青海东部农业区ET0与NDVI响应分析

ET0是国际通用的评价水资源和计算作物需水量的基础数据,但是根据理论公式计算ET0需要很多气象数据,因此ET0数据不易获得.利用青海省东部农业区2003年卫星植被指数数据(NDVI),与通过遥感技术用PM方程计算的ET0进行响应分析.实验结果表明单站点的ET0与NDVI线性关系较为显著,可以用来进行ET0反演,而多站点随着距离和站点数的增加,由于地域及气候差异等因素使得两者显著性下降,需要引入更多的参数进行反演.     

黄河三角洲地区植被生长旺盛期地下水埋深遥感反演

【目的】快速准确地获得大面积的黄河三角洲地区地下水埋深。【方法】利用2004年18个站点的植被生长旺盛时期(7—9月)的地下水埋深数据,采用一元和多元线性回归建模方法,确定反演指标,比较了遥感指标反演法与地学和遥感相结合的2种反演模型。【结果】对数变换后的NDVI、指数变换后的晚上LST和指数运算后的晚上TVDI是地下水埋深反演的敏感遥感指标,观测点距黄河的距离(H1)、观测点周围水体密度(ρ)、对数变换后的观测点距海岸线的距离(H2)和DEM是地下水埋深反演的敏感地学指标;只用遥感指标建立的地下水埋深预测模型的决定系数R2为0.496,引入地学参数后模型R2平均值增加到0.791。遥感和地学指标相结合的方法可以更准确地反演植被生长旺盛期研究区的地下水埋深分布状况。【结论】将遥感指标和地学指标相结合进行模拟更合理。     

豫北地区参考作物需水量的随机模拟

河南省新乡市1971~2000年共30年的逐旬气象资料,用Penman-Monteith方法计算了逐旬的ET0,并采用时间序列方法,对该地区的ET0进行了分析和模拟,结果表明豫北地区的逐旬ET0变化趋势并不显著,周期性可用Fourier级数加以描述,对随机的变化可建立AR(1)模型。所建立的随机模型能很好的模拟出历年逐旬ET0的变化动向,同时随机模型的建立也为以后该地区实时灌溉预报和农田用水提供依据。     

青海东部农业区ET_0变化特征及气候影响因子分析

利用FAO-56推荐的Penman-Monteith公式计算了青海省东部农业区12个气象站47年(1960—2006)逐月参考作物蒸发蒸腾量(ET0),对参考作物蒸发蒸腾量、气象因子随时间变化特征进行了分析。结果显示,ET0年内呈单峰型分布,月际变化较大,最大值出现在7月份,最小值出现在12月份;近47年ET0随时间呈极显著下降趋势变化;风速是影响ET0的最主要影响因子,最高温度对该地区ET0的影响也较为显著;海拔与ET0具有明显的相关性,R2为0.68,且ET0随海拔的增高具有明显下降的趋势。研究表明,在高寒高海拔区,风速是影响ET0的最主要气候影响因子,海拔与ET0呈负相关关系。     

大理河流域参考作物蒸散量的时空分布特征及原因分析

基于Penman-Monteith公式计算了我国大理河流域3个气象站1963―2012年的ET0,对大理河流域ET0的时空变化进行了分析,并使用Mann-Kendall法对ET0变化趋势的显著性及突变点进行了探讨;最后,通过Peasron相关系数分析了导致流域ET0变化的主要气象因素。结果表明,1963―2012年大理河流域的ET0总体呈波动性递增,但变化趋势并不显著,突变点为1970、1975、1993年。大理河流域的气候在1963—2012年出现暖干化;ET0在年内分布不均,其最大值在6月,达到了173.8 mm;在流域空间上ET0分布基本呈现出自东北向西南递减的趋势;ET0与平均温度、平均日照时间、平均风速呈极显著正相关关系(α=0.01),与平均相对湿度呈极显著负相关关系。     

