土壤—大宗农产品中Cd的分配及其环境意义

基于多目标地球化学调查成果,以土地生态效应为重点,研究成都经济区大宗农产品——水稻、玉米、小麦籽实中Cd元素的含量,同时讨论了农产品籽实与土壤中Cd含量的关系。结果表明大宗农产品籽实中Cd元素的累积状况为小麦>水稻>玉米;土壤酸碱度(pH值)环境对土壤中Cd元素的转移和在农作物籽实中积累影响较大,酸性土壤中Cd元素更容易进入植物体并积累下来,从而形成环境生态危害。     

Remote sensing monitoring on regional crop water productivity in the Haihe River Basin

Crop water productivity （CWP） agricultural development in water scarcity is one of the important indicators for sustainable area. There is serious conflict between water sup- ply and requirement in the Haihe River Basin. CWP of winter wheat and summer maize from 2003 to 2007 in the Haihe River Basin is estimated based on large-scale evapotranspiration （ET） and crop yield obtained by remote sensing technology. Spatial and temporal distribution of CWP of winter wheat and summer maize is investigated in this study. Results show that CWP of winter wheat in most parts of the study area varies from 1.02 kg/m3 to 1.53 kg/m3, and CWP of summer maize varies from 1.31 kg/m3 to 2.03 kg/m3. Multi-year averaged CWP of winter wheat and summer maize in the study area is about 1.19 kg/m3 and 1.59 kg/m3. CWP results show certain promotion potential to alleviate the water shortage in the Haihe River Basin. Correlation analysis of CWP, crop yield and ET shows that there is great potential for crop yield promotion without the growth in irrigation water. Large-scale CWP estimated by remote sensing technology in this study shows spatial distribution features, which could be used to real-time agricultural water resource management combined with crop yield and ET.     

基于气象要素的逐日玉米产量气象影响指数

利用1981—2020年5—9月气象数据与玉米产量数据,通过改进逐日降水适宜度并构建逐日气候适宜度模型,建立基于相似年逐日气象要素的作物生育期气候适宜度序列,利用气象产量与气候适宜指数建立模型,设计逐日作物产量气象影响指数以表征气象条件对作物的影响程度,基于该指数构建东北地区玉米逐日产量预报模型并分析其逐日预报准确率,用以表明该指数的准确性。结果表明：利用3个相似年预报结果加权集成综合相似年逐日作物产量气象影响指数可提高逐日预报准确率,黑龙江年尺度逐日预报准确率年际间波动小于东北其他地区。综合相似年月尺度下,随着玉米发育期的推进和实时气象数据的引入,月尺度平均预报准确率逐渐提高。东北地区玉米产量8月31日的日尺度预报准确率普遍高于7月31日;辽宁日尺度预报差异较大,但随着玉米发育期推进逐日预报产量和实际产量接近,准确率也提高。基于气象要素构建的逐日作物产量影响指数和同期气象影响指数可以定量评估不同时段气象条件对作物产量的影响程度,在一定程度上可提高农业气象业务定量化评价水平。     

Assessing the benefit of satellite-based Solar-Induced Chlorophyll Fluorescence in crop yield prediction

Large-scale crop yield prediction is critical for early warning of food insecurity, agricultural supply chain management, and economic market. Satellite-based Solar-Induced Chlorophyll Fluorescence (SIF) products have revealed hot spots of photosynthesis over global croplands, such as in the U.S. Midwest. However, to what extent these satellite-based SIF products can enhance the performance of crop yield prediction when benchmarking against other existing satellite data remains unclear. Here we assessed the benefits of using three satellite-based SIF products in yield prediction for maize and soybean in the U.S. Midwest: gap-filled SIF from Orbiting Carbon Observatory 2 (OCO-2), new SIF retrievals from the TROPOspheric Monitoring Instrument (TROPOMI), and the coarse-resolution SIF retrievals from the Global Ozone Monitoring Experiment-2 (GOME-2). The yield prediction performances of using SIF data were benchmarked with those using satellite-based vegetation indices (VIs), including normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), and near-infrared reflectance of vegetation (NIRv), and land surface temperature (LST). Five machine-learning algorithms were used to build yield prediction models with both remote-sensing-only and climate-remote-sensing-combined variables. We found that high-resolution SIF products from OCO-2 and TROPOMI outperformed coarse-resolution GOME-2 SIF product in crop yield prediction. Using high-resolution SIF products gave the best forward predictions for both maize and soybean yields in 2018, indicating the great potential of using satellite-based high-resolution SIF products for crop yield prediction. However, using currently available high-resolution SIF products did not guarantee consistently better yield prediction performances than using other satellite-based remote sensing variables in all the evaluated cases. The relative performances of using different remote sensing variables in yield prediction depended on crop types (maize or soybean), out-of-sample testing methods (five-fold-cross-validation or forward), and record length of training data. We also found that using NIRv could generally lead to better yield prediction performance than using NDVI, EVI, or LST, and using NIRv could achieve similar or even better yield prediction performance than using OCO-2 or TROPOMI SIF products. We concluded that satellite-based SIF products could be beneficial in crop yield prediction with more high-resolution and good-quality SIF products accumulated in the future.     

