不同时间尺度条件植被温度指数干旱监测方法的适用性分析

以陕西省关中平原为研究区域,选取2003—2013年3—5月的Aqua-MODIS遥感数据、降水量和土壤含水量数据,探究10 d、16 d、32 d和48 d时间尺度条件植被温度指数(VTCI)干旱监测方法的适用性。结果表明:随着时间尺度增大,VTCI与降水量和土壤含水量的相关性均逐渐减小,说明VTCI干旱监测方法的适用性随时间尺度的增大而减小,且48 d时间尺度VTCI不适用于监测某一地区的受旱程度。不同时间尺度VTCI干旱监测结果的对比分析表明,旬尺度VTCI干旱监测的准确性最高。     

基于动态模拟的冬小麦水分胁迫敏感性研究

以关中平原为研究区域,在对农业技术转移决策支持系统(DSSAT)中的CERES-Wheat模型进行标定基础上,模拟冬小麦整个生育期以日为步长的实际蒸散量和潜在蒸散量,采用Jensen模型研究冬小麦不同生育时期对水分胁迫的敏感性。结果表明,无论旱作样点还是灌溉样点,冬小麦在同一生育时期对水分胁迫的敏感性相同,且拔节期的敏感性最强,抽穗~灌浆期次之,返青期和乳熟期依次递减。灌溉样点在拔节期和抽穗~灌浆期的水分胁迫敏感系数分别为0.589与0.342,对水分胁迫的敏感性相差较大,而旱作样点在两生育时期的水分胁迫敏感系数分别为0.405与0.383,对水分胁迫的敏感性相差较小,由于灌溉样点在拔节期发生水分胁迫现象可以通过及时灌溉以缓解缺水情况,因而会减弱其后抽穗~灌浆期的水分胁迫敏感性。根据水分胁迫敏感性,对不同生育时期缺水采取不同措施,较好地实现抗旱防旱资源的合理利用。     

效率系数和一致性指数及其在干旱预测精度评价中的应用

基于关中平原2003—2014年Aqua-MODIS数据的条件植被温度指数的干旱监测结果,引入效率系数和一致性指数对自回归求和移动平均(ARIMA)模型和季节性ARIMA模型的预测精度进行了评价,并分析了其在干旱预测精度评价中的适用性。两种干旱预测模型的精度评价结果为ARIMA模型与季节性ARIMA模型的效率系数分别为-0.04与-4.27,一致性指数分别为0.40与0.37,表明ARIMA模型对干旱的预测精度高于季节性ARIMA模型,这与均方根误差、皮尔森相关系数及Kappa系数等的评价结果一致,且效率系数对不同干旱预测模型的预测性能的区分效果尤为显著,对干旱预测模型的精度评价比一致性指数更为合理。因此,效率系数更适合用于遥感干旱预测模型的精度评价。     

基于机器视觉的大田环境小麦麦穗计数方法

基于机器视觉技术研究了一种低成本、针对局部小范围的小麦麦穗计数方法。通过部署的田间摄像头采集大田环境下小麦麦穗低分辨率群体图像,实现了复杂大田环境下小麦麦穗图像的降噪增强处理;提取麦穗的颜色、纹理特征,采用SVM学习的方法,精确提取小麦麦穗轮廓,同时构建麦穗特征数据库,对麦穗的二值图像细化得到麦穗骨架;最后通过计算麦穗骨架的数量以及麦穗骨架有效交点的数量,即可得到图像中麦穗的数量。经过2014年5月和2015年5月在方城县赵河镇示范区的试验测试,以小麦麦穗图像640像素×480像素（约250穗）为例,小麦麦穗计数平均耗时1.7 s,准确率达到93.1%,满足大田环境下小麦麦穗计数要求,可以为小麦估产提供可靠的参考数据。     

基于LightGBM的冬小麦产量估测与可解释性研究

机器学习模型在作物长势监测和产量估测过程中,复杂模型的内部机制难以理解,为了在准确估测作物产量的同时给出合理解释,本文选取条件植被温度指数(VTCI)以及冬小麦产量数据,基于轻量级梯度提升机(LightGBM)开展关中平原冬小麦的产量估测研究,并将局部可解释性模型无关方法(LIME)、部分依赖图(PDP)和个体条件期望图(ICE)等全局和局部可解释性方法用于对模型估测结果的进一步解释。结果表明,与其他机器学习方法相比,经过网格搜索优化的LightGBM能够准确地估测冬小麦产量,估测单产与实测单产的决定系数R²达到0.32,均方根误差(RMSE)为809.10 kg/hm²,平均相对误差(MRE)为16.55%,达到极显著水平(P<0.01),表明该模型有较高的预测精度和泛化能力。进一步可解释性实验表明,网格搜索优化的LightGBM能够准确提取数据蕴含的信息,从全局角度来看,冬小麦4个生育期中拔节期VTCI对产量形成最为重要,抽穗-灌浆期和乳熟期次之,返青期则影响最小,这与先验知识相符合;从局部角度来看,局部可解释性方法基于冬小麦产量西...     