山东省参照作物腾发量时空变异分布特征

【目的】分析山东省参照作物腾发量(ET0)的时空分布规律及影响因素。【方法】采用FAO-56 Penman-Monteith方程计算山东省24个气象站点的逐日ET0,通过统计分析和Arc GIS中反距离权重插值法,定量和定性分析了ET0的时空分布特征。【结果】1961—2011年山东省平均ET0为1 161 mm,呈减小趋势,分布差异主要受空气动力因素影响;年内分布集中,5、6月ET0最大,占全年的27%,5—9月受温度、湿度影响显著,10—次年4月受日照时间、风速影响显著。空间上,ET0从西北到东南呈减小的趋势,内陆主要受温度、日照时间影响,东南沿海主要受湿度、风速影响,ET0空间分布与湿度显著负相关,采用湿度估算ET0,平均相对误差为2%。【结论】山东省ET0空间分布的主控因子是湿度。     

基于SEBS模型的岔口小流域蒸散量特征及影响因子研究

【目的】确定黄土丘陵沟壑区地表蒸散量及其影响因素,为岔口流域的干旱监测和水资源管理提供数据支持,并为大面积获取黄土丘陵沟壑区的蒸散量情况提供一定理论依据。【方法】基于SEBS模型,以永和县岔口流域为例,运用遥感方法,结合气象资料,对作物生长期4―10月遥感影像进行处理,估算出岔口流域的日蒸散量,分析了蒸散的分布规律,并对蒸散量与气候、地表温度、NDVI、地形参数等的关系进行了分析。【结果】遥感反演得到4月21日、6月8日、7月26日、8月27日、9月12日的流域平均日蒸散量分别为3.34、5.22、5.49、4.22和3.76 mm,反演蒸散量与Penman-Monteith公式计算流域参考作物蒸散量的平均相对误差为5.57%;流域土地利用类型的蒸散量均值排序为:林地草地耕地园地水域居民点;时间序列上,蒸散量呈单峰型分布,7月蒸散量最高,且日蒸散量的变化与气温、地表温度呈较好的正相关,与NDVI间的关系表现不明显;空间尺度上蒸散量空间分布为:西北地区东南地区中部地区,且蒸散量分布与地表温度负相关关系,与NDVI之间有较好的正相关关系,与地形参数之间的相关关系不明确。【结论】基于SEBS模型对黄土丘陵沟壑区蒸散量的遥感反演具有较高的精度,影响日蒸散量变化的主要影响因素为气温和地表温度,而地表温度和NDVI则是影响岔口流域蒸散量空间分布主要因子。     

基于温度植被干旱指数(TVDI)的土壤干湿反演

【目的】快速准确监测大面积区域土壤水分,提高遥感监测土壤水分的效率。【方法】采用Landsat 8 OLI影像构建了地表温度(Ts)-植被指数(NDVI)特征空间,拟合了特征空间的干湿边方程,并根据干湿边方程计算的温度植被干旱指数(TVDI)与同期野外不同深度的实测土壤含水率进行了回归分析与验证。【结果】遥感影像反演所得的TVDI与野外实测土壤湿度显著相关(α=0.05);0~10、10~20、20~30 cm土层中,TVDI与10~20 cm土层土壤湿度相关性最高(r=0.79);遥感影像反演的土壤湿度时空分布变化特征与作物分布生长情况以及气候变化规律基本吻合。【结论】根据温度植被干旱指数法反演监测区域土壤湿度是切实可行的,尤以10~20 cm土层土壤湿度的反演监测最为精准与可靠。     

