青海省草畜平衡遥感监测评估研究

【目的】草原畜牧业是青海省重要的支柱产业之一,草畜平衡是草原可持续利用和畜牧业高效生产的前提。利用遥感信息与地面调查数据探讨草畜平衡监测评估方法,为青海省草原资源合理化利用和保护、畜牧业乃至区域经济的健康可持续发展提供技术支撑。【方法】通过建立地面调查可食产草量与NDVI数据间定量关系模型,结合干鲜草折算系数和放牧利用率对不同类型天然草地产草量进行反演;再基于各类牲畜养殖数量的入户调查资料和合理载畜量有关标准,对2017年青海省草畜平衡进行定量评估。【结果】青海省不同草地类型产草量与NDVI呈显著指数函数关系;草地干草总产量为2 774.49万t,其中西宁市、海北州和黄南州干草单产最大,超过1 000 kg/hm^2,西北部荒漠草原区单产最小,在300 kg/hm^2以下;人工草地产草量为补饲来源最主要部分,达1 548.22万t,青稞饲料次之,为917.19万t,再次为秸秆补饲量775.93万t,粮食补饲量最少,为418.91万t。【结论】2017年青海省牧区县合理载畜量为3 378万羊单位,实际载畜量为3 748万羊单位,载畜平衡指标为11%,总体处于临界超载状态,其中东部和南部地区超载状态严重,西部地区载畜不足,中部地区载畜平衡;半牧区合理载畜量为212万羊单位,实际载畜量为283万羊单位,载畜平衡指标为33%,严重超载。

基于多源遥感数据的牲畜空间化研究

1前言全球经济的快速发展,使人类对动物源性食品的需求量急剧增加,加快促进了畜牧业的发展。畜牧业的发展逐渐引起了人类的高度重视,畜牧业一定程度上与环境承载力紧密相关,对维持草畜、生态平衡,实现可持续发展、人与自然和谐共生至关重要。目前,人类掌握牲畜情况依然长期依赖于传统的统计调查数据,是以行政区划为单元进行的逐级数字收集,多以省、市、县三级为主,尺度比较粗糙。

青海智慧畜牧业发展现状与前景展望

该文分析了青海智慧畜牧业发展的现状,并根据现状对青海智慧畜牧业的发展数字化转型,区域经济协调发展,产学研融合,新技术的落地对数字化转型、决策支撑、经济发展、区域振兴发挥的作用,以及未来青海智慧畜牧业高质量发展的趋势进行了系统思考,提出了对应的解决策略。

青海省农牧业气象灾害监测预警服务现状及前景展望

本文通过分析2010—2019年10年间青海省农牧业气象灾害发生情况,发生冰雹、暴雨洪涝、干旱、霜冻、低温冻害、大风、病虫害、泥石流等农牧业气象灾害共计约593起,受灾面积共计825618.65公顷,灾害发生频率于2010—2011年、2012—2015年呈平缓下降态势,2011—2012、2015—2018年呈平缓增长态势,2018—2019年呈急剧下降态势。根据存在的问题,提出了包括建设现代化农牧业气象灾害监测预警体系、提升农牧业气象精细化预报水平、加强人工影响天气作业、丰富农牧业气象服务等展望。

