气候变化条件下中国灌溉面积变化的产量效应

灌溉可以有效缓解气候变化对粮食生产的不利影响。采用中国不同区域2006-2019年实际灌溉用水量,对4个气候模式(GFDL-ESM2M,Had GEM2-ES,IPSL-CAM5-LR,MIROC5)驱动下的3种作物模型(GEPIC、PEPIC和LPJml)的灌溉用水量进行评估,优选模拟结果较好的前5个模式组合,分析RCP2.6和RCP6.0情景下,2021-2050年中国玉米、水稻、大豆和小麦产量变化,评估灌溉面积扩张的增产效应。结果显示:未来气候变化下,2021-2050年降水量的增加使得中国水稻和大豆以及北方地区玉米和小麦产量均呈现增长趋势,其中东北80%左右的地区和西北70%左右的地区玉米产量将提高0.2～0.8 t/hm~2,东北85%左右的地区水稻和大豆增产幅度分别超过1.0、0.5 t/hm~2,东北90%左右的地区和西北75%左右的地区小麦产量增幅分别介于1.0～2.0、0.5～1.0 t/hm~2之间。降水量的减少使得西南南部地区的玉米和小麦产量均下降0.2 t/hm~2左右。不同区域玉米和小麦的增产效应差异明显,由于北部地区光热条件较差、小麦基础产量较低,使得小麦灌溉增产潜力(1%～11%)以及增产效率((0.12±0.06)kg/m~3)均较高,北部地区小麦的灌溉面积扩张可有效应对气候变化的不利影响。     

粮食安全与生态安全双约束下江苏省耕地休耕规模探讨

实施耕地休耕是巩固提升粮食产能和促进农业可持续发展的重要举措,亟需科学合理地确定我国可休耕耕地规模,为深入实施"藏粮于地"战略和扩大耕地休耕制度试点提供理论依据。该研究基于粮食安全与生态安全双重约束构建粮食主产区耕地休耕最大规模测算仿真模型,同时提出休耕规模弹性边界的确定方法并以江苏省为实证区域进行仿真预测。结果表明：当前江苏省在兼顾粮食主产区的粮食调配任务且考虑区域耕地资源可持续利用状况的基础上,仍能保有10.16%的耕地资源来支撑耕地休耕制度的实施;仿真期内区域耕地资源面积可能会由于城市快速扩张和耕地保护不力出现大幅减少,并对区域耕地休耕条件环境产生影响;同时耕地资源可持续利用状况和休耕规模适宜程度的恶化导致江苏省休耕规模弹性边界从2017年的9.93%缩减至2036年的4.81%,区域粮食安全稳定状态终将被打破。建议充分利用粮食主产区的耕地资源基础积极有序推广开展耕地休耕工作,深入部署"藏粮于地"战略以巩固提升粮食产能;建立休耕规模与生态安全挂钩的指标预警体系以实现对休耕实施方案的宏观动态调节;统筹休耕与其他耕地保护政策的正向联动,创造耕地保护政策体系内部的正向溢出效应。     

基于DSSAT作物模型的中美大豆主产区单产模拟与验证

开展基于作物模型的大面积作物产量估测研究,可以为及时掌握全球重点地区农作物的生产情况提供数据支撑。该研究以大豆为监测作物,选取中国吉林省和美国爱荷华州作为研究区域,基于DSSAT作物估产模型中的SOYGRO大豆模型,利用分辨率为0.5°×0.5°的生育期气象要素以及500 m×500 m绿色叶绿素植被指数,进行遥感数据融合作物模型估测大豆单位产量的模拟与验证研究。结果显示,2008-2017年,美国爱荷华州大豆单位产量模拟值的平均误差为16.8%,均方根误差为762.8 kg/hm~2,平均偏差为107.2 kg/hm~2;中国吉林省大豆单位产量估测的平均误差为36.3%,均方根误差为1 088.4 kg/hm~2,平均偏差为-237.9 kg/hm~2。在县域尺度下,大豆单位产量模拟值与调查值的拟合度较好,尤其在产量较低的年份,其中美国爱荷华州的产量相关系数最高可达0.78,中国吉林省的相关系数偏小,为0.59,表明对美国爱荷华州大豆单位产量的估测精度优于中国吉林省。研究所建立的大豆单位产量估测技术路线,可以为中美两国主产区作物单位产量的大面积有效估测提供参考。     

利用OWA和电路模型优化黄河流域甘肃段生态安全格局

从生态系统服务视角出发优化生态安全格局,对于维护区域生态安全格局,确保经济社会稳定发展意义重大,但现有研究缺乏对多种生态系统服务之间权衡情景下生态系统状况的认知。该研究以黄河流域甘肃段为研究单元,在测度2019年食物供给、碳固定、产水量、土壤保持及生境质量5种典型生态系统服务的基础上,利用有序加权平均(Ordered Weighted Averaging,OWA)模型识别出生态系统服务权衡度最高的优先保护区作为生态源地,利用最小累积阻力模型和电路模型识别生态廊道和战略点区域,进行生态安全格局构建与优化。结果表明:黄河流域甘肃段生态源地斑块共计169个,总面积27 460.56 km2,约占研究区总面积的19.2%。5种生态系统服务之间在全流域尺度下呈现出协同关系,甘南高原、陇中、陇东黄土高原由于受地形气候和植被覆盖以及人类活动的影响,生态系统服务差异显著。利用电路模型提取得到441条生态廊道,总体呈网状分布,贯穿东西,识别出生态节点49个。提出构建"四轴、六区、多中心"的黄河流域甘肃段生态安全空间布局优化体系,形成功能化、网络化的区域生态空间优化结构。     

