光学和微波遥感数据联合反演植被覆盖表层土壤含水率

【目的】探究Vertical-Vertical(VV)、Vertical-Horizontal(VH)极化及双极化方式对微波遥感反演表层0~10 cm土壤含水率影响,分析不同数据源(Landsat-8,L8;Sentinel-2,S2)得到的归一化植被指数(NDVI)、归一化水体指数(NDWI)对表层土壤含水率遥感反演精度的影响。【方法】基于VV、VH单一极化和双极化模式,结合S2和L8计算的NDVI与NDWI估算植被含水率(VWC),消除植被对土壤的后向散射影响,得到土壤后向散射系数,基于水云模型反演北京市大兴区表层土壤含水率。【结果】对于VV极化,VV+S2NDWI反演0~10 cm土层的土壤含水率精度最高(R^(2)=0.763,RMSE=1.55%);对于VH极化,VH+S2NDVI反演的0~10cm土层的土壤含水率精度最高(R^(2)=0.622,RMSE=1.66%);对于双极化,Dual-Polarized(DP)+S2NDVI反演的0~10cm土层的土壤含水率精度最高(R^(2)=0.895,RMSE=0.89%)。【结论】NDVI更适用于去除水云模型中的植被影响,且双极化方式反演0~10 cm土层的土壤含水率精度较高。

遥感蒸散发驱动HYDRUS-RS模型模拟剖面土壤含水率

【目的】提出一种物理机制明确、具有区域尺度模拟潜力且模拟精度较高的剖面土壤体积含水率(土壤含水率)模拟模型,评估北京大兴区夏玉米生育期不同土层土壤含水率模拟精度。【方法】利用MODIS数据和地表能量平衡系统(SEBS)模型反演大兴区蒸散发(ET),将其拆分为土壤蒸发(E)和植株蒸腾(T),驱动HYDRUS-1D模型中的源汇项,基于地理信息系统(GIS)平台构建HYDRUS-RS模型模拟剖面土壤含水率,并在2018年夏玉米生育期得到验证。【结果】SEBS模型中的R_n模拟效果最好,决定系数(R2)、偏差(Bias)、均方根误差(RMSE)分别为0.81、11W/m2、54.8W/m2;2018年大兴区夏玉米生育期逐日ET主要介于3~6mm/d,土壤含水率监测样点的ET不尽相同,但变化规律相似;在夏玉米生育期,HYDRUS-RS模型模拟的40~60cm土壤含水率精度最高,Bias为0.2%,RMSE为2.1%,R2为0.80。【结论】HYDRUS-RS模型物理机制明确、具有区域尺度模拟潜力,40~60cm土层土壤含水率模拟精度最高。

基于作物水分胁迫指数的表层土壤含水率遥感估算

【目的】探究作物水分胁迫指数(CWSI)与表层土壤含水率的空间分布特征,并分析不同下垫面(葵花、夏玉米、春小麦和甜椒)表层土壤含水率的遥感估算精度。【方法】利用MOD16A2遥感数据和气象数据,结合Penman-Monteith(P-M)模型,基于CWSI反演河套灌区解放闸灌域表层土壤含水率,并对不同下垫面的表层土壤含水率进行验证。【结果】CWSI的空间分布与表层土壤含水率相反,CWSI大的区域,表层土壤含水率小;春小麦下垫面遥感估算的表层土壤含水率效果较好,决定系数(R^(2))为0.748,其次为葵花,R^(2)为0.357;灌溉次数较多的夏玉米和甜椒的表层土壤含水率估算精度较差,可见基于CWSI的表层土壤含水率遥感估算方法对土壤干旱较为敏感。【结论】基于CWSI的表层土壤含水率遥感估算方法更适用于灌水较少且耐旱作物下垫面的表层土壤含水率估算。

基于多源遥感数据的河套灌区玉米植株氮素浓度诊断及污染风险评估

【目的】利用多源遥感数据对河套灌区玉米生育期氮素浓度进行诊断并进行氮素污染风险评估,为施肥决策及农业面源污染溯源提供参考。【方法】基于无人机多光谱遥感数据和实测玉米植株氮素浓度数据,利用多种植被指数量化玉米植株氮素浓度,建立玉米生育期氮素浓度诊断模型。对玉米不同生育阶段的植被指数诊断模型进行评价,得到临界氮素浓度,并对玉米各生育阶段的氮素污染风险进行评估。【结果】2020年河套灌区玉米种植面积最大,为27.5万hm^(2),在玉米各生育阶段中,拔节期、小喇叭口期、大喇叭口期和花粒期分别以GBNDVI、RVI、NRI、NDVI建立的氮素浓度诊断模型为最优模型;基于氮素浓度诊断模型的遥感监测发现,小喇叭口期、花粒期植株氮素浓度较低,拔节期、大喇叭口期植株氮素浓度较高;玉米氮素污染风险主要发生在拔节期、大喇叭口期,小喇叭口期存在少量的Ⅳ级污染风险,花粒期不存在氮素污染风险。【结论】根据玉米植株氮素浓度诊断模型得到的氮素浓度值,获得以灌溉单元为基础的氮素污染风险等级分布,可为施肥决策和农业面源污染溯源提供合理参考。

