多种植被指数与土壤墒情响应关系对比分析

土壤墒情是农业生产的重要参数,高效、精确地监测土壤墒情是保证农业生产安全的重要环节。在基于植被指数的土壤墒情监测方法中,如何根据地域和植物生育期的差异,选定最优的植被指数是问题的关键。利用2015年2-6月河南省中东部黄淮海平原冬小麦主产区的实测农田墒情数据和MODIS遥感数据,对归一化植被指数(NDVI)、增强型植被指数(EVI)、植被供水指数(VSWI)、温度植被干旱指数(TVDI)与土壤含水量进行相关性分析,对比不同植被指数对不同深度土壤含水量的响应,并分别建立四种植被指数与土壤墒情的回归模型,进行预测精度分析。结果表明:本研究中,TVDI与土壤墒情的相关性最好,预测精度最高;每一种指数皆与10～20 cm深度土壤墒情相关性最好,预测精度最高。因此,TVDI为最优响应指数,10～20 cm深度土壤为最优响应深度。     

粗糙度不变假设下的大区域冬小麦墒情多源遥感监测方法

大区域农田墒情遥感定量监测对当代精准农业应用意义重大,但如何提高监测精度一直是该领域的关键问题.融合多源遥感的方法可以充分发挥各种遥感的优势,是提高监测精度的重要技术手段.以河南省中东部为研究区域,利用MODIS、Sentinel数据,结合实测土壤含水量,根据植被覆盖、地表粗糙度和不同湿度的土壤对后向散射的贡献,利用BP神经网络模型构建上述参数的关系,分别对研究区2016年3-6月冬小麦高植被覆盖时期0～10 cm、0～20 cm深度土壤墒情反演.根据地表粗糙度参数的性质,提出了地表粗糙度不变假设,并结合遗传算法优化BP神经网络方法(GA-BP),进行对比实验.结果显示:①植被茂盛期,后向散射系数(σ)及其差值(?σ)与土壤墒情均具有一定的相关性,VV极化优于VH极化,差值优于原值;②在反演0～10 cm与0～20 cm深度土壤墒情时,BPσ、BP?σ、GA-BP?σ模型得到的结果精度均依次提高,其中GA-BP?σ模型的均方根误差0～10 cm为4.07％,0～20cm为3.42％;③3种BP神经网络模型皆与0～20 cm深度土壤墒情相关性较好,预测精度较高.研究表明:中原地区冬小麦全生育期地表粗糙度不变假设是成立的,后向散射系数差值(?σ)与土壤墒情的相关性更好,0～20 cm的根部墒情的遥测敏感度更高,     

多源遥感数据及其融合技术在土壤墒情监测中的应用

多源遥感信息融合技术使得融合影像拥有更多的数据信息,更高的空间分辨率等优点。使融合影像数据在土壤墒情监测中作为数据源更具优势。以郑州市为研究区域,采用单窗算法,应用Landsat-ETM+和SPOT影像进行地表温度的反演。结合实测土壤墒情、气象等资料构建土壤墒情反演模型。研究表明:融合后的遥感数据反演土壤墒情的精度比未经融合的遥感数据高。     

基于动态模拟的作物系数优化蒸散量估算研究

通过作物生长模型动态模拟的冬小麦全生育期潜在蒸散量和实际蒸散量计算冬小麦各生育时期的模拟作物系数,并与FAO提供的冬小麦各个生长阶段的标准作物系数对比,验证了其数值和变化趋势的准确性。基于地面实测和遥感反演的叶面积指数,建立了作物系数与叶面积指数的经验对数模型,根据遥感反演的叶面积指数获取冬小麦全生育期以天为步长的区域尺度的作物系数。利用冬小麦各生育时期模拟作物系数与以天为步长的区域尺度作物系数的比值优化蒸散量模型,获取关中平原2013—2014年冬小麦全生育期优化前后的蒸散量反演结果。通过与实测数据对比,发现优化前最大相对误差为14.36%,优化后最大相对误差为9.89%,优化后的蒸散量反演模型比未优化的蒸散量反演模型能够更加准确地反演冬小麦全生育期的蒸散量,特别是在低植被覆盖条件下的反演精度有明显的提升。     