土默特右旗ET0对气象因子和相关参数的响应

【目的】研究ET0与气象因子和相关参数的响应性。【方法】以内蒙古包头市土默特右旗为研究区,采用ENVI5.3软件,遥感反演相关参数,分析了参考作物腾发量(ET0)与气象因素和相关参数的相关性和主成分。【结果】(1)在年尺度上,气象因素对ET0的相关性排序为:净辐射日照时间最高温度相对湿度最低温度风速。在月尺度上,ET0在7月对最高温度和日照时间最敏感;4月ET0对相对湿度最敏感;5月对风速最敏感;净辐射与ET0相关性在4—10月都很显著;ET0与最低温度相关性不显著。在作物生长季,ET0主要受净辐射、日照时间、最高温度的影响。(2)3种相关参数NDVI、植被覆盖度、地表温度和ET0均显著正相关,NDVI的相关性最显著。(3)利用主成分分析得到主成分变量Z1、Z2代替了原始数据(最高温度、最低温度、相对湿度、日照时间、风速、NDVI、植被覆盖度、地表温度、净辐射),使复杂的研究变得简单。【结论】在作物生长季,ET0主要受净辐射、日照时间、最高温度的影响;在相关参数中,与NDVI的相关性最好。     

基于RLPM模型的ET反演参数在时间尺度上的敏感性分析

为研究和提高RLPM模型反演ET精度,探究各项气象参数和遥感参数对于ET反演值就时间尺度变化规律的影响,基于RLPM反演模型,采用改进的摩尔斯分类筛选法,将黄土高原2010-2015年98个站点ET值结果对NDVI、相对湿度,日照时数、气温和太阳辐射在月尺度和年尺度变化进行敏感度分析研究。研究表明除相对湿度外,各项因子的敏感系数的绝对值在夏天达到最高值,而相对湿度的敏感系数在冬季达到最高值。ET反演值对于太阳辐射的敏感性最强,对NDVI和日照时数的敏感性次之,而对气温和相对湿度的敏感性最小。     

Estimation of water consumption and crop water productivity of winter wheat in North China Plain using remote sensing technology

The North China Plain (NCP) is one of the most water stressed areas in the world. The water consumption of winter wheat accounts for more than 50% of the total water consumption in this region. An accurate estimate of the evapotranspiration (ET) and crop water productivity (CWP) at regional scale is therefore key to the practice of water-saving agriculture in NCP. In this research, the ET and CWP of winter wheat in 83 counties during October 2003 to June 2004 in NCP were estimated using the remote sensing data. The daily ET was calculated using SEBAL model with NOAA remote sensing data in 17 non-cloud days whereas the reference daily crop ET was estimated using meteorological data based on Hargreaves approach. The daily ET and the total ET over the entire growing season of winter wheat were obtained using crop coefficient interpolation approach. The calculated average and maximum water consumption of winter wheat in these 83 counties were 424 and 475 mm, respectively. The calculated daily ET from SEBAL model showed good match with the observed data collected in a Lysimeter. The error of ET estimation over the entire growing stage of winter wheat was approximately 4.3%. The highest CWP across this region was 1.67 kg m⁻³, and the lowest was less than 0.5 kg m⁻³. We observed a close linear relationship between CWP and yield. We also observed that the continuing increase of ET leads to a peaking and subsequent decline of CWP, which suggests that the higher water consumption does not necessarily lead to a higher yield.     

基于RS的河南省赵口灌区小麦最佳配水量计算

应用河南赵口灌区的遥感影像数据,获得该区的NDVI、LST等影像指标。采用植被温度指数法,通过ENVI遥感影像处理软件,得到植被条件指数、温度条件指数和干旱指数(DI)。将研究区划分为5个干旱等级,根据DI指数制作赵口灌区干旱等级分类图,计算该时期土壤含水量。分析计算小麦各生育阶段作物需水量,与该阶段土壤含水量对比计算各种干旱类别区域的配水量。     

Enhancing the Simplified Surface Energy Balance (SSEB) approach for estimating landscape ET: Validation with the METRIC model

