基于信息扩散和关键期遥感数据的冬小麦估产模型

农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。     

基于抽样调查地块实测数据的省级水稻单产遥感估算

利用统计局抽样调查地块实割实测标准单位面积产量数据及空间位置信息,在研究水稻种植区MOD09GA、MYD09GA EVI （enhanced vegetation index）数据结合使用可行性分析的基础上,进行湖南省省级水稻单产遥感估算。结果表明：在水稻种植区,水稻生长期间有超过50%、85%、95%的MOD09GA与MYD09GA EVI偏差绝对值分别小于0.03、0.08、0.1。水稻遥感估产模型以二次非线性模型或回归模型精度较高,且时相集中在水稻生长的孕穗期到抽穗期。在省级水平上,与实测值相比,基于统计局统计抽样调查地块实割实测标准单位面积产量数据的水稻单产遥感拟合结果相对误差小于2%,预测结果的相对误差接近5%,且实测值与模拟值集中分布在1∶1线附近,说明预测结果与统计值在空间分布上具有较好的一致性。     

基于四维变分和集合卡尔曼滤波同化方法的冬小麦单产估测

为了通过数据同化方法提高冬小麦的估产精度,以陕西省关中平原为研究区域,采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数(LAI),通过四维变分(4DVAR)和集合卡尔曼滤波(En KF)2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI,获得单点尺度的LAI同化数据,将单点尺度的LAI同化值扩展到区域尺度,对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明,两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势,使LAI同化值更符合冬小麦LAI的实际变化规律;在单点尺度和区域尺度上,En KF-LAI均更能反映关中平原冬小麦的实际生长状况。采用En KF-LAI构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产,通过实测单产对估产模型进行验证,结果表明,2008年样点估测单产与实测单产的相对误差均小于15%,部分县估测单产与实测单产的相对误差均小于10%;与2014年模拟单产与实测单产间的相对误差相比,估测单产与实测单产间的相对误差降低0.57%~9.30%,RMSE降低217 kg/hm2,其中,8个样点的估产精度达到94%以上,表明组合估产模型的估产精度较高。     

基于支持向量回归（SVR）和多时相遥感数据的冬小麦估产

发展和构建高精度的作物遥感估产模型,对于国家制订粮食进出口政策和保障粮食安全具有重要意义.尝试利用支持向量回归方法(SVR)构建遥感估产模型,首先利用北京郊区2004年和2007年冬小麦主要生育期多时相Landsat TM影像生成的归一化植被指数,通过SVR构建遥感估产模型进行产量估算.然后针对模型的稳健型和预报能力进行交叉验证,并与常规的多元回归方法进行对比.结果表明,利用SVR方法构建的遥感估算模型有效地提高了估算精度,与多元回归方法相比,2004年和2007年决定系数分别提高0.2162、0.2158,均方根误差分别降低0.1682、0.2912.因此基于SVR和多时相遥感数据构建估产模型用于冬小麦估产是可行、有效的,为应用多时相遥感数据进行冬小麦估产提供了一种方法.     

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。     

作物单产估算模型研究进展与展望

作物单产估算是服务现代农业的一项重要内容,也是农业监测的难点之一,及时准确的产量模拟对国家农业决策、农田生产管理、粮食仓储安全等都有重要意义。利用模型对作物生长发育和产量形成过程进行动态模拟是当前产量估算的主流方式。本文通过对比当前主流模型构建的理论基础,将估产模型分为经验统计模型、作物生长模型、光能利用率模型和耦合模型4种类型,并对比分析4种模型的优缺点,得到了各个模型的优势和不足。同时分别分析了遥感技术在4种估产模型中的应用,对模型中遥感数据的使用方法、限制因素、解决办法等进行了总结,并分析了遥感技术在作物估产模型方面使用的优势、不足和应用前景。分析了模型发展过程中存在的问题和限制因素,最后对模型的研究热点和发展趋势进行了展望,总结了遥感数据的使用方法、不同模型的耦合、现有模型的优选3个作物估产模型研究需要重点关注的方向。     

