黑龙江省水稻低温冷害及对策研究

以2002年为例分析了黑龙江省夏季气象条件特点，概述了水稻低温冷害和稻瘟病等灾害发生情况，根据生产损失调查结果，提出了相应的减灾对策。     

基于PROSAIL模型及TM与实测数据的MODIS LAI精度评价

利用PROSAIL模型和TM影像反演的叶面积指数LAI及地面实测数据,从空间和时间序列上分别对吉林省主要玉米种植带的MODIS LAI产品精度进行验证分析,为准确评价和科学准确应用MODIS数据提供科学依据。研究结果表明,MODIS LAI产品精度因玉米生长时期和植被类型而异,混合像元是造成MODIS LAI产品低估玉米作物LAI值的主要原因之一;不同年份不同生长时期,MODIS LAI和实测数据表现出不同的关系;在玉米生长灌浆期之后,MODIS LAI产品与同期地面实测玉米LAI相比,约低估了33%～53%左右,MODIS LAI产品值明显低于TM影像反演的LAI值,约低估玉米LAI值约30%～69%左右。因MODIS LAI产品值与实际值有较大偏差,非常有必要对农作物MODIS LAI产品值进行验证分析,研究结果可为准确利用MODIS LAI产品及其算法改进后产品精度提供一种评价途径。     

三江平原水稻低温冷害类型研究

通过气象资料分析，进一步弄清该地区低温发生规律及对水稻产量的影响，为尽快开发三江平原，提高水稻产量，减轻冷害损失提供科学依据。     

数字高程模型和多时相MODIS数据复合的水稻种植面积遥感估算方法研究

随着搭载在TERRA卫星上的中分辨率成像光谱仪(MODIS)的出现,它以数据丰富、时间分辨率高和覆盖范围广等特点,为水稻遥感估产提供了较好的数据源。该文利用水稻种植易受坡度影响的特性,从数字高程模型(Digital Elevation Models简称DEM)中提取坡度信息,考虑到MODIS能提供多时相及丰富的数据,采用DEM产生的坡度和两个时相MODIS影像数据及植被指数复合提取水稻种植面积,经过比较试验证明,在南方丘陵山区的复杂地形区域,多源信息复合相对于单纯利用单景影像数据可以明显提高水稻种植面积估算的精度。     

基于半经验半机理建模的冬小麦LAI反演及长势评估

为了提高无人机遥感对冬小麦叶面积指数（leaf area index,LAI）反演模型的精度与泛化能力,该研究利用无人机搭载多光谱相机获取不同氮素处理和不同复种方式的冬小麦生长实测数据,结合PROSAIL辐射传输模型生成包含机理信息的模拟数据,基于不同组合方式建立了5种LAI反演混合数据集,结合多种机器学习方法,以期构建经验与机理相结合的LAI高精度反演模型。由于LAI反演受NIR波段反射率影响大,该研究筛选7种与NIR波段相关的植被指数提取冬小麦光谱特征,构建与混合数据集LAI的相关系数矩阵,进一步探究不同光谱特征对冬小麦LAI的影响程度。在此基础上,采用具有代表性和普适性的4种机器学习方法,即贝叶斯岭回归模型、线性回归模型、弹性网络模型和支持向量回归模型,构建不同冬小麦LAI反演模型,用以评估基于半经验半机理数据反演冬小麦LAI的可行性,进一步探索其对不同氮素水平和复种方式的冬小麦长势评估能力。结果表明：1）筛选的与NIR波段相关的植被指数与冬小麦LAI之间存在较强的相关性,其中归一化差异植被指数、增强植被指数、归一化差异红边指数、比值植被指数、红边叶绿素植被指数、土壤调节植被指数与LAI呈正相关,结构不敏感色素植被指数与LAI呈负相关;2）辐射传输模型中体现了冬小麦LAI影响太阳光线传播的机理,结果表明,与实测数据混合建立的模型,具有较强的鲁棒性和泛化能力。相比于其他3种模型,支持向量回归模型在各种数据组合下均取得了较好的LAI预测性能,在C1、C2、C3、C4这4种训练-测试组合的训练集中R²依次为0.86、0.87、0.88、0.91,RMSE依次为0.47、0.45、0.45、0.41;在测试集的R²依次为0.85、0.19、0.89、0.87,RMSE依次为0.45、1.31、0.49、0.50;3）使用支持向量机生成试验区LAI反演图,对4种氮素水平和2种复种方式的冬小麦长势评估,结果表明,适当的施加氮素处理能提高冬小麦LAI值,麦-豆复种方式下的冬小麦LAI值普遍高于麦-玉复种的LAI值。该研究为冬小麦LAI的反演提供了一种有效的方法,并为高效评估冬小麦长势研究提供了参考。     

