基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究

本文以LAI作为结合点，讨论了利用复合型混合演化（SCE—UA）算法实现CERES—Wheat模型与遥感数据同化的可行性。CERES—Wheat模型同化后主要生育期和产量的模拟值分别与真实条件下模型相应模拟值以及实测值进行比较。结果表明，同化后CERES—Wheat模型的模拟精度对LAI外部同化数据的误差并不十分敏感。并且在LAI同化数据较少时，也可获得较好的同化结果。这一特点体现了SCE—UA算法应用于同化过程的优越性，为同化策略在区域冬小麦长势监测及估产中的应用提供了基础。     

农作物叶片病害迁移学习分步识别方法

农作物病害的准确识别有助于提高农作物的产量与质量。针对作物病害图像训练样本数据量较少的情况,本文采用迁移学习方法结合分步识别模型对多种农作物病害种类进行了识别。将PlantVillage公开数据集中3种农作物的10类作物叶片图像作为训练样本,利用直接识别方法分别对VGG16和ResNet的原始模型和迁移学习模型进行训练,得到模型的分类结果;提出分步识别方法,将训练样本按作物种类和病害类型归类,分别进行模型训练并构建分步识别模型。试验结果表明：利用迁移学习方法能够在原始模型的基础上将识别精度提高20%以上;在其基础上引入分步识别方法并与直接识别方法对比,能够将VGG16和ResNet模型精度再分别提高14%和8%。本文提出的迁移学习分步识别方法能够实现在小样本训练数据情况下的作物病害准确识别,可为作物病害防治提供有效的技术支持。     

黑龙江省作物倒伏分布特征

本文对黑龙江省历史作物倒伏分布特征进行分析。结果表明:作物倒伏集中发生在三江平原北部、松嫩平原东南部及牡丹江半山区;70年代和80年代作物倒伏高发时段;7-8级以上大风或龙卷风是造成作物倒伏的最主要气象要素;高杆作物倒伏次数明显多于矮秆作物;8月是作物倒伏发生的高峰时段。     

利用双变量同化与PCA-Copula法的冬小麦单产估测

为了进一步提高冬小麦产量估测的精度,基于集合卡尔曼滤波算法和粒子滤波（particle filter, PF）算法,对CERES–Wheat模型模拟的冬小麦主要生育期条件植被温度指数（vegetation temperature condition index,VTCI）、叶面积指数（leaf area index, LAI）和中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer, MODIS）数据反演的VTCI、LAI进行同化,利用主成分分析与Copula函数结合的方法构建单变量和双变量的综合长势监测指标,建立冬小麦单产估测模型,并通过对比分析选择最优模型,对2017—2020年关中平原的冬小麦单产进行估测。结果表明,单点尺度的同化VTCI、同化LAI均能综合反映MODIS观测值和模型模拟值的变化特征,且PF算法具有更好的同化效果;区域尺度下利用PF算法得到的同化VTCI和LAI所构建的双变量估产模型精度最高,与未同化VTCI和LAI构建的估产模型精度相比,研究区各县（区）的冬小麦估测单产与实际单产的均方根误差降低了56.25 kg/hm2,平均相对误差降低了1.51%,表明该模型能有效提高产量估测的精度,应用该模型进行大范围的冬小麦产量估测具有较好的适用性。     

近60年来东北地区参考作物蒸散量时空变化

利用东北地区106个站点1951～2007年的逐日气象资料,采用Penman-Monteith公式计算得到各站点的逐日、逐年ET₀,并通过反距离插值得到逐年ET₀及多年平均ET₀网格数据,最后通过墨西哥帽小波变换、Mann-Kendall检验、REOF、倾向率等方法探讨了全区平均ET₀及多年平均ET₀的时空变化特征。研究结果表明:①全区平均ET₀总体上表现较小幅度的增长趋势,其倾向率为3.89 mm/(10a),分别在1982、1953年取得最大、最小值;②在8-16年时间尺度上,全区平均ET₀的周期振荡非常明显,期间经历了"少→多→少→多"4个循环交替过程,其中又以8～10年周期内的振荡最为强烈;③多年平均ET₀在600～1160 mm之间,空间分异明显,其总体分布特征为:南高北低,西高东低,从东北向西南逐渐增加,等值线呈半环状;④从倾向率来看,ET₀增加、减少的面积比例分别为72.61%、26.39%,其中嫩江的增加趋势最明显,倾向率为30.6 mm/(10 a),叶柏寿的下降趋势最明显,倾向率为-24.4 mm/(10 a)。     

山西省不同区域冬小麦全生育期耗水量-产量关系模型研究

通过对2006年山西省文峪河试验站、汾西试验站、鼓水泉试验站、红旗试验站四个试验站的冬小麦田间试验,得出各自冬小麦的全生育期耗水量-产量关系模型,对各站所在灌区科学灌溉、合理用水、工程规划、用水管理、水资源评价等工作提供参考资料。     