基于权重最优组合和多时相遥感的作物估产

多时相遥感数据比单一时相携带了更多的反映作物产量的信息,研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合（WOC）是一种通过对单个模型权重的最优化,来构建高精度组合模型的原理方法。论文以黑龙江农垦友谊农场大麦产量遥感估算为例,首先利用大麦4个时相的Landsat5 TM影像分别构建单一时相的大麦产量模型,然后利用WOC的迭代算法,通过赋予4个单一时相产量模型以最优权重,生成基于多时相遥感的组合模型估算大麦产量,结果表明：基于WOC和多时相遥感的组合估产模型的决定系数R2与单一时相的相比得到较大改善,估算精度提高明显。同时,通过对WOC获取的各时相单一模型最优权重大小进行分析表明：应用多时相遥感数据进行作物估产时,权重大小能够反映各时相遥感数据所携带的产量信息的多少,这对于如何选择和确定能有效反映作物产量的敏感遥感时相具有一定的指导意义。     

作物产量指数设计及在黑龙江省的应用

针对传统基于归一化植被指数（normalized difference vegetation index，NDVI）的作物长势监测方法对于同一时期处于不同生育阶段的作物缺乏可比性，以及NDVI的高低不能直接代表产量的高低的问题，该研究设计了一种可以动态反映作物长势和产量变化的具有时空可比性的统计指数（作物产量指数）。以黑龙江为例，基于单产数据、气象数据、遥感数据、作物分布数据，对3种作物分别进行估产分区，综合使用随机森林重要性评价方法和留一法为各估产分区筛选最优估产建模变量，构建动态估产模型和产量指数计算模型，并在2022年作物生长季（6—9月）进行了大豆、玉米、水稻的动态估产和产量指数预报和分析。结果显示：1）建模指标的重要性从高到低依次为趋势单产、遥感植被指数、气候类指标。2）3种作物整体单产预测精度最高的为水稻，其平均绝对相对精度(mean absolute relative precision，MARP)为95.20%，其次是玉米（MARP为93.81%），最后是大豆（MARP为92.73%）。3）以历史5 a为基期计算的3种作物的6—9月的产量指数的对比结果显示，大部分区县3种作物各月的产量指数差异处于“平”状态。4）生长季产量指数的月环比结果显示大部分区县产量指数的月环比值处于-0.01~0.01之间。该研究设计的作物产量指数可用于比较某一统计单元（如县、市或省）在特定评估时间点相对于其历史平均单产的增减状况，也可以环比相邻两个评估时间点的产量变化情况；在空间维上可以比较同处于某个特定评估时间点的不同统计单元的单产指数的高低情况，在长势监测、产量预报等中具有很好的应用前景。     

基于无人机遥感植被指数优选的田块尺度冬小麦估产

田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。     

农作物单产遥感估算模型研究进展

作物单产估算是农作物估产中的关键技术,也是作物估产的难点之一.遥感技术凭借其宏观、及时和动态等特点已在农作物产量估算中占据着极为重要的地位,运用遥感信息建模估算作物产量已成为区域作物估产的必然要求.在总结农作物单产遥感估算模型研究成果的基础上,将作物单产遥感估算方法划分为四种模式加以详细阐述,分析了用于单产建模的遥感数据源的多元化趋势,讨论了如何有效验证模型估算精度的问题,最后对作物单产遥感估算模型今后的发展趋势作了展望.     

