,CLDAS）逐日土壤相对湿度、全国土壤水分自动站逐小时土壤相对湿度以及土地利用类型、土壤属性、地理信息等数据,采用随机森林和支持向量机模型构建土壤水分自动站观测和CLDAS反演的土壤相对湿度动态融合订正模型,基于融合的土壤相对湿度构建土壤旱涝强度-面积-时间多维度评估指数,开展多维度旱涝监测评估。结果表明：1）采用随机森林模型融合后,0～10、0～20、0～50 cm土壤相对湿度与观测的土壤相对湿度的决定系数分别为0.79、0.81、0.80,相对均方根误差分别为13.81%、11.40%、9.50%,优于支持向量机模型。2）全国土壤缺墒日数百分率呈东南至西北增加趋势,内蒙古中西部、西北地区大部普遍在70%、甚至80%以上,内蒙古东南部、华北中北部、西南地区中西部为50%～70%,中东部大部在40%以下;土壤过湿日数百分率呈东南至西北减小趋势,华南东部和南部、西南地区南部、东北地区东北部多数在50%以上。3）基于融合土壤相对湿度数据构建的土壤缺墒、土壤过湿、墒情指数以及旱涝面积、持续时间指数,明显提升了2022年长江流域高温干旱、2023年台风“杜苏芮”和“卡努”等典型灾害性天气过程动态评估的定量化、精细化水平。土壤湿度融合数据及其旱涝评估指数可有效助力旱涝灾害多维度精细化定量评估,为防灾减灾提供重要支撑。     

黄淮海地区夏玉米干旱等级划分

干旱是影响黄淮海地区夏玉米产量稳定性的主要农业气象灾害。建立夏玉米干旱灾害指标,开展夏玉米干旱灾害的监测及评估,对农业防灾减灾意义重大。该文根据夏玉米生长发育过程,选择土壤相对湿度和作物水分亏缺指数分别建立夏玉米不同生育阶段的干旱等级指标。首先在综合分析有关夏玉米土壤水分指标研究成果的基础上,确定了夏玉米各生育阶段不同干旱等级的土壤相对湿度指标。在此基础上,利用河南省农业气象观测站多年观测资料,建立水分亏缺指数与土壤相对湿度之间的关系模型,利用已确定的土壤相对湿度指标计算得出夏玉米不同生育阶段不同干旱等级的水分亏缺指数干旱指标。根据土壤相对湿度指标,夏玉米播种-出苗、出苗-拔节、拔节-抽雄、抽雄-乳熟和乳熟-成熟5个生育阶段发生轻旱的临界值分别为65%、60%、70%、75%和70%,发生重旱的临界值分别为45%、40%、50%、55%和50%,发生特旱的临界值分别为40%、35%、45%、50%和45%;而根据水分亏缺指数指标,5个生育阶段发生轻旱的水分亏缺指数的临界值分别为35%、40%、20%、10%和35%,发生重旱水分亏缺指数临界值分别为50%、65%、55%、45%和65%,发生特旱的临界值分别为55%、75%、65%、55%和75%。在黄淮海夏玉米区选择代表站点对确定的干旱等级指标进行了验证,土壤相对湿度和水分亏缺指数判定的干旱等级相同及相差一个等级的百分率变化在71%～91%,表明2套指标对干旱发生情况的判别具有较好的一致性;通过与历史典型干旱年份灾情对比,2套指标能够较好的判定出历史年份夏玉米生长季干旱发生情况,能够用于夏玉米干旱的监测、评估等方面的科研及业务服务中。     

利用随机森林法协同SIF和反射率光谱监测小麦条锈病

小麦受到条锈病菌侵染后,作物的光合能力及色素含量等均会发生变化,日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)对作物光合生理的变化比较敏感,而反射率光谱则受作物生化参数的影响较大,为了提高小麦条锈病的遥感探测精度,该文利用随机森林(random forest,RF)等机器学习算法开展了协同冠层SIF和反射率微分光谱指数的小麦条锈病病情严重度的遥感探测研究。首先利用3FLD(three bands fraunhofer line discrimination)算法提取了冠层SIF数据,然后结合对小麦条锈病病情严重度敏感的11种反射率微分光谱指数分别基于RF和后向传播(back propagation,BP)神经网络算法构建了反射率微分光谱指数与冠层SIF协同的小麦条锈病病情严重度预测模型。研究结果表明:RF算法构建的小麦条锈病病情严重度预测模型优于BP神经网络算法,3个样本组中RF模型病情指数(disease index,DI)估测值与实测值间的决定系数R2平均为0.92,比BP神经网络模型(R2的平均值为0.83)提高了11%,均方根误差(root mean square error,RMSE)平均为0.08,比同组BP神经网络模型(RMSE的平均值为0.12)减少了33%,RF算法更适合于小麦条锈病病情严重度的遥感探测。在反射率微分光谱指数中加入冠层SIF数据后,RF模型和BP神经网络模型精度均有所改善,其中RF模型估测值与实测值间的平均R2提高了4%,平均RMSE减少了22%,BP神经网络模型估测值与实测值间的平均R2提高了14%,平均RMSE减少了28%,综合利用冠层SIF和反射率微分光谱指数能够改善小麦条锈病病情严重度的遥感探测精度。研究结果可为进一步实现作物健康状况大面积高精度遥感监测提供新的思路。     

农业灌溉用水量混沌预报模型建立与应用

针对当前灌溉用水量预报方法研究现状及预报精度低的问题,提出了混沌预报模型。通过灌溉用水量序列相空间重构在高维空间中恢复演变规律,并进行混沌演变特性识别,建立了基于最大Lyapunov指数的灌溉用水量混沌预报模型。模型用于湖北省举水流域灌溉用水量预报并与不同方法进行对比分析,结果表明模型预报效果好,可以作为农业灌溉用水量预报的一种有效方法。     

