黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

草地生物量的高光谱遥感估算模型

为了推进高光谱遥感在草地生理生化参数定量化方面的研究与应用，从冠层尺度上估算草地生物量，该文选用美国ASD公司的ASD FieldSpec Pro FRTM光谱仪，对内蒙古自治区锡林郭勒盟的天然草地进行高光谱遥感地面观测。在进行天然草地地上生物量与原始光谱和高光谱特征变量相关分析的基础上，将观测数据分成两组：一组观测数据作为训练样本，运用单变量线性、非线性和逐步回归分析方法，建立生物量高光谱遥感估算模型；另一组观测数据作为检验样本，进行精度检验。结果表明：生物量与高光谱吸收特征参数变量的分析中，以840、1132、1579、1769和2012 nm等5个原始高光谱波段反射率为变量的逐步回归估算方程为最佳模型，模型标准差为0.404 kg/m²，估算精度为91.6%，说明可以利用高光谱反射率数据，从冠层上对草地生物量进行量化。     

长江上游定量遥感监测模型地形因子应用研究

以长江上游商南县为研究区,利用GIS软件平台建立研究区数字高程模型(DEM),选用水土流失定量监测模型(QRSM),用水土流失地形像元SL因子算法专用软件计算像元坡度与坡长因子值,对数字高程模型(DEM)进行了差错与精度评价,并对地形因子计算过程中水体边界坡度、坡度因子、坡长、坡长因子和凹点、回流问题等关键技术进行了处理。结果表明,15°~25°坡度面积为530.51km2,占总面积的22.93%,25°~45°坡度面积为1 083.32km2,占总面积的46.82%。15°~45°坡度面积合计接近70%,是造成商南县严重水土流失的主要区域,监测结果符合研究区实际现状。该研究将监测模型推广应用到长江流域上游地区,对逐步实现长江流域水土流失的监测预报具有前瞻性,并对其他小流域也有一定的理论和实践价值。     

黑土区基准坡长和LS算法对地形因子的影响

该文结合小区实测坡长资料及Mc Cool数据,对地形因子算法中涉及的基准坡长影响和不同算法计算值的特征进行了讨论。研究表明,在坡长较小的情况下,20和22.13 m基准坡长计算得到的坡长因子相差不大,但随着坡度增加,在坡长指数的复合影响下,两者的差异渐趋增大。理论分析表明,坡长指数采用与坡度相关的变值更为合理。通过与实测数据对比发现,修正版通用土壤侵蚀模型(RUSLE)算法中的坡长因子与其更为接近,结合与Mc Cool数据的对比分析表明,研究区坡长指数更适合细沟和细沟间侵蚀比率中等的情形,或者采用RUSLE模型算法计算得到。同时研究发现,张宪奎算法、Moore算法、Desmet算法和B?hner算法计算得到的LS因子值都要比参照值小,而且4种算法与参照值的接近程度依次降低。空间分布特征而言,栅格累计算法总体较为破碎,并在平直坡面出现较多平行分布条带,而含有面积指标的其他3种算法则总体呈现光滑连续特性,但有无数据区域的存在。该结果对于研究区土壤侵蚀模型地形因子算法选择具有一定的现实意义。     

冬小麦生物量高光谱遥感监测模型研究

【目的】高光谱遥感能快速、实时、无损监测作物长势。研究不同氮磷水平下冬小麦不同生育时期地上部生物量高光谱遥感监测模型,可提高地上部生物量高光谱监测精度。【方法】在西北农林科技大学连续进行了 5 年田间定位试验,设置 5 个施氮水平 (N, 0, 75, 150, 225 和 300 kg/hm2) 和 4 个磷施用水平 (P₂O₅, 0, 60, 120 和 180 kg/hm2),选用不同抗旱类型冬小麦品种,测定了从拔节期至成熟期生物量与冠层光谱反射率,通过相关分析、回归分析等统计方法,建立并筛选基于不同植被指数的冬小麦不同生育时期生物量分段遥感监测模型。【结果】冬小麦生物量与光谱反射率在 670 nm 和 930 nm 附近具有较高相关性,在可见光和近红外波段处均有敏感波段;在拔节期、孕穗期、抽穗期、灌浆期、成熟期,生物量与归一化绿波段差值植被指数 (GNDVI)、比值植被指数 (RVI)、修正土壤调节植被指数 (MSAVI)、红边三角植被指数 (RTVI) 和修正三角植被指数Ⅱ (MTVIⅡ) 均达极显著相关性 (P < 0.01),相关系数 (r) 范围为 0.923～0.979;在不同生育时期,分别基于 GNDVI、RVI、MSAVI、RTVI 和 MTVIⅡ 能建立较好的生物量分段监测模型,决定系数 (R2) 分别为 0.987、0.982、0.981、0.985、0.976;估计标准误差 SE 分别为 0.157、0.153、0.163、0.133、0.132;预测值与实测值间相对误差 (RE) 分别为 8.47%、7.12%、7.56%、8.21%、8.65%;均方根误差 (RMSE), 分别为 0.141 kg/m2、0.113 kg/m2、0.137 kg/m2、0.176 kg/m2、0.187 kg/m2。【结论】在拔节期、孕穗期、抽穗期、灌浆期、成熟期可以用 GNDVI、RVI、MSAVI、RTVI 和 MTVIⅡ 监测冬小麦生物量,具有较好的年度间重演性和品种间适用性。同时,分段监测模型较统一监测模型具有较好的监测效果及验证效果,能有效改善高光谱遥感监测模型精度。     