黑龙江水稻孕穗期障碍型冷害及其对产量的影响

以连续3d以上日均气温≤18℃为指标判定障碍型冷害,利用黑龙江省稻作区1961—2006年每年7月中-下旬逐日平均气温和水稻产量资料,采用气候统计方法分析水稻孕穗期障碍型冷害的发生特征,在此基础上利用多元线性回归方法分析水稻实际单产与孕穗期障碍型冷害期间平均温度和低温持续时间的关系。结果表明：1961—2006年,黑龙江省稻作区水稻孕穗期障碍型冷害呈现不规律的时间变化特征,共有17a发生,发生范围大、持续时间长、平均气温低的年份有1964、1971、1990和2006年,20世纪80年代发生最多,为7a,20世纪90年代发生最少,为1a。研究期间,孕穗期障碍型冷害的发生频率在地域上呈现由北向南、由东向西减少的趋势,北部最多,西部最少;在同一冷害年内,孕穗期障碍型冷害的发生具有明显的区域差异,冷害的发生程度在区域上表现为东部重于西部,北部重于南部。水稻实际单产与孕穗期障碍型冷害期间平均温度和低温持续时间具有极显著的相关关系（P〈0．01）,孕穗期障碍型冷害期间平均温度每下降1℃,水稻单产降低1234．177kg／hm^2,孕穗期障碍型冷害持续时间每延长1d,水稻单产下降104．208kg／hm^2。     

东北地区水稻延迟型冷害变化的初步研究

本文通过对延迟型冷害的指标和相关因素变化的研究，并结合东北三省水稻发生延迟型冷害的实际情况，初步研究了东北地区水稻延迟型冷害气候的变化进展，为东北地区水稻延迟型冷害的变化进展提供参考。     

基于MODIS数据的雪水当量监测模型研究

依据对MODIS数据36个波段波谱值的研究,选择对雪深信息最敏感的两个波段(第1波段,第3波段),采用“度日法”及积雪消融过程中的实测资料,建立了雪水当量统计模型.通过实测数据的进一步验证,该雪水当量监测模型的精度达到了0.86,可以为融雪径流计算、融雪洪水预测预警等工作提供重要的参数,为相关部门提供决策支持.     

基于HJ-CCD与TM影像的水稻LAI估测一致性分析

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数（LAI）估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、反演模型精度及LAI空间分布趋势3个方面,对两类数据在水稻LAI估测上的一致性进行分析和评价。结果表明,两类影像原始波段反射率相关性较高,基于两类影像的单变量、多变量模型在精度上一致性较高,估测所得的LAI在空间分布上也具有较高的一致性,数据集中分布的区间较为一致。因此,该研究初步证明将HJ-CCD影像用于水稻LAI估测在总体上是可行的。但同时,由于基于两类影像构建的模型在形式上存在一定程度的差异,据此得到的LAI填图结果的数据分布在某些区间内亦略有差异。因此,在应用中应注意针对不同数据源进行独立建模分析,不可相互套用模型。该研究一定程度上为有着重访周期短、覆盖范围宽等优势的国产中分辨率遥感数据在农业领域的应用提供依据。     

基于均生函数水稻扬花低温冷害程度的EOF预测模型

提出一种定量、连续、同时反映低温有害天数和强度的低温指数,并基于均生函数对其作主成分ＥＯＦ分析,得到预测模型,预测结果令人满意     

水稻叶面积指数及产量信息的空间结构性分析

通过对水稻抽穗期叶面积指数及产量信息的采样研究,探讨了叶面积指数及产量信息的空间结构性,并建立了半方差函数模型,结果表明该变量具有明显的区域化变量特征和较好的空间结构特征.该文引入区域化变量理论,弥补了单纯采用经典概率统计法对作物信息进行分析的片面性.水稻抽穗期叶面积指数与产量信息之间呈抛物线关系,相关性达显著水平,说明可以通过对叶面积指数的科学调控,使一定尺度范围内的水稻产量获得全面提高.对作物信息进行空间结构性和定量化研究为精确农业的实施提供了必要的技术支撑.     

