Developing a process-based and remote sensing driven crop yield model for maize(PRYM–Maize) and its validation over the Northeast China Plain

Spatial dynamics of crop yield provide useful information for improving the production. High sensitivity of crop growth models to uncertainties in input factors and parameters and relatively coarse parameterizations in conventional remote sensing(RS) approaches limited their applications over broad regions. In this study, a process-based and remote sensing driven crop yield model for maize(PRYM–Maize) was developed to estimate regional maize yield, and it was implemented using eight data-model coupling strategies(DMCSs) over the Northeast China Plain(NECP). Simulations under eight DMCSs were validated against the prefecture-level statistics(2010–2012) reported by National Bureau of Statistics of China, and inter-compared. The 3-year averaged result could give more robust estimate than the yearly simulation for maize yield over space. A 3-year averaged validation showed that prefecture-level estimates by PRYM–Maize under DMCS8, which coupled with the development stage(DVS)-based grain-filling algorithm and RS phenology information and leaf area index(LAI), had higher correlation(R, 0.61) and smaller root mean standard error(RMSE, 1.33 t ha~(–1)) with the statistics than did PRYM–Maize under other DMCSs. The result also demonstrated that DVS-based grain-filling algorithm worked better for maize yield than did the harvest index(HI)-based method, and both RS phenology information and LAI worked for improving regional maize yield estimate. These results demonstrate that the developed PRYM–Maize under DMCS8 gives reasonable estimates for maize yield and provides scientific basis facilitating the understanding the spatial variations of maize yield over the NECP.     

流域非点源污染景观源汇格局遥感解析

流域非点源污染景观源汇格局解析是流域水质污染物产生、输运机理认知与有效防治措施制定的重要科学理论基础。该文以充分挖掘流域遥感数据多时空尺度的特征与优势为目标,制定了流域非点源污染景观源汇类型界定方案,提出了像元级、亚像元级以及时序更新的流域非点源污染景观源汇格局遥感解析方法。在此基础上,以福建省九龙江流域为例,对不透水面这一典型流域非点源污染"源"景观2010年空间格局进行了信息提取,并对2000、2005年对应信息进行了时序更新与空间特征分析,结果显示2000–2010年间九龙江流域内不透水面覆盖面积增长了33.38%。该研究可为中国流域非点源污染研究、生态管理与建设提供参考。     

基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价

黄淮海农区是中国重要的粮食生产基地,研究该地区不同等级生产力耕地的空间分布,对提高该地区生产力有重要的意义。该文在提取研究区冬小麦种植空间分布的基础上,对10a时间序列冬小麦MODIS-NDVI进行特征参数提取,并将冬小麦主要生长季多年NDVI特征值均值和年际变异系数,作为多年平均产量水平和稳产水平的指示指标,进行黄淮海农区冬小麦种植区耕地生产力评价,得到黄淮海农区冬小麦生产力空间分布图。结果显示:1)多时相MODIS-NDVI数据可以用于研究区冬小麦种植空间分布提取。经县级尺度验证,有较高的提取精度;2)县级尺度的冬小麦单产水平与其辖区内冬小麦生长关键期多个NDVI特征值有显著的相关关系,可以用来评价冬小麦生产力水平;3)研究区冬小麦种植区耕地以中低生产力水平为主,高生产力水平的耕地只占不到20%。高生产力的麦田大多分布在水热条件较好的黄淮平原亚区,中等生产力麦田大多分布在燕山太行山山麓平原亚区和鲁西黄灌区,而低生产力的麦田多分布在冀、鲁、豫低洼平原亚区。低生产力麦田分布集中连片的区域多为春旱易发、土壤粘淤或低洼积盐的地区。呈现出整体气候条件主导,局部土壤条件影响的高中低生产力空间分布特征。研究结果可以为黄淮海农区的耕地质量管理和中低产田改良提供依据。     

基于机器学习融合多源遥感数据模拟SPEI监测山东干旱

以山东省为研究区,选择偏差校正随机森林BRF（Bias-corrected random forest）,支持向量回归SVR（Support vector regression）和Cubist模型三种机器学习方法融合多影响因子模拟3个月时间尺度的标准化降水蒸散指数SPEI-3,以期为精确监测山东地区干旱提供一种方法。将2001−2017年23个站点的SPEI-3值作为因变量,多源遥感数据包括降水量、地表温度、蒸散发、潜在蒸散发、归一化植被指数以及土壤湿度六类7个影响因子作为自变量,自变量和因变量构成数据集的80%作为训练集,20%作为测试集。根据BRF模型得到研究区各个站点的模拟值以及各影响因子的相对重要性,绘制SPEI-3的空间分布图,并进行验证。结果表明,综合因子比单一因子模拟效果好,BRF模型测试集中的模拟值和观测值的决定系数R2达到了0.856,均方根误差RMSE为0.359,BRF模型能较好模拟站点SPEI-3值。大部分站点模拟值与观测值反映的干旱趋势一致,反映站点不同程度旱情的月份个数基本相同。此外,BRF模型模拟的SPEI-3的空间分布与站点SPEI-3观测值表现的干旱程度基本一致,且SPEI-3空间分布站点之外栅格数据也可以较准确地反映旱情,说明根据BRF模型可在站点和空间尺度上较精确地监测山东地区干旱情况。     