北京市土壤侵蚀监测方法探讨

 为了科学定量评价北京市土壤侵蚀状况,通过北京市地面水土流失监测网络,开展水土流失定点观测,研究北京市土壤侵蚀监测的评价方法。结果表明：利用大量实测资料,基于美国通用土壤流失方程建立的北京土壤流失方程,可以作为北京市土壤侵蚀调查的模型工具;基T GIS和降雨侵蚀力模型的年度土壤侵蚀量推算方法,可作为从小区尺度转换到区域尺度的一种方法;由于网格法没有考虑水土保持措施因子,调查得到的土壤侵蚀量结果比采用抽样调查法得到的结果偏大。北京市土壤侵蚀监测方法的研究可为区域水土流失定量评价和动态监测提供借鉴作用。     

山区耕地细碎化对农户耕地撂荒的影响

研究山区耕地细碎化对耕地撂荒的影响对保障山区粮食安全、促进山区耕地整治与可持续利用具有重要意义。该研究以贵州省剑河县白都村为例,基于无人机高分辨率影像数据和农户调查数据,在提取农户耕地地块空间信息数据的基础上,选取综合指标测度法对农户耕地地块细碎程度进行刻画,从地块和农户两个层面分别运用Logistic和Tobit模型分析耕地地块细碎化对农户耕地撂荒的影响,探析农户耕地细碎化程度与其撂荒规模之间的关系。结果表明：1）研究区耕地细碎化程度较高,耕地撂荒现象严重。农户平均地块面积为0.044 hm2,平均耕地撂荒占比为29.50%;2）从地块层面看,耕地地块细碎化会加剧耕地撂荒,其中地块耕作距离对农户耕地撂荒具有显著的正向作用,地块面积对农户耕地撂荒具有显著的负向作用,且地块面积对农户耕地撂荒的作用强度高于地块耕作距离;3）从农户层面看,农户耕地细碎化程度越高,耕地撂荒规模愈大,农户耕地细碎化指数每提升10%,其耕地撂荒比例增加4.22%。研究结果可为推动山区细碎耕地资源的可持续利用与管理提供借鉴。     

基于Hyperion影像的玉米冠层叶绿素含量估算

采用高光谱卫星数据进行玉米叶片和冠层尺度的叶绿素含量估算,对现代农业技术的发展有重要意义。首先,采用以α为倾斜度参数的双曲正切S型函数为基础的误差反向传播(back propagation,BP)算法前馈神经网络(hyperbolic tangent sigmoid function-back propagation,Htsf-BP)构建叶片尺度的叶绿素含量高光谱遥感估算模型;以几何光学辐射传输模型(4-scale模型)为理论依据,对叶片和冠层尺度的光谱转化函数进行推导,实现Hyperion影像冠层尺度光谱到叶片光谱的转化,同时获取叶片尺度叶绿素含量估算结果;最后,结合叶面积指数(leaf area index,LAI)进行冠层尺度叶绿素含量估算。结果表明:当隐含层结点数为6时,Htsf-BP神经网络法对叶绿素的估算精度最高,验证精度达78.68%;在波长750与980 nm处,采用光谱尺度转化方程进行模拟的冠层光谱与实测冠层光谱间的相关系数R2值分别达到了0.784和0.706;实测叶片尺度叶绿素含量与模拟结果间的相关系数R2值达0.726。该方法可为高精度快速估算叶片和冠层尺度玉米叶绿素含量提供参考。     

生态安全格局视角下村庄用地减量地块识别与分区

村庄用地减量地块的科学识别和类型分区是编制村庄规划和建设用地减量规划的基础。该研究以北京市密云区为例,基于土地利用、兴趣点和社会经济统计等多源数据,在构建区域生态安全格局的基础上,从生态安全性、空间稳定性、发展适宜性3个维度,构建村庄用地减量地块识别评价指标体系并对其进行评价,根据评价结果确定减量地块,借助三维魔方图解法对减量地块进行类型划分与分区,并提出减量策略。结果表明：1）密云区生境质量的分布具有明显的区域性聚集分布特征,筛选出生态源地781.65 km2和15条生态廊道,综合构建密云区生态安全格局;2）密云区村庄用地减量地块识别评价分值内部差异较大,空间上呈现出东北高、西南低的特点。通过综合评价法确定密云区减量地块面积789.84 hm2;3）采用三维魔方图解法将村庄用地减量地块划分为近期减量区（生态-空间减量型、生态-发展减量型、空间-发展减量型）、中期减量区（生态安全减量型、空间稳定减量型、发展适宜减量型）、远期减量区（综合减量型）共3区7类减量类型,并对不同类型减量地块提出对应的减量措施。研究结果可以为生态涵养区村庄用地减量地块的识别提供科学依据,并为生态涵养区减量、生态保护和区域可持续发展服务。     