Evapotranspiration (ET) can be derived from satellite data using surface energy balance principles. METRIC (Mapping EvapoTranspiration at high Resolution with Internalized Calibration) is one of the most widely used models available in the literature to estimate ET from satellite imagery. The Simplified Surface Energy Balance (SSEB) model is much easier and less expensive to implement. The main purpose of this research was to present an enhanced version of the Simplified Surface Energy Balance (SSEB) model and to evaluate its performance using the established METRIC model. In this study, SSEB and METRIC ET fractions were compared using 7 Landsat images acquired for south central Idaho during the 2003 growing season. The enhanced SSEB model compared well with the METRIC model output exhibiting an r² improvement from 0.83 to 0.90 in less complex topography (elevation less than 2000 m) and with an improvement of r² from 0.27 to 0.38 in more complex (mountain) areas with elevation greater than 2000 m. Independent evaluation showed that both models exhibited higher variation in complex topographic regions, although more with SSEB than with METRIC. The higher ET fraction variation in the complex mountainous regions highlighted the difficulty of capturing the radiation and heat transfer physics on steep slopes having variable aspect with the simple index model, and the need to conduct more research. However, the temporal consistency of the results suggests that the SSEB model can be used on a wide range of elevation (more successfully up 2000 m) to detect anomalies in space and time for water resources management and monitoring such as for drought early warning systems in data scarce regions. SSEB has a potential for operational agro-hydrologic applications to estimate ET with inputs of surface temperature, NDVI, DEM and reference ET.     

基于地面观测和Sentinel-2数据的玉米实际蒸散发估算

基于遥感技术估算作物蒸散发(Evapotranspiration,ET)对农业用水效率评价和精量灌溉决策具有重要意义。结合Sentinel-2数据和农田连续地面观测资料,利用混合双源蒸散发模型(Hybrid dual-source scheme and trapezoid framework-based evapotranspiration model,HTEM)对宁夏回族自治区中卫市2019年两个试验田玉米主要生育期(5—8月)的蒸散发量进行估算,并用水量平衡法对遥感估算结果进行验证和评价。结果表明:Sentinel-2数据具有高时空分辨率,能够与研究区复杂的种植地块相匹配,减少了混合像元的数量;遥感反演参数与地面观测数据拟合度较高,研究区2019年遥感反演的玉米田净辐射量均方根误差为36.256 W/m²。利用HTEM模型估算可得,主要生育期内研究区两个玉米试验田的日均实际蒸散发量分别为4.269 mm/d和4.339 mm/d,实际蒸散发总量分别为525.114 mm和533.690 mm,其中植被蒸腾量分别为363.483 mm和358.196 mm,生育初期主要以土壤蒸发形式消耗水分,随着作物的生长,在生育中后期主要以植被蒸腾的形式消耗水分。ET遥感反演结果与水量平衡结果之间差别不显著,两个观测点绝对误差分别为13.533 mm和7.774 mm。因此,结合地面连续观测系统和Sentinel-2数据估算研究区玉米生育阶段蒸散发量具有较高的精度,可为作物耗水规律研究及区域农业水管理提供技术支撑。     

基于无人机-卫星遥感升尺度的土壤水分监测模型研究

土壤水分是研究土壤-植物-大气循环系统中能量与物质交换的关键,通过尺度转换方法将无人机遥感数据上推以修正卫星数据,可有效改善卫星遥感反演模型精度。本文以河套灌区为研究对象,分别采用重采样和TsHARP升尺度法,引入多元线性回归(MLR)、BP神经网络(BPNN)和支持向量机(SVM)算法构建不同土壤深度下无人机-卫星升尺度土壤含水率反演模型。研究结果表明：重采样升尺度法在不同土壤深度下模型整体精度由高到低依次为SVM、MLR、BPNN,其中在土壤深度0～60 cm下采用SVM模型最优,R²达到0.571,RMSE为0.022%;TsHARP升尺度法在不同土壤深度下模型整体精度由高到低依次为BPNN、SVM、MLR,其中在土壤深度0～60 cm下采用BPNN模型最优,R²达到0.829,RMSE为0.015%。与升尺度修正前对应土壤深度模型对比,两种升尺度方法均能明显提高卫星遥感对土壤含水率的反演精度,但TsHARP升尺度法整体优于重采样法;重采样法的R²由0.413提升至0.571,RMSE由0.026%降至0.022%...     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算

