基于日光诱导叶绿素荧光的陆地生态系统GPP估算研究

为了更加精确全面地掌握全球陆地生态系统固碳情况,基于GUANTER提出的简单线性模型,利用FLUXNET2015通量数据、GOME-2叶绿素荧光数据、MODIS植被指数产品以及土地覆盖数据,将温度胁迫因子和饱和水汽压胁迫因子加入模型中,估算结果与传统简单线性模型的估算结果相比,13个通量站点中有10个通量站点的估算精度得到了提升。此外,本研究还在考虑环境影响因素模型的基础上,利用植被指数来模拟叶绿素荧光的冠层逃逸率fesc,进一步提升模型的估算精度。结果显示,与传统简单线性模型和只加入环境影响因子的模型估算结果相比,13个通量站点的估算精度都有所提升。     

SPEI和植被遥感信息监测西南地区干旱差异分析

基于西南地区2000—2018年不同时间尺度的标准化降水蒸散指数（SPEI-1、SPEI-3、SPEI-12）,应用线性趋势法和曼肯德尔检验（Mann-Kendall test, M-K）法分析了西南地区气象干旱的时间变化特征,评价了日光诱导叶绿素荧光（SIF）、归一化植被指数（NDVI）以及增强型植被指数（EVI）等植被遥感数据对区域植被状况监测的有效性及差异性。结果表明：2000—2018年西南地区SPEI整体上呈微弱增加趋势,其中,2000—2013年间,SPEI-12呈下降趋势（趋势率为-0.05/(10a),R2=0.295）,2014—2018年间,SPEI-12时间序列呈上升趋势（趋势率为0.04/(10a),R2=0.094）,说明在气候变化背景下,近年来西南地区的干旱化趋势有所缓解。SPEI-12的趋势突变点发生在2016年和2017年。相对于植被绿度指数NDVI和EVI,SIF对植被生长季发生的长期和短期干旱事件均表现出较大负异常,说明SIF可快速获取水分胁迫下的植被光合作用信息。森林、农田和草地的SIF与不同时间尺度气象干旱指数的相关性均高于NDVI和EVI,SIF对森林、农田及草地植被生态系统干旱监测的敏感性优于传统的植被绿度指数;草地的SIF与SPEI-1的相关性更高（R=0.859, P<0.01）,其光合作用对短期水分胁迫最为敏感。本研究可为西南地区干旱的综合应对、水资源管理调控及生态治理提供科学依据。     

基于改进PT-hybrid算法的地表潜热通量变化分析

潜热通量(LE)影响陆地生态系统的水量平衡和能量收支。【目的】提高不同植被类型对应的地表潜热通量的反演精度对于探究生态水文过程具有重要的现实意义。【方法】本研究采用动态植被模型--LPJ-GUESS模型,引入表征植被占比的参数fv对PT-hybrid潜热通量算法加以改进,从而提高陆面蒸散发的反演能力。【结果】根据全球49个通量站点的地面观测LE验证改进后的算法,改进算法所得LE值与实测值的决定系数R²从0.63增加到0.74,均方根误差RMSE从17.1 W/m²降低到11.7 W/m²。进一步分析1982-2014年全球陆地LE变化特征,发现低纬度地区的LE均高于高纬度地区,并且LE在同一纬度上也呈现出不同的分布趋势。【结论】改进后的模型对地表潜热通量模拟精度显著提高,有助于精细刻画地表LE的时空分布特征。     