降雨产沙资料整理方法对两者关系的影响

合理的水土流失资料整理方法是挖掘数据内在规律的基础,通过采集江西省赣县花岗岩次生马尾松林地不同植被恢复类型小区2010—2011年2 a的降雨产沙资料,研究了4种整理方法对降雨产沙关系的影响。结果表明:加大资料整理的时间尺度和降雨间隔时间,可以显著提高降雨产沙之间的相关性,同时整理方法对拟合曲线的性质产生影响,综合考虑拟合优度和曲线性质的一致性,可以采取周晴方法的幂函数来描述不同类型小区降雨产沙之间的内在关系;植被恢复减弱了产沙速率,随着降雨量的增加,纯林小区的产沙速率下降,百喜草恢复小区变化缓慢,低郁闭度胡枝子恢复小区增加迅速,因此侵蚀严重的林地应首先实施草本植被恢复,逐步实现乔灌草生态结构恢复。     

利用轻小型飞机遥感数据建立人工林特征参数模型

目前获取森林特征参数的主要方法是外业测量,工作量大、效率低。该文以中国自主研发的轻小型航空遥感系统为数据获取工具,以油松人工林为研究对象,通过对获取森林的激光雷达（light detection and ranging,LIDAR）点云数据去噪,分类,提取等过程获得单木的树高数据,对获取的航空影像数据进行预处理,匹配,拼接,分割及冠幅提取获得单木的冠幅数据,再与外业抽样调查的单木的树高、胸径建立回归模型,同时验证模型精度。试验结果表明：通过LIDAR点云数据提取的树高与实测的树高具有极显著的相关性,所建立的模型预测精度达97.5%,通过影像提取的冠幅与实测的胸径也具有极显著的相关性,预测精度达91.6%,基本上能够满足林业生产的要求。     

THE SIGNIFICANCE OF SOIL VARIABILITY FOR FOREST SOIL STUDIES IN NORTH-EAST SCOTLAND

A study of 13 sample plots (0.01 ha) in 6 forests showed that the average number of topsoil samples required per plot to secure 95 per cent confidence limits for a range about the mean of 10 per cent was 6 for total nitrogen, 9 for total phosphorus and 29 for 0.5 M acetic acid extractable nutrients (calcium, magnesium, phosphorus and potassium). In some plots 95 per cent confidence intervals, based on 5 composite samples, for extractable nutrients were as large as the range of mean values for different plots within a forest. High variability within plots causes large variation in correlation coefficients between tree growth and soil properties so that the intensity of sampling should be of the order indicated above to identify factors affecting growth. For predicting timber yield the accuracy of regression equations containing predictors of high within-plot variability is too low to be of practical value. The sampling effort required to achieve a given level of precision does not increase greatly when plot size is increased from 0.01 to 0.1 ha. Since Yield Class, the most useful measure of growth, is not designed for areas less than 0.5 ha, the use of the larger plot size is recommended.     