基于Sentinel数据的组合极化反演土壤表层水分研究

土壤水分在农业生产发展中扮演着重要的角色,准确、实时地获取大范围的土壤水分对现代化农业建设有重要的意义。本文提出以Sentinel-1(0.453VV+0.547VH)的组合极化模式结合Sentinel-2和Landsat-8影像计算的归一化植被指数(NDVI)和归一化水指数(NDWI)进行大兴区的土壤水分反演研究。表明:(1)以Sentinel-1组合极化(0.453VV+0.547VH)为基础的反演土壤水分的方式可以实现对该地区土壤水分的高精度反演。(2)NDVI在通过水云模型反演土壤水分过程中,去除植被影响的效果要优于NDWI。(3)Sentinel-1组合极化(0.453VV+0.547VH)与NDVI结合反演土壤水分的相关性较高(r=0.886),优于单极化与NDVI结合反演土壤水分的相关性(rVV=0.798,rVH=0.743)。研究结论对于利用Sentinel-1双极化组合反演土壤水分有重要参考价值。

北京市居民家庭生活用水现状及影响因素分析

基于964份北京市居民家庭用水调查有效问卷,分析了北京市居民家庭生活用水现状,以概率统计学的模型算法和经济学基本原理为基础,结合SPSS软件分析调查数据,构建居民家庭人均日生活用水量整体影响因素模型,得出人均日生活用水量与其影响因子的函数关系。结果表明:北京市居民家庭人均日生活用水量为107.01 L(/人·d);对生活用水具有较大影响的因素分别为人均年收入、洗浴频率、洗衣节水程度、做饭频率,其中年人均收入与洗衣节水程度、洗浴频率显著相关,年人均收入与做饭频率表现出负相关关系,人均日生活用水量与年人均收入、洗浴频率显著相关。研究结论为北京市居民家庭节水工作提供了重点与方向。

北京市居民家庭生活用水调查分析——以通州区为例

以北京市通州区为典型区域,调查分析了84份居民家庭生活用水样本的家庭基本信息、生活用水量、节水器具现状及可能影响家庭用水量的收入水平、洗衣、洗浴、做饭、拖地及冲厕等相关指标,分析了居民家庭生活用水状况及其主要影响因素,提出了居民家庭节水的对策建议。结果表明,通州区居民家庭人均日生活用水量为101.55 L/(人·d);居民家庭人均日生活用水量的主要影响因素中从大到小依次为做饭频率、洗浴频率、洗衣节水程度、收入水平、每周折合拖地次数、冲厕节水程度。研发普及高效节水器具,倡导居民家庭废水循环利用,增强居民节水意识等是提升居民家庭用水效率、减少用水量的主要措施,为居民家庭节水提供有力抓手。

关中地区参考作物蒸发蒸腾量数据集(2010–2019)

参考作物蒸发蒸腾量(ET_(0))是影响农业和环境的重要因子。作者团队选取关中地区的杨凌、三原、彬县、宝鸡、宝鸡县和长武6个国家气象站点,利用站点2010–2019年逐日气象数据(最高气压、最低气压、最高气温、最低气温、降雨量、日照时数、最大风速等),结合联合国粮农组织FAO推荐的P-M模型,计算2010–2019年逐日参考作物蒸发蒸腾量(ET_(0));再利用反距离权重空间插值法得到2010–2019年关中地区ET_(0)空间分布数据,共同构成关中地区参考作物蒸发蒸腾量数据集(2010–2019)。数据集包括:(1)关中地区范围数据;(2)站点位置矢量数据;(3)站点位置信息及2010–2019年逐日ET_(0)数据;(4)2010–2019年逐年ET_(0)空间分布数据。数据集存储为.shp、.tif和.xlsx格式,由27个数据文件组成,数据量为65.4 MB。

潘庄灌区20-m/12-d土壤水分数据集(2020)

土壤水分是能量循环、水碳循环、农业过程和水文气象等的重要影响因子。以2020年时序Sentinel-1SAR影像为基础,以潘庄灌区为研究区,利用后向散射系数与土壤湿度建立线性回归模型,进而反演得到高空间分辨率土壤水分;同时采用机器学习方法中的支持向量机,识别提取研究区农田,得到潘庄灌区20-m/12-d土壤水分数据集(2020)。该数据对灌区蓄水管理、干旱预警以及灌溉规划等具有重要参考价值。数据集包括:(1)潘庄灌区范围矢量数据;(2)潘庄灌区2020年31期土壤水分数据,时间分辨率为12 d,空间分辨率为20 m。数据集存储为.shp和.tif格式,由43个数据文件组成,数据量为5.16 GB(压缩为4个文件,1.09 GB)。