水稻生长模型参数的敏感性及其对产量遥感估测的不确定性

采用全局敏感性分析方法探讨水稻生长模型与遥感数据耦合估产的不确定性问题。以实测数据为基准数据,当ORYZA2000模型的17个输入变量模拟导入可能误差时,模型的地上生物量(WAGT)、叶面积指数(LAI)、籽粒质量(WSO)和叶片氮含量(NFLV)等模拟输出结果显示较大的不确定性,LAI最大变幅超过20%,最终籽粒产量最大变幅超过10%。引起模型输出结果不确定性的输入变量中,水稻播种期的影响最大;模型的驱动变量温度和日照时数的误差对成熟期的产量影响较大;水稻干物质地上叶片质量分数(FLVTB)对所有关于叶片和籽粒生物量的输出结果都有较大的影响,因此,当利用生长模型和遥感数据进行耦合时,水稻播种期、模型的驱动变量如温度、日照时数、FLVTB等数据精度对估产结果有很大影响。比较LAI、NFLV单独或LAI+NFLV同时耦合ORYZA2000模拟中,LAI+NFLV的敏感性指数最高,其次是LAI,NFLV最差。模型耦合估测WSO、WAGT时,水稻移栽后70～80d左右的遥感影像数据是最重要的,必须获得,此期前后20～30d的2次数据也比较重要,而幼苗期和成熟期的遥感数据耦合生长模型对产量和生物量的估测意义不大。     

基于MCMC方法的WOFOST模型参数标定与不确定性分析

为探究作物生长模型参数的自动标定技术及其不确定性分析方法,该研究以郑州农业气象试验站为试验点,利用融入了snooker更新(snooker update)的DE-MC(differential evolution Markov chain,差分进化马尔科夫链)方法实现对WOFOST(world food studies)作物生长模型的参数标定和不确定性定量评价。snooker更新增加了DE-MC算法中候选样本的多样性,从而实现利用更少的并行链对多维参数空间进行有效采样,较适合于WOFOST模型参数众多的特性。结果表明:相比于模型默认值,采用MCMC(Markov chain Monte Carlo,马尔科夫链-蒙特卡洛)标定后的参数,叶面积指数(leaf area index,LAI)模拟精度可提高51.40%~53.07%,产量模拟精度提高8.25%~8.88%。标定参数中,SPAN、SLATB070、SLATB040、AMAXTB130和SLATB00的后验分布可近似为高斯分布,其中SPAN的不确定性最低。带入后验参数集合进行模型,LAI在三叶期至返青期之间以及拔节期至抽穗期之间模拟的不确定性较大;产量模拟的不确定性随时间不断增大,至乳熟期前后达到稳定。该方法能够实现对多参数复杂作物生长模型的参数标定和不确定性分析,对作物模型参数估计及提高模拟精度具有重要作用。     

水蚀荒漠化的最大熵模糊优化评价模型

基于最大熵原理,应用模糊集合论中的隶属度等概念,综合考虑土地水蚀荒漠化评价的随机性和模糊性,定义加权广义距离表征待评价土地样本与标准样本的差异,建立了最大熵模糊优化评价模型。通过实例,选择沟谷密度、坡度、土壤厚度、土壤有机质和植被指数等五指标,给出土地样本的水蚀荒漠化最优分级;对比模糊综合评判,所建模型评价结果具有较小的Shannon熵,即分级决策具有较小的不确定性。     

湟水流域SWAT模型构建及参数不确定性分析

敏感性分析和不确定性分析是分布式水文模型参数校准和模型构建的先决条件.以位于青藏高原与黄土高原过渡地带的青海湟水流域为例,基于SWAT模型的拉丁超立方和单次单因子(LH-OAT)采样方法和SWAT-CUP程序的拉丁超立方采样方法进行模型参数敏感性分析,同时以SWAT-CUP的P因子和R因子进行模型不确定性分析,最终结合手动调参和自动率定算法,构建湟水流域分布式水文模型.结果表明:湟水流域日尺度模拟中,率定期模型平均确定系数为0.7,平均效率系数为0.68;验证期平均确定系数为0.65,平均效率系数为0.53,可以满足应用要求;PSO算法在水文模型率定中总体表现良好;基于SWAT模型和SWAT-CUP程序的单次率定用时分别为3.5 min和2.2 min,SWAT-CUP程序明显快于SWAT;分析结果还表明:模型不确定性和模型率定结果精度并不一致,但模型不确定性决定着模型验证期的结果精度,为确保验证期精度,必须降低模型不确定性;模型自动率定中,相同迭代次数下,SWAT模型对于流量较大的子流域率定效果较好.     

