用NOAA卫星可见光和红外资料估算甘肃省东部农田区土壤湿度

应用NOAA卫星AVHRR通道1、2计算的植被指数和通道4的亮温、农业气象试验站观测的土壤湿度，并结合气象卫星完成的土地覆盖分类等资料，建立了由植被指数和亮温估算甘肃省东部农田区土壤湿度的方程。结果表明，农田土壤湿度与植被指数和亮温间均存在一定相关关系；用植被指数和亮温可以估计土壤湿度情况，并对干旱进行监测。     

新疆地区土壤湿度遥感监测初探

通过对2005年6—8月新疆地区的MODIS影像数据的处理,在考虑到植被影响的条件下,利用植被指数订正的热惯量法进行土壤湿度的计算,对新疆地区土壤湿度的监测进行了一些初步的探究,结果表明,该方法所反映的情况与实际情况基本一致。     

利用NOAA／AVHRR资料监测准格尔旗植被及土壤墒情

利用NOAA／AVHRR资料,以植被指数法和表观热惯量方法连续监测了伊盟准格尔旗全生长季内的绿度动态变化及春秋季土壤墒情情况。在此基础上,提出了一些合理开发、保护本地区自然生态资源的对策。     

利用主成分分析法提取土壤湿度信息的技术方法研究

本文沿袭了遥感地物分类中K-L变换的思想,采用主成分分析法,应用MODIS数据的7、21、29、31四个红外波段,融合具有250m分辨率的2通道,建立了青海省多维特征空间土壤湿度监测模型。这种模型的建立克服了热惯量模型需要多时相数据的缺陷,也考虑了青海高原春季天气特征状况。经初步检验,此模型可以在一定精度范围之内监测表层土壤湿度,具有业务应用潜力。     

土壤质地对遥感监测干旱的影响

传统的表观热惯量法没有考虑土壤质地的影响。由于不同土壤的热性质不同,即使土壤水分相同,其地表温度日较差也不同,因而用表观热惯量法进行监测时存在较大误差。本文在 Ｇ Ｉ Ｓ支持下,分土壤质地建立了土壤水分遥感监测模型,从而提高了监测精度。     

极轨气象卫星旱情遥感监测的概述及发展

遥感技术在干早监测中具有宏观、快速、客观、经济等常规手段不具备的优势，综述了遥感监测干早在国外的研究进展，从有无植被覆盖方面介绍了热惯量法、亮温法、植被指数法、供水指数法、条件温度植被指数法、农田双层模型等方法在我国的研究进展，及该领域的发展趋势。     

基于MODIS数据的作物苗期干旱监测方法

针对苗期低植被覆盖情况,在原有的归一化植被指数基础上,增加了土壤调节植被指数,将其与条件温度指数结合,通过与地面实测土壤相对湿度进行相关分析,分别建立作物苗期的干旱监测模型,并与热惯量方法和供水植被指数方法进行对比分析,初步得出辽宁省范围内作物苗期进行大范围干旱遥感监测的最适宜模型为土壤调节植被指数一温度模型.     

单时相极轨气象卫星资料遥感监测干旱研究

用热惯量法遥感监测干旱时 ,需要 12h内昼夜两次晴空星下点资料 ,而这在实际工作中一般不易碰到。针对热惯量法存在的时效性问题 ,探讨了用单时相遥感资料监测干旱的方法。采用单时相遥感资料监测干旱的方法 ,可以取得和表观热惯量法相近的监测精度。     

用NOAA卫星资料监测土壤湿度方法的探讨

本文提出一种利用ＮＯＡＡ气象卫星资料结合数字化地形资料进行土壤湿度监测的方法，其思想是以冠层温度随植被指数的变化率作为监测土壤湿度的因子。     

从MODIS资料提取土壤湿度信息的主成分分析方法

沿袭了遥感地物分类中K-L变换思想, 以归一化处理后的遥感数据, 结合地面土壤湿度观测数据, 应用主成分分析方法, 采用MODIS不同红外波段数据, 通过相关关系计算, 在监测结果中融合MODIS具有250 m分辨率的第2波段数据, 建立了青海省多维特征空间土壤湿度监测模型。模型的建立克服了热惯量法监测干旱需多时相遥感数据的缺陷, 经初步检验, 此模型可以在一定精度范围之内监测表层土壤湿度, 具有业务应用潜力。     

土质对FDR水分传感器拟合参数影响的试验研究

通过制作人工土柱的方法,对壤土、黏土、砂土等土质进行FDR(Frequency Domain Reflectometry)水分传感器拟合标定试验,分析了传感器频率与土壤水分之间的关系,以及不同质地土壤对传感器标定参数的影响。数据分析结果表明:FDR土壤水分传感器感应频率随土壤体积含水量的增加而单调减小,具有很好的相关性,不同的土质对土壤水分传感器标定参数影响较大,黏土测试的传感器归一化频率范围在0.64~0.94之间,壤土测试的传感器归一化频率范围在0.4~0.86之间,砂土测试的传感器归一化频率范围在0.3~0.94之间,土壤按类别进行标定比集中标定的效果更好。分析结果对土壤种类复杂地区的自动土壤水分观测仪精细化标定具有一定指导意义。     

