海州露天煤矿排土场复垦区不同土地利用类型土壤入渗特征

为揭示排土场复垦区不同土地利用类型土壤的水源涵养功能,采用野外实地双环入渗试验和室内理化分析方法,系统地研究了海州露天煤矿排土场复垦区不同土地利用类型(乔木林地、灌木林地、农用地、荒草地)土壤入渗特性及其影响因素。结果表明:不同土地利用类型下的土壤初始入渗率、稳定入渗率和累计入渗量均表现为乔木林地灌木林地农用地荒草地;不同土地利用类型下土壤入渗过程的拟合优度存在差异,G-P综合模型、Kastiakov模型、Horton模型的平均拟合优度依次为0.926,0.908,0.905。G-P综合模型相对误差为79.21%~123.69%,更接近排土场复垦区土壤入渗的实际过程,可作为排土场复垦区土壤入渗过程的预测模型;不同土地利用类型下土壤初始入渗率与非毛管孔隙度呈显著正相关,稳定入渗率和累计入渗量与非毛管孔隙度、砾石含量和部分根系特征呈显著正相关;采用主成分分析评价的土壤入渗能力排序为乔木林地灌木林地农用地荒草地,初始入渗率、稳定入渗率、14min入渗率和累积入渗量的主成分方差累积贡献率为99.047%,较好地表达了土壤入渗能力。     

温带草原区气候变化及其对植被影响的研究进展

为了深入研究温带草原区气候变化及其对自然-社会-经济系统的影响、系统响应及适应,回顾了温带草原区气候主要要素（如温度、降雨）与旱灾的变化及未来区域气候趋势预测等方面的研究进展,重点总结了气候变化对温带草原植被影响的最新研究成果。研究发现,温带草原区呈现总体气温明显升高,降水区域差异显著,干旱年份增多、旱灾增加的变化趋势。受此影响,植物物候、生理特征、生产力、覆盖度等发生明显的变化。最后指出,在气候变化核心要素预测、研究的时空尺度等方面还不完善,今后应重视开展大尺度气候变化的时空格局,微地形下气候变化的时空异质性等方面研究,同时加强气候变化对草原植被的影响与生态系统响应以及气候变化适应等方面的研究。     

基于无人机多时相植被指数的冬小麦产量估测

通过无人机搭载多光谱相机,对不同水分亏缺条件下冬小麦多个生育期进行遥感监测,采用不同种类多光谱植被指数表征冬小麦的生长特征,分析了植被指数与冬小麦产量的相关关系,并利用多时相植被指数构建产量估测数据集,采用偏最小二乘回归、支持向量机回归和随机森林回归3种机器学习算法进行冬小麦产量估测。结果表明,随着冬小麦的生长,多个植被指数与产量的相关性不断增强,灌浆末期相关系数达到0.7,植被指数与产量的线性回归决定系数也达到最大。多时相植被指数反映了冬小麦生长的变化特征,进一步提高了冬小麦产量估测精度,采用开花期和灌浆初期的多时相植被指数进行估产比采用单个生育期的植被指数估测产量的精度高,采用偏最小二乘回归模型的估测精度R²提高约0.021,支持向量机回归模型R²提高约0.015,随机森林回归模型R²提高约0.051。采用灌浆末期的多时相植被指数,3种模型均有较高的估测精度,偏最小二乘回归模型估测精度最高时的R²、RMSE分别为0.459、1 822.746 kg/hm²,支持向量机回归模型估测精度最高时的R²、RMSE分别为0.540、1 676.520 kg/hm²,随机森林回归模型估测精度最高时的R²、RMSE分别为0.560、1 633.896 kg/hm²,本文数据集训练的随机森林回归模型估测精度最高,且稳定性更好。     

基于随机森林回归的玉米单产估测

为了提高玉米单产估测精度,以河北省中部平原为研究区域,以条件植被温度指数(VTCI)和上包络线S-G滤波的叶面积指数(LAI)为特征变量,通过随机森林回归确定玉米主要生育时期VTCI和LAI的权重,构建加权VTCI和LAI与玉米单产的单变量和双变量估产模型。结果表明,基于随机森林回归的双变量估产模型精度最高(R~2=0. 303),达极显著水平(P 0. 001)。将随机森林回归双变量估产模型用于研究区域2012年各县(区)玉米单产估测,结果表明,53个县(区)玉米估测单产与实际单产的平均相对误差为9. 85%,均方根误差为824. 77 kg/hm~2,模型精度较高。基于随机森林回归双变量估产模型逐像素估测研究区域2010—2018年玉米单产,结果表明,玉米单产在空间上的分布特征为西部地区最高、北部和南部次之、东部地区最低,年际间的分布特征为在波动中呈先减少后增加的趋势。     

基于条件植被温度指数的夏玉米生长季干旱预测研究

为验证条件植被温度指数(VTCI)在夏玉米生长季干旱预测中的适用性,以河北中部平原为研究区,应用求和自回归移动平均(ARIMA)模型及季节性求和自回归移动平均(SARIMA)模型,对该地区VTCI时间序列数据进行分析建模预测。首先基于49个气象站点所在像素的VTCI时间序列数据,选取不同长度时间序列建立ARIMA模型,并分析时间序列长度与预测精度间关系,以期为时间序列长度选择提供依据;然后选择理想长度的VTCI时间序列数据,分别建立ARIMA模型和SARIMA模型,用于研究区域2017年夏玉米生长季VTCI预测,并分析评价两模型预测精度;最后采用性能较好的ARIMA模型逐像素建模预测,得到2016-2018年9月上旬至下旬VTCI预测结果。结果表明:基于ARIMA模型的VTCI预测精度与时间序列长度未呈现明显的相关关系,但随时间序列长度增加,模型预测精度逐渐趋于稳定;ARIMA模型对干旱的预测精度高于基于SARIMA模型,其1步、2步、3步VTCI预测结果均方根误差较SARIMA模型分别降低0. 06、0. 07、0. 09;ARIMA模型在不同年份夏玉米生长季VTCI1~3步的预测精度稳定性较好,2016-2018年1步、2步和3步VTCI预测结果绝对误差绝对值大于0. 20的像素平均百分比分别为5. 84%、6. 38%、8. 72%。     