基于无人机和卫星遥感的胡杨林地上生物量估算

基于光谱信息的森林地上生物量遥感模型多存在精度不高的问题,如何更准确地获取森林地上生物量是遥感领域的研究热点。该研究以位于塔里木河下游的河岸胡杨林为例,探讨在无人机摄影测量技术支持下,使用高分辨率卫星遥感技术,通过面向对象影像分析和回归分析等技术,获取区域尺度下胡杨冠幅、树高和密度等森林结构参数,在此基础上,通过生长方程计算得到区域尺度森林地上生物量。在30、50、100和250 m 4个空间尺度上,与无人机数据的估算结果相比,高分辨率卫星遥感数据的地上生物量估算结果高22%～26%,其误差主要来自于树冠生物量部分。随着空间尺度增大,基于卫星遥感的地上生物量回归模型R2也随之增大,其中在100 m尺度上,地上生物量回归模型R2为0.851,表明使用高分辨率卫星遥感技术可以在较大的区域尺度上获得较高的森林地上生物量估算精度。地上生物量回归模型的标准化系数分析表明,对森林地上生物量估算精度影响最大的因素是密度和树高,冠幅影响最小,并且随着空间尺度增大,密度的影响有增加趋势,树高的影响有减少趋势。研究结果可为使用无人机和卫星遥感技术研究森林地上生物量提供参考。     

东北黑土区坡耕地地形因子对土壤水分和容重的影响

以东北黑土区典型坡耕地——海伦市光荣小流域为研究区域,通过田间采集土样,并结合GIS空间分析、常规统计学和地统计学方法,研究了区域坡耕地地形因子对土壤水分和容重的影响。结果表明,坡度对两者的影响最大;高程和坡位的相关性也达显著水平;坡向影响则不显著。坡度表现为与两者均呈显著负相关,高程和坡位则对土壤水分的影响达显著水平,坡向对两者的影响均不显著。地统计学分析结果认为,土壤水分、容重分别为中等程度自相关和强自相关。坡度对土壤水分和容重的影响大于其它地形因子,同时对研究区域的水土流失具有较大的影响。     

CropSyst作物模型在松嫩平原典型黑土区的校正和验证

通过对CropSyst作物模拟模型进行修订和验证，应用该模型对松嫩平原黑土区主要作物的生产潜力进行了模拟，并对作物生产力模拟的有效方法进行了初步探索。模拟结果表明，对于主要作物的经济产量、全生育期蒸散量、收获时的地上生物量，模拟值与实测值较为接近。模拟值和实测值的均方根误差RMSE为3.59%(小麦地上生物量)～8.02%(小麦产量)，模拟性能指数EF最小为0.76(玉米蒸散量)，最大为0.90(小麦产量)。     

基于微波冠层散射模型的水稻生物量遥感估算

为寻求有效的水稻生物量估算方法,尝试开发了微波冠层散射模型。将实测的水稻结构参数作为输入变量,运行微波冠层散射的改进模型来模拟水稻冠层后向散射系数,结合遗传算法优化工具,从星载微波雷达遥感ALOS/PALSAR数据反演水稻的结构参数,进而对水稻生物量进行了空间制图。结果显示,模拟的水稻冠层后向散射系数误差在1 dB以内,估算的水稻生物量的误差小于200 g/m2。表明利用微波遥感机理模型反演水稻结构参数和估算水稻生物量具有应用潜力。     

