利用遥感和GIS技术估算果洛藏族自治州草地生产力和载畜量

Remote sensing data from the Terra Moderate-Resolution Imaging Spectroradiometer (MODIS) and geospatial data were used to estimate grass yield and livestock carrying capacity in the Tibetan Autonomous Prefecture of Golog, Qing-hai, China. The MODIS-derived normalized difference vegetation index (MODIS-NDVI) data were correlated with the aboveground green biomass (AGGB) data from the aboveground harvest method. Regional regression model between the MODIS-NDVI and the common logarithm (LOG10) of the AGGB was significant (r² = 0.51, P < 0.001), it was, therefore, used to calculate the maximum carrying capacity in sheep-unit year per hectare. The maximum livestock carrying capacity was then adjusted to the theoretical livestock carrying capacity by the reduction factors (slope, distance to water, and soil erosion). Results indicated that the grassland conditions became worse, with lower aboveground palatable grass yield, plant height, and cover compared with the results obtained in 1981. At the same time, although the actual livestock numbers decreased, they still exceeded the proper theoretical livestock carrying capacity, and overgrazing rates ranged from 27.27% in Darlag County to 293.99% in Baima County. Integrating remote sensing and geographical information system technologies, the spatial and temporal conditions of the alpine grassland, trend, and projected stocking rates could be forecasted for decision making.     

我国水稻秸秆钾资源分布及其还田对土壤钾平衡的重要性

【目的】我国钾肥资源不足但秸秆资源丰富,有待科学高效循环利用。本研究估算了我国水稻秸秆钾养分的量和空间分布特征,为利用水稻秸秆还田保持土壤钾素平衡提供参考。【方法】本研究基于《中国农村统计年鉴》和其他文献资料数据,结合草谷比法对我国各省份不同季别水稻秸秆钾资源量及还田情景下的土壤钾输入量进行测算。【结果】2019年我国水稻秸秆钾(K₂O)养分总产量为493.9万t,其中早稻、晚稻和中晚稻秸秆钾养分量的占比分别为13.1%、14.6%和72.4%。不同稻区的水稻秸秆钾资源量占总量的比例为：长江中游(33.4%)?长江下游(21.7%)?西南(15.3%)?东北(13.1%)?华南(12.8%)?华北(3.7%)。早稻和晚稻秸秆钾养分主要源自湖南(25.2%和24.7%)、江西(23.8%和24.4%)、广东(18.6%和19.5%)及广西(17.2%和14.8%)。中晚稻秸秆钾养分资源在主产省区间的分布表现为：江苏(14.3%)?黑龙江(12.9%)?湖北(12.2%)?四川(10.7%)?安徽(10.5%)?湖南(8.8%)。在双季稻主产省区湖南、江西、广东和广西...     

基于灰色-马尔科夫残差预测模型的甘南草地载畜量预测

为了预测草地实际载畜量与理论载畜量,为草地畜牧业的可持续发展提供理论依据和决策支持基础,通过对甘南州4个县市1998-2009年的草地实际载畜量和理论载畜量数据分析,以灰色GM(1,1)模型和马尔科夫预测模型为基础,建立了优化改进的灰色等维—马尔科夫残差预测模型,以甘南州合作市实际载畜量为实例进行验证,预测结果显著(p<0.01),预测误差低于7.06%,表明该预测模型精度较高,适用于对草地载畜量的预测研究。最后,利用该模型对2010-2014年甘南州4县市草地实际载畜量和理论载畜量进行预测分析,基本符合草地载畜量实际变化过程,为相关部门合理确定草地载畜量和进行科学草地管理提供参考。     

