多植被指数组合的冬小麦遥感估产方法研究

为了提高大面积冬小麦农田产量快速估算的准确率,选取Landsat 8 OLI卫星遥感数据,计算归一化植被指数NDVI、比值植被指数RVI、绿度植被指数GVI、增强植被指数EVI,分别建立4种植被指数组合与地面冬小麦实测产量的回归方程或神经网络和SVM模型。结果表明:单植被指数的非线性回归方程估产精度高于线性回归方程,冬小麦实测产量与遥感植被指数表现为非线性关系;线性回归方程估产时多植被指数组合精度高于单植被指数,多植被指数组合可实现信息互补,提高遥感估产精度;建立多植被指数组合与实测产量的非线性遥感估产模型时,SVM模型的均方根误差RMSE为339.6kg·hm~(-2),决定系数R~2为0.7852,估产精度高于BP神经网络模型、RBF神经网络模型,可应用于冬小麦遥感估产的快速、准确实现。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ——干旱对冬小麦产量的影响评估

选取关中平原2002-2009年冬小麦越冬后每年3-5月9旬的条件植被温度指数（CVTI）遥感干旱监测结果,基于归一组合赋权法确定的冬小麦越冬后四个主要生育时期干旱对产量影响的最优权重,建立关中平原4市（不包括铜川）冬小麦每年的加权CVTI与单产间的一元线性回归模型,并对冬小麦的单产进行了估算。结果表明,2002-2009年关中平原冬小麦单产在波动中呈上升趋势,中部单产较高,西部次之,东部最低。基于关中平原4市的整体产量估算模型预测西安市部分区县2010年的单产,取得较好的结果,验证了关中平原4市的整体产量估算模型具有较好的精度,能够较准确地反映关中平原干旱对冬小麦产量的影响。     

基于遥感影像的县域冬小麦种植信息提取——以陕西省武功县为例

冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明:(1)在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;(2)运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;(3)武功县2017年冬小麦种植面积为21 181.97 hm~2,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。     

冬小麦生物量卫星遥感估测研究

生物量是反映冬小麦长势的重要群体指标,及时、大面积获取冬小麦生物量信息有利于掌握早期冬小麦长势和产量形成动态,对于生产管理措施制定意义重大。以江淮麦区的泰兴、兴化两市大田冬小麦为研究区域,基于冬小麦生物量模型(WBM),利用环境星(HJ-1)进行冬小麦拔节期生物量监测预报研究。在提取研究区域小麦面积信息的基础上,利用泰兴市冬小麦拔节期遥感影像反演的LAI及时修订生物量模型的参数,再利用模型对兴化市冬小麦生物量信息进行预测。结果表明:(1)利用生物量模型预测的冬小麦生物量为1897.03～3800.78kg/hm2,平均为2866.33kg/hm2。实测的生物量为1932.30～3689.44kg/hm2,平均为2711.75kg/hm2,相对误差为5.70%,生物量模型的预测性较好;(2)利用预测生物量与卫星影像NDVI的转换模型,可制作冬小麦生物量预测专题图,并能准确、大面积获取不同等级生物量的冬小麦面积分布与长势信息。     

基于遥感影像的县域冬小麦种植信息提取

冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明：（1）在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;（2）运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;（3）武功县2017年冬小麦种植面积为21 181.97 hm²,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。     

ARIMA-SVR组合模型在基于标准化降水指数干旱预测中的应用

开展干旱预测是有效应对干旱风险的前提基础,本研究利用1951—2017年河南省郑州气象站点逐日降水量数据计算多尺度标准化降水指数(SPI),并建立了SPI序列自回归移动平均模型(ARIMA)和自回归移动平均与支持向量机回归组合模型(ARIMA-SVR),对模型参数进行率定和验证后,利用所建立的模型对河南省郑州气象站点多尺度SPI值进行预测。借助均方根误差(RMSE)、平均绝对百分比误差(MAPE)对回归预测模型的有效性进行判定。结果表明:ARIMA-SVR组合模型在SPI1(1个月)和SPI12(12个月)的RMSE值分别为80.05和0.74,均低于ARIMA模型的92.25和1.24,说明ARIMA-SVR组合模型与单一的ARIMA模型对SPI的预测精度都与该指数的时间尺度长短有关,都随时间尺度的增加而逐渐提高;SPI12的两种模型预测精度均高于SPI1、SPI3(3个月)和SPI6(6个月)的预测精度。用实测数据与模型的预测数据相比较说明ARIMA-SVR组合模型相比于单一ARIMA模型预测精度更高,且能够很好拟合不同时间尺度的标准化降水指数。     