基于MODIS的青海草地产草量变化遥感分析

青海省属于全国四大牧区之一,及时监测草地植被长势、准确估算牧草产量对青海牧区可持续发展与生态保护具有重要意义。草地产草量遥感估算主要基于植被指数与地面实测数据的统计关系,但是估算涉及植被指数、统计模型和建模指标等因素,不同组合建立的估算模型的精度不同。本文基于青海省MODIS数据与地面实测产草量数据,选择了6种植被指数(NDVI、EVI、RVI、DVI、RDVI、MSAVI)、5种统计模型(简单线性模型、二次多项式模型、幂函数模型、指数函数模型、对数函数模型)以及3种建模指标(植被指数年度最大值VImax、植被指数生长季累积值VIseason-cum、植被指数年度累积值VIannual-cum),研究不同组合下估算模型的精度差异,并从中选出最优产草量估算模型,用于估算青海省2015年和2016年的产草量。结果表明:(1)6种植被指数中,基于NDVI的产草量估算精度最高;非线性模型的估算精度高于线性模型,尤其是指数模型,适用于大多数草地类型产草量的估算;基于NDVI年度最大值的估算模型对大多数草地类型都具有最高的决定系数(R2)。(2)从干重来看,高产草量区(>1 200 kg·hm-2)主要位于青海东部的高寒草原,中等产草量区(600~1 200 kg·hm-2)位于青海南部和东部的高寒草原和禾草草原,低产草量区(<600 kg·hm-2)位于青海西部和北部的高寒草甸、高寒草原、高寒荒漠和盐生草甸。(3)与2015年相比,2016年青海省干草总产量减少31.60×104 t,减幅为1.36%。其中,禾草草原和高寒草甸的减产幅度最大,而荒漠草原和盐生草甸的产量则有所增加。本文可为草地产草量遥感估算的研究和实践提供参考。

青海省农牧业遥感技术应用现状及发展思路

现代化的农牧业需要现代化的管理。面临大数据时代,要充分认识到农牧业遥感技术在绿色有机农畜产品输出地打造和推进乡村振兴“八大行动”促进农牧业现代化发展中的重要作用。转变发展理念,健全机构队伍,拓展服务领域,突出工作重点,创新机制体制,加快推进我省农牧业遥感应用工作,不断提高农牧业遥感监测的支撑地位和作用,为提升农牧业现代化水平、促进农牧业可持续发展提供精准、可靠的数字服务。

青海农牧业“一张图”建设意义探讨

青海农业农村信息化建设已进入快速发展阶段,随着农牧业转型升级的深化,数字乡村建设潜力巨大。本文通过分析我省农业农村信息化建设现状和存在不足,结合我省农牧业发展面临的突出问题,探讨了农牧业“一张图”建设的内容、框架和应用价值,并在此基础上提出了建设青海农牧业“一张图”的思考,为我省建立内容丰富、数据精准、资源共享型的农业农村地理信息一体化服务体系打下了重要理论基础。

柴达木盆地有机藜麦覆膜穴播栽培大田对比试验

藜麦是重要经济作物和粮食作物,因其营养价值较高,对人体健康有益,已成为重要的保健型粮食作物。覆膜栽培技术具有增温提熵、保水保肥、除草控药等作用,能最大限度提高作物产量,增加经济收益。本试验以露地开沟条播为参照,对“青藜1号”“大白藜”2个藜麦品种以0.010mm、0.012mm、0.014mm的普通黑色地膜和0.010mm的全生物降解地膜、0.012mm普通黑色地膜等5种不同厚度、材质、颜色的地膜进行覆膜处理。通过统计覆膜保苗、除草防效、产量、经济效益等指标,确定藜麦覆膜栽培的最佳地膜种类,为藜麦覆膜控草栽培技术的大面积推广应用提供技术支持。

同仁市家畜养殖现状分析研究

同仁市是青海省典型的半农半牧区,本文通过查阅资料、查看统计数据、交流、实地走访等调研方式,收集同仁市草场面积、人工饲草种植、家畜种类、数量、年存栏出栏以及经济发展情况等数据,运用对比分析研究同仁市家畜养殖现状,分析了同仁市家畜存栏、出栏、产仔量、肉产品销售等的年际变化情况,进一步摸清了同仁市家畜养殖布局和各类家畜存栏出栏、草场养护和饲草料种植情况,以及实际载畜量存在问题,并提出了科学的改进建议,为同仁市家畜养殖分布的合理调整和生态草原畜牧业的发展提供科学的指引。