时间尺度对参考作物腾发量估算结果的影响

为了研究时间尺度的选择对参考作物腾发量(ET0)估算结果的影响,选取日、候、旬、月、年几个基本时间尺度,对不同时间尺度下的ET0估算结果进行了详细的对比分析,并分析了不同尺度估算结果在年内的变化以及在不同气候类型区的差异。结果显示,候、旬、月3种时间尺度下的估算值与日尺度下的估算值具有很好的相关性,虽然也表现出随时间尺度增加相关性减小的趋势,但差异不大;而年尺度的估算值则与其他4个尺度的估算值差异较大,不宜使用。候、旬、月几种时间尺度估算结果与日尺度估算结果的相对偏差在年内的分布,表现出高温时段较小、低温时段较大的趋势,并且月尺度下的偏差要明显高于旬和候尺度,表明旬和候是较为适宜选用的时间尺度。8个代表性站点结果的对比分析表明,时间尺度对ET0估算结果的影响与气候类型的关联性很弱,实际工作中时间尺度的选择可以不考虑气候类型的差异。     

基于Landsat影像的NDVI对植被与影响因子交互耦合的响应

植被是陆地最重要的生态系统,在全球气候变化中发挥了重要的调节作用,研究植被时空动态变化具有重要的科学意义和现实价值。基于2007年、2012年和2016年Landsat卫星遥感影像提取的归一化植被指数(NDVI)以及三明市区二类调查矢量数据,研究了闽江上游区域近10年的植被NDVI指数的时空变化特征及其影响因子。结果表明:研究区2007年、2012年和2016年的NDVI指数值逐渐提高,分别为0.72、0.75和0.79,植被覆盖度高,总体生态质量较好;NDVI低值区位于沙溪两侧带状的市辖区所在地、各乡镇居民集中点以及道路网络周边;不同植被类型的NDVI指数由大到小依次为:阔叶树林、灌木林、马尾松林、竹林、杉木林、杂木林、桉树林、其他林地、经济林、檫树林、非林地;NDVI指数值随着林龄、郁闭度和坡度的增加逐渐增加,随着立地等级的提高而下降。进一步对NDVI指数对植被与影响因子交互耦合的响应进行分析,得到结果:依据不同植被类型的NDVI指数随着林龄变化规律的不同,将植被划分为:稳步上升型,如阔叶树林和马尾松林;前期上升快而后期慢型,如桉树林;先升后降型,如杉木林和其他林地。马尾松林的NDVI指数呈现随着坡度的增加而增加的趋势;而其他森林植被类型的NDVI指数呈现随着坡度的增加先升后降,在坡度为30°~40°处达到最高值;不同植被类型的NDVI指数对郁闭度的响应机制不同。     

克里雅河流域植被覆盖垂直地带性分布与变化特征

植被作为自然生态系统的重要要素和环境组分,能够反应自然地域综合体在全球气候变化与人类活动影响下的时空特征变化,因此在探讨地表过程及全球变化研究中有着举足轻重的地位。以MODIS-NDVI时间序列数据和SRTM数据为基础,利用像元二分模型对干旱区内陆河[CD2]克里雅河流域2002-2013年的植被覆盖度进行了估算,分析了该流域植被覆盖度时空变化特征及其与地形、气象因子的相互关系。结果表明:克里雅河流域植被覆盖存在着明显的垂直地带性空间差异,其海拔3000~3500m范围的丘陵带平均植被覆盖度最大;过去12a来该流域植被覆盖度整体上呈减少趋势,其中上游高山带、中游冲积扇平原带和下游沙漠带植被覆盖逐渐退化,而低山丘陵带植被覆盖变化有上升趋势并逐渐改善;总体上,流域植被覆盖与气温变化呈负相关关系,而与降水变化表现出正相关。     