基于SEBAL模型评估干旱半干旱区人工灌丛植被对陆表蒸散的影响

评估人工灌丛植被重建对干旱半干旱区陆地生态系统蒸散的影响,不仅能揭示植被变化与水文过程的耦合机理,又可为区域生态治理与水资源管理提供科学指导。该研究利用Landsat-8OLI/TIR遥感影像及气象数据等驱动SEBAL模型,反演宁夏盐池县的年内不同日期的陆表蒸散,结合目视解译选取的人工灌丛区与对照草地,评估了人工灌丛植被对陆表蒸散的影响。结果表明:1)SEBAL模型的蒸散反演精度与站点观测结果较为一致,可用于干旱半干旱区蒸散反演及空间特征研究;2)盐池县人工灌丛植被区日平均蒸散为1.20mm/d,高于对照草地1.17mm/d的日平均蒸散量,即干旱半干旱区人工种植灌木林增加了生态系统水分消耗,但不同季节和不同生物地理条件下的蒸散增强作用存在差异,蒸散增强在8月份最大,而3、4月份呈现负效应;3)人工灌丛的密度越大、植被盖度越高,对陆表蒸散的增强作用越强,特别在NDVI0.4的高盖度情况下蒸散增强作用更加明显。由此可知,在水资源紧缺的干旱半干旱区开展以灌木树种为主的植被重建需在合理的生态水文阈值范围内开展,才能构建出稳定可持续的人工生态系统。     

华北平原不同等级干旱对冬小麦产量的影响

华北平原是中国重要的粮食生产基地,其中冬小麦播种面积和产量均居中国首位,在国家粮食安全中具有重要作用,干旱是影响该区域冬小麦产量的最主要农业气象灾害。该研究基于华北平原44个气象站点1981—2017年的逐日气象数据以及作物、土壤和田间管理资料,以作物水分亏缺指数为农业干旱指标,基于调参验证后的农业生产系统模型(Agricultural Production Systems Simulater,APSIM),评估了冬小麦生长发育中后期各生育阶段不同等级干旱对冬小麦单产和总产的影响。结果表明,冬小麦拔节-开花和开花-成熟阶段干旱造成冬小麦减产率空间上均呈北高南低的分布特征,且开花-成熟阶段干旱引起的减产率(26.8%)高于拔节-开花阶段干旱引起的减产率(19.1%),区域间比较均表现为干旱对京津冀地区冬小麦单产影响最大,对河南省冬小麦单产影响最小;随着干旱等级的加重减产率增大,开花-成熟阶段轻旱、中旱和重旱的减产率分别为16.5%、32.8%和44.9%,拔节-开花阶段轻旱、中旱和重旱的减产率分别为10.3%、18.8%和28.6%。结合冬小麦实际播种面积得到各生育阶段干旱对总产的影响,区域间比较均表现为干旱对山东省冬小麦总产影响最大,对河南省冬小麦总产影响最小。     

结合Sentinel-2影像和特征优选模型提取大豆种植区

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%～91.91%,Kappa系数在0.72～0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。     

混流式水轮机特性曲线在多重边界条件下的分区方法

完整的水轮机特性曲线是水电站运行仿真和过渡过程计算的基础,然而厂家提供的水轮机模型综合特性曲线仅反映了水轮机高效率区域的特性,不能满足水轮机动态过程仿真需求。该研究提出了一种扩展方法:首先以零转速、零流量、飞逸曲线、零开度线、单位力矩交点为边界条件,作为划分特性曲线区域与约束各分区延拓范围的特征点,并依据内特性模型和外特性数据辨识水轮机结构参数,计算边界条件;然后针对不同区域的特点,提出不同拟合方法得到各区的特性曲线;最后对分区界线两侧拟合结果进行平滑连接,形成完整的可用于仿真分析的混流式水轮机特性曲线。对某水轮机进行实例分析,与典型外特性法和内特性法的对比表明,本文方法既保证了外特性试验数据处的拟合精度,又能反映水轮机的水力特性;与典型外特性法进行过渡过程实测反演对比可知,本文所提方法将最大蜗壳压力的相对误差从2.03%降至1.69%,小开度工况下区域平均蜗壳压力的相对误差从3.48%降至1.47%,动态过程时域响应更接近实测结果。本文特性曲线处理方法有利于提高过渡过程计算精度,也可为类似叶片式农业机械的设计及特性曲线处理提供参考。     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

利用SAR影像与多光谱数据反演广域土壤湿度

针对基于主动微波遥感途径开展广域土壤湿度反演的过程中,对植被和土壤粗糙度影响难以进行有效估算的问题,该研究联合多极化雷达和原始多光谱数据源,提出一种改进的卷积神经网络(Improved Convolutional Neural Network,ICNN)方法。该方法采用不同尺寸的卷积核对原始变量进行一维卷积运算,自适应提取能反映测区土壤湿度时空差异的高级特征维;同时,去除了传统卷积神经网络结构中的池化层,保证提取的特征信息完整。试验结果表明,在边长超过100 km的四川盆地研究区域内,模型预测值与样本数据相关系数达到0.934,预测值偏差服从均值趋近于0的正态分布,均方根误差为1.45%,误差分布范围小于6.3%,结果具有较高的可靠性。该方法可为精准农业、旱涝灾害等领域的广域监测研究提供一定的支撑。