水稻叶面积指数与MODIS植被指数、红边位置之间的相关分析

对模拟中分辨率成像光谱仪（MODIS）两个植被指数归一化植被指数（NDVI）、增强植被指数（EVI）以及红边位置（REP）与水稻叶面积指数（LAI）进行了相关研究。利用光谱分辨率为3 nm 的ASD FieldSpec UV/VNIR 光谱仪获得了2002年两个不同水稻品种——杂交稻和常规稻整个生长期的高光谱数据，同时对水稻LAI进行了测定。利用一阶微分计算红边位移。模拟了MODIS 3个波段，波段1(620-670 nm，红波段)，波段2(841～876 nm，近红外)和波段3(459～479 nm，蓝波段)，并用这些波段计算了MODIS-NDVI和EVI。结果表明：对于常规稻，MODIS-NDVI、EVI和REP与水稻LAI呈现出良好的相关性；而对于杂交稻，与水稻LAI相关性来说，MODIS-EVI和REP要比MODIS-NDVI更敏感。分析原因，主要是因为杂交稻同常规稻相比在生长的中后期LAI比较大，MODIS-NDVI容易饱和；而MODIS-EVI和REP由于可以消除背景影响，增强对LAI的敏感性。因此MODIS-EVI和REP可以更有效地监测水稻叶面积指数。     

基于植被指数的宁夏灌区春小麦叶面积指数模型

利用宁夏灌区典型代表站（永宁站）2005-2008年连续4a的大田春小麦叶面积观测资料和同期MODIS/Terra资料,对LAI（叶面积指数）与10种植被指数（MODIS-VI）间的相关性进行了分析。得出,抽穗-乳熟期所有植被指数与LAI的相关性均不显著,三叶-拔节期和三叶-抽穗期归一化差异光谱指数（NDSI）、再次归一化光谱指数（RDSI）与LAI相关性不显著外,其他指数与LAI均显著相关,因此,用分段函数模拟全生育期LAI才能达到最佳效果。经检验,模拟值与实测值之间直线方程的决定系数（R2）为0.9759,均方根误差（RMSE）为0.5519,准确度（Accuracy）为1.0745,说明模型具有较好的可靠性和适用性,可为今后开展基于LAI参数的春小麦长势监测、遥感估产及作物模型中参数的动态修订等提供参考。     

基于多时相Landsat数据融合的洞庭湖区水稻面积提取

洞庭湖区作为中国重要的商品粮基地,水稻种植面积的变化对国家粮食安全有重要的影响,准确获取水稻面积及其变化显得十分重要。为解决数据缺失问题,该文利用STARFM(spatial and temporal adaptive reflectance fusion model)模型融合高时间分辨率的MODIS数据与中等空间分辨率的Landsat数据,得到时序Landsat NDVI数据,并利用时序Landsat NDVI数据对水稻种植面积进行提取。结果显示,该方法能够有效地提取水稻种植面积,总体分类精度94.52%,Kappa系数为0.9128。水稻分布几乎覆盖整个研究区,水稻种植总面积达7.88×105hm2。双季稻种植面积为7.75×105hm2,主要集中于湖区北部及西北部,且分布较连续。一季稻种植面积为1.3×104hm2,分布相对零散,有小范围集中于湖区中部及西北部。     

基于RAGA的PPC模型评价水分胁迫对寒区水稻生长和产量的影响

针对水分胁迫对水稻生育和产量的综合影响很难直观判断的问题,该文提出了评价水稻综合指标的投影寻踪方法,该方法可以依据样本自身的数据特性寻求最佳投影方向,利用最佳投影方向判断各评价指标对综合评价目标的贡献大小。采用实码加速遗传算法进行PPC建模,简化了投影寻踪技术的实现过程,克服了投影寻踪技术计算复杂、编程实现困难的缺点。评价结果表明,拔节期受旱对生育综合指标影响较大,分蘖期受旱由于时间较长,生育综合指标也较差。水稻生育期连旱对生理指标以及产量影响最为严重。应用RAGA算法的PPC模型评价水稻水分胁迫情况下生育综合指标排序结论比较可靠,这对制定水稻调亏灌溉制度具有应用价值。     

耕作模式对冷浸田水稻产量和土壤特性的影响

为探明不同耕作模式对冷浸田的影响机制,挖掘冷浸田的生产潜力,以冷浸田为研究对象,通过田间试验,以常规平作模式为对照,研究了垄作和稻鱼共作模式对冷浸田水稻产量以及土壤团聚体、温度、pH及有机质和还原性物质含量以及酶活性的影响。结果表明:相比对照(CK),垄作模式(T1)能显著降低土壤微团聚体(0.25 mm)含量,促进大团聚体的形成,提高土壤温度,增加土壤有机质含量,提高土壤pH,抑制水稻分蘖期后土壤亚铁含量的上升,降低土壤亚锰含量,减轻其对水稻根系的毒害作用,提高土壤酶活性,增加土壤速效养分含量。稻鱼共作模式(T2)对冷浸田土壤理化性状影响不显著,但能显著增加土壤速效养分含量,土壤速效钾含量在水稻孕穗期和成熟期分别较对照(CK)增加18.2%和69.2%,从而为水稻生长提供良好的土壤环境和营养,促进水稻生长发育,提高水稻产量。研究表明T1和T2模式能显著提高冷浸田水稻产量,增产范围为8.8%~25.8%,T1模式增产效果最显著,实际产量达到7 623 kg·hm-2。综上所述,垄作模式可以有效地改善冷浸田土壤特性,提高水稻产量,而稻鱼共作模式增产效果主要体现在增加冷浸田水体和土壤的速效养分。     

