淮安一次雾霾过程的污染物变化特征及来源分析

2012年6月9-11日淮安及周边地区出现了一次严重雾霾天气,PM2.5、NOx、CO、SO2等大气污染物浓度急剧升高.本文综合利用地面空气污染监测资料、气象观测资料,分析了该次雾霾过程中污染物的变化特征和影响因素,并对污染物的来源进行了探讨.结果发现：在这次连续雾霾过程中,SO2的质量浓度都在0.049 mg/m3以下;NOx、PM2.5、CO的质量浓度与能见度呈反相关,并在整个雾霾过程中出现两个峰值,均出现在能见度低于1 000m的雾过程中;在雾霾天气过程中,中低层一直维持一个逆温层结,其中四个时次中逆温层底在975 hPa,逆温层顶在925 hPa附近,这种稳定的大气垂直结构不利于大气湍流、水汽的垂直交换以及污染物的垂直扩散,为雾霾的长时间维持创造了良好的热力条件.整个雾霾过程中,近地层始终维持偏东风向,能见度在风速下降的时候随之下降,在风速增大的时候随之增大.应用轨迹模式分析表明,有利的天气条件和大面积秸秆燃烧的结合是造成这次淮河下游连续雾霾过程发生的主要原因.     

农作物主要生长参数自动观测技术综述

农作物生长参数是描述作物生长和评价环境条件（包括农业气象灾害）对作物生长影响的重要数据,也是预测产量、指导农田管理的重要依据。介绍作物覆盖度、发育期、株高等主要生长参数国内外自动观测技术的研究进展及应用,探讨相关技术的原理、方法、可行性及局限性。分析表明：利用CCD图像传感器实时获取作物图像,采用计算机视觉及图像处理技术能更精准、快速、直观、动态获得作物覆盖度、发育期、形态、叶面颜色等实况特征,还可作为卫星遥感大面积作物长势地面验证及更进一步开展作物病虫害、作物营养供给情况自动监测的基础,具有广阔的推广前景。     

作物长势评估指数的设计与应用

合理有效地开展作物长势评估,可以及时反映作物生长状况及其对天气气候条件的响应。由于WOFOST模型、ORYZA2000模型在模拟冬小麦、玉米和水稻生长发育过程具备较强机理性,研究基于2001年以来全国冬小麦、玉米、水稻主产区逐日模拟的作物发育进程、叶面积指数和地上总生物量,通过隶属函数构建评估指数,开展高时空分辨率的作物长势评估。结果表明:长势综合评估指数在作物生长前期以发育进程、叶面积指数和地上总生物量三要素加权集合表征,中后期以发育进程和地上总生物量与穗重相关性的加权集合表征;长势评估指数与常规地面观测和遥感长势监测一致性较好,可以反映天气气候条件影响。在作物生长季内,以日为单位构建了作物长势评估指数数据库;根据长势评估指数将作物长势分为长势好、长势偏好、长势持平、长势偏差、长势差,实现空间上的长势监测、对比;以空间集成的方式,开展省级作物长势对比分析;利用长势评估指数变化反映典型天气气候条件对作物生长发育的影响。上述基于作物模型的作物长势评估指数符合现代化农业气象科研与业务服务发展的需求。     

基于CI指数的黑龙江省作物生长关键期干旱变化

利用1961—2008年黑龙江省逐日气象观测资料,计算综合气象干旱指数（CI）,分析黑龙江省作物生长关键期（5—8月）气象干旱频率和气象干旱强度变化。结果表明：黑龙江省作物生长关键期干旱频率1960年最大为79%,1980年最小为58%,干旱频发中心位置变化不大,主要出现在松嫩平原西南部,但集中区向北转移。黑龙江省作物生长关键期干旱强度1960年为最强,其次为2000年,干旱强度最大区域基本稳定在松嫩平原西南部和三江平原中东部。2000年以来,作物生长关键期干旱频发且强度加大,北部渐频、渐强,原来较少发生干旱的三江平原干旱也时有发生且强度较大。     

基于改进SWAT模型的灌溉—施肥—耕作对乌梁素海流域营养物负荷及作物产量的影响

不合理的灌溉、施肥和耕作是导致乌梁素海流域农业面源污染的主要根源,乌梁素海作为我国北方地区重要的生态安全屏障,多年来面临着湖泊水环境污染、水生态退化等问题,科学开展湖泊水环境综合治理首先要解决流域内农业面源污染问题.研究通过修改土壤水平衡、溶质平衡、地下水平衡和作物生长等模块对SWAT 2012原始版本进行改进,并采用改进的SWAT模型构建了乌梁素海流域分布式水文模型,利用实测径流、硝态氮与总磷排放量、地下水埋深以及作物产量校正和验证模型.基于现状情景,以玉米、葵花和小麦3种主要作物为研究对象,设置了削减灌水量、施肥量及调整耕作方式3种农田管理情景.基于改进SWAT模型不同情景的模拟结果,计算分析各管理情景下的硝态氮与总磷负荷及对各作物产量的影响.结果表明,改进SWAT模型具有良好的模拟效果.不同作物削减5%夏灌水量增产最多达8.41%～10.32%,削减10%秋浇水量均明显减少硝态氮和总磷负荷.不同作物营养物负荷均随着氮磷施肥削减比例的增大呈现逐渐降低的趋势,但下降曲线逐渐趋于平缓;各作物产量随氮磷施肥削减比例的增加呈先增加后减少的趋势,其中玉米、小麦氮磷施肥削减比例达20%时产量开...     

Remote sensing classification approach to large-scale crop cultivation identification: A case study of the Aral Sea Basin

Since the collapse of the Soviet Union, the crop cultivation structure in the Aral Sea Basin has changed dramatically, and these changes are worth studying. However, historical crop remote sensing mapping at the watershed scale remains challenging, especially crop misclassification at the cropland edge due to mixed pixels. Therefore, we proposed a field segmentation approach to constrain field edges based on time-series Sentinel-2 remote sensing images and the Google Earth Engine platform and then employed the random forest algorithm to perform crop classification based on time series Landsat/Sentinel-2 images and crop phenology information to produce historical crop maps in the Aral Sea Basin from the 1990s onward. The results showed that the intersection over union between the extracted field edges and in situ-measured field size data was 0.65. The overall accuracy of crop mapping was 95.2% in 2019. Then, we extended our method to historical mapping over the 1991–2015 period with accuracies ranging from 82.8% to 91.3%. Moreover, our method applied to historical mapping works well in terms of accuracy and policy matching. These findings indicate that our method can accurately distinguish cropland edges to reduce classification errors due to mixed pixels. This method is promising for solving the cropland edge problem for historical crop mapping in the Aral Sea Basin and can potentially provide a reference for historical crop classification in other watersheds of the world.     

遥感信息与作物生长模型结合研究进展北大核心

遥感能周期性地获取大范围的地表作物信息,通过适当的反演方法能够定量地提供作物在区域尺度上的生长状况;而作物生长模型可以在单点尺度上模拟出作物生长发育的动态变化,对作物长势以及产量变化的做出机理性解释。将遥感信息与作物生长模型结合能实现二者优势互补,已成为目前作物长势监测和估产研究中的重要方法。本文总结了遥感信息和作物生长模型结合的两种主要方法,即驱动法和同化法,介绍了两种方法的常用算法、优缺点及国内外的应用情况,同时总结了将二者结合的研究趋势以及目前研究中存在的一些问题,旨在为后续遥感信息与作物生长模型结合的研究提供一定理论参考。