基于CASA模型的区域冬小麦生物量遥感估算

该文对原始CASA(carnegie-ames-stanford-approach)模型中归一化植被指数(normalized difference vegetation index,NDVI)最值提取方法及光合有效辐射吸收比(fraction of absorbed photosynthetically active radiation,FPAR)的算法进行了深入分析,并通过综合分析大量国内外文献,更加科学合理的确定了最大光能利用率的取值,最终确立了适合该研究区的CASA模型。该文以河北省邯郸市3个县域冬小麦为研究对象,以HJ-1A/B星遥感数据产品为数据支撑,采用CASA模型对研究区2014年冬小麦生物量进行了估算和精度验证,结果表明:研究区冬小麦生物量平均值为1 485 g/m~2,50%以上区域在1 500~2 000 g/m~2之间。冬小麦实测生物量与预测生物量相关性达到显著水平,R~2为0.811 5。经过50组数据分析对比,平均相对误差为2.13%,其中,最大值为11.54%,最小值为0.33%;平均预测生物量为1 807.54 g/m~2,与平均实测生物量1 720.74 g/m~2相比,绝对误差为86.80 g/m~2,为估算区域冬小麦产量提供理论支撑。     

基于GF-1影像的普达措国家公园森林地上生物量遥感估算

精确估算森林地上生物量有利于掌握森林资源碳储量的分布特征,该研究以普达措国家公园为研究区,基于国产高分一号（GF-1）全色多光谱（Panchromatic Multispectral Sensor,PMS）卫星影像和数字高程数据,提取波段信息、植被指数、纹理信息和地形因子,利用多元线性逐步回归、支持向量机、神经网络和随机森林模型,估算森林地上生物量。研究结果表明,基于GF-1影像构建的随机森林模型的精度效果最佳,决定系数为0.77,均方根误差为27.53 t/hm2;普达措国家公园森林地上生物量为7 085 614 t,平均生物量达136.01 t/hm2,表明公园内寒温性针叶林发育完好;海拔>3 500～4 000 m区域森林生物量平均值最高,为126.56 t/hm2,与生态保护目标分布范围相符;不同坡向生物量存在差异,阴坡和半阴坡平均生物量高出其他坡向20.48%,立地条件较优。研究结果证实基于GF-1优化的生物量经验模型具有对亚高山天然林地上生物量的估算潜力,对区域森林资源的有效科学管理和维护森林生态环境具有重要意义。     

中度和剧烈侵蚀黑土作物地上与地下生长发育的差异

土壤侵蚀导致黑土生产力下降已成为不争的事实,以往多采用盆栽、池栽或小区实验,主要关注侵蚀对地上生物量和产量的影响,缺少侵蚀对根系及其与地上生物量关系影响的研究.本研究选择不同侵蚀强度黑土的大田,于2014-2015同时观测地上和地下生长过程及产量,研究侵蚀对二者及其相互关系的影响.结果表明:大田情况下,剧烈侵蚀黑土导致玉米减产32.7％,大豆减产57.1％.与根系生长相比,侵蚀对地上生物量的影响更为显著,且主要在生殖生长期以后影响较大.从地上生物量与根系之间的关系看,随侵蚀加剧,根冠比增加.剧烈侵蚀玉米和大豆根冠比在全生育期平均增加41.8％和67.1％.2种作物的根系分布随土壤深度增加呈指数规律递减,侵蚀导致作物根系趋向深层——中度侵蚀根系的表层比例较高,剧烈侵蚀根系的深层比例较高.     

地形对漫川漫岗黑土区大豆产量的影响

为研究黑土区田块尺度地形对大豆产量造成的影响,在海伦东兴合作社具有明显地形起伏的地块,采集大豆田间试验数据,考虑温度、太阳辐射、坡度、土壤养分等因素,运用作物生长模型DSSAT(Decision Support Systemfor Agrotechnology Transfer)模型对各样点进行参数率定及验证,得出以下结论:1)DSSAT模型的模拟产量与实际产量的相对均方根误差为7.9%,模拟结果表现为优,表明运用作物模型模拟不同地形上的产量变异具有可行性;2)地形通过影响作物生长环境因子的时空差异决定产量差异,田块尺度温度、水分和坡度是影响产量差异的主要因素;3)坡顶和坡底的产量相对较高,且产量变异性较小,阳坡虽然接收到更多的光照,却由于水分胁迫造成减产,坡底和平缓坡顶水肥保持较好,易获得高产。研究成果为田间精细管理与田块尺度耕地高效利用提供科学依据。     

高光谱反射率与大豆叶面积及地上鲜生物量的相关分析

以ASD FieldSpec光谱仪实测了不同生长季大豆的冠层高光谱,同期采集了对应大豆LAI、地上鲜生物量。逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量的相关关系;采用单变量线性回归逐波段分析了冠层光谱反射率、导数光谱与大豆LAI、地上鲜生物量确定性系数随波长的变化趋势;并建立了以近红外与可见光波段的冠层光谱反射率的比值植被指数RVI与大豆LAI、地上鲜生物量的高光谱遥感估算模型。结果表明,冠层光谱反射率在350～680 nm、760～1050 nm波谱区与大豆LAI、地上鲜生物量相关性     