基于CERES-Wheat和遥感数据的土壤水分供给量反演

以关中平原为研究区域,以冬小麦为研究对象,基于2007—2008年TM遥感数据反演的和CERES-Wheat模型模拟的生物量和叶面积指数,将由离散积分思想计算的日均分摊系数和由冬小麦各生育阶段生长特点划分的分段蒸腾系数引入土壤水分平衡方程,建立土壤水分供给量反演模型。利用该模型进行研究区域2007—2008年冬小麦全生育期的蒸散量和土壤水分供给量的单点和区域尺度的定量反演。选取拥有多时相遥感数据的2000—2001年进行模型验证,结果表明,在充分获取降水、灌溉信息和多时相遥感数据的条件下,土壤水分供给量的反演结果准确度较高。区域尺度的土壤水分供给量呈现出西高东低和北高南低的分布特征,自西北部向东南部逐渐递减,与关中平原冬小麦受水分胁迫程度的区域性变化趋势基本一致,表明应用模型反演冬小麦全生育期的土壤水分供给量是可行的。     

基于MODIS数据的冬小麦种植面积快速提取与长势监测

利用MODIS-NDVI数据,以中国冬小麦主产区为例,探讨了基于遥感影像全覆盖的大尺度冬小麦种植面积遥感综合自动识别及长势监测的方法。通过分析冬小麦的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征,确定了冬小麦信息提取的NDVI阈值,建立了冬小麦面积提取模型,并最终获取了2010—2011年中国农情遥感监测中冬小麦长势监测所需的空间分布数据,与多年平均统计数据比较,总体精度达到81%以上。基于提取的冬小麦面积信息空间分布数据,利用MODIS-NDVI差值模型,对冬小麦2011年的长势进行监测。结果表明,与近5年平均状况对比,2011年冬小麦在其整个生育期内长势基本与常年持平,但时空分布差异较大。     

基于MODIS数据河北省冬小麦长势及干热风灾害的遥感分析研究

使用MODND1D中国500 m分辨率归一化差值植被指数（NDVI）产品数据,对河北省2018年10月—2019年5月冬小麦各生育期NDVI变化进行分析,并对2019年5月22日冬小麦灌浆期河北省的一次大面积干热风过程进行分析,对比干热风发生前后NDVI变化特征。结果表明,NDVI可以较好地反映冬小麦各生育期长势情况,同时可以反映干热风对冬小麦灌浆期的影响,当干热风发生时NDVI出现明显的下降趋势,且其下降幅度随干热风灾害程度加重而增大。      

Drought Remote Sensing for Winter Wheat Based on Double Parabola NDVI- ST Space

以河南省冬小麦旱情遥感监测为例,利用MODIS/AQUA卫星产品的归一化植被指数(NDVI)、增强型植被指数(EVI)、叶面积指数(LAI)和地表温度(ST)数据,分析了NDVI - ST和EVI - ST的特征空间,发现NDVI-ST和EVI - ST的特征空间具有双抛物线型特征.将其与三角形NDVI - ST、EVI - ST及LAI-ST特征空间进行对比分析,并将得到的温度植被干旱指数(TVDI)数据与土壤湿度进行相关性分析,揭示双抛物线型NDVI - ST特征空间能更好地反映地表10 cm土壤水分状况.以双抛物线型NDVI - ST特征空间得到的TVDI作为旱情遥感监测指标,评估了2011 -02 -26 ～2011 -05-16河南省冬小麦旱情,并与当地气象站降雨数据对比,揭示了2011年春天河南省旱情发展的总体时空特点.     