冬小麦主要生育阶段水分指标的生态分析

作物水分指标是进行干旱气候分析的基础，也是农业上合理用水的依据。本文从试验资料出发，对水分-生理生态关系进行了模拟，运用数学方法和最优分割理论确定了冬小麦主要生育阶段适宜的水分指标和干旱指标。在此基础上，就相对蒸散与叶面积系数和土壤湿度的关系进行了分析，并用Penman公式加以生态订正，确定出冬小麦耗水量指标。     

陆面过程模式对土壤含水量初值的敏感性研究

利用IAP94陆面过程模式,采用淮河流域能量与水份循环试验(HUBEX)期间两种下垫面(森林和旱田)、不同季节(5月、8月和11月)的观测资料,研究了模式对土壤含水量初值的敏感性.结果表明:对于森林和旱田下垫面,当土壤含水量减少时,地表净辐射均略有减少,同时潜热通量减少而感热通量增加.另外,模式对土壤含水量初值的敏感性有较明显的季节差异,相对而言在晚春和夏季较强,而在秋季明显减弱.这说明春夏季节的土壤含水量初值在淮河流域区域气候的模拟和预测中尤其值得关注.     

土壤水分条件对冬小麦生长发育及产量构成影响研究

通过2011-2013年中国气象局固城生态环境与农业气象试验站冬小麦种植试验,利用冬小麦不同生育期土壤湿度、根长密度、株高、绿叶面积和产量等资料,研究不同土壤水分条件对河北固城冬小麦生长发育和产量构成的影响。结果表明：2011-2012年固城站冬小麦0-50 cm土壤相对湿度>50%为冬小麦适宜土壤湿度。2012-2013年固城站冬小麦各生育期0-80 cm土壤相对湿度<55%时,尽管80-120 cm土壤相对湿度为55%-80%,但冬小麦根系和产量构成要素均较小。冬小麦各生育期0-80 cm土壤相对湿度为55%-70%时,冬小麦根系总量最多,则冬小麦生长发育最好,产量构成要素均较好,总产量最高。冬小麦各生育期0-120 cm土壤相对湿度<55%时,冬小麦根系总量最小,且根系集中分布的深度也较浅,总产量最小。冬小麦各生育期0-120 cm土壤相对湿度>80%时,冬小麦根系总量较多,但总体产量比0-80 cm土壤相对湿度为55%-70%时低。     

基于概念模型的麦田土壤水分动态模拟研究

农田土壤水分模拟是农业用水管理的重要依据。以根区土体水量平衡方程为依据,考虑根区下界面水分通量,构建了农田土壤水分变化模拟模型,该模型由作物蒸散量模型、根区下界面水分通量模型以及水量平衡方程等组成。采用山西水利职业技术学院试验基地2007年和2008年2个年度冬小麦试验资料,确定了模型参数。结果表明,土壤储水量模拟计算值与实测值有较好的一致性,其相关系数达到0.9555;F检验结果达到极显著水平,所建立的麦田土壤水分动态模型可用于作物蒸散量、根区下界面水分通量和田间土壤水分的模拟计算;计算精度平均达到3%～11%。表明该模型可较好地描述农田士壤水分转化过程。     

华北地区玉米田实际蒸散量的计算

以简化农田实际蒸散的计算过程为目的，利用1999年河北定兴县中国气象科学研究院农业气象试验基地的玉米田0~300 cm土壤湿度和气象要素的实测资料以及华北地区5个站1991~1995年0~50 cm土壤湿度和气象资料，探讨由简化参考蒸散模式计算玉米田实际蒸散的可能性；对比了Priestley-Taylor模式和FAO（1998）Penman-Menteith模式的计算结果，以农田试验资料为基础，采用叶面积系数和平均土壤相对湿度为因子，建立了实际蒸散的计算模式。并以华北地区8个站1999~2000年0~50 cm土壤湿度和气象资料进行验证，平均误差一般为10%~15%.     