基于BP-SVM模型的植被变化模拟研究

植被是连接生物圈、大气圈、水圈的重要纽带,对流域生态环境和水热状态变化有重要的影响。当前研究大多聚焦于NDVI与气候因子的相关性分析,少数研究预测NDVI时忽视了考虑滞后性以及增加预报因子对提高模型精确度的影响。基于此,本文比较多元线性回归(MLR)、人工神经网络(ANN)和支持向量机模型(SVM),优选出精度较高的模型。在常规因子(降雨和气温)基础上增加了对植被生长有影响的土壤湿度和日照因子,并考虑了不同因子与NDVI之间的滞时效应。研究结果表明:(1)支持向量机模型(SVM)的拟合能力最强,NDVI预测精度最高,泾河、北洛河流域均方根误差均减少1.8%以上。(2)加入土壤湿度、日照等因子,泾河流域模型预测精度提高,泾河流域均方根误差减少8.8%。(3)考虑滞时后,泾河、北洛河流域均方根误差分别减少15%、11%,NDVI预测精度进一步提高,增加了模型的可靠性。预测结果可对未来制定生态保护策略,指导生态修复具有重要参考意义。     

GA-BP组合预测方法在北洛河年径流量预测中的应用

为寻求较为合理的径流量预测方法,利用GA-BP组合模型进行径流量预测的研究,首先利用GA算法(Genetic algorithm)全局搜索能力定位出一个较好的搜索空间,再利用BP算法(Back propagation)神经网络的局部寻优能力,以陕西省北洛河状头站实测数据为基础进行径流量预测。结果表明：利用GA-BP组合模型预测2001—2010年结果的相对误差分别为-8.9%、-12.6%、-7.4%、9.4%、-7.6%、15.0%、-5.5%、10.7%、13.3%和-8.2%,预测精度较高,从相对误差和训练次数比较可以看出,GA-BP组合模型优于基本BP模型和GA模型。     

麦玉两熟秸秆还田对作物产量和农田氮素平衡的影响

为探讨秸秆还田对作物产量和农田氮素平衡的影响,于2006~2007生长季在河南省滑县进行了田间小区定位试验。研究结果表明,与单施纯氮90、1802、70和360 kg/hm2相比,秸秆还田配施同量氮肥能够增加作物产量,冬小麦分别增产7.1%、8.4%、11.1%和10.2%,夏玉米籽粒产量分别增产5.8%、9.5%、10.1%和9.0%,其中,秸秆还田配施N 270 kg/hm2的冬小麦-夏玉米产量最高。为保持周年农田氮素平衡,冬小麦-夏玉米秸秆还田配施纯N不要超过360 kg/hm2。麦玉两熟秸秆还田配施纯N以360~540 kg/hm2为宜。     

基于Google Earth Engine平台的关中冬小麦面积时空变化监测

以关中地区为研究区,基于Google Earth Engine(GEE)平台,根据冬小麦生育期内归一化植被指数(NDVI)时序曲线和物候特征,采用NDVI重构增幅算法和光谱突变斜率,构建了关中地区冬小麦提取模型并实现了冬小麦种植面积的提取。用农业统计面积验证提取结果表明:在市级和县级尺度上,决定系数R~2分别为0.82和0.62,一致性指标d分别为0.95和0.84,提取结果与实地调查数据的空间一致性精度为93.4%。结果显示:关中地区冬小麦主要分布在中部关中平原,冬小麦种植面积在2011—2017年呈下降趋势,减少了83.22×10~3 hm~2(8.47%)。综合考虑冬小麦NDVI时序曲线的"峰""谷"特征,具有一定的普适性,可为大面积连续年份冬小麦种植面积时空监测提供参考。     