根系水质模型中土壤与作物参数优化及其不确定性评价

农业系统模型参数优化存在很高的不确定性,是模型应用研究的重点和难点。该研究利用自动优化程序PEST（parameter estimation software）对根系水质模型（root zone water quality model,RZWQM）中土壤参数（土壤水力学参数和根系生长参数）和作物遗传参数进行了优化,结果表明PEST优化模拟结果明显优于传统试错法的校正结果,且具有较高的参数优化效率。模型参数优化不确定性评价表明校正数据和参数初始值的选择、土壤水力学参数估算方法、不同类型参数间的相互作用以及优化目标方程（误差来源计算）都明显影响模型模拟结果。以上过程中土壤水力学参数优化值差异较小,但其土壤水分特征曲线却明显不同。通过以上评价分析提高了RZWQM相关参数优化结果的可靠性及其模拟功能,降低了模型参数优化的不确定性,为PEST优化其他模型参数提供了重要支持。     

基于贝叶斯推断的DNDC模型参数校正与不确定性评价研究

实现土壤有机碳(SOC)动态模拟结果的不确定性定量评价是农田管理决策成败的关键之一。采用贝叶斯推断和马尔科夫链蒙特卡洛方法(MCMC),对DNDC模型模拟江苏省宜兴市一个具有22年稻-麦轮作历史的田块的SOC动态变化,进行模型参数校正和模拟结果的不确定性定量评价。结果表明,DNDC模型适宜长期监测田块的SOC动态变化的模拟,但模型的模拟结果存在一定的不确定性;在DNDC模型输入参数数据质量不明的情况下,利用贝叶斯推断和MCMC方法能够有效地实现模型输入参数的自动校正和SOC模拟结果不确定性的定量评价,从而为实现区域或国家尺度农田SOC动态模拟的不确定性定量评价提供理论和方法依据。     

基于混合像元分解模型的森林叶面积指数反演

在叶面积指数（LAI）遥感估算中,常用的基于统计的遥感反演方法难以处理"同物异谱,同谱异物"的难题,该文从研究地物组分物理结构着手,采用像元分解的方法建立LAI的遥感反演模型,不仅能很好的解决这个难题,而且反演方法简便可行、具有普适性。该研究先对TM数据做最小噪声分离（MNF）并基于影像本身选择端元,经混合像元分解得到研究区植被覆盖度,再根据植被覆盖度与LAI的关系,用多次散射过程冠层模型求解迭代的方法逐步逼近准确的LAI值。最终选择植被、土壤、水体和水泥建筑4个端元,采用非限制性线性混合像元分解模型来分解影像,4个端元分解影像的平均误差为0.0028,端元质量好,分解效果较好。结果证明：混合像元分解模型和多次散射过程冠层模型相结合来反演森林叶面积指数的方法,能很好的预测森林LAI;研究区样点实测值与预测值的拟合度R2为0.8219,均方根误差RMSE为0.368,两者存在很强的相关性。该研究可为森林资源遥感定量估算提供技术支撑,为森林资源空间配置的优化调整与辅助解决方案的提出提供参考。     