基于SPOT/VGT NDVI的大区域农作物空间分布

随着遥感技术在农业上的广泛应用,及时准确掌握小区域农作物长势和分布的方法相对成熟,但对于省级以上的大区域而言,进行作物遥感测量涉及数据、耗费时间和经费等问题,而中国的农业普查制度又存在时效性的问题。以江苏省为研究区,利用SPOT/VGT NDVI长时间序列数据作为农作物分布研究的底图,分别与研究区农业普查数据和野外调查样方数据进行农作物空间分布的统计回归分析和对比,结果表明：对于大区域而言,SPOT/VGT NDVI长时间序列数据对农业作物生长期特征监测有较好地反应,其逐旬的时间分辨率可以弥补空间分辨率的不足,可有效地对农作物长势进行动态监测;农业普查数据、野外调查样方与SPOT/VGT NDVI时间序列分类结果结合进行回归分析,基本可以满足空间分布情况的调查研究,相对于遥感分类法和传统抽样调查等方式,该方法可以高效率低成本地掌握大区域农作物空间分布情况。     

基于NDVI—ST双抛物线特征空间的冬小麦旱情遥感监测

以河南省冬小麦旱情遥感监测为例,利用MODIS/AQUA卫星产品的归一化植被指数（NDVI）、增强型植被指数(EVI)、叶面积指数(LAI)和地表温度(ST)数据,分析了NDVI—ST和EVI—ST的特征空间,发现NDVI—ST和EVI—ST的特征空间具有双抛物线型特征。将其与三角形NDVI—ST、EVI—ST及LAI—ST特征空间进行对比分析,并将得到的温度植被干旱指数（TVDI）数据与土壤湿度进行相关性分析,揭示双抛物线型NDVI—ST特征空间能更好地反映地表10cm土壤水分状况。以双抛物线型NDVI—ST特征空间得到的TVDI作为旱情遥感监测指标,评估了2011—02—26~2011—05—16河南省冬小麦旱情,并与当地气象站降雨数据对比,揭示了2011年春天河南省旱情发展的总体时空特点。     

基于Landsat和MODIS数据融合的农牧区NPP模拟

天山北坡是中国重要的农牧业发展基地,利用遥感数据准确获取植被净初级生产力(Net primary productivity,NPP)的时空信息,对于合理分配农牧业草地资源具有重要意义。由于受到天气影响及卫星传感器受到时间分辨率和空间分辨率的限制,获取既具有中空间分辨率、又具有高时间分辨率的遥感数据比较困难。本文基于中空间分辨率Landsat 8 OLI数据与高时间分辨率MODIS数据,采用遥感数据时空融合STARFM算法,获取中空间分辨率和高时间分辨率序列的遥感数据,以天山北坡中段区域为实验区,结合CASA模型,对区域内植被NPP进行模拟。结果表明,2016年内8个时期,融合后的NDVI数据与对应时刻的Landsat 8 OLI NDVI数据的相关系数不小于0.759,偏差在0.006 2～0.009 4之间,均方根误差在0.074～0.135之间;利用融合数据与CASA模型协同模拟的NPP具有良好的空间细节信息,NPP模拟值与野外实测值决定系数R~2为0.860 1,表明两者具有较好的相关性。本研究为多源遥感影像融合技术与光能利用率模型协同模拟NPP提供了新的思路。     

汾河灌区农田土壤墒情变化规律分析

利用山西汾河灌区1993∽2002年各站点的土壤墒情实际观测资料,对该灌区主要作物生育期农田土壤墒情的时空变化规律进行分析;阐明了农田土壤墒情的季节变化大致可分为3个阶段,即：相对稳定阶段、严重失墒阶段和蓄墒阶段;农田土壤墒情的垂直变化明显表现出表层急变层、中间活跃层和底部相对稳定层3个层次。     

