GPM与TRMM降雨数据在黄河流域适用性分析

GPM(Global Precipitation Measurement)是继TRMM(Tropical Rainfall Measuring Mission)之后的新一代全球卫星降水测量计划。GPM扩展了TRMM传感载荷,提升了降水观测能力。以GPM和TRMM重合期(2014年3月—2015年4月)数据为对象,利用黄河流域内76个气象站点的降雨实测数据,探讨了两种卫星降水数据在黄河流域的适用性,并分析了流域内两种卫星降水数据误差的时空分布。结果表明:年尺度上,GPM与TRMM卫星数据与实测降水量的决定系数分别为0.78,0.86,总体一致性较好,但分别存在2.46%与2.19%的相对高估。季节尺度上,春、秋两季数据精度高,夏季卫星降水数据相对于实测降水量存在较大的绝对误差,冬季则相对误差较大。月尺度上,除7月、8月外卫星降水数据均大于实测降水量,相对误差最大值出现在12月,绝对误差最大值出现在9月。单站点验证结果表明GPM与TRMM卫星降水数据在流域北部的陶乐、惠农、临河等区域数据精度偏低,而在广大的流域中南部区域卫星降水数据与实测降水量有较高的一致性。     

全球尺度的旱灾风险评价指标与模型研究进展

在气候变化背景下，全球旱灾发生频次呈增加趋势，潜在风险增大。旱灾风险评价作为防灾减灾的科学依据和基础，备受国内外风险科学工作者广泛重视。相比起步较早、较成熟的国家和区域尺度旱灾风险研究，全球尺度的旱灾风险研究才处于起步阶段。从全球旱灾研究的数据源和基本单元、评价指标、评估模型和相关案例等方面展开文献调研和综述。结果表明：旱灾风险评价指标研究呈现出多源数据融合和多因素综合的趋势；综合“孕灾环境-致灾因子-承灾体”三要素的定量化风险评估模型的构建是未来全球尺度旱灾风险研究的重要趋向；大小相对均一的政区矢量评价单元的编制，对正确认识我国旱灾风险在世界旱灾风险格局中的位置有重要意义。     

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。     

农作物冠层结构参数自动测量系统设计与试验

农作物冠层的结构参数,如叶面积指数与平均叶倾角,是影响太阳辐射在农田内进行重新分配的重要参数。在农业工程中,以玉米与小麦为例,这些参数的测量以传统的手持仪器为主,需要消耗较大的人力和时间,难以被应用于大区域尺度、长时间序列结构参数获取。该文设计并实现了一种基于无线传感器网络技术的农作物结构参数自动测量系统。系统由冠层上、下部光强测量节点、数据汇聚节点以及数据无线传输的路由节点组成,通过测量不同太阳高度角下冠层透过率来求解冠层的结构参数。数值模拟结果与野外实测结果表明,该文所用的结构参数反演算法稳定,测量系统可以较好的探测一天之中不同太阳高度角下的植被冠层太阳辐射透过率,基于方向透过率计算得到的叶面积指数与LAI2000仪器测量结果有较好的相关性,平均叶倾角和理论分布模式计算结果基本一致。该系统可以应用于对大区域尺度上的农作物长时间序列连续观测,提高农作物结构参数测量的自动化程度。     

国内外资源与环境清查对水土保持普查周期与方法的启示

回顾了国外区域性土壤侵蚀调查的历史,梳理了我国土壤普查、森林资源清查、土地资源调查、污染物普查的周期和方法,在总结我国开展水土保持普查工作的基础上,参考水保专家的问卷调研结果,建议每5年进行一次全国水土保持普查、每年在重点区域进行连续监测,同时在现有调查单元布局的基础上,进一步提高单元密度,建立高分辨率航卫片资料数据库,加强"3S"技术在水保普查中的应用。     