基于遥感生态指数模型的杨凌农业高新技术产业示范区生态环境评价

[目的]定量揭示杨凌农业高新技术产业示范区(简称"杨凌区")生态环境质量的空间分布与变化特征,为该区及类似地区生态环境建设的规划和管理提供科学依据。[方法]本文基于Landsat8卫星影像,利用主成分分析的遥感生态模型进行分析。[结果]2013—2018年,杨凌区生态环境质量总体呈上升趋势,遥感生态指数均值由0.45升至0.50,呈上升趋势的面积为50.77km~2,占全区总面积的38%;杨凌区生态环境状况的空间分布具有向西北优而东南城区差两极扩散的趋势;干度分量对生态指数模型整体影响最大。[结论]杨凌区生态环境质量较差的区域主要集中在城区人为活动密集区和大型工业园区,体现出高度聚集的特点。在杨凌区未来规划和发展中,应控制并有效减小裸地和建设用地面积,重视生态景观和城区绿化。     

基于GLUE的土壤溶质运移参数反演及不确定性

溶质运移模型参数的识别结果常存在较高的不确定性,制约了模型的实际应用。以土壤中Cu2+运移过程为例,采用广义似然不确定性估计(Generalized likelihood uncertainty estimation,GLUE)并引入最大似然值(MaximumNash-Sutcliffe,MNS)等三种定量指标,探讨了数值反演估计弥散系数等参数的不确定性。结果表明,非线性最小二乘法(Nonlinear least squares,NLLS)得到的唯一"最优"参数组合对Cu2+出流曲线拟合效果很好(R20.937),但因"异参同效",无法刻画预测结果的不确定性。GLUE则可明确溶质运移参数及其响应界面的不确定性,MNS对应的参数组合对Cu2+出流曲线拟合R20.937,效果与NLLS的拟合结果高度一致。GLUE计算的95%置信区间覆盖了80%以上的观测点(NLLS为46.3%),其反演参数的取值范围也远大于NLLS的结果。在模型参数及响应界面不确定性分析两方面GLUE方法均优于NLLS方法。     

湖泊生态系统健康评价的熵权综合健康指数法

湖泊生态系统健康评价是湖泊生态系统科学管理和生态恢复的前提和基础。熵权综合健康指数法评价湖泊生态系统健康状况的主要步骤有：建立评价指标体系;计算各指标的归一化值;确定各指标的熵权;计算湖泊生态系统熵权综合健康指数。并以滇池为例验证了该方法的可靠性和实用性。该方法可用于湖泊不同时空健康状况的对比,得出湖泊生态系统的演替趋势,为湖泊生态系统的管理、保护和生态恢复提供依据,从而促进湖泊水资源的可持续利用,最终实现湖泊生态系统的健康发展。     

基于混合3D-2D CNN的多时相遥感农作物分类

准确的农作物分类图是农业监测和粮食安全评估的重要数据来源,针对传统的深度学习模型在多时相农作物遥感分类方面精度较低的问题,该研究将卷积维度单一的卷积神经网络(Convolutional Neural Networks,CNN)进行改进,提出了一种混合三维和二维卷积的神经网络识别模型(Hybrid Three Dimen...     

基于波谱分析技术的遥感作物分类方法

为获取东北三省作物类型分布信息,精确地进行粮食估产,该文以250mMODIS时间序列NDVI数据为主要数据源,以东北三省主要粮食作物水稻、玉米、大豆、小麦为研究对象,利用波谱分析方法对东北三省作物类型的空间分布进行研究。研究结果表明,大豆的遥感反演面积和统计面积的相关性最好(R2=0.770),其次是玉米(R2=0.710),水稻(R2=0.686)。该文使用的作物分类方法适用于试验条件有限,实测数据较难获得并以遥感数据为主要数据源且研究区域较大、作物类型单一、种植面积广的情况。     