SCE标定结合EnKF同化遥感和WOFOST模型模拟冬小麦时序LAI

WOFOST(world food studies)模型可用于模拟冬小麦全生育期内的时序叶面积指数(leaf area index, LAI),各器官生物量以及最终产量,对冬小麦的长势监测与产量预估有着重要意义。但将WOFOST模型用于中国具体区域的冬小麦生长模拟时,存在着参数定标困难、模拟结果不够准确等严重问题。目前对该模型的定标大多依靠研究者的经验进行,虽已总结出了一套从标定到模拟应用的研究方法,但在区域模拟时仍然存在很多问题。为此,该文以较易获取的LAI为参考指标,结合潜在生长水平模式下的WOFOST模型在衡水地区的应用,提出了一种"区域优化标定,像元同化修正"的研究方法:首先在区域尺度上对WOFOST模型进行优化标定,利用扩展傅里叶幅度灵敏度检验法(extend fourier amplitude sensitivity test, EFAST)分析模型各个参数的敏感性,在此基础上选择了可以迅速找到全局最优解的SCE(shuffled complex evolution)算法对总敏感度最高的5个参数进行优化,并将优化前后的时序LAI曲线进行对比;其次运用第一步确定的模型最优参数,在对区域内每个像元进行模拟时,结合Sentinel-2卫星数据反演所得的各个像元LAI,利用集合卡尔曼滤波(ensemble kalman filter, EnKF)在像元尺度上对LAI进行同化修正,并结合采样点的2次实测LAI数据对同化所得结果进行验证。试验发现,优化标定后的WOFOST模型模拟所得LAI曲线更接近所给的LAI真值,在此基础上结合数据同化模拟得出的衡水地区每个像元LAI的R2达到0.87,RMSE仅为0.62。因此,与原来只能通过经验进行定标的方法相比,该方法有效地解决了WOFOST模型在具体应用中亟待解决的复杂标定问题,并且结合同化修正有效地提高了模型在各个像元的模拟精度,R2由0.70～0.83提升至了0.87,RMSE由0.89～1.36降低至了0.62。同时该文也提供了从模型标定到具体模拟整个过程中各个环节的思路与方法,有利于促进WOFOST模型在区域尺度上的应用。     

MODIS水稻面积提取中独立成分端元丰度校正方法

为了解决独立成分分析中端元丰度校正结果同实际丰度相差较大的问题,该文提出了一种基于回归分析的独立成分端元丰度校正方法。具体是:首先应用ICA对遥感时序数据进行分解,获取目标地物的ICA分解结果;再抽选一定量的样本,将样本目标地物的真实丰度与ICA分解结果进行回归;最后根据回归关系推算每个像元的目标地物丰度。基于MODIS时序数据,将该文方法和线性拉伸方法应用于江苏兴化地区的水稻面积提取,并将2种方法的提取结果同水稻准真值图像进行对比。分析结果表明,该文方法得到的水稻丰度图像的均方根误差、偏差在不同的空间尺度下均小于线性拉伸方法,而不同空间尺度下的决定系数(R2)均高于线性拉伸方法。与线性拉伸方法相比,该文方法能获得更接近实际情况的端元丰度校正结果,增强了ICA在农作物面积提取中的应用能力,为大尺度农作物识别和面积提取提供了依据。     

基于MODIS遥感数据计算无定河流域日蒸散

为研究无定河流域日蒸散分布规律,应用遥感数据、农业气象站测量数据及Nishida模型等对该流域日蒸散进行了模拟。首先用2001～2002年晴天中国科学院禹城生态试验站Lysimeter测量日蒸散验证模型,模拟与测量的日蒸散相关系数达到0.61。随后,用该模型计算了无定河流域日蒸散,发现无定河流域日蒸散存在较为明显的空间分布规律：2001～2003年连续3年的8月份日蒸散都表现为东北部蒸散明显小于西南部,这是因为东北部基本是荒漠而东南部多是农田,且8月份日蒸散基本在2～5 mm之间变化;从2001年8月份第222 d日蒸散空间分布看,无定河主干道两边蒸散显著高于其他位置,这是由于8月份无定河流域为多雨季节,河谷土壤水分较高的缘故;从2002年内变化来看,不同的土地利用/覆被类型日平均蒸散差别不显著。