典型旱年农业干旱遥感监测指标在东北地区生长季的表现

以8d为时间尺度,以土壤相对湿度（RSM）为参考指标,采用相关分析方法,分析评估典型旱年2009年作物生长季内分别表征降水、土壤和作物的3个类别10种农业干旱遥感监测指数在东北地区的适用性。结果表明：（1）生长季中、后期,综合考虑冠层温度和植被特征的温度植被干旱指数（TVDI）与RSM的相关系数绝对值在0.5左右,对土壤湿度变化较敏感,可用于该生长阶段的农业干旱监测;（2）考虑作物前期缺水的累积作物缺水指数（ACWSI）是与RSM相关性较好的指数之一,在生长季前期和后期与RSM的相关系数绝对值在0.47以上,表现良好,但应用过程中需注意累积效应的时间尺度;（3）表观热惯量（ATI）更适于生长季前期干旱监测,改进型能量指数（MEI）适用于各种植被覆盖条件,但存在一定不稳定性;（4）考虑前期累积降水的APCI指数比仅考虑8d降水的条件降水指数PCI更能反映土壤湿度状况,特别是在生长季中、后期,可作为其它监测指数的补充;（5）条件植被指数（VCI）、归一化差异水分指数（NDWI）与RSM相关性较低,对现时土壤湿度的反映不敏感,不适于研究区内短时间尺度的农业干旱监测。研究结果可为东北地区开展农业干旱监测选取合适指标提供参考,也可为农业干旱指数的广泛应用构建可行性框架。     

基于RS和GIS的川西天然林保护区土壤侵蚀动态研究

利用1989,1999年的TM和2007年SPOT5遥感影像,运用RS和GIS技术对四川省甘孜州道孚县甲斯孔林场土壤侵蚀状况进行了动态监测研究。结果表明,天然林保护工程实施前(1989-1999年),研究区轻度侵蚀区和强度侵蚀区面积不断增加,说明土壤状况整体上处于恶化趋势;实施天然林保护工程后(1998-2007年),强度侵蚀区面积下降,中度侵蚀区面积上升,表明水土保持状况趋于好转,土壤状况恶化趋势得到反转,但改善幅度不够明显。天然林保护工程在促进植被恢复和提高水土保持功能等方面有着积极的作用。     

基于改进空间引力模型的农作区遥感影像亚像元定位

针对空间引力模型在遥感影像亚像元定位中存在的不足,该文提出了一种基于改进空间引力模型的农作区遥感影像亚像元定位方法。研究首先分析了原始空间引力模型运行速度慢、定位精度低的原因。然后,分别改进了空间引力模型的初始化算法和优化算法,改进后的初始化算法使亚像元更具空间相关性;改进后的优化算法在初始化的基础上显著提高了模型的运行速度和定位精度。最后,以吉林省镇赉县农作区SPOT-5影像为例,在原图像空间分辨率退化4倍的尺度下进行遥感影像亚像元定位试验。结果表明,改进模型与原始模型相比亚像元定位精度提高了6.67个百分点,运行速度提高了10.69倍。因此,改进空间引力模型在地物类别相对复杂的农作区遥感影像亚像元定位中,可以更好的突破空间分辨率的限制,为确保农作物种植面积提取、区域产量遥感估测提供有力支撑。     

基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于遥感的北方防风固沙区沙化草地利用基线盖度研究

为推动北方防风固沙生态功能区稳定维持生态健康安全,满足草地资源适度利用协调发展,该文选择北方防风固沙生态功能区的正蓝旗为典型研究区,利用TM遥感影像的NDVI,结合大量的野外地面调查数据,建立植被盖度遥感反演模型,提取区域植被盖度,并按照沙地类型划分标准划分沙地类型,提取半固定沙地和固定沙地过渡带处的平均植被盖度,开展防风固沙功能基线盖度评估研究。以基线盖度为基准,划分非利用区和可适度放牧利用。结果显示,提取正蓝旗草地资源利用基线盖度为30.47%,并通过基线盖度地面调查验证,与基线盖度地面调查结果一致。确定了可适度利用的草原范围及面积为396927.3hm2,占正蓝旗草原面积的39%,建立了生态保护约束下的草地资源利用格局。该研究可为沙化草地合理利用提供参考。     

联合Terra/Aqua MODIS多角度多光谱数据反演冬小麦叶面积指数

Terra与Aqua双星搭载的MODIS传感器可实现每日上下午分别对同一地点观测一次,并且由于卫星轨道漂移形成累积连续多天的多角度观测特点,加上多通道的光谱响应,极大地丰富了地表目标的观测信息,为LAI等地表参数的实时准确反演提供了可能。该文利用MODIS双星高质量的连续多天的多波段地表反射率数据,结合PROSAIL(PROSPECT+SAIL,properties spectra+scattering by arbitrarily inclined leaves)模型和查找表方法反演冬小麦LAI,并与MODIS LAI产品及野外采样点实测LAI对比,结果表明,联合双星高质量的多角度多波段数据能够较准确反演冬小麦LAI,其反演结果无论从空间分布还是时序变化特征来讲,较MODIS LAI产品更符合实际情况,也更接近地面实测值。该文的研究为充分利用MODIS数据的角度和光谱信息反演小麦等农作物的LAI提供了一定的借鉴。