基于夜间灯光遥感数据的城市土地集约利用评价模型

该文利用夜间灯光遥感数据和城市建城区统计数据进行城市土地集约利用研究,构建基于城市灯光强度的土地集约利用评价模型,并对城市夜间灯光和土地城市化的异速生长特征进行分析;考虑到城市灯光数据反映出的土地城市化可能存在滞后效应,提出一种顾及滞后效应的城市灯光-土地城市化水平土地集约利用评价模型,选择江苏省不同发展水平的典型城市,分别进行基于滞后项系数的灯光与存量用地和新增用地之间的制约关系分析。试验结果表明:夜间灯光遥感数据能较好反映城市土地利用水平,城市灯光相对于土地城市化存在滞后现象,相比于传统的异速生长模型,该文提出的顾及滞后效应的异速生长模型在城市土地集约利用的研究中拟合优度有较明显的提高,在江苏省5个典型城市的对比试验中平均提高4.0%,并且江苏省"1+3"新功能区格局在异速生长模型特征分析中也有明显的地区特征,验证了模型的适用性。该研究可为中国城市化过程中的土地集约利用评价方法提供参考。     

农作物单产遥感估算模型研究进展

作物单产估算是农作物估产中的关键技术,也是作物估产的难点之一.遥感技术凭借其宏观、及时和动态等特点已在农作物产量估算中占据着极为重要的地位,运用遥感信息建模估算作物产量已成为区域作物估产的必然要求.在总结农作物单产遥感估算模型研究成果的基础上,将作物单产遥感估算方法划分为四种模式加以详细阐述,分析了用于单产建模的遥感数据源的多元化趋势,讨论了如何有效验证模型估算精度的问题,最后对作物单产遥感估算模型今后的发展趋势作了展望.     

基于无人机低空遥感的农作物快速分类方法

无人机以其高时效、高分辨率、低成本、低风险及可重复使用的优势,给遥感技术在各领域的应用提供了新的平台。为了提高无人机遥感中农田信息获取的时效性和精度,该文分析了无人机低空航飞获得的高空间分辨率农作物遥感影像特征,以冬小麦为研究对象,基于农作物波谱特征和NDVI变化阈值,提出了一种农作物快速分类提取方法,并与其他几种常用的遥感分类方法进行比较,探讨了其普适性。结果表明,该方法从无人机高分辨率影像中提取不同种类的农作物分类信息具有较高的正确率和普适性,兼具快速和低成本的特点,在海量农作物无人机航拍数据的信息提取上具有较广的应用。     

基于空间LDA模型的高分辨率遥感影像地物覆盖分类

高空间分辨率遥感影像可以更为精确地分析地物覆盖类型,但空间分辨率的提高也对现有分类方法带来了新的挑战,隐狄利克雷分配(latent dirichlet allocation,LDA)模型能够建立遥感影像底层特征和高层语义之间的联系,但是当前LDA模型在遥感影像分析领域的应用以场景分类和图像检索为主,已有的一些关于土地覆盖分类研究缺少对高分辨率遥感数据的空间关系进行挖掘。该文在标准LDA模型的基础上,利用词包模型构建方法生成的影像文档和单词对象来展开试验,利用多尺度分割挖掘影像中对象的空间关系,设计"主题流行度"和"主题内容"2种形式的影像文档区域属性,以协变量的形式作为LDA模型的先验知识,提出一种空间LDA模型(Space-LDA)。利用无锡宜兴市Quick Bird影像验证该模型在高分辨率遥感影像分类中的有效性,结果表明空间LDA模型分类结果不仅明显优于标准LDA,而且对区域尺度的变化具有一定的鲁棒性,空间区域信息同时从主题流行度和主题内容2个层面提供了推理信息,使模型具有更灵活的结构。     