土壤湿度和土壤温度模拟中的参数敏感性分析和优化

使用一种复杂洗牌算法 (SCE-UA, Shuffled Complex Evolution Algorithm) 对Noah陆面模式中的参数进行敏感性分析和优化,其中水文参数采取直接优化和优化土壤成份的形式,侧重于研究两种水文参数给出方法对土壤湿度和土壤温度模拟的敏感性。结果表明:将土壤湿度和土壤温度作为判据,模式中水文参数敏感性最高,水文参数对土壤湿度的敏感性要高于对土壤温度的敏感性。表层土壤湿度作为判据对土壤水文参数优化后,可以改善土壤湿度和土壤温度的模拟,加入深层土壤湿度同时作为判据后,优化使土壤温度的模拟变差。当土壤成份作为优化的参数,表层和深层土壤湿度作为判据,优化能够同时改善土壤湿度和土壤温度的模拟。单独使用土壤温度作为判据不能达到优化水文参数的目的。将土壤成份作为优化的参数后,土壤湿度和土壤温度的多判据优化效果最好,且减少不敏感参数的个数后对优化结果的影响总体不大。基于以上结果,将土壤成份作为优化水文参数的方法能够更好的考虑不同水文参数之间的约束关系,优化后的水文参数具有很好的一致性,优化效果较直接优化水文参数更好。     

土壤水分对冬小麦叶片光合速率影响模型构建

植物叶片光合速率是表征植物光合能力的重要参数,对土壤水分反应敏感,建立不同土壤水分对冬小麦叶片光合速率影响模型,有助于准确理解冬小麦的光合作用和产量形成。该文收集整理了1996—2017年我国冬小麦主产区11个试验地点、17个冬小麦品种的干旱和渍水试验数据共64组310个样本,分别构建干旱和渍水对冬小麦叶片光合速率影响的分段式和指数型模型,形成土壤水分对冬小麦叶片光合速率影响模型（the model for Soil Moisture Effects on leaf Photosynthesis rate of winter wheat,SMEP）。结果表明:随着土壤相对湿度增加,冬小麦叶片光合速率系数呈稳定低值-线性增加-稳定高值-缓慢下降的特点;随着渍水时间延长,冬小麦叶片光合速率系数呈缓慢下降-快速下降的特点。对SMEP模型进行回代检验、外推检验、单点验证、单发育期验证发现,模型模拟结果与文献数据有较好的一致性,回归系数在1.0附近,且均达到0.01显著性水平。SMEP模型将嵌入中国农业气象模式（CAMM1.0）,为CAMM不断完善提供科技支撑。     

基于吉林省观测土壤水分的WOFOST模型模拟研究

利用吉林省白城站试验数据进行模型参数调整,通过独立的观测资料对生育期、叶面积指数、地上部分各器官生物量进行模拟验证与评价。以白城站和榆树站代表吉林省西部玉米种植区和中部黄金玉米带参数,利用农业气象观测站发育期资料、气象资料和经过质量控制后的逐日土壤水分自动站观测数据进行模拟。为了提高WOFOST模型模拟精度,将由模型通过降水量计算的土壤体积含水量替换为实测土壤水分计算的体积含水量,采用替换后的土壤体积含水量参与模型下一步运算,以此来模拟2001—2016年春玉米穗生物量变化状况,构建玉米土壤体积含水量改善率(PD)指标,来表征降水驱动和土壤水分驱动对作物模型模拟结果的影响。结果表明:(1)模型对白城站春玉米生育期、叶面积、地上部分总生物量和叶生物量较准确,而穗生物量模拟效果一般。(2)从代表站白城来看,穗生物量模拟值与降水量存在明显正相关,降水偏少的年份土壤模拟效果明显优于降水驱动。(3)从区域来看,以盐碱土为主的地区或降水量偏少的年型下土壤水分驱动效果优于降水驱动;在以黑土为主的区域或降水偏多的年型下,两者模拟效果基本接近。(4)总体来说,利用观测土壤水分替换降水量参与模型能够显著提高模型模拟精度。     

Trends and scales of observed soil moisture variations in China

A new soil moisture dataset from direct gravimetric measurements within the top 50-cm soil layers at 178 soil moisture stations in China covering the period 1981-1998 are used to study the long-term and seasonal trends of soil moisture variations, as well as estimate the temporal and spatial scales of soil moisture for different soil layers. Additional datasets of precipitation and temperature difference between land surface and air (TDSA) are analyzed to gain further insight into the changes of soil moisture. There are increasing trends for the top 10 cm, but decreasing trends for the top 50 cm of soil layers in most regions. Trends in precipitation appear to dominantly influence trends in soil moisture in both cases. Seasonal variation of soil moisture is mainly controlled by precipitation and evaporation, and in some regions can be affected by snow cover in winter. Timescales of soil moisture variation are roughly 1-3 months and increase with soil depth. Further influences of TDSA and precipitation on soil moisture in surface layers, rather than in deeper layers, cause this phenomenon. Seasonal variations of temporal scales for soil moisture are region-dependent and consistent in both layer depths. Spatial scales of soil moisture range from 200-600 km, with topography also having an affect on these. Spatial scales of soil moisture in plains are larger than in mountainous areas. In the former, the spatial scale of soil moisture follows the spatial patterns of precipitation and evaporation, whereas in the latter, the spatial scale is controlled by topography.