植被指数反演冬小麦植被覆盖度的适用性研究

利用冬小麦2个生长季高光谱反射率和覆盖度实测资料,基于回归分析方法建立4种植被指数反演植被覆盖度模型,并对预测模型年际间的稳定性进行了验证。采用噪声等效覆盖度误差对各植被指数反演植被覆盖度模型进行了敏感性分析,结合对模型的残差分析得到了不同种植密度和氮肥施用量条件下各植被指数的适用性。结果表明:归一化植被指数NDVI和改进的土壤调节指数TSAVI与冬小麦覆盖度采用抛物线拟合结果较好;修正的土壤调节植被指数MSAVI和增强型植被指数EVI与覆盖度符合线性关系。验证模型的决定系数略低于建模方程,反演模型在年际间表现出较好的稳定性,能够满足覆盖度预测需要。NDVI和TSAVI较MSAVI和EVI可更好地解释本地区冬小麦植被覆盖度的变化规律。在低到中覆盖度(0~60%)条件下,如果当地土壤信息可获得,利用植被指数TSAVI估算植被覆盖度变化规律表现出较好的敏感性和较高的估算精度。如果缺失土壤线资料,NDVI能保证覆盖度的估算精度。在高覆盖度(60%~100%)条件下,可选用敏感性和精度均良好的植被指数MSAVI进行估算。在水分供应充分的条件下,4种植被指数对作物种植密度和氮肥施用量均不敏感,可采用统一模型进行不同种植密度和不同施氮量处理的冬小麦覆盖度估算研究,为利用植被指数快捷、准确地估算本地区区域植被覆盖度提供了理论和技术支持。     

散射辐射对鄱阳湖平原典型稻田总初级生产力的影响

探明散射辐射变化对稻田生态系统总初级生产力（Gross primary productivity, GPP）的影响可为稻田碳汇能力评估和产量估算提供参考。本研究以鄱阳湖平原双季稻田为研究对象,利用涡度相关（Eddy covariance, EC）系统对稻田CO2通量进行了连续两年（2017—2018年）的定位观测,选取水稻生育中期数据,按照散射辐射比例（Diffuse fraction, DF）进行分段,分析了散射辐射对稻田GPP的影响,探明并量化了不同DF条件下散射辐射与其他气象因素对稻田GPP的影响机制。结果表明：不同类型辐射对GPP的影响存在差异,GPP随着直接光合有效辐射（Direct photosynthetically active radiation, PAR-dir）的增加先迅速增长,随后达到饱和;在不同DF条件下,早晚稻GPP随着散射光合有效辐射（Diffuse photosynthetically active radiation, PAR-dif）的变化趋势存在差异,当DF为0.1～0.4时,早稻GPP随PAR-dif无明显变化趋势,晚稻GPP随PAR-dif呈上升趋势（决定系数R2为0.23）,当DF为0.4～0.7时,早晚稻GPP随PAR-dif呈下降趋势（R2为0.38、0.02）,当DF为0.7～1.0时,早晚稻GPP随PAR-dif呈明显上升趋势（R2为0.32、0.89）,可见PAR-dif是影响水稻GPP的重要因素。早晚稻GPP与DF呈二次曲线关系（R2为0.45、0.67）,早晚稻光能利用效率（Light use efficiency, LUE）则与DF呈显著的线性正相关关系（R2为0.68、0.82）,早晚稻最优DF为0.48和0.40。DF变化同时引起气温（Air temperature, Ta）和饱和水汽压差（Water vapor pressure deficit, VPD）的变化,进而对水稻GPP产生协同影响。气象因素与水稻GPP的通径分析结果表明：不同DF条件下,气象因素对水稻GPP的影响存在明显差异。总体而言,Ta和VPD升高分别对水稻GPP起促进和抑制作用,当DF为0.1～0.4、0.4～0.7和0.7～1.0时,影响早稻GPP的主要气象因素为Ta、PAR-dir和PAR-dif,影响晚稻GPP的主要气象因素则为PAR-dif、PAR-dir和PAR-dif。     