基于DSSAT作物模型的中美大豆主产区单产模拟与验证

开展基于作物模型的大面积作物产量估测研究,可以为及时掌握全球重点地区农作物的生产情况提供数据支撑.该研究以大豆为监测作物,选取中国吉林省和美国爱荷华州作为研究区域,基于DSSAT作物估产模型中的SOYGRO大豆模型,利用分辨率为0.5°×0.5°的生育期气象要素以及500 m×500 m绿色叶绿素植被指数,进行遥感数据...     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

基于遥感和AquaCrop作物模型的多同化算法比较

为了研究不同数据同化方法在AquaCrop(FAO Crop model to simulate yield response to water)模型模拟作物地上生物量(above ground biomass,AGB)、冠层覆盖度(canopy cover,CC)和产量过程的效率,以冬小麦为研究对象,利用2012-2013、2013-2014和2014-2015年冬小麦田间试验数据,将标定的Aqua Crop生长模型与遥感光谱信息相结合开展同化技术分析,应用粒子群优化(particle swarm optimization,PSO)、模拟退火(simulated annealing,SA)和复合型混合演化(shuffled complex evolution,SCE-UA)3种数据同化算法,以不同生育期、不同水分处理和不同氮肥水平的AGB和CC为双变量开展多同化算法的模拟分析,对3种数据同化算法的运算效率和同化结果进行对比分析。结果表明:1)3种数据同化算法达到的应度值0.26时,SCE-UA同化算法用时最少(833 s),SA数据同化算法用时最多(1433 s),表明SCE-UA同化算法效率最优,SA数据同化算法效率最低;2)不同生育期的同化结果,AGB的同化精度随着生育期的推进而降低,AGB的模拟值在拔节期和挑旗期高于实测值,被高估,在开花期和灌浆期被低估,总的AGB被低估;CC在拔节期和挑旗期被低估,在开花期和灌浆期被高估,总的CC被低估;3)不同水分处理的同化结果,AGB普遍被低估,CC在雨养(W0)条件下被高估,在正常灌溉(W1)和过量灌溉(W2)条件下被低估;产量均被低估;4)不同氮肥水平,AGB的模拟精度随着施N量的增加而降低,并且普遍被低估,CC普遍被高估,产量均被低估。以上结果表明,PSO、SA和SCE-UA 3种数据同化算法均能有效模拟冬小麦的AGB、CC和产量,其中SCE-UA数据同化算法无论在运算效率还是同化结果的精度上均优于PSO和SA数据同化算法。     

半干旱黄土区地上生物量对立地因子的响应

半干旱黄土区地形破碎、沟壑纵横、生态环境脆弱,其生态恢复过程受到全世界生态学者的普遍关注.生物量是生态系统获取能量的表现形式.以位于黄土丘陵沟壑区的植被自然恢复10a的合沟流域地上生物量为研究对象,分析不同立地因子对地上生物量的影响规律.结果表明:1)不同立地类型地上生物量从大到小依次为沟底、阴向沟坡、阴向梁坡、阳向沟坡、梁顶、阳向梁坡;2)梁坡和沟坡的地上生物量随坡度升高均呈现反S形态,梁坡的地上生物量最大值出现在20°～25°处,最小值出现在35°～40°处,沟坡的地上生物量的最小值出现在30°～35°处,最大值出现在40°～45°处;3)坡向对地上生物量的影响是显著的(P=0.049),其余因素的影响不显著.可知,该区地上生物量的分布规律是植被对不同立地类型水分、光照等自然条件综合利用的结果.     

东北黑土区典型县域种植模式遥感识别与空间格局分析

种植模式对黑土地的土壤肥力和作物产量有显著影响,建立合理的种植模式是养好用好黑土地的重要措施。目前,黑土区种植模式的类型及其空间格局仍缺乏系统分析,遥感技术结合地学信息图谱方法是监测黑土区种植模式的有效手段,但应用较少。该研究基于2012－2017年遥感反演作物分类数据,采用地学信息图谱方法识别种植模式,并使用核密度分析方法测度各类种植模式的空间分布特征。结果表明：1）克东县可识别出5类种植模式,其中,主要的种植模式为无序种植模式、大豆连作模式和两年轮作模式,三者面积总和占比为83.90%。2）县域西部和北部以大豆连作模式为主,县域中部、东部和南部以无序种植模式为主,玉米连作模式呈东北-西南向带状分布,三年轮作模式和两年轮作模式呈“局部集聚、全局分散”的分布形态。3）行政村尺度的种植模式结构大体可以分为5种类型,总体呈现以“无序种植-大豆连作-两年轮作”类型为主并以其他类型为辅的空间结构特征,属于主要类型的行政村数量占比为32.08%。