地表砾石对降雨径流及土壤侵蚀的影响

山区土壤表层常有大量砾石覆盖,地表砾石覆盖会对降雨入渗产生影响,从而影响径流和土壤侵蚀。利用人工降雨试验来评价北京山区普通褐土上不同砾石覆盖度对径流和土壤侵蚀的影响。试验降雨强度为30,67,92mm/h,土盘(1m×0.5m)坡度为20°,砾石覆盖度为0,5%,10%,20%,40%和60%。研究结果表明:对试验土壤,径流量随砾石覆盖度增加呈线性减小。水流流速和土壤侵蚀量随砾石覆盖度的增加呈负指数递减。降雨强度对径流量和土壤侵蚀量与砾石覆盖度之间的关系不存在影响。研究结果可为北京山区的土壤侵蚀预报提供数据基础。     

变雨强人工降雨条件下坡长对径流的影响研究

降雨、入渗、径流是水循环的重要环节,坡长是降雨产流的重要影响因素之一。为了进一步揭示坡长对坡面径流的影响,实验选取1～10 m坡长小区,在变雨强过程人工模拟降雨条件下,分析了坡长对径流的影响。结果表明:(1)坡长变化对产流时间没有明显影响,干运行和湿运行产流时间分别约为21 min和1.1 min。(2)时段径流深与坡长的关系,总体来说,在产流初始到降雨历时40 min,土壤含水量较小,时段径流深随坡长增加有明显下降的趋势;在40～90 min时段,平均雨强较大,各坡长时段径流深差别不大;在90～120 min,由于雨强很小,时段径流深随坡长增加又呈现下降的趋势。本实验结果有助于深入理解坡面产流过程。     

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODIS EVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM（支持向量机）分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物：小麦为81.47%、玉米94.87%、水稻82.43%;经济作物：油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1：10万全国土地覆盖的分类数据,将2000年的对应数据和分类结果分别归并为：耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。     

3种坡面流水深测量方法比较

[目的]为坡面流水深的快速、准确测量提供技术支撑。[方法]采用超声波系统测量变坡试验水槽不同坡度和流量条件下坡面流水深,同时用测针法和染色法对其进行平行测量,利用平均绝对误差(MAE),平均相对误差(MRE),相对均方差误差(RRMSE)和Nash—Sultcliffe系数(NSE)4个指标比较超声波法和染色法或测针法测量数据的接近程度。[结果]通过对3种方法测量结果的比较分析发现,不管以测针法还是以染色法的测量值为参照,超声波法测量的水深值与参照值更接近且相关程度更高。[结论]超声波法能快速有效地测量坡面流水深,用于侵蚀静床坡面流水动力学、土壤侵蚀机理等相关的研究工作。     

基于RGB-D相机的脐橙实时识别定位与分级方法

为实现脐橙采摘机器人对脐橙果实进行实时识别、定位和分级采摘的需求,该研究提出了一种基于RGB-D相机数据的脐橙果实实时识别、定位及分级的OrangePointSeg算法。首先利用微软最新消费级深度相机（Azure Kinect DK）采集脐橙果实的RGB-D数据,建立脐橙果实实例分割数据集及增强数据集。然后通过改进YOLACT算法对脐橙果实进行实时分割并生成实例掩膜,与配准后的深度图裁剪得到果实深度点云,再利用最小二乘法进行脐橙果实外形拟合,得到其相机坐标系下质心坐标及半径。试验结果表明,在果实识别阶段,改进YOLACT算法在该数据集上的检测速度为44.63帧/s,平均精度为31.15%。在果实定位阶段,1 400～2 000点云数量时的拟合时间为1.99 ms,定位误差为0.49 cm,拟合出的半径均方根误差为0.43 cm,体积均方根误差为52.6 mL,在大于800点云数量和距离1 m以内时,定位误差均控制在0.46 cm以内。最后通过引入并行化计算,OrangePointSeg的总体处理速度为29.4帧/s,能够较好地实现精度与速度的平衡,利于实际应用和工程部署。该研究成果可推广至其他类似形态学特征的果实识别中,为果园的智能化管理提供行之有效的技术支撑。