农作物长势综合监测——以印度为例

提出农作物长势综合监测方法,利用卫星遥感得到的NDVI时间序列数据,综合采用实时监测、过程监测和时间序列聚类监测方法,明确不同方法适用的监测尺度及监测目的,对不同范围农作物长势进行监测。改进了Crop Watch全球农情遥感速报系统运行化作物长势监测方法,克服了原有作物长势监测中实时监测方法无法反映相同区域苗情在整个生长过程中的连续变化情况的缺点。实现对相同区域作物长势连续变化的定量描述,可对作物长势进行更准确的判断。利用官方发布的作物单产变幅数据,对单产变幅较大的12个作物主产省区作物长势监测结果的准确性进行判断,结果表明:6个邦的实时监测和聚类监测方法所得结果一致,都符合作物单产变化的实际状况;4个邦的聚类监测方法所得结果对作物长势监测更为准确,更符合该区域作物单产的实际变化;1个邦实时监测结果对作物长势监测比聚类监测方法更为准确;只有1个邦采用两种方法对作物长势的监测存在误差,聚类监测方法在对农作物生长过程的连续监测及空间分布的定量化表述方面,比实时监测更为准确。3种方法可以综合使用,实现业务化运行的农作物长势监测。     

近30年来三江源典型区湿地变化驱动力分析

基于三江源典型区(索加-曲麻河自然保护区)1977—2007年的遥感影像解译数据和统计资料,采用偏相关分析筛选与湿地变化显著相关的因子,通过主成分分析、灰色关联度分析驱动因子对湿地变化的贡献率大小。结果表明:近30年来湿地变化的驱动因素主要为气候因素,其中以年平均气温、年蒸发量和年平均相对湿度为重要影响因子。通过计算主要影响因子对湿地变化的灰色关联度,认为年平均相对湿度和年蒸发量对河流湿地变化的贡献率最大,年平均温度与湖泊湿地、沼泽湿地和河滩地动态变化的关联程度最高。