2001-2020年青藏高原草地物候变化遥感监测

[目的]探究青藏高原草地物候时空变化规律,对于理解高寒生态系统与区域气候之间的相互作用和生态安全屏障保护与建设具有重要的科学意义。[方法]基于2001—2020年MODIS归一化植被指数(NDVI)时序产品,采用非对称高斯函数拟合法和动态阈值法,提取了青藏高原草地NDVI峰值、NDVI峰值期、返青期(SOS)、枯黄期(EOS)和生长季长度(LOS)参数。[结果](1)研究区草地物候的空间分布规律明显,自西向东,草地NDVI峰值增加、峰值期提前、SOS提前、EOS推迟、LOS延长。(2) 20年间,青藏高原草地物候年际变化主要表现为SOS呈提前趋势(12.11%的区域显著提前),EOS呈推迟趋势(18.49%的区域显著推迟),LOS呈延长趋势(18.87%的区域显著延长)。(3)青藏高原气温、降水对SOS有1～2个月的滞后效应;气温对EOS有1～2个月的滞后效应,而降水对EOS的滞后效应不明显。考虑滞后效应的条件下,气温是影响草地SOS,EOS年际变化的主导因子。[结论]青藏高原草地物候具有空间异质性,且气温是影响草地物候时空变化的主要因素。     

多源卫星遥感秸秆焚烧过火面积动态监测

该文针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题,提出利用多源数据(Landsat8、GF-1、HJ-1A/B)来提升中分辨率卫星遥感的观测频次,并通过叠置分析和面向对象影像分析技术提高面积提取精度。使用该方法对河南省太康县进行了8次单日内全覆盖的秸秆焚烧过火面积提取,并通过变化检测获取各乡镇农田秸秆焚烧的累计过火面积、新增过火面积和新增过火农田翻耕面积的时空变化趋势。经验证,面积提取精度达93.89%以上,秸秆焚烧新增过火面积变化趋势与环保部监测结果基本相符。经分析,秸秆焚烧通常会在农作物大面积收割后的某个时间点开始,由若干个起火点随时序朝某个主方向进行传播蔓延,过火区域会随之出现间歇性的大范围翻耕,二者同时进行,即秸秆焚烧新增过火面积与新增过火农田翻耕面积随时序呈反向波浪状变化。说明相比利用低空间分辨率遥感数据进行广域监测,该方法可得到时效性强且精度更高的过火面积空间分布信息,能揭示出秸秆焚烧现象在县、乡尺度上的变化规律与细节。     

AMSR-E遥感土壤湿度产品在青藏高原地区的适用性

卫星遥感土壤湿度产品有广泛的应用前景,但其精度已引起学术界的高度关注。针对被动微波遥感反演土壤湿度的准确性问题,该文对比分析了3种国际上比较广泛关注的高级微波扫描辐射计/地球观测系统(AMSR-E/EOS)土壤湿度产品(JAXA,NASA及VUA)。首先,利用试验观测数据评价了3种土壤湿度产品的精度,分析了不同植被覆盖和降水对被动微波遥感反演土壤湿度精度的影响。结果表明:在平坦裸露地表,被动微波遥感反演土壤湿度具有较高精度,卫星降轨数据估算土壤湿度与实测值相关系数大于0.7,均方根误差小于0.16,但在高密度植被区域误差较大,相关系数小于0.7,均方根误差最大可达到0.2。然后,分析了降水发生时刻土壤湿度产品的精度,结果表明:3种产品精度均有不同程度下降,但NASA产品的相关系数仍然能够达到0.69。在此基础上,基于青藏高原土壤湿度观测网,制作了青藏高原地区土壤湿度时空分布图,对比了3种产品对青藏高原地区土壤湿度时空分布特征描述的准确性,分析了其适应性,发现NASA与VUA产品在空间分布上符合青藏高原地区土壤湿度的空间分布特征,但在土壤湿度值的变化范围上仍均存在较大误差,在具体的应用中,可以利用实测数据对产品进行线性回归校正,以消除系统性误差。该研究可为基于AMSR-E土壤湿度产品的应用与研究提供参考。     