修订后水分盈亏指数在甘肃省冬小麦干旱监测中的应用

提高西北旱作农业干旱监测准确性和时效性,对农业生产防灾减灾有重要意义。利用甘肃省3个农业气象观测站长期土壤水分和冬小麦生育状况观测资料、1971—2016年43个冬小麦种植县气象观测资料及产量资料,基于冬小麦播前底墒和生育期水分盈亏量修订了作物水分盈亏指数,并确定了干旱等级指标,改进后作物水分盈亏指数与土壤贮水和冬小麦减产率高度相关,能更准确的反映甘肃省冬小麦干旱实况,并利用ArcGIS分析了近46 a甘肃省冬小麦不同生育期、不同等级干旱发生频率的时空分布特征。结果表明：甘肃省冬小麦从播种至开花期随着发育期推移,呈现干旱频率增加、范围扩大的趋势,多以中旱居多,其中拔节—开花期发生面积最大,陇中、庆阳市北部、平凉市西部、天水市西部、陇南市南部干旱出现频率较高;开花—成熟期随着降水量增加干旱发生频率减少、程度减轻。     

基于Hargreaves-Samani回归修正的作物参考蒸散发计算适用性研究

为提高Hargreaves-Samani（H-S）模型计算参考蒸散发的精度,利用西北黄河流域与长江中下游平原共128个气象站点1961—2010年的逐日气象资料对H-S模型进行回归修正,以Penman-Monteith（P-M）模型为标准,评价了H-S改进模型H-S_CORR模型的计算精度,并且以第六次国际耦合模式比较计划（CMIP6）气候模式来对H-S_CORR模型进行了未来适应性评价。结果表明：修正后,在验证期内,长江中下游平原4个分区的平均绝对误差（MAE）和均方根误差（RMSE）的平均值分别下降了6.21 mm·月^-1和6.38 mm·月^-1;西北黄河流域4个分区的MAE和RMSE的平均值分别下降了9.26 mm·月^-1和9.23 mm·月^-1,2个研究区域修正后的决定系数（R²）比修正前最少提高1%。在CMIP6气候模式的未来气候情景下R²均达到0.98以上,具有良好的适应性。该研究修正的模型方法可为仅有气温数据的地区提供较高精度的参考蒸散发估算方法,为高频灌溉提供较为准确的数据基础。     

气候变化对甘肃定西、安徽合肥小麦生产影响研究

由于大气中温室气体的不断增加, 全球气候发生了巨大变化。据最新气候模式模拟研究表 明未来全球气候将发生更为剧烈的变化, 这必将对很多部门产生显著的影响特别是对气候变化 十分敏感的农业。尤其对于中国这样的人口大国, 农业作为社会最基本也是最重要生产部门之 一, 气候变化将对中国的农业生产带来巨大的影响。小麦是中国的第二大作物, 其中冬小麦占全 国小麦总产量近90%, 因此评价气候变化对中国小麦生产影响是十分必要的。为了分析在未来气 候变化情景下中国小麦生产可能遇到的风险, 以15 年ECMWF 再分析实验数据(1979~1993)作为 边界条件驱动PRECIS 区域气候模式模拟产生作物模型所需要的气候资料并输入CERES-Wheat 模型, 验证CERES-Wheat 模型与区域气候模式PRECIS 结合的模拟能力。在以上验证工作的基 础上, 将区域气候模式PRECIS 的模拟结果与作物模型CERES-Wheat 相连接, 同时考虑到CO2 对小麦的直接施肥作用, 模拟了两个小麦站点(定西和合肥)在IPCC SRES A2 和B2 情景下雨养 和灌溉小麦的变化趋势。得到如下结论: 无论是在A2 情景还是B2 情景, 定西和合肥的小麦产量 都会有所增加, 但增加的幅度相差很大。A2 情景的增产效应一般要大于B2 情景的增产效应, 灌 溉小麦比雨养小麦更加受益于气候变化, 冬小麦(合肥) 产量的增长幅度要大于春小麦(定西) 增 长幅度。CO2 对小麦生长的肥效作用十分明显, 产量增幅很大。以上结果说明未来气候变化可能 会对我国的小麦生产带来益处, 但由于未来气候情景模拟的不确定性以及CO2 肥效作用通常是 在作物过程中的水肥条件完全满足的情况下才充分体现, 这都给研究结果带来了不确定性, 但本 项研究为评价未来气候变化对中国小麦生产影响提供了一种全面的评价方法。     

用主成分分析法评价渍害土壤肥力

采用主成分分析法对渍害土壤的10项肥力指标进行了综合分析。结果表明：由主成分分析划分的3个主成分可全面概括10项土壤肥力指标的绝大部分信息，且第一主成分与作物的产量呈显著相关，r=0.5573，依此3个主成分对各样点进行聚类分析，可划分为4个不同肥力类型，并提出了相应的改土措施。