基于多源遥感数据的草地生物量估算方法

为了寻求有效的草地生物量估算方法和精确估计荒漠草原草地生物量及其变化规律,该文探讨了利用全极化RADARSAT-2 C波段雷达数据和HJ1B图像及野外调查获得的样方生物量数据,估算荒漠草原人工柠条灌木林地上生物量的方法。在对柠条灌木林地上生物量和雷达后向散射系数及HJ1B图像归一化植被指数(normalized difference vegetation index,NDVI)进行相关分析的基础上,采用多元逐步回归分析从RADARSAT-2数据及HJ1B植被指数NDVI建立了人工柠条林生物量模型,用实测草地生物量值对模型进行验证,同时将光学和雷达图像进行融合和分类处理,在此基础上对草地生物量进行分布制图,并将其结果与HJ1B的NDVI模型生物量估算结果进行对比。结果表明:柠条林地上生物量与RADARSAT-2雷达后向散射系数之间存在较好的定量关系(决定系数R2=0.71,均方根误差(root mean square error,RMSE)=14.2 kg/hm2,P0.001),其估算生物量与实测生物量一致性较好,估算生物量精度优于HJ1B的NDVI指数估算结果(R2=0.27,RMSE=20.58 kg/hm2)。由此可见,利用光学图像HJ1B和雷达数据RADARSAT-2融合分类能进行地物有效识别,雷达遥感数据可以用于草地结构参数的定量研究。利用光学和微波协同遥感进行草地生态系统监测研究具有一定的应用潜力。     

基于无人机采集的视觉与光谱图像预测棉花产量

为了高效管理农田,该文提出了一种应用低空遥感视觉与光谱图像预测棉花产量的方法。盛花期前的棉花图像由无人机遥感平台在距地面50m的飞行高度下采集,采集的局部图像通过拼接处理得到棉花地的全景RGB图像与CIR(color-infrared,彩色红外)图像。基于全景图像提取并计算了色度、植株覆盖率与归一化植被指数(normalized difference vegetationindex,NDVI)3个特征参数,用于构建棉花产量的预测模型。包括产量与特征参数的原始数据集随机分为训练集(90%)与测试集(10%)。训练集数据首先基于产量概率分布特征去除了10%的离群值,然后通过均值滤波器滤波,处理后的数据用于构建预测模型。通过SAS软件对比分析了单变量、双变量以及三变量构建的线性回归模型,预测模型由P值、决定系数R2、每0.4 hm2面积下估计值与真实值之间的平均绝对误差百分比(mean absolute percentage error,MAPE)这3个参数进行评估。试验结果表明,单变量、双变量以及三变量构建的共7个线性回归模型,其P值均小于0.05,则7个线性回归模型均具有统计学意义(5%显著性水平)。其中,由三变量构建的多元线性回归模型具有最大的决定系数R2=0.9 773,因此适应性最优。基于测试集验证模型精度,试验结果表明,采用多元线性回归模型进行产量估计,估计值与实际值之间的平均绝对误差百分比为4.0%。因此,无人机搭载图像传感器采集提取视觉与光谱特征能够有效用于作物产量的预测。     

基于光谱特征分析的苹果树叶片营养素预测模型构建

该文旨在利用光谱分析技术建立高精度苹果叶片营养素预测模型,为苹果树的精细管理提供技术支持。在苹果树年度生长周期的坐果期、生理落果期和果实成熟期等重要物候期,采集了180个果树叶片样本并测量了果树叶片在可见光和近红外波段的反射光谱,同时在实验室采用化学方法获取了果树叶片的氮素以及叶绿素含量。对于聚类后样本,分别分析了果树叶片反射光谱以及经小波滤波后的反射光谱与叶绿素以及氮素之间的相关关系,而后利用偏最小二乘和支持向量机（SVM,support vector machine）方法分别建立了果树叶片叶绿素和氮素含量的回归模型。研究发现,随着生长阶段的推进,在可见光处的反射率逐渐升高,在近红外处的反射率逐渐降低,且基于小波滤波反射光谱的营养素SVM回归模型精度最高：建立的叶绿素回归模型,其测定系数R2达到0.9920,均方根误差 RMSE为0.0039,验证精度R2达到0.9036,RMSE为0.1979;建立的氮素回归模型,其测定R2和验证R2也达到0.74以上,模型的回归RMSE为0.0554,验证RMSE为0.1215。结果表明,采用支持向量机回归模型可以精确估计果树叶片叶绿素含量,对氮素含量的估计精度也达到了实用化水平。