基于遥感和CASA模型的西江流域NPP时空分布特征研究

基于EOS/MODIS遥感资料,采用CASA模型分析西江流域陆地植被净第一性生产力（NPP）的时空变化特征。结果表明:西江流域平均植被NPP为400～500 gC/（m²·a）,上游地区偏低,为200～300 gC/（m²·a）,中下游地区较高,平均500～600 gC/（m²·a）,部分地区可达到800 gC/（m²·a）以上;植被NPP季节变化显著,夏季最高,春、秋季节次之,冬季最低小;西江流域植被NPP的空间差异明显,在5-10月,上游地区植被NPP较低,中下游地区较高;在1-3月,上游地区尤其是南盘江流域的植被NPP较高,中下游地区尤其是中游地区明显较少。西江流域植被NPP的空间特征还表现在汛期空间差异大,枯水期空间差别小。     

基于MODIS数据的松嫩草原产草量遥感估算模型与空间反演

根据NASA/MODIS遥感数据获得NDVI、RVI、MSAVI和EVI 4种植被指数,结合草原产草量地面实测数据,利用统计分析方法建立松嫩草原产草量遥感估算模型,并进行产草量空间反演和验证,为该区草原产草量合理估算和草原资源管理提供科学依据。相关分析结果表明,前期和同期的4种植被指数均与草原产草量显著相关,其中NDVI相关性最高,EVI相关性最低;松嫩草原产草量最优模拟模型为基于NDVI的S曲线模型,模拟精度达78%。利用该模型反演得到2009年松嫩草原平均鲜草单产为5 717 kg/hm2,折合干草单产1 687 kg/hm2,鲜草总产量为1 885万t,干草总产量为589万t。其中,黑龙江省部分的鲜草总产量为1 356万t,折合干草424万t;吉林省部分的鲜草和干草总产量分别为531万t和166万t。利用植被指数预报未来16 d草原产草量效果较好,其中基于NDVI的幂指数模型预报精度为74%。研究表明,基于植被指数进行松嫩草原产草量研究是可行的。     

基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法

乡镇是秸秆焚烧最直接责任主体,开展镇(乡)区域农作物秸秆产生量估算方法研究,可为镇(乡)区域秸秆资源规划和收储设施选址提供有效方法。该文以泗洪县车门乡为试验,研究利用MODIS卫星遥感影像时间序列数据和天地图免费遥感影像数据,建立区域秸秆资源量及其空间分布的估算方法。根据天地图选取样本田块,通过网站获取MODIS-EVI时间序列数据,确定作物类型-EVI参数判别准则;选取图像识别样本田块,以图像参数为判别变量做判别分析,确定作物类型-图像参数判别准则。基于以上方法,完成全乡秸秆资源面积和秸秆产生量估算。水稻秸秆资源量1.77万t,可收集水稻秸秆资源量1.27万t,小麦秸秆资源量2.78万t,可收集小麦秸秆资源量为1.51万t;通过实际调研得知,该地水稻秸秆实际资源发生量约为1.82万t,小麦秸秆实际资源发生量约为2.75万t,估算数据和实际数据的误差仅为2.7%和1.1%,证明了该方法可以较准确的估算实际值,而且方便易用,节约成本。     

基于遥感的新疆人工绿洲扩张中植被净初级生产力动态变化

人类活动对全球碳循环过程的影响是全球气候变化研究中争论的主要焦点问题之一。不同区域、不同自然和人为因素对碳循环的作用机制十分复杂且差异很大,通过探讨人类开垦活动对干旱区绿洲生态系统净初级生产力(net primary productivity,NPP)分布格局的影响,将有助于增加人类活动对干旱区陆地生态系统及碳循环影响的认识和理解。该文基于长时间序列的Landsat遥感数据,利用CASA(Carnegie-Ames-Stanford Approach)模型估算了1976年6月-2016年6月新疆奇台新人工绿洲扩张过程中NPP的变化情况,结果表明:1)1976年研究区主要是荒漠草原景观,农田仅有5 150 hm~2,占研究区面积的3.25%,到2016年,农田面积扩大到64 675 hm~2,增加11倍以上;2)人工绿洲扩张的同时,泉水溢出带消失,水库干涸,灌丛面积从17 871 hm~2下降到5 202 hm~2;3)土壤盐碱化发育进程中断,裸碱地面积减少近70%,并且开始向新生草地演替;4)2016年6月,研究区NPP总量达到了90 602 t,是1976年6月的2.2倍,农田对NPP增量的贡献超过93%,同期,灌丛则净损失了8 265 t NPP,沼泽净损失3 319 t;5)1976年的NPP主要由天然草地和灌丛构成,分别占56.68%和26.61%,2016年的NPP主要由农田和新生草地构成,分别占65.23%和31.85%。     