利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI 产量最佳估产模型.在验证甘蔗叶面积指数LAI的基础上,利用遥感反演的甘蔗叶面积指数LAI进行甘蔗单产估算.结果表明:甘蔗叶面积指数LAI与NDVI之间存在显著的正相关关系,全生育期二者的相关性最高,以二次函数模型拟合效果最佳,决定系数R2为0.8429.将遥感数据反演得到的平均叶面积指数LAI数据代入甘蔗叶面积LAI-产量模型得到全县平均单产,与统计数据相比,相对误差仅为2.6％.说明该模型具有较好的估产效果,可以为甘蔗区域估产提供重要参考.     

基于无人机遥感影像的核桃冠层氮素含量估算

叶片氮素含量是评价植被生长状况的重要指标,快速、准确监测核桃树冠层氮素含量的变化,对及时掌控树体长势、实施精准管理具有重要意义。本研究通过低空无人机遥感平台搭载GS-2型成像光谱仪,获取了果实膨大期5年生核桃林地的高光谱遥感影像数据。利用ENVI 5.3软件对观测范围内的核桃、土壤以及阴影区域进行识别提取,根据不同地物的波谱差异寻找核桃与土壤、阴影区域之间无交集且差异较大的波段区间,确定冠层的范围,并通过支持向量机方法验证其提取精度;根据NDVI、RVI和DVI植被指数筛选指示冠层氮素含量的特征敏感波段,分析了9种光谱参数对核桃冠层氮素含量的估算能力及其相关性,并将筛选的特征敏感波段作为BP神经网络模型的输入变量,进行了核桃冠层氮素含量的估算。结果表明：当B100 (550.7)处的光谱反射率大于0.10,且 B233 (779.4) 处的光谱反射率大于0.70时,可有效识别和确定核桃树冠层范围,制图精度高达96.43%。在分析核桃树冠层氮素含量与NDVI、RVI、DVI植被指数相关关系的基础上,确定了B33 (440.6)、B165 (660.7)、B186 (697.0)和B347 (986.4)为指示氮素含量的特征敏感波段。9种光谱参数中,以B347 (986.4)和B186 (697.0)重构的NDVI(986.4,697.0) 在核桃林地冠层氮素含量的诊断中更接近实测值,估算模型精度最高。基于BP神经网络建立的估算模型较9种光谱参数具有更高的估算精度,测试集R 2 达0.805,具有一定的估算可靠性。     

基于特征优选与机器学习的农田土壤含盐量估算研究

土壤盐渍化是影响农业可持续发展的重要制约因素,为准确及时地获取土壤中盐分含量,实现盐渍化精准监测,以内蒙古自治区巴彦淖尔市五原县境内的覆被农田为研究对象,探讨无人机多光谱遥感平台结合机器学习模型估测不同深度土壤含盐量的可行性。首先,利用无人机搭载五波段多光谱相机获取研究区域高时空分辨率遥感图像数据,并同步采集地面不同深度处土壤盐分数据,使用皮尔逊相关系数法(PCC)、极端梯度提升(XGBoost)和灰色关联分析法(GRA)对构建的光谱指数进行优选;然后,采用决策树(DT)、反向传播神经网络(BPNN)、支持向量机(SVM)和随机森林(RF)4种机器学习方法建立植被覆盖下不同深度的农田土壤含盐量反演模型。结果表明,使用方案3(XGBoost-GRA)变量优选方法可以有效地筛选出敏感光谱指数,且基于此方法优选后的光谱指数建立含盐量估算模型的精度高于仅使用PCC或XGBoost法构建的反演模型。对比不同建模方法在不同土壤深度处的反演精度,可知随机森林RF模型整体表现最优,同时另外3种反演模型也取得了较好的预测效果,0～20 cm土壤深度处的预测效果是3个土壤深度中最优的,其中精度最高模型的决...