丘陵地区农田土壤信息监测系统的研究

结合《国务院关于积极推进“互联网+”行动的指导意见》和精准农业的精神,要求进一步实现数字农业、智慧农业、智能农业,以重庆实际状况为切合点,设计了山地分区土壤墒情及酸碱度监测APP。针对重庆丘陵地区存在山地坡度不同和高差不同的特点,对山地进行区域划分。同时,优化了丘陵地区农田土壤信息监测系统,对山地农田各区域进行土壤酸碱度实时监测,解决了传统种植和作业过程中浪费人力资源、水资源及能源耗费大的问题,实现了农作物种植的最优选择,提高农作物种植存活概率,增加农业收成。为此,研究开发了一款农业数据信息与智能手机相结合的APP,达到实时监测及实时灌溉的目的,弥补了传统终端控制的不足,为进一步实现数字农业、精准农业及智能农业提供科学依据。     

砂石覆盖条件下冬小麦蒸散量的单、双作物系数法估算

农田蒸散(ETc)是农业系统能量平衡和水分平衡的关键要素,砂石覆盖条件下ETc的估算对于评价砂石覆盖对农田作物的影响非常重要。为准确估算砂石覆盖条件下冬小麦ETc,在陕西杨凌建立了遮雨棚下的蒸渗仪动态观测系统。利用FAO-56的Penman-Monteith(PM)模型和单、双作物系数法对冬小麦ETc进行估算,并基于两年度不同砂石覆盖量下冬小麦实测ETc数据,对单、双作物系数法进行改进和修正,得到适用于砂石覆盖条件下单、双作物系数与砂石覆盖量的关系。结果表明:(1)冬小麦不同生长阶段的单作物系数与砂石覆盖量具有很好的线性关系,进一步结合估算的参考作物腾发量(ET0)计算,能很好地模拟两年度不同砂石覆盖量下的冬小麦ETc。(2)基于冬小麦实测ETc对双作物系数进行修正,可得到其修正系数A与砂石覆盖量之间的线性关系,进一步结合ET0可准确估算两年度不同砂石覆盖量下的冬小麦各生长阶段ETc。(3)不同砂石覆盖量下,双作物系数法比单作物系数法和PM模型估算冬小麦ETc的精度更高。总体上,单、双作物系数法在估算砂石覆盖条件下的冬小麦ETc中仍有一定的适用性,但需经实测数据进行修正。     

低功耗远程墒情自动监测站设计

为了快速获取土壤墒情,满足农田土壤信息监测的需要,设计了一种以太阳能供电的低功耗远程墒情监测系统。系统终端以C8051F040单片机和SIM900A模块为基础进行设计,采集4层深度土壤温度、4层深度土壤湿度以及多种气象信息,利用GPRS网络和短信方式进行墒情数据的自动监测和无线传输。该系统结构简单、使用方便、功耗低,经计算在无光照条件下能够工作14d,实现了农田墒情的低功耗远程实时监测,为农业生产和气象预测提供一定的数据基础。     

基于深度学习的多源遥感反演麦田土壤墒情研究

土壤墒情是影响农作物生长发育的主要因素和干旱监测的重要指标。为提高农作物覆盖下地表土壤墒情反演精度，基于Sentinel-1雷达数据和Sentinel-2光学数据，基于深度学习理论，采用全连接深度神经网络的监督学习模型反演研究区麦田的土壤墒情。结果表明：当隐含层层数为6，隐含层节点数为80，迭代次数为450时，获得模型的最优解。反演结果与实测数据的决定系数为0.925 2，均方误差为0.000 8，为利用多源遥感数据反演农田地表土壤水分提供了参考。     