牧草产量的遥感估算与载畜能力研究

为了切实保护草地生态环境,实现草畜平衡,以畜牧业大省青海省为例,利用经过GPS定位的青海省牧草地面观测资料,分析牧草产量与NOAA/AVHRR植被指数NDVI之间的关系,分类建立青海省牧草产量估算线形模型与指数模型.模型的拟合结果良好,相关系数平方(R2)超过0.67.大部分时次的地面实测值与遥感估算值所处的产量等级基本一致,模型精度可以应用于大范围的牧草产量预测.根据牧草遥感估测结果,计算分析青海天然草场的载畜能力.结果表明,青海省县级天然草地年最高载畜量基本呈南高北低的态势.南部大部分县以及北部的祁连县在100～200万只绵羊单位之间,海西州和海东大部分县在50万只绵羊单位以下.     

干旱区灌溉饲草料地载畜量计算方法

水分是制约干旱区荒漠草原草畜平衡管理的最关键因子,解决这一问题的关键在于如何合理实现"以水定草,以草定畜,实现水草畜平衡"的思路。鉴于传统理论载畜量计算方法在产草量估测和牲畜采食量计算中存在较大误差,该文从水量平衡角度出发,提出了基于水草畜平衡的理论载畜量计算方法,以内蒙古中部达尔罕茂明安联合旗为研究区域,根据不同降水量和灌溉水量条件下的水分生产率曲线,对1 a生优质牧草青贮玉米进行估产,在分析不同体质量下绵羊采食和饮水规律的基础上,分别计算出草量载畜量和水量载畜量,以此确定理论载畜量。计算结果表明,在丰水年情景,该文方法比传统方法多6只羊/万m2,有利于提高畜牧业的经济效益;在枯水年情景,该文方法比传统方法少7只羊/万m2,有利于保护草原生态,避免草原退化。该文提出的载畜量计算方法适用于达茂旗荒漠草原,对牧区畜牧业的可持续发展和草原生态环境保护具有重要的指导作用。     

呼伦贝尔天然打草场分布及生物量遥感估算

天然打草场在中国草地畜牧业中具有非常重要的功能,是保障草畜季节平衡、确保家畜安全过冬,灾后应急救援的饲草储备资源。目前关于天然打草场的资源分布与生物量高低等信息的研究欠缺,限制了区域性饲草储备资源的有效利用。该研究利用遥感技术和实地调查相结合的方法对陈巴尔虎旗天然打草场的资源分布及生物量估算进行了全面调查。结果表明:陈巴尔虎旗天然打草场面积达80.28×104 hm~2,其中鄂温克民族苏木打草场面积居首位,为22.69×104 hm~2,巴彦哈达苏木、东乌珠尔苏木、呼和诺尔镇及西乌珠尔苏木的打草场面积次之,面积均大于9.00×104 hm~2,宝日希勒镇面积最小,为0.64×10~4 hm~2。基于MODIS-NDVI与打草场实测量建立的反演模型相对误差为20.56%,能够比较准确地估算牧草产量;陈巴尔虎旗天然打草场平均生物量为1.24×10~3 kg/hm~2,总生物量为992.90×106 kg,生物量空间分布呈东高西低,鄂温克苏木打草场总生物量较高,为304.21×10~6 kg,巴彦哈达苏木次之,为221.01×10~6 kg,其他苏木占47.10%;研究区天然打草场面积和生物量主要分布在温性草原和温性草甸草原,少量分布在低地草甸草原、山地草甸草原及沙地草原。该研究结果可为将来分析典型牧区陈巴尔虎旗天然打草场变化提供数据支撑。     

Study on baseline vegetation coverage of desertification grassland in northern sand-fixing region based on remote sensing