基于ATI和TVDI模型的河北平原土壤湿度遥感反演

为了进一步提高河北平原土壤湿度时空变化的监测精度,本文以MODIS数据和实测土壤相对湿度数据为数据源,按照优势互补的设计思想,联合应用表观热惯量模型(ATI)和温度植被干旱指数模型(TVDI)反演河北平原地区的土壤相对湿度。在3—5月、10—11月采用基于NDVI=0.2阈值分区分方案的反演方法反演河北平原地区的土壤相对湿度,其中在每旬NDVI0.2的区域采用TVDI模型,NDVI≤0.2的区域采用ATI模型,而6—9月单独使用TVDI模型来反演土壤相对湿度值。在1—2月和12月,由于植被覆盖度较低和实测土壤相对湿度数据缺测,采用ATI模型。模拟模型全部通过0.01的显著性检验。研究结果表明,河北平原地区的土壤相对湿度在年内时间变化上呈现两个由升到降的变化周期,第1个周期为12月—翌年6月,其中,12月—翌年3月为上升,3—6月为下降,3月为峰值;第2个周期为6—12月,其中,6—8月上升,8—12月下降,8月为峰值;全年土壤相对湿度的平均最大值出现在8月,最小值出现在6月。土壤相对湿度的空间分布主要受降水、人工灌溉和土地利用方式的影响,冀东和沧州滨海平原同期的土壤相对湿度值高于平原其他部分,春季太行山山前平原和燕山山前平原的土壤相对湿度值相对较高。对3个代表性月份(5月、7月和10月)进行的点对点验证表明,各月遥感反演结果的平均相对误差分别为21.4%、19.25%和22.22%。可见,遥感反演的土壤相对湿度和实测土壤相对湿度具有良好的相关性。将本文研究结果和全部用ATI模型和全部用TVDI模型反演的结果进行对比发现,联合应用ATI和TVDI模型分区反演模型反演的土壤相对湿度的平均相对误差均小于其他两种单一反演模型。     

不同轮作施肥模式的菜田产量动态灰色模型和稳定性研究

为克服蔬菜连作障碍,提出高产稳产的优化轮作施肥措施,本研究针对稻田改制为一年三熟制的菜田,采用4种不同轮作施肥模式连续进行7年定位试验,根据每年各季供试作物的实收产量,分别探讨产量可持续性指数和长期趋势产量水平,探讨不同轮作施肥模式对菜田作物产量稳定性影响的定量评价方法。结果表明,菜-菜-稻轮作结合氮磷钾推荐施肥模式的四季豆和芥菜平均产量显著高于菜-菜-菜轮作结合氮磷钾习惯施肥或推荐施肥2个种植模式,但与菜-菜-稻轮作结合氮磷钾习惯施肥模式的平均产量差异未达显著水平。菜-菜-稻轮作比菜-菜-菜轮作平均增产13.6%,推荐施肥比习惯施肥平均增产6.2%,前者均显著高于后者。菜-菜-稻轮作结合氮磷钾推荐施肥模式中四季豆、芥菜和早稻的产量可持续性指数分别为0.794、0.572和0.851,显著高于其他3种轮作施肥模式;水旱轮作和推荐施肥这两个生产措施均有利于提高菜田作物产量可持续性指数。TPGM(1,1)灰色预测模型对7年定位试验产量结果具有最佳拟合效果,12个预测模型的平均拟合误差为8.8%,基本满足了产量预测精度需求。该模型显示菜-菜-稻轮作结合氮磷钾推荐施肥的一年三熟制趋势产量最高。因此,通过产量均值、产量可持续性指数和趋势产量等指标的综合评价,菜-菜-稻轮作结合氮磷钾推荐施肥模式具有高产稳产特性,是当地最佳的菜田轮作施肥模式。     

几种干旱遥感监测模型在陕北地区的对比和应用

利用陕北20个测墒站不同土层深度的土壤湿度和对应的MODIS卫星资料,分析了3种干旱遥感指数即改进型能量指数(MEI)、垂直干旱植被指数(PDI)和地表含水量指数(SWCI),由此得到陕北旱情空间分布图,并对其分等定级。结果表明:3种遥感干旱监测模型监测土壤水分的最佳土层深度均为20cm,其次为10cm。对2008年4-9月的植物生长季土壤相对湿度进行动态反演表明,3种指数均能及时、准确得到大范围的土壤含水量情况及旱情,适宜在当地应用推广。     

南方塑料大棚冬春季温湿度的神经网络模拟

利用浙江省慈溪市草莓塑料大棚和南京信息工程大学农业气象试验站番茄塑料大棚的小气候观测数据及气象站资料,建立3个以棚外辐射、温度、相对湿度和风速为输入变量,棚内温度和相对湿度为输出变量的BP神经网络预测模型。结果表明,3个模型气温训练值与实测值的均方根误差(RMSE)都在2℃以内,相对误差都在4%左右;相对湿度训练值的RMSE都在7个百分点以内,相对误差不超过7%。利用此模型得到的气温预测值与实测值的RMSE都在2℃左右,冬季气温的相对误差较大,春季通风和不通风模型气温的相对误差不超过6%;相对湿度预测值的RMSE都在7个百分点以内,相对误差不超过9%。说明所建BP神经网络模型对于不同季节、不同通风条件、不同作物的大棚温湿度模拟都有较高的精度,能够满足棚内温湿度的预测要求,且对温度的模拟精度高于对相对湿度的模拟。