基于时序过程的沿黄粮食主产区土地利用分异研究

探查粮食主产区土地利用变化规律，能够发现土地利用行为异常、实现粮食生产优化配置，但相关研究在时空过程解析上重格局轻过程、重模拟轻度量，定量分析仍显不足。本文基于多期土地利用序列数据等，从时序过程视角构建累积动态度模型，并采用时空栅格建模、空间点模式分析等方法，定量揭示1980年以来河南省沿黄粮食主产区土地利用变化过程特征，深化土地利用变化内在规律挖掘和多维表达研究。结果表明：1980—2020年，河南省沿黄的原阳县、封丘县等6县以耕地利用为主且面积占比均超过79%,城镇建设用地剧烈扩张而农村居民点面积增长平缓，城乡二元化发展显著，水域、林地受国家政策调控影响较大，面积波动变化。变化时序过程受距离线性要素(黄河和主干道路)远近的影响较大，但影响类型和范围存在差异。距离较近范围的累积变化类型Ⅰ、Ⅱ、Ⅲ均处于聚集状态，且随着缓冲区扩大，类型Ⅰ的聚集程度先增后减，类型Ⅱ、Ⅲ则持续减弱。变化时序过程的空间尺度性效应显著。累积变化强烈的地区受空间尺度影响较小，空间尺度1 km下各类型均处于离散状态，但随着空间尺度增加，聚集性逐渐提高，并至9 km处达到极值。土地利用累积动态度能较好揭示长时间序列土...     

基于SRTM的地形因子提取方法研究

地形是影响土壤侵蚀的重要因子,在侵蚀估算模型中常用坡度和坡长(LS)来衡量,在大区域上常基于数字高程模型(DEM)提取.SRTM作为大区域尺度上质量高、易获取的高程数据,在全球土壤侵蚀评价中得到广泛应用.但现有地形因子提取算法要求高程和栅格单元的单位(通常为m)一致,需对SRTM进行坐标变换才能使用.针对大区域上SRT...     

基于无人机多光谱遥感的夏玉米冠层叶绿素含量估计

为探讨利用无人机多光谱遥感影像监测夏玉米冠层叶绿素含量的可行性,基于2019年不同施氮水平下(0,105,210,315 kg·N/hm²)夏玉米多光谱遥感影像和田间实测冠层叶绿素含量数据,分析了不同施氮水平下夏玉米冠层叶绿素含量的变化规律,同时选取10种常用光谱植被指数与实测冠层叶绿素含量进行相关性分析,采用与实测叶绿素含量极显著相关的9种植被指数,构建了基于遥感光谱指数的夏玉米冠层叶绿素含量遥感监测模型,并通过精度检验确定最优估测模型.结果表明,施用氮肥能够提高夏玉米冠层叶绿素含量,过量氮肥不能持续提高叶绿素含量,同一施氮水平下不同追肥处理之间叶绿素含量没有明显差异.绿色归一化植被指数与叶绿素含量的相关性系数最高,达到了0.892.采用逐步回归分析方法建立的模型表现最优,决定系数为0.87,均方根误差及相对误差分别为0.15和2.68%.因此,无人机多光谱遥感结合逐步回归模型可以实现田间尺度的夏玉米冠层叶绿素含量的实时监测.     

融合多源时空数据的冬小麦产量预测模型研究

为提高大尺度冬小麦产量预测精度,以2005—2019年河南省遥感数据、气象数据、土壤含水率等多源时空数据为特征变量,分析其与小麦单产的相关性,并基于随机森林算法对特征变量进行了重要性分析,构建了融合多源时空数据的冬小麦产量预测模型。结果表明:增强型植被指数（Enhanced vegetation index, EVI）、日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence, SIF）与高程为小麦产量预测的重要因子,与小麦产量呈高度正相关,对小麦产量预测的重要性指标均超过0.45,远大于土壤含水率、降水量、最高温度、最低温度等因子;基于随机森林算法构建的小麦不同生长阶段产量预测模型中,以10月—次年5月和10月—次年4月为特征变量的产量预测模型精度较高,R²分别为0.85和0.84,RMSE分别为821.55、832.01 kg/hm²,在空间尺度上,豫西和豫南丘陵山地模型预测相对误差高于平原地区。该研究结果可为大尺度作物产量预测提供参考。     

