黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm^2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。

面向农业区划的作物种植结构遥感提取

[目的]尝试将作物种植结构提取结果由行政单元发展为基于相对均质的地理网格单元,解决当前农作物种植结构信息提取的空间局限性问题,文章在大尺度的土地利用/覆被分类与地块尺度的作物分类之间提出了作物种植结构单元概念,并构建了一种快速、低成本、准确的区域尺度作物种植结构提取方法。[方法]利用黑龙江省2014年250m分辨率的植被指数产品构建时间序列曲线提取物候信息,在耕地物候分区基础上对各物候区进行面向对象的多尺度分割,提取作物种植结构单元,利用光谱特征和NDVI指数构建特征空间,最终采用最邻近分类方法提取作物种植结构。[结果](1)利用MODIS时间序列数据提取物候特征进行多尺度分割的方法,能够有效的提取区域尺度农作物种植结构单元;(2)作物种植结构提取总体精度为95.70%;(3)黑龙江省2014年作物种植类型共有12种。其中,三江平原主要是水稻单一种植区、水稻混作区;松嫩平原以玉米单一种植区以及玉米-大豆混作区种植为主;西北部种植结构较复杂;东南部因地势等影响多种植玉米、大豆。[结论]利用物候数据进行种植结构提取可以有效划分农业区划,研究成果不仅为作物种植结构调整和农业发展布局提供科学依据,也是不同区域产量预测的基础,为合理布局农业生产、改进耕作制度以及引入和推广新产品等提供依据。

引入地形因子的黑土区大豆干生物量遥感反演模型及验证

为了对田块尺度农作物地上干生物量进行估测,提高大豆地上干生物量反演模型的精度和稳定性,该文获取了研究区地块2016年7、8月份的SPOT-6多光谱数据,并测定不同地形坡位的大豆地上干生物量,以归一化植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)为输入量,建立田块尺度大豆地上干生物量一元线性回归模型;加入与地上干生物量相关的地形因子,建立逐步多元回归和神经网络多层感知反演模型。结果表明:1)使用传统的单一植被指数模型预测大豆地上干生物量有可行性,但模型精度和稳定性不高。2)加入地形因子(海拔、坡度、坡向)的神经网络多层感知器模型,有较高的精度和可靠性,模型准确度达到90.4%,验证结果显示预估精度为96.2%。反演结果与地块的地形、地貌、气温和降水特征基本吻合,反映了作物长势的空间分布特征,可以为田块尺度大豆地上干生物量动态监测和精准管理,提供借科学依据。

基于主动微波遥感的典型黑土区土壤水分反演

针对野外测量土壤粗糙度因子相关长度不精确问题,提出一种新反演黑土区土壤水分经验模型。以黑龙江省赵光农场为研究区,选择Oh模型作为研究区土壤水分反演基础,通过分析同极化、交叉极化后向散射系数对均方根高度、土壤水分响应特征,建立函数关系式。利用推算交叉极化后向散射系数差消除土壤粗糙度影响,建立黑土区裸露地表土壤湿度测算经验散射模型。结果表明,VV/VH极化后向散射系数模拟精度较高,预测土壤湿度平均绝对误差为0.0530 cm3·cm-3,与组合粗糙度下土壤水分反演结果相比相关性提高15.32%,证明模型有效性。利用C波段Radarsat-2数据反演黑土裸土区土壤水分含量,具有较高精度。结果可为该地区旱涝灾害监测和作物长势提供信息支持,具有重要应用价值。

基于作物倒伏遥感监测的农田防护林防风效能评价

防护林防风效能的研究主要通过疏透度、林带间距、树高与林带宽度的比值等数据来间接分析。基于高精度遥感影像,采用目视解译和最大似然法获取风灾作物倒伏面积,利用NDVI提取防护林带,通过防护林与作物倒伏面积之间的分析,对防护林防风效能进行定量评价。研究结果表明,林网密度、林带面积(东侧加北侧)、林带宽度(东侧)等指标均与倒伏面积呈对数函数关系,并提出适宜的防护林布局指标。