为推动北方防风固沙生态功能区稳定维持生态健康安全,满足草地资源适度利用协调发展,该文选择北方防风固沙生态功能区的正蓝旗为典型研究区,利用TM遥感影像的NDVI,结合大量的野外地面调查数据,建立植被盖度遥感反演模型,提取区域植被盖度,并按照沙地类型划分标准划分沙地类型,提取半固定沙地和固定沙地过渡带处的平均植被盖度,开展防风固沙功能基线盖度评估研究。以基线盖度为基准,划分非利用区和可适度放牧利用。结果显示,提取正蓝旗草地资源利用基线盖度为30.47%,并通过基线盖度地面调查验证,与基线盖度地面调查结果一致。确定了可适度利用的草原范围及面积为396 927.3 hm2,占正蓝旗草原面积的39%,建立了生态保护约束下的草地资源利用格局。该研究可为沙化草地合理利用提供参考。     

基于遥感的北方防风固沙区沙化草地利用基线盖度研究

为推动北方防风固沙生态功能区稳定维持生态健康安全,满足草地资源适度利用协调发展,该文选择北方防风固沙生态功能区的正蓝旗为典型研究区,利用TM遥感影像的NDVI,结合大量的野外地面调查数据,建立植被盖度遥感反演模型,提取区域植被盖度,并按照沙地类型划分标准划分沙地类型,提取半固定沙地和固定沙地过渡带处的平均植被盖度,开展防风固沙功能基线盖度评估研究。以基线盖度为基准,划分非利用区和可适度放牧利用。结果显示,提取正蓝旗草地资源利用基线盖度为30.47%,并通过基线盖度地面调查验证,与基线盖度地面调查结果一致。确定了可适度利用的草原范围及面积为396 927.3 hm2,占正蓝旗草原面积的39%,建立了生态保护约束下的草地资源利用格局。该研究可为沙化草地合理利用提供参考。     

遥感和GPS支持的高山草甸土草地盖度精确量化研究

The principles of remotely estimating grassland cover density in an alpine meadow soil from space lie in the synchronous collection of in situ samples with the satellite pass and statistically linking these cover densities to their image properties according to their geographic coordinates. The principles and procedures for quantifying grassland cover density from satellite image data were presented with an example from Qinghai Lake, China demonstrating how quantification could be made more accurate through the integrated use of remote sensing and global positioning systems （GPS）. An empirical model was applied to an entire satellite image to convert pixel values into ground cover density. Satellite data based on 68 field samples was used to produce a map of ten cover densities. After calibration a strong linear regression relationship （r^2 = 0.745） between pixel values on the satellite image and in situ measured grassland cover density was established with an 89% accuracy level. However, to minimize positional uncertainty of field samples, integrated use of hyperspatial satellite data and GPS could be utilized. This integration could reduce disparity in ground and space sampling intervals, and improve future quantification accuracy even more.     

基于作物生长模型和遥感数据同化的区域玉米产量估算

为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。     

基于作物及遥感同化模型的小麦产量估测

为提高陕西省关中平原冬小麦的估产精度,该文通过粒子滤波算法同化Landsat遥感数据反演的状态量叶面积指数(leaf area index,LAI)、土壤含水量(0~20 cm)、地上干生物量数据和CERES-Wheat模型模拟的状态量数据,分析小麦不同生育期的LAI、土壤含水量及生物量同化值和实测单产的线性相关性,以构建同化估产模型。结果表明,在返青期土壤含水量同化值和实测单产的相关性高于LAI、生物量同化值和实测单产的相关性,选择土壤含水量作为最优变量;在拔节期和抽穗-灌浆期同时选择LAI、土壤含水量及生物量作为最优变量;在乳熟期选择生物量作为最优变量。在小麦各生育时期同化最优变量的估产精度(R2=0.85)高于同时同化LAI、土壤含水量及生物量的估产精度,同时同化LAI、土壤含水量及生物量的估产精度高于同时同化LAI和土壤含水量(或LAI和地上干生物量、或土壤含水量和地上干生物量)的估产精度,表明在作物不同生育时期同化与产量相关性较大的变量对提高估产精度有重要作用。