基于无人机多光谱遥感估算西北半湿润区葡萄基础作物系数研究

为提高西北半湿润区葡萄园蒸散量的估算精度,以波文比系统实测蒸散量ET_(c)为基础,基于彭曼公式法计算参考作物蒸散量ET_(o),得到葡萄作物系数K_(c)后,采用FAO-56双作物系数法计算土壤蒸发系数K_(e)与水分胁迫系数K_(s),获得基础作物系数K_(cb);同时利用无人机多光谱遥感影像获取葡萄光谱数据,提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄K_(cb)与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄K_(cb)的精度。结果表明:(1)相同建模方法下,植被指数与K_(cb)的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期,利用一元线性回归建模得到的K_(cb)-VI s模型拟合精度表现为NDVI>RVI>SAVI>DVI;在生育后期,拟合精度表现为RVI>DVI>SAVI>NDVI;在全生育阶段,拟合精度则表现为SAVI>NDVI>DVI>RVI。不同建模方法对K_(cb)的拟合精度不同,多元线性回归模型拟合效果最佳。(2)生育阶段、植被指数种类及建模方法是影响蒸散量估算精度的3个重要因素。在生育前期,利用DVI与K_(cb)建立的多项式回归模型的验证精度最高(EF=0.79);在生育后期,多元线性回归模型验证精度最高(EF=0.80);在全生育阶段,利用DVI与K_(cb)建立的一元线性回归模型的验证精度最高(EF=0.73)。(3)分生育阶段建立K_(cb)与植被指数的关系模型,反演得到的K_(cb)值较FAO-56双作物系数法推荐的K_(cb)值(EF=0.58)对蒸散量的估算精度提高了6%以上。

夏玉米作物系数计算与耗水量研究

根据北京大兴区试验基地2007—2008年夏玉米实测资料,采用基于土壤水量平衡的ISAREG模型模拟夏玉米生育期土壤含水量的变化过程,以此反推夏玉米作物系数Kc。利用2007年茎流计实测的蒸腾量T求得夏玉米生育中、后期的基础作物系数Kcb分别为0.98和0.28,以此估算2008年夏玉米中、后期的蒸腾量和土面蒸发量,并用2008年实测的土面蒸发量进行对比验证。同时,模拟和计算了2007—2008年夏玉米生育期棵间蒸发及实际蒸散发变化过程。结果表明,估算的中期基础作物系数与实测值吻合良好,而后期基础作物系数值偏小;夏玉米棵间蒸发量占作物实际蒸散发的比例在39.0%～43.6%左右。