基于Zigbee的灌区灌溉预报研究

针对大尺度灌区进行准确灌溉预报过程中存在的土壤水分空间变异性和预报实时性的问题，设计了通过对灌区合理划分基本单元及优化布置土墒采集节点，应用Zigbee无线传感网络分区域采集土壤墒情，由水量平衡方程对各单元实测数据进行预报，并逐层汇总、分析得到灌区总预报。通过GPRS无线网络实现远程PC机与区域Zigbee网络的数据连接，不仅实时监控灌区土壤墒情而且可执行远程灌溉控制，提高了灌区灌溉管理效率，对于灌区灌溉管理的数字化、实时性发展具有重要意义。     

应用中值融合模型的条件植被温度指数降尺度转换研究

为获得基于Landsat卫星遥感数据更为精确的定量化干旱监测结果,以陕西省关中平原为研究区域,基于Aqua MODIS数据反演的1 km空间分辨率的条件植被温度指数(VTCI)的定量化干旱监测结果(MODIS-VTCI)和Landsat OLI/TIRS数据反演的30 m空间分辨率的VTCI相对干湿监测结果(Landsat-VTCI),应用降尺度的中值融合模型(MFM)将基于MODIS数据反演的VTCI降尺度至30 m空间分辨率的VTCI定量化干旱监测,并对其结果进行验证。结果表明,应用降尺度的中值融合模型转换的VTCI定量化干旱监测结果(MFM-VTCI)与Landsat-VTCI的空间分布及纹理特征相似,两者间的相关系数和结构相似度均较大,均方根误差、差值影像及差值频数分布图所呈现的结果与定量化干旱监测结果和相对干湿监测结果间的系统误差相符,表明Landsat-VTCI与MFM-VTCI间的可比性较强。MFM-VTCI与累计降水间的相关性和MODIS-VTCI与累计降水间的相关性相近,均大于Landsat-VTCI与累计降水间的相关性,表明MFM-VTCI是定量化的干旱监测结果。     

江淮不同亚区冬小麦涝渍害气候风险时空演变

【目的】揭示江淮亚区冬小麦全生育期涝渍害气候风险时空演变特征,为不同区域涝渍害精准防控提供依据。【方法】基于江淮地区苏皖二省境内143个地面气象观测站数据,通过对冬小麦全生育期月降水量、潜在蒸散量序列进行主成分降维与K-Means聚类分析,将研究区划分为5个气候亚区;应用基于标准化前期降水蒸散指数的日尺度冬小麦涝渍害的历史序列数据,分析了冬小麦全生育期各气候亚区的涝渍害的时空演变特征。【结果】出苗—越冬期（11月—次年2月）涝渍害年均发生天数和次数的高值区位于江淮之间、沿江东部,而返青—成熟期（3—5月）的涝渍害则呈北少南多的纬向分布特征。5个气候亚区生育期内逐旬涝渍害天数在沿江西部和高山区域呈明显的前期少、后期多的分布型,生殖生长阶段的涝渍害气候风险高;在江淮之间和沿江东部为平缓型,全生育期均有较为明显的涝渍害;淮北地区则是在播种出苗期的涝渍害发生频次最高。从年际间变化趋势来看,5个气候亚区各旬涝渍害发生天数的变异系数普遍较高,11月下旬—次年2月中旬涝渍害天数大多呈显著增加趋势。【结论】苏皖二省冬小麦全生育期涝渍害风险总体偏高,5个气候亚区的涝渍害气候风险时空特征差异明显,未来应更...     

云南省土壤墒情监测系统的设计与实现

为准确获取云南省的土壤墒情,在分析传统墒情监测系统的基础上,设计了一种能够自动获取和处理多源土壤墒情数据且能不断提高数据精度的土壤墒情自动监测系统。系统利用温度-植被干旱指数(TDVI)对遥感影像进行反演,为不断改进反演算法,将反演结果与固定站点监测数据及其他相关数据进行了对比分析。以参数配置形式实现遥感影像自动下载、土壤墒情自动反演和旱情自动分析。结果表明,系统可以得到较高精度的土壤墒情数据,能够满足有关部门对于墒情监测的需要。