石羊河上游地区树轮年表与NDVI关系分析

在石羊河上游地区选择4个样点,采集160余根青海云杉样芯,经过固定、打磨、交叉定年和测量等工作,建立研究区的树轮宽度年表。利用美国NASA戈达德航天中心的GIMMS/NDVI数据,建立研究区1982-2006年逐月标准化植被指数（NDVI）序列。发现研究区NDVI年内变化为单峰型,5-8月为生长季,年际间变化则有波动减少的趋势。经过相关性分析后发现,树轮年表与非生长季（上一年9月到当年4月）降水呈显著正相关,非生长季[WTBX]NDVI[WTBZ]与非生长季的降水呈较明显负相关。分析NDVI与年表关系后发现,生长季[WTBX]NDVI[WTBZ]与树轮年表相关性较差,而非生长季NDVI与年表相关性较好且为负相关（r=-0.667,p<0.01）。     

1982-2006年新疆植被活动的年际变化及其季节差异

利用1982-2006年NOAA/AVHRR归一化植被指数(NDVI)时间序列,结合植被、地形和气候等资料,研究新疆植被活动的年际变化及其季节差异.结果表明:过去的25年,占新疆植被面积27%的地区生长季(4～10月)NDVI显著增加(P＜0.05),其中近一半地区年增加速率大于0.003,而显著减少地区的面积仅占4%...     

陕西冬小麦物候期对气候特征响应研究

通过对陕西关中平原和渭北旱塬两个不同生态区7个站点1992-2011年气象数据和冬小麦生长发育数据分析发现,两地冬小麦返青及返青前各物候期均呈推迟趋势,返青后各物候期呈提前趋势,导致冬小麦整个生育期均缩短。影响关中地区冬小麦物候期变化的主要因素为温度。越冬期与11月和12月平均温度呈正相关;返青期在关中平原与11月和12月平均温度呈正相关,1月份平均温度呈负相关,在渭北旱塬仅与2月份平均温度呈负相关;两地抽穗期与3-4月各月平均温度呈负相关,成熟期与3-5月各月平均温度及生育期平均温度呈负相关。日照时数对冬小麦物候期变化影响较小,主要为3-5月份各月平均日照时数与成熟期呈负相关关系,渭北旱塬生育期总日照时数与成熟期之间也达显著负相关。降水对物候期影响最小,相关关系均不显著。     

冬小麦生物量遥感监测模型的研究

本文利用１９９２－１９９４年乌兰乌苏农业气象试验站观测农学资料、光谱资料以及同步接收的ＮＯＡＡ／ＡＶＨＲＲ资料，计算了冬小麦生物量与比值植物指数（ＲＶＩ）和归一化差值植被指数（ＮＤＶＩ）的相关系数，并建立了冬小麦生物量的光谱监测模型和气象卫星遥感监测模型，为冬小麦长势的动态监测提供了理论依据。     

太行山前平原冬小麦生育期干旱分析——以保定市为例

对冬小麦生育期干旱进行精细分析,可以为农业生产和水资源管理提供参考信息,为降水、地下水动态以及作物耗水关系提供研究基础。采用有效降水和综合气象干旱指数(CI)方法,分析了太行山前平原冬小麦56个生育期及各生育阶段(苗期、越冬期、返青期、拔节～成熟期)的平均有效降水和气象干旱发生频率。研究发现冬小麦生育期平均有效降水为55.43 mm,分别占年有效降水和生育期降水量的13.6％和52.5％。其中,5月和10月是生育期有效降水的主要贡献月,平均有效降水量分别占到生育期有效降水量的35.7％、27.1％。生育期平均缺水350 mm以上,并且有效降水的月际、年际间差异明显。逐月旱涝级别和频率分布显示,生育期干旱平均发生频率为58.5％,逐月发生干旱的频率均在50％以上。12月易发生轻旱,2、3月易发生中旱,4月易发生重旱。总体上,太行山前平原冬小麦生育期及各生育阶段的有效降水都表现出非稳定性,逐月平均有效降水量均不同程度小于需水量,干旱发生频率冬后大于冬前。     