基于SWAP模型同化遥感数据的黑龙江南部春玉米产量监测

农作物种植类型的地理分布差异,气候条件差异、土壤环境不同等因素的影响,需要开展农作物生长模型参数区域化、本地化的研究工作;通过改善区域气象数据空间化方法以提升插值精度的研究,也需要得到应用的重视。针对以上问题,该文以SWAP(soil-water-atmosphere-plant model,土壤-水-大气-作物模型)模型为基础,以中国黑龙江省南部地区作为研究区域,以其主要农作物春玉米为目标作物,确定研究春玉米的作物生长模型参数,并综合考虑纬度及海拔对气温的影响情况,研究将协同克里金(coKriging)方法引入作物生长模型气象数据插值获取中,从而提高模型输入参数中气象数据精度,并以叶面积指数(leaf area index,LAI)及蒸散发(evapotranspire,ET)数据作为同化遥感数据源,通过优化玉米灌溉量和出苗日期,获取了研究区2013年的玉米产量空间分布成果,与统计资料结果对比,玉米总产量监测结果的R2达到了0.939 4,均方根误差(root mean squared error,RMSE)达到了148 065 t,平均绝对误差(mean absolute error,MAE)为114 335 t。研究区15个县市区的预测单产和统计单产之间的决定系数达到了0.724 5,RMSE为598.5 kg/hm~2,MAE为531.5 kg/hm~2。研究结果表明,利用SWAP模型,以协同克里金方法获取气象数据空间插值成果作为输入数据,通过同化LAI和ET遥感数据,可以有效进行黑龙江南部区域的玉米产量遥感监测,为区域作物生长及生产力的遥感监测预测提供参考。     

典型农业干旱遥感监测指数的比较及分类体系

面对多种多样的农业旱情遥感监测指数,如何进行选取是目前遥感指数应用所面临的主要难题。该文以MODIS产品为遥感数据源,比较分析了13种典型的农业干旱遥感监测指数,建立了农业干旱遥感监测指数的分类体系,阐述了不同指数类型的适用范围。结果表明,多种遥感干旱指数对农业干旱的描述并非完全一致。不同指数利用不同的地表特征变化来描述农业干旱程度,是造成这种不一致的主要原因。据此,研究将典型农业干旱遥感监测指数分为4大类:土壤水分变化类、冠层温度变化类、植被水分变化类和作物形态及绿度变化类。其中第1类指数比较适宜于农业旱情预警及土壤干旱型农业旱情的监测,这类指数中修正的垂直干旱指数MPDI可以较好地反映表层土壤水分的变化,并适宜于时序变化监测。第2类指数不仅适宜于旱情预警,更适宜于旱情监测,这类指数中推荐选择基于LAI-LST特征空间的温度植被干旱指数TVDI;第3、4类指数,较适宜于农业旱灾的预警以及灾后评估,该文为农业干旱遥感监测指数的选取提供参考。     

基于遥感和AquaCrop作物模型的多同化算法比较

为了研究不同数据同化方法在AquaCrop(FAO Crop model to simulate yield response to water)模型模拟作物地上生物量(above ground biomass,AGB)、冠层覆盖度(canopy cover,CC)和产量过程的效率,以冬小麦为研究对象,利用2012-2013、2013-2014和2014-2015年冬小麦田间试验数据,将标定的Aqua Crop生长模型与遥感光谱信息相结合开展同化技术分析,应用粒子群优化(particle swarm optimization,PSO)、模拟退火(simulated annealing,SA)和复合型混合演化(shuffled complex evolution,SCE-UA)3种数据同化算法,以不同生育期、不同水分处理和不同氮肥水平的AGB和CC为双变量开展多同化算法的模拟分析,对3种数据同化算法的运算效率和同化结果进行对比分析。结果表明:1)3种数据同化算法达到的应度值0.26时,SCE-UA同化算法用时最少(833 s),SA数据同化算法用时最多(1433 s),表明SCE-UA同化算法效率最优,SA数据同化算法效率最低;2)不同生育期的同化结果,AGB的同化精度随着生育期的推进而降低,AGB的模拟值在拔节期和挑旗期高于实测值,被高估,在开花期和灌浆期被低估,总的AGB被低估;CC在拔节期和挑旗期被低估,在开花期和灌浆期被高估,总的CC被低估;3)不同水分处理的同化结果,AGB普遍被低估,CC在雨养(W0)条件下被高估,在正常灌溉(W1)和过量灌溉(W2)条件下被低估;产量均被低估;4)不同氮肥水平,AGB的模拟精度随着施N量的增加而降低,并且普遍被低估,CC普遍被高估,产量均被低估。以上结果表明,PSO、SA和SCE-UA 3种数据同化算法均能有效模拟冬小麦的AGB、CC和产量,其中SCE-UA数据同化算法无论在运算效率还是同化结果的精度上均优于PSO和SA数据同化算法。