无人机多光谱数据可靠性分析与冬小麦产量估算研究

无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高,为指导田块尺度下冬小麦产量的精准预测,需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据(Field-Spec 3型野外光谱仪获取)验证低空无人机多光谱遥感数据(大疆精灵4型多光谱相机获取),将通过无人机多光谱影像计算的植被指数与经验统计方法结合,采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算,其中多植被指数包括归一化差异植被指数(NDVI)、优化的土壤调节植被指数(OSAVI)、绿色归一化差值植被指数(GNDVI)、叶片叶绿素指数(LCI)和归一化差异红色边缘指数(NDRE)。结果表明,基于单一植被指数的冬小麦估产模型,一元二次回归模型精度最高,而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数(R²)、均方根误差(RMSE)分别为0.69、428.91 kg/hm²,验证...     

融合GA与SVR算法的小麦条锈病特征优选与模型构建

为提高小麦条锈病遥感监测精度,综合利用反射率光谱在作物生化参数探测方面的优势和叶绿素荧光在光合生理诊断方面的优势,构建了冠层日光诱导叶绿素荧光(Solar induced chlorophyll fluorescence,SIF)协同反射率光谱吸收参量的初始特征集合,并基于融合遗传算法(Genetic algorithm,GA)和支持向量回归(Support vector regression,SVR)算法对初始特征集合与SVR参数进行联合优选,确定遥感监测小麦条锈病严重度的敏感因子,建立基于GA-SVR算法的小麦条锈病遥感监测模型,并将其与相关系数(Correlation coefficient,CC)分析法提取特征参量构建的CC-SVR模型精度进行对比。小区试验数据验证结果表明,融合GA和SVR算法优选特征参量构建的GA-SVR模型精度优于CC-SVR模型,3个样本组中GA-SVR模型预测病情指数(Disease index,DI)与实测DI间的决定系数R2比CC-SVR模型至少提高了2.7%,平均提高了17.8%,均方根误差(Root mean square error,RMSE)至少减少了10.1%,平均减少了32.1%。大田调查数据进一步验证了利用GA-SVR算法对小麦条锈病遥感监测的敏感因子进行优选及模型构建能够提高小麦条锈病遥感监测精度,研究结果为实现大面积高精度遥感监测作物健康状况提供了思路。     

基于无人机多光谱遥感的玉米FPAR估算

为了探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例（Fraction of absorbed photosynthetically active radiation,FPAR）的潜力,以无人机多光谱影像提取的植被指数、纹理指数、叶面积指数为模型输入参数,在分析不同参数与FPAR相关性的基础上优选植被指数与纹理指数,并分别以一元线性模型、多元逐步回归模型、岭回归模型、BP神经网络模型等方法估算玉米FPAR。结果表明：植被指数、纹理指数、叶面积指数 3种参数与FPAR都具有较强的相关性,其中植被指数相关系数最大;在不同类型的FPAR估算模型中,BP神经网络模型的估算效果最优,FPAR估算模型决定系数R2、均方根误差（RMSE）分别为0.857、0.173,验证模型R2、RMSE分别为0.868、0.186,模型估算值与田间实测值间相对误差（RE）为8.71%;在不同形式的模型参数组合中,均以植被指数、纹理指数、叶面积指数 3种参数融合的FPAR模型的估算与验证效果最优,说明多特征参数融合能有效改善FPAR估算效果。该研究为基于无人机多光谱遥感数据精准估算玉米FPAR及生产潜力提供了科学依据。     