棉花生长初期灌溉信息遥感提取与校正

为提高生长初期低覆盖度作物长势的遥感监测精度,需要消除灌溉引起的土壤水分背景变化对归一化差值植被指数(NDVI)的影响。为了实现棉花生长初期灌溉信息提取与校正,提高棉花作物长势监测与产量预判精度,本文以美国加利福尼亚州San Joaquin Valley的2个棉花地块为研究区,选取棉花生长初期灌溉过程中的遥感影像,构建两种灌溉信息提取方法(分阶段阈值法和灌溉线提取法),确定最优灌溉像元提取方法;比较分析灌溉与未灌溉情况下棉花的NDVI与归一化差值水分指数(NDWI)以及土壤调节植被指数的关系,提取含有灌溉信息的像元,并对NDVI进行校正,消除灌溉对NDVI的影响。研究结果表明:在棉花生长初期,灌溉与未灌溉像元NDVI变化率达12%,差异较显著;灌溉与否的棉花NDVI与NDWI间均存在极显著的线性关系,决定系数在0.80以上;利用灌溉线方法提取灌溉信息与分阶段阈值相比精度更高,精度达88%以上;校正后线性回归模型精度达0.95,灌溉校正效果明显,灌溉与未灌溉像元的NDVI差异减小至2%。本研究通过对含有灌溉信息像元NDVI值的校正,去除灌溉对NDVI造成的影响,反映了真实的植被信息,可实现对作物生长初期长势的准确遥感监测,为遥感定量监测提供便利。

基于机器学习算法的天祝藏族自治县草地地上生物量反演

使用机器学习算法快速、准确、大范围监测草地地上生物量(AGB)是目前研究热点,但不同机器学习算法因训练样本、超参数设置不同而存在较大差异。基于实测草地AGB和同期遥感数据、气象数据、地形数据,选择与草地AGB相关性较强的13个因子作为深度神经网络(DNN)、随机森林算法(RF)、梯度提升回归树(GBRT)、支持向量机(SVR)、人工神经网络(ANN)和高斯过程回归(GPR)算法的输入变量,建立草地AGB预测模型并从模型预测精度、稳定性、样本敏感性等方面综合评价6种模型应用潜力,分析2020年天祝藏族自治县生长季(4-9月)内草地AGB时空变化特征及其对气候的响应。结果表明:1)DNN估算草地AGB的综合性能最佳,但稳定性较差,对样本敏感性较高;GPR综合性能次于DNN,稳定性和精度均较好;GBRT、RF模拟精度较高,稳定性差;SVR和ANN精度相对其他模型较差,SVR稳定性较高,ANN稳定性较差。2)天祝藏族自治县草地AGB集中在50~250 g·m^(-2),不同月份草地AGB空间异质性较大,整体表现为从西北向东南呈下降趋势。3)山地草甸、高寒草甸和温性草原中的AGB变化与气温表现出较为明显的正相关关系。降水量对高寒草甸、温性草原和山地草甸的影响不明显,但对温性荒漠草原类的影响较大,AGB随降水量减少呈现减少态势。以上研究结果可为监测草地生物量的方法选择和参数设置提供一定技术支持和参考依据。

可持续发展背景下休耕制度的价值意蕴及对我国的启示

[目的]休耕制度是落实藏粮于地、藏粮于技战略的有效途径,关乎国家粮食安全、生态环境保护和资源永续利用。[方法]文章综合运用归纳演绎法和理论分析法解析休耕制度的价值意涵,探讨面向可持续发展的中国耕地休耕制度的优化路径。[结果]休耕制度内涵与可持续发展目标(SDGs)内在价值趋同,主要特征有耕地休养环境的原真性、要素耦合与结构关联的贯通性、生态系统的自然完整性、空间均衡与效益统一的整体协同性;遵循自然规律、尊重基本国情是休耕制度的实施基础,尊重代表农民利益取向的意愿及选择是构建中国休耕方案的根本前提,深度挖掘耕地多功能及休耕前后价值变化是休耕制度有效实施的基本保障。[结论]我国休耕制度需结合碳达峰、碳中和战略目标,继续围绕数量配比、空间配置、路径实施等核心问题,推进实践诊断的精度深化和方案设计的尺度细化,不断强化体系建设与监管体制,夯实休耕制度的法治保障。

