基于RIME-CNN-SVR模型的麦田土壤水分反演

土壤水分监测对于农业生产和作物产量预估具有重要意义。近年来深度学习技术在土壤水分反演领域得到广泛应用,但大多侧重于模型结构增强和优化,对模型超参数优化研究探索不足。该研究提出了一种基于霜冰优化算法(rime optimization algorithm,RIME)的卷积神经网络(convolutional neural network,CNN)超参数优化模型,结合极化分解技术来校正植被对土壤水分反演精度的影响,以提高冬小麦农田土壤水分反演性能。首先利用RIME优化CNN超参数以构建RIME-CNN模型,然后使用RIME-CNN模型对特征参数进行自适应提取和挖掘,之后对这些特征参数进行正则化处理并输入到支持向量回归(support vector regression,SVR)模型,构建RIME-CNN-SVR模型进行土壤水分估算。为验证所建RIME-CNN-SVR模型的有效性,利用合成孔径雷达(synthetic aperture radar,SAR)数据结合光学遥感数据,在河南省开封市冬小麦农田区进行试验验证和精度分析。结果表明,该方法在不增加模型结构复杂性和可学习参数的前提下,显著提升了模型的预测性能,决定系数可达0.72,均方根误差为2.78%,平均绝对误差为2.20%。该研究可为农业生产提供一个更为准确、可靠的土壤水分监测手段。

基于耦合模型的干旱区植被净初级生产力估算

净初级生产力是陆地生态系统物质与能量运转研究的基础,在干旱区生态环境演变及其与气候相互作用和影响方面极为敏感,是揭示干旱区生态环境特征的重要指标.本研究基于RS和GIS技术,利用地面气象数据、涡度相关数据、Landsat 8数据和MODIS数据,通过SEBAL模型和光能利用率模型的耦合,估算了新疆玛纳斯河流域植被净初级生产力(NPP),分析了其空间格局及与高程和坡度的关系.结果表明:SEBAL模型与光能利用率模型的耦合对玛纳斯河流域山地-绿洲-荒漠生态系统植被NPP的模拟效果较合理,能较好地反映植被净初级生产力的实际情况;2013年,玛纳斯河流域植被NPP总量为7066.72 Tg C·a^(-1),平均值为278.06 g C·m^(-2)·a^(-1),总体分布趋势是自南向北先增加后减少再增加最后减少,随着地貌和土地利用类型的变化呈现明显的分布规律,且其月变化比较明显,7—8月达到最大值,占总量NPP的52.2%;植被净初级生产力随海拔和坡度的增加整体呈下降趋势,但随海拔增加植被NPP出现3次波动.这些波动主要由地表植被覆盖类型和环境因素所引起.

干旱区绿洲膜下滴灌棉田蒸散过程

水资源是干旱区农业发展最关键的限制因素。近年来,随着节水灌溉技术的发展,对缓解水资源供需矛盾、扩大灌溉面积起到了重要作用。理解非充分灌溉条件下的农田蒸散发过程,对于揭示农田水分循环和指导节水实践均具有重要的科学意义。本研究基于乌兰乌苏农业气象站2012年的涡度相关数据,分析了膜下滴灌棉田不同生育阶段的蒸散过程,通过FAO-56 Penman-Monteith方程估算参考作物蒸散量,在此基础上确定了干旱区绿洲膜下滴灌棉田的作物系数。结果表明:膜下滴灌棉田阶段蒸散耗水量和日蒸散强度在花铃期最大,阶段蒸散耗水量为248.51 mm,平均日蒸散强度为3.94 mm·d-1;蕾期次之,阶段蒸散耗水量为98.34 mm,平均日蒸散强度为3.78 mm·d-1;播种-出苗期最小,阶段蒸散耗水量为10.70 mm,平均日蒸散强度为1.07 mm·d-1;全生育期蒸散量为487.14 mm,平均作物系数为0.42;通过棉花不同生育阶段蒸散量和作物系数的确定,为棉花生育阶段不同灌溉时期和灌溉量的确定以及田间水分管理提供科学依据。

基于Landsat 8遥感影像反演干旱区净初级生产力的尺度效应

遥感影像是不同尺度景观分析的数据源,不同尺度上占主导地位的地物景观信息是不同的;描述或解释许多环境问题时,都不能在单一尺度解决,因此多尺度分析已成为景观生态领域中的必要条件。本研究以玛纳斯河流域为研究区,以2013年分辨率为30 m的Landsat 8遥感影像作为原始数据,对其分别进行聚合平均,得到不同分辨率(30、150、330、660、990、1650、1980和3300 m)的遥感数据,并作为NPP遥感估算模型的输入参数,探究不同分辨率的植被净初级生产力情况。结果表明:随着尺度的扩展,农田净初级生产力均值随之下降,林地、草地和裸地净初级生产力估算值基本保持不变,就整体而言,分辨率30 m的植被NPP模拟值比分辨率990 m的NPP模拟值多5.36%。随着尺度的扩展,玛纳斯河流域净初级生产力平均值发生变化,产生尺度效应,主要是由土地覆盖类型引起的;而不同尺度的玛纳斯河流域NPP具有相似的空间格局,且其基本特征不变。

玛纳斯河流域绿洲农田防护林景观格局评价

防护林网作为农田景观的重要廊道系统,对生物多样性以及景观连通性等具有至关重要的作用。本研究以新疆玛纳斯河流域为研究区,基于高分辨率遥感影像,计算现实状态与合理状态下农田防护林网景观指标的相对误差,对玛纳斯河流域绿洲农田防护林网景观格局进行评价。结果显示:玛纳斯县、沙湾县和团场的防护林网带斑比的相对误差分别为0.7240、0.7374和0.7579,连续度的相对误差分别为0.5307、0.5629和0.6863,环度值的相对误差分别为0.6577、0.6380和0.4945。各景观指标的相对误差均大于0.15,说明玛纳斯河流域绿洲农田防护林网尚且达不到优质标准,存在林带面积不足、林网分布不均匀、闭合网格较少,成型状况较差等问题。建议在防护林的建设和管理中,加强缺失林带的补齐工作,并增加林带密度,通过科学合理的防护林网空间配置实现绿洲农田的可持续发展。

全极化SAR图像的建筑物提取研究

针对建筑物结构复杂、形式多样,产生的交叉极化散射现象使得其在极化SAR图像上易与植被混淆,提取困难的问题,该文结合极化散射信息和空间信息进行建筑物的提取研究,主要以AIRSAR全极化数据进行实验。①进行基于极化补偿的Yamaguchi四分量分解,根据偶次散射能量提取出建筑物;②提取总功率Span图像的纹理特征利用支持向量机进行分类;③融合前两步的提取结果得到最终结果。结果表明:方法优于基于极化补偿的Yamaguchi四分量分解的提取方法和SVM方法,对于平行建筑物、小方位角建筑物、大方位角建筑物的提取精度分别达到了99%、94%和56%,有效区分了建筑物与植被。