基于无人机遥感植被指数优选的覆膜冬小麦估产研究

为进一步提高无人机遥感估产的精度,本研究以2021—2022年的覆膜冬小麦为研究对象,对返青期、拔节期、抽穗期和灌浆期的多光谱影像进行覆膜背景剔除,并优选最佳遥感窗口期,基于最优植被指数构建覆膜冬小麦估产模型。结果表明,利用支持向量机监督分类法剔除覆膜背景后冠层反射率更接近真实值,抽穗期和灌浆期的估产精度更高。将不同生育期的植被指数与产量进行相关性分析发现,最佳遥感窗口期为抽穗期。基于逐步回归和全子集回归法优选最优植被指数时发现,基于逐步回归法筛选变量为MCARI、MSR、EVI2、NDRE、VARI、NDGI、NGBDI、ExG时产量反演模型精度最高。此外,利用偏最小二乘法、人工神经网络和随机森林3种机器学习法构建的产量反演模型中,基于逐步回归法的随机森林模型的反演精度最高,R2为0.82,RMSE为0.84t/hm2。该研究可为提高遥感估产精度、实现农业生产精细化管理提供技术支持。     

基于XGBoost-Shapley的玉米不同生育期LAI遥感估算

针对当前快速准确获取叶面积指数（Leaf area index, LAI）时大部分遥感预测方法将光谱信息作为模型主要特征,忽略时序变化特征的问题,利用无人机搭载五通道多光谱相机获取研究区玉米不同生育期的影像数据,基于该数据计算玉米相应生育期植被指数,然后采用植被指数建立各生育期子模型,采用Shapley理论计算子模型均方根误差对全生育期模型均方根误差的贡献度,从而确定各子模型权重,根据权重组合形成具有LAI时序变化特征的估算模型,分别基于支持向量回归（SVR）、多层感知机（MLP）、随机森林（RF）和极限梯度提升树（XGBoost）算法构建组合估算模型。结果表明：采用Shapley理论构建的组合LAI估算模型估算效果优于直接构建的全生育期LAI估算模型。相较于SVR-Shapley、MLP-Shapley以及RF-Shapley模型,XGBoost-Shapley模型的估算效果最佳（R²为0.97,RMSE为0.021,RPD为6.9）。将最优模型XGBoost-Shapley应用于研究区LAI预测,预测结果符合不同生育期玉米长势。本研究为大田玉米长势遥感监测提供...     

基于无人机数码影像的棉叶螨严重度监测

棉叶螨是影响棉花产量和品质的主要虫害之一。为快速、准确、有效地监测棉叶螨发生情况，利用无人机搭载数码相机获取数码影像，并计算多种可见光植被指数作为初选特征因子，然后采用ReliefF-Pearson特征降维方法选取最佳建模特征，分别构建偏最小二乘回归(PLSR)、BP神经网络(BPNN)、随机森林(RF)的棉花冠层叶片叶绿素相对含量(SPAD)值遥感估测模型和棉叶螨严重度遥感估测模型。结果表明，棉叶螨严重度与棉花冠层叶片SPAD值呈显著负相关关系。经过精度评价，确定RF模型具有最佳性能，模型验证的决定系数和均方根误差为0.74、2.13。该研究结果表明利用棉花冠层叶片SPAD值遥感估测模型可准确估测棉叶螨为害情况，为棉叶螨的无损监测和病虫害防治提供参考依据。     

基于CiteSpace的农作物遥感估产知识图谱分析

为了更直观地了解国内外农作物遥感估产研究现状,本文运用CiteSpace软件对CNKI中文数据库与WOS英文数据库中关于农作物估产研究的825篇文献进行可视化分析得到知识图谱。结果表明,作物遥感估产领域的核心关键词主要是(冬)小麦、植被指数和模型,以冬小麦为估产对象研究讨论的文章居多;国内在作物遥感估产领域的作者发文量差异较大,合作呈现“大部分集中,小部分分散”的分布方式;发文机构主要集中在北京、浙江和江苏等地的中科院二级机构、地方研究所和大学;WOS数据库中,美国、中国和印度在该领域刊文数量排名前3;WOS数据库文献的共引分析中,共引次数排名前10的文章,共引次数均达到15以上,这些文章代表了作物遥感估产领域的基础知识和研究前沿的演变。