面向土壤分类的高光谱反射特征参数模型

提出了一种无损、快速、成本低的土壤分类方法,选取松嫩平原4种典型土壤(黑土、黑钙土、风砂土和草甸土)耕层(0—20 cm)土样的实验室反射光谱数据作为研究对象,采用重采样、包络线消除法处理光谱数据,提取反映反射光谱特征的光谱特征参数,利用K均值聚类(K-means clustering)和决策树(decision tree)分别进行聚类分析和分类模型构建,实现土壤的快速分类。结果表明,利用表层土壤反射光谱特征参数构建的决策树分类模型可以对研究区土壤进行分类。研究成果有望加快土壤制图,为土壤理化性质的时空变化研究提供技术支持。

黑土区田块尺度遥感精准管理分区

基于格网采样与空间插值的精准管理分区方法精度高,但时效性差、成本高。本文以东北农垦地区红星农场农田为研究对象,提出一种基于遥感影像的精准管理分区方法:以裸土高空间分辨率遥感影像作为数据源,结合田间格网采样数据,基于裸土反射光谱特征与黑土主要理化性质的显著相关关系,运用面向对象分割、空间统计分析方法,对典型黑土区田块进行精准管理分区研究,并利用土壤理化性质和农作物生理参数,对分区结果进行评价。得出如下结论:(1)典型黑土区田块内部土壤养分含量空间变异显著;(2)基于裸土影像与面向对象的精准管理分区方法精度高,增强了分区之间的土壤养分与归一化植被指数(NDVI)差异性、分区内部各属性的一致性;(3)基于2015年4月1日和2015年5月20日单期影像分区和两期影像波段叠加(Layer stacking)分区,区间变异系数与区内变异系数之比分别为1.42、1.39和7.63,基于两期影像综合信息的分区结果显著优于基于单期影像分区;(4)基于裸土影像面向对象分割的精准管理分区方法时效性强、成本低、精度高。研究成果为田间变量施肥、发展精准农业、实现农业可持续发展提供依据。

黑土区田块土壤有机质空间分异及分布研究

本文选取东北典型黑土区田块为研究区,实测获取土壤样点数据,基于遥感影像和地形数据,分别利用单一地统计、混合地统计和遥感反演方法预测土壤有机质(SOM)空间分布。结果表明:研究区SOM含量变异系数为31.897%呈中等程度变异,且存在强烈空间自相关性;对光谱反射率进行数学运算得到的光谱指数"Tan345"(Landsat8影像345波段夹角正切值)与SOM极显著相关,相关系数最高达0.570;以光谱指数"Tan345"与地形因子"G"(高程)为输入量、利用回归克里格法预测的SOM精度最高;研究区SOM含量西高东低,沟底和平缓的坡顶含量较高。研究结果对于促进精准农业、估算土壤碳库有着重要的意义,并为小尺度SOM预测提供借鉴。

近20年农田精准管理分区施肥方法研究进展

精准管理分区(Site Specific Management Zones,SSMZ)是精准农业中实现定时、定点、定量、定配方投入水肥药等农业生产资料的关键环节。SSMZ已经在精准农业中得到了迅速的发展与应用,该技术对于减少农业投入、提高经济效益及减轻农业面源污染具有重要意义。全面地认识SSMZ的研究现状及存在问题,有利于更好地把握SSMZ的发展动态并开展更进一步的研究。本文对国内外以SSMZ为主题的论文进行了梳理,概述了SSMZ研究中不同输入量的应用原理、数据类型、优势及局限性;其次,对现有的分区方法进行了总结归纳,最后,整理了常用的SSMZ评价方法,对不同评价方法进行分析,进行总结与展望。得到如下结论:(1)SSMZ输入量由基于空间插值映射土壤空间属性,过渡为利用遥感技术获取土壤、植被等相关信息;(2)随着大数据时代的到来,综合考虑历史土壤理化性质、成土要素、农作物时空动态、水土气生地形地貌的作用有助于提升SSMZ的精度;(3)基于近端传感器及无人机获取的密集数据的研究不断增加,田块尺度的空间信息精度高,连续性增强;(4)传统的非监督分类算法逐步被面向对象分割方法取代,分区结果更有助于指导田间管理措施;(5)用于SSMZ的评价信息以与作物生长关系密切的土壤属性或表征作物长势的参数为主。国内外对于SSMZ的关注度逐渐增加,各类SSMZ研究成果对于实现绿色农业、维护生态安全具有重要实践意义。