基于MODIS的青海草原产草量及载畜平衡估算

为了科学合理地利用、管理草地,及时准确掌握草原产草量信息和载畜平衡状况,对保障草原的可持续发展具有重要意义。本研究利用2016年5-9月青海的MODIS NDVI、EVI数据和地面调查数据,按草地类型分别建立可食草鲜草产量的估算模型,通过比较基于NDVI和EVI建立的不同产草量估算模型的精度,选出了各类型草地的最优估产模型。在此基础上,计算了不同类型草地的干草产量,并结合畜牧业统计数据估算了青海牧区和半牧区各县(市)的载畜平衡情况。结果表明,1)基于NDVI的可食鲜草产量估算模型精度普遍高于基于EVI的模型,但各类型草地的最优估算模型不同。2)2016年青海省草原干草总产量空间分布差异明显,干草单产在1 200kg·hm-2以上的草地主要分布在东部的禾草草原和高寒草原,干草单产在300kg·hm-2以下的草地主要分布于北部的高寒荒漠以及西部的盐生草甸和高寒草原。对总产草量贡献最大的为高寒草甸,占70.35%。3)2016年青海省29个半牧区和牧区的县(市)中,有21个县(市)为载畜平衡或载畜不足,8个县(市)为超载,并且载畜平衡状况与存栏牲畜密度具有较好的对应关系。

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。

基于多时相遥感影像识别与分析高原主要农作物

本文基于归一化植被指数和决策树分类方法,借助多时相高分辨率遥感影像,利用青海省高原地区主要农作物的物候信息,结合地面调查和无人机测绘手段分析省内具有代表性意义的研究区的主要农作物。结果表明归一化植被指数和决策树分类方法对高原主要农作物的面积识别具有较好的可靠性。因此,基于多时相遥感影像数据分区域识别高原主要农作物,将有效解决高原地区因客观因素所造成的农作物面积提取的误差,为高原高海拔农作物面积识别与提取提供理论基础与技术指导。

基于支持向量回归的关中平原冬小麦估产研究

【目的】小麦产量估测为有关部门制定政策和经济计划提供依据,在粮食宏观调控中发挥重要作用。【方法】文章采用支持向量回归方法估测冬小麦产量,以陕西省关中平原的5个市(西安市、宝鸡市、铜川市、渭南市、咸阳市)作为研究区,将2011—2016年研究区内冬小麦4个生育时期(返青期、拔节期、抽穗—灌浆期、乳熟期)的条件植被温度指数、叶面积指数和每年的单产数据作为总样本,划分训练集和试验集。基于MATLAB平台和LIBSVM3.23软件包,建立研究区冬小麦产量回归预测模型,得到产量预测结果并评价模型精度。【结果】回归模型的决定系数为0.88,平均绝对百分比误差为6.12%,均方根误差336.39 kg/hm2。【结论】支持向量回归模型拟合较为理想,有较高的预测精度和较强的泛化能力。回归时的重要参数有惩罚因子C和核参数σ,其中核参数σ对模型精度影响更大。研究表明用该回归模型进行冬小麦产量预测是可行的,支持向量回归方法在粮食产量预测领域有良好的应用前景。

三江源区植被覆盖度空间特征

利用遥感数据和大量同期地面实测数据建立基于不同草地类型、多种植被指数的植被覆盖度估算模型,对研究区2017-2018年各草地类型覆盖度从空间上进行反演、并分为五级进行评价,直观反映了各草地类型内部覆盖度高低情况。结果表明,温性草原类和高寒草原类对NDVI的敏感性强,山地草甸类和高寒草甸类对EVI的敏感性强。三江源区属低植被覆盖区,整体呈现出自东南向西北覆盖度逐渐降低的趋势。不同草地类型覆盖度由高到底为:温性草原类>高寒草甸类>高寒草原类>山地草甸类。分级显示高植被覆盖面积比例最大的是温性草原类,低植被覆盖面积比例最大的是山地草甸类。