陇南山区小麦白粉病流行程度预测模型

调查分析1990~2005年陇南山区小麦白粉病发生、流行资料,发现:陇南白龙江流域为小麦白粉病常发重发生区,徽成盆地为小麦白粉病易发区,西汉水流域为小麦白粉病轻发区;小麦感病品种面积、上年秋苗平均病叶率和病田率、当年早春平均病田率、上年7、10月和当年5月平均气温、当年4月和上年7、8、11月降水量与全市春季小麦白粉病流行程度相关十分显著,上年9月到次年3月平均气温和4~8月降水量与小麦白粉病流行程度呈正相关,4~8月平均气温和9月到次年3月降水量与小麦白粉病流行程度呈反相关。由此建立的预报模型,历史拟合率可达93.75%,2006年业务应用预报准确率100%。     

冬小麦田大穗看麦娘种群动态及对小麦产量的影响

为明确麦田杂草大穗看麦娘Alopecurus myosuroides的田间种群发生动态规律,采用固定样方和随机样方取样方法于2013—2015年在山东省济南市研究了冬小麦田大穗看麦娘田间种群的萌发和生长动态,并分析了不同密度大穗看麦娘对小麦产量及其构成因素的影响。结果表明:在济南市小麦播后20~40 d为大穗看麦娘出苗高峰期,至11月下旬出苗量占全年出苗总量的97.1%。11月上旬,大穗看麦娘开始出现分蘖,至翌年4月上中旬结束,分蘖数平均每株为6.3个,比小麦多3.1个。3月下旬大穗看麦娘开始拔节,4月中旬平均株高超过小麦,5月下旬平均株高达到75.6 cm,高出小麦2.5 cm。5月上旬大穗看麦娘单茎平均鲜重达到最大为1.7 g,小麦为12.6 g。大穗看麦娘出苗、株高、分蘖和鲜重的变化与小麦变化趋势一致,与时间、温度密切相关。随着大穗看麦娘密度的增加,小麦产量急剧下降,当密度达到420株/m~2时,小麦产量损失率高达65.8%。大穗看麦娘对小麦产量构成因素中的穗密度影响最大,其次是穗粒数,对千粒重影响不显著,当密度为420株/m~2时,小麦穗密度减少55.2%,穗粒数减少26.4%。     

麦田雀麦发生动态及其对小麦产量的影响

雀麦(Bromus japonicus)是一种越冬性一年生杂草,是我国北方冬小麦田发生最严重的禾本科杂草之一,对小麦造成严重减产。为明确雀麦在我国冬小麦田的田间发生动态规律,于2013-2015年在山东省泰安市雀麦发生严重的冬小麦田进行相关试验。采用固定样方和随机样方取样的方法,研究冬小麦田雀麦的出苗规律及其在田间的消长动态,同时研究不同密度雀麦对小麦产量的影响。结果表明,小麦播种后7~30 d为雀麦的出苗高峰期,至12月上旬出苗量占总出苗总量的85.3%。11月中旬,雀麦开始分蘖,平均分蘖数为4.8个/株,比小麦多1.3个/株。3月下旬雀麦生长速度加快,4月下旬平均株高超过小麦,5月中下旬平均株高达到115.0 cm,高出同期小麦24.1 cm。5月中旬,雀麦与小麦单株平均鲜重趋于稳定,分别为17.24、37.72 g。雀麦与小麦在株高、鲜重等方面的变化趋势基本一致,与外界温度的变化密切相关。当雀麦密度为5株/m^2时,小麦产量损失率达5.35%,表明少数雀麦即可对小麦产量造成显著减产;随着雀麦密度的增加,小麦产量快速下降,其对小麦产量的影响主要表现在小麦的有效穗密度上,对小麦的千粒质量与穗粒数则影响较小。当雀麦密度为640株/m^2时,小麦产量损失率为36.81%,小麦穗密度减少35.69%。