基于时序影像的农业活动因子提取与闽西耕地SOC数字制图

人类活动对表层耕地土壤有机碳(Soil Organic Carbon, SOC)影响强烈,但目前大范围复杂地貌地形区的耕地SOC数字制图对人为因素的空间刻画不足。本文以福建省西部耕地为研究对象,基于Sentinel-2/MSI时间序列数据提取轮作模式分类信息(Crop Rotation, CR),以及可反映轮作模式信息的植被特征变换变量(Harmonic Analysis of Time Series, HANTS),分别作为农业活动定性和定量因子,将常规气候和地形因子作为自然环境因子,并对不同类型环境变量进行组合(气候+地形、气候+地形+轮作模式、气候+地形+HANTS变量、气候+地形+轮作模式+HANTS变量)。基于随机森林模型(Random Forest, RF)对不同环境变量组合驱动的耕地表层SOC空间预测精度进行对比分析,探索以轮作模式为例的农业活动因子提高耕地表层SOC数字制图精度的可能性。结果表明,同时加入两种农业活动因子的RF模型表现最佳,其模型预测精度相较于纯自然环境变量驱动的模型有明显提高(R²提高了89.47%,RMSE和MAE分别下降了10...     

2013年—2017年主要农业区秸秆焚烧时空特征及影响因素分析

中国作为农业大国,每年面临大规模的露天秸秆焚烧现象,近十几年来,秸秆焚烧在突发和极端雾霾事件中发挥了显著的作用,导致大气能见度下降,危害人类健康。本文为探究中国“大气十条”实施第一阶段（2013年—2017年）以来中国秸秆焚烧时空变化情况,并探究秸秆禁烧政策对秸秆焚烧时空变化的影响,借助2013年—2017年Terra、Aqua卫星MODIS热异常产品,利用土地利用与覆盖变化数据,通过提取白天农田范围内的热异常点,获取全国范围秸秆焚烧结果,分析了2013年—2017年秸秆焚烧时空变化特征,并深入讨论了全国和区域禁烧政策对秸秆焚烧治理的影响,有助于为今后针对重点焚烧区制定相关政策提供科学依据。研究结果显示“大气十条”颁布之后5年期间全国秸秆焚烧年总量呈先增加后减小的总趋势,最低值2016年比最高值2014年降低34.48%,2017年较2013年秸秆焚烧数量减少的区域面积约为增加区域面积的2倍。秸秆焚烧治理成效最为显著的为河南省、安徽省和湖北省,其中,河南省在严格的禁烧政策、集中约谈、经济处罚、推广秸秆综合利用产业等多种措施共同影响下,2016-06和2016-10两个秸秆焚烧高峰期的秸秆焚烧数量分别较2015年同期下降86.66%和98.93%,且后期未出现反弹。黑龙江省虽然在一定程度上控制了秋季秸秆焚烧情况,但由于秸秆产量大且缺乏处理手段,会导致次年春季出现大规模反弹,并未从根本上解决秸秆焚烧控制问题。因此,除了进一步强化秸秆焚烧重点区域和重点时段禁烧措施,不断提高禁烧监管水平,还必须鼓励秸秆还田,秸秆能源化,提高秸秆综合利用率,“禁”“用”结合、因地制宜,形成管控秸秆焚烧的长效科学措施。     

Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物

本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。     

近28a河南主要农业气象灾害及其影响

利用河南1978-2005年农作物受灾面积资料和新中国成立以来的产量资料,分析了河南主要农业气象灾害的变化特征和对农业生产的影响,结果表明,28 a来河南农作物受灾面积呈上升趋势,其阶段性变化为20世纪70年代后期至80年代前期较少,80年代中后期至21世纪初明显增多,最近几年又明显减少。气候条件对农业生产的影响以50年代最有利,80年代次之,70年代较差,60年代最差。     

西北地区特色作物对气候变化响应及应对技术的研究进展

总结了白兰瓜、 大樱桃、 酿酒葡萄、 苹果、 桃、 当归、 党参、 黄芪、 甘草、 枸杞等10种特色作物的生长发育、 种植区域、 气象灾害、 生物量、 产量与品质等对现代气候暖干化的响应特征. 结果表明: 气候暖干化使多年生特色作物萌芽或返青提早, 生长发育速度提前加快; 瓜果类作物全生育期缩短, 根类作物全生育期延长; 使种植区的高度提高150 m左右, 向更高纬度扩展, 种植面积迅速扩大. 对旱作农业区的特色作物气候产量下降, 对灌溉农业区的影响较少, 有利于喜温凉特色作物气候产量增加, 对较耐旱的影响较轻, 对不够耐旱受到较大的影响.有利于提高瓜果类作物的品质, 尤其含糖量提高. 提出了建立特色作物种植基地或示范区, 实现农工商产业系列服务, 创建现代农业发展模式和管理新模式适应气候变化; 制定精细化综合农业自然资源区划, 合理调整种植结构; 根据未来气候预测和不同气候年型调整作物种植比例; 加强气象灾害监测、 评估、 预警与防御工作等4个方面的措施应对气候暖干化.     

Hargreaves公式在塔克拉玛干沙漠腹地的适用性

对运用Hargreaves公式计算参考作物蒸散量(ET0)在干旱区的适用性存在不同观点。为了求证Hargreaves公式在极端干旱区塔克拉玛干沙漠腹地的适用性,利用2005-2010年塔克拉玛干沙漠研究站的气象资料,以利用Penman-Monteith公式计算的结果为标准,对利用Hargreaves公式计算的ET0进行了对比分析,并对两种计算结果差异的成因进行了阐释。结果表明:在年时间尺度上,利用Hargreaves公式计算的结果略大于利用Penman-Monteith公式计算的结果,标准差介于32.86~35.00 mm,年参考作物蒸散量计算结果呈现弱变异程度;在月时间尺度上,用两种方法计算的参考作物蒸散量呈现中等变异程度,蒸散量绝对偏差介于-3.26~8.73 mm,相对偏差介于-12.20%~29.02%,除了10月与11月,其余月份相对偏差均保持在10%之内。用两种方法计算的10月与11月份ET0产生差异的最主要原因在于有较高的温度较差。最后,经过对年、月参考作物蒸散量进行t-检验及建立回归方程,表明Hargreaves公式适用于极端干旱的塔克拉玛干沙漠腹地。