黑土区田块尺度下地形影响作物长势机理分析

为揭示作物长势及水肥运移的空间分异规律,探究田块尺度内作物长势与地形变化的关系,以东北典型黑土区东兴农机合作社为研究区,沿南北垄向提取高精度数字高程模型(Digital elevation model,DEM)与归一化植被指数(Normalized differential vegetation index,NDVI)信息,构建地形指标,分析NDVI的空间变异性。结果表明,坡型凸凹程度越明显,NDVI的空间变异性越大;同类坡型中阴坡NDVI的空间变异性与坡型凸凹程度呈负相关;坡度在±0.03范围内,作物长势好,空间变异性低;以坡度绝对值高于0.04的坡度均值与其对应直线距离所占整条直线的比值作为自变量,构建多元逐步回归模型,进行回归分析,可以解释大豆NDVI决定系数为0.965 2、高粱NDVI决定系数为0.888 3的空间变异性。不同地理空间的地形与成土母质差异显著,通过分析研究区内地形对作物长势的影响规律,可为田块尺度地形的分析提供借鉴,有助于指导农户合理地进行水肥分配。     

基于遥感的疏勒县植被覆盖时空变化研究

【目的】评价疏勒县生态环境质量及生态环境演变过程。【方法】基于Landsat遥感影像数据,利用归一化植被指数NDVI、像元二分模型、中心迁移模型等方法分析了1996-2017年疏勒县植被覆盖时空演化。【结果】①疏勒县植被覆盖分布总体以高植被覆盖为主成大面积片状分布,中、低植被覆盖主要以盖孜河和克孜河为轴线,相对围绕高植被覆盖分散分布;②1996-2017年疏勒县植被覆盖面积和覆盖度均呈增加趋势。2017年的植被覆盖面积比1996年增加了456.4 km²,增加率为38.3%;③疏勒县植被覆盖空间变化上存在一定的区域性和时段性差异。区域上,南部乡镇覆盖度明显增加;时段上,2009-2013年植被覆盖面积增加最明显;④1996-2017年疏勒县植被覆盖中心整体往东南迁移;⑤气候变暖对疏勒县植被覆盖度变化有一定的影响,但短期内人类活动影响更大。灌区改造高效节水、耕地开垦、农作物的种植及林带面积的增加是植被覆盖面积增加的主要因素。【结论】综上可知,气候变暖和生态治理工程等人类活动因素可能是疏勒县植被覆盖面积与覆盖度呈增加的主要原因,这表明疏勒县生态环境保护与治理是科学合理的。     

含植被坡面水动力学特性的实验研究

基于水槽试验,系统的研究了在5种流量、3种植被组合和3种覆盖密度情况下的坡面流的水力参数、水力因子间的关系和阻力规律.结果表明,坡面流一般为湍流,植被的存在增强了坡面流的湍流强度.平均流速与单宽流量幂函数相关,且拟合结果良好.柔性植被对流速的减缓作用大于刚性植被.柔性植被坡面和刚性植被坡面的阻力系数均随雷诺数的增加呈幂...     

Upscaling as ecological information transfer: a simple framework with application to Arctic ecosystem carbon exchange

Transferring ecological information across scale often involves spatial aggregation, which alters information content and may bias estimates if the scaling process is nonlinear. Here, a potential solution, the preservation of the information content of fine-scale measurements, is highlighted using modeled net ecosystem exchange (NEE) of an Arctic tundra landscape as an example. The variance of aggregated normalized difference vegetation index (NDVI), measured from an airborne platform, decreased linearly with log(scale), resulting in a linear relationship between log(scale) and the scale-wise modeled NEE estimate. Preserving three units of information, the mean, variance and skewness of fine-scale NDVI observations, resulted in upscaled NEE estimates that deviated less than 4% from the fine-scale estimate. Preserving only the mean and variance resulted in nearly 23% NEE bias, and preserving only the mean resulted in larger error and a change in sign from CO₂ sink to source. Compressing NDVI maps by 70–75% using wavelet thresholding with the Haar and Coiflet basis functions resulted in 13% NEE bias across the study domain. Applying unique scale-dependent transfer functions between NDVI and leaf area index (LAI) decreased, but did not remove, bias in modeled flux in a smaller expanse using handheld NDVI observations. Quantifying the parameters of statistical distributions to preserve ecological information reduces bias when upscaling and makes possible spatial data assimilation to further reduce errors in estimates of ecological processes across scale.     

荒漠草原植被覆盖对土壤水分的影响

以希拉穆仁草原为研究对象,通过对不同植被覆盖下土壤水分进行测定,研究了荒漠草原植被覆盖对土壤水分的影响,结果表明:植被覆盖度与土壤水分之间具有显著的相关关系,尤其是10 cm深度范围内土壤水分随植被盖度呈二次抛物线性趋势增加(R2=0.904 9);由于根系层分布的差异使得土壤剖面不同深度上对这种影响的水分响应不尽相同,灌丛植被覆盖的土壤水分含量在剖面0～40cm范围内明显大于其他植被类型,以坡顶土壤含水量最低;荒漠草原植被覆盖状况变化不仅影响土壤水分含量大小,而且显著影响土壤水分的空间分布,退化较轻的河滩草甸植被有利于维持相对均匀的土壤水分空间分布.