基于SHAW模型的冬小麦叶温模拟

叶温是反映冬小麦健康状况的关键指标,但获取麦田叶温动态变化过程及廓线分布存在着较大困难。本文以河南省商丘市为研究区,引入表达土壤-植被-大气能量传输的SHAW模型,对其进行本地化标定,在垂直方向上0~60cm高度以10cm为间隔进行分层,模拟冬小麦拔节期至抽穗期间的叶温时序曲线及廓线,并结合田间同期不同高度的叶温实测数据,对模拟结果进行分析。结果表明：SHAW模型可有效地用于麦田叶温时序曲线和廓线模拟,决定系数达0.8476,夜间模拟效果显著优于白天,决定系数分别为0.8622和0.7602。对叶温日平均值、最低值和最高值的分析表明,均方根误差范围为1.36~4.09℃,且最低温模拟效果最好,平均值次之,最高温误差最大。叶温廓线模拟分析表明,各高度决定系数均达到0.82以上,且随高度的增加而增大,均方根误差范围为2.41~3.35℃,平均误差均小于0℃;叶温总体上呈现出夜间随高度增加而降低的趋势,而白天随高度增加而升高的趋势。     

国外彩色棉在中国适宜区域引种的研究 —“生物适生地分析系统*’应用研究之一

应用“生物适生地分析系统”对国外彩色棉品种在我国适宜区域计算与分析结果表明 ,土库曼阿什哈巴德和墨西哥瓜那华托彩色棉品种在我国引种的适宜区域完全不同 ,阿什哈巴德彩色棉主要适宜我国西北地区种植 ,而瓜那华托彩色棉主要适宜我国西南地区种植 ,且因西南地区地形复杂 ,瓜那华托彩色棉适宜区域等级差异非常显著 ,必须充分考虑其光照的影响     

频率直方图与植被指数结合的冬小麦遥感产量估测

基于机器学习方法建立的作物产量估测模型常因过拟合等问题导致泛化性能偏低,产量估测精度不高。该研究以河南省为研究区,分别对不同波段地表反射率数据采用均值法和频率直方图法构造样本特征集作为输入变量,结合随机森林（Random Forest,RF）算法建立冬小麦遥感估产模型。研究结果表明,频率直方图法预测效果优于均值法,平均绝对误差和均方根误差分别为660和860 kg/hm2,决定系数最高达到0.83,达极显著水平（P<0.01）;7个地表反射率波段中,近红外1波段表现最好;单个合成指数中,归一化水分指数的表现要优于归一化植被指数;波段组合中,归一化植被指数和归一化水分指数的组合验证效果最优,平均绝对误差和均方根误差分别为444和527 kg/hm2,决定系数为0.89,达极显著水平（P<0.01）,其组合预测效果在4月15日至22日时段内表现最佳,该时段对冬小麦产量的影响最大。该研究通过采用基于频率直方图法构建样本特征结合随机森林算法建立冬小麦遥感估产模型,可为县域冬小麦遥感估产提供一种有效的解决方案。     

基于遥感DSI指数的干旱与冬小麦产量相关性分析

利用2000—2012年MODIS ET/PET和NDVI数据集构建干旱指数(DSI),监测山东省和河南省冬小麦主产区的农业干旱,并在地级市尺度上进一步评估冬小麦关键生育期干旱对冬小麦产量的影响。结果表明:2010年9月—2011年2月山东省特大干旱过程显示的DSI不仅能监测气象干旱,还能较好地反映农业干旱在空间上的差异性以及时间上的演变。不同冬小麦生育期干旱对冬小麦产量影响不同,灌浆期干旱对冬小麦产量的影响最大,干旱致使土壤水分亏缺,影响了作物正常的灌浆强度,进而导致作物减产;其次是拔节期;返青期干旱对产量基本没有影响。     

基于遥感多参数和门控循环单元网络的冬小麦单产估测

为进一步准确、实时监测冬小麦长势并估测其产量,以陕西省关中平原为研究区域,选取冬小麦旬或生育时期尺度的条件植被温度指数（VTCI）、叶面积指数（LAI）和光合有效辐射吸收比率（FPAR）作为遥感特征参数,分别构建不同时间尺度的单参数、双参数和多参数的门控循环单元（GRU）神经网络模型,并模拟得到冬小麦长势综合监测指数I,结果表明,旬尺度的模型精度总体高于生育时期尺度的模型精度。基于5折交叉验证法进一步验证旬尺度多参数GRU模型的鲁棒性,并构建I与统计单产之间的线性回归模型以估测冬小麦单产,结果显示,冬小麦估测单产与统计单产的决定系数（R2）为0.62,均方根误差（RMSE）为509.08kg/hm2,平均相对误差（MRE）为9.01%,相关性达到极显著水平（P<0.01）,表明旬尺度的多参数估产模型能够较准确地估测关中平原冬小麦产量,且产量分布呈现西高东低的空间特性和整体保持稳定且平稳增长的年际变化特征。此外,基于GRU模型捕获冬小麦生长的累积效应,分析在连续旬中逐步输入参数对产量估测的影响,结果显示,模型具有识别冬小麦关键生长阶段的能力,3月下旬至4月下旬是冬小麦生长的关键时期。