论文部分内容阅读
以温室大棚为代表的设施菜地种植模式,已经成为我国蔬菜生产最主要的发展方向。温室大棚作为一种人造设施,光谱特征明显,但常与其他人造建筑混合;此外,“高水肥”、“高复种指数”的种植模式,导致设施菜地土壤N2O排放量显著高于传统露天菜地。因此,如何准确获取较大范围内的温室大棚面积信息,估算其N2O排放量,分析其对环境的影响,成为当前农田生态环境研究的热点之一。本文以地处太湖流域的常州市和太仓市为研究区,开展了温室大棚遥感指数（Greenhouse Index,GI）构建研究,建立了大棚盖度（Frction）估算模型,在常州市进行对比验证;并基于GI指数获取了太仓市各乡镇温室大棚种植面积,利用DNDC模型估算出太仓市各乡镇温室大棚N2O排放总量,分析温室大棚N2O排放的空间差异、季节差异及排放总量差异;同时提出3种减排措施,探讨N2O减排潜力及可行性。结论如下:（1）基于中等分辨率遥感影像Landsat-8,结合K-T变换所得湿度（WI）、绿度（GVI）、亮度（BI）;归一化植被指数（NDVI）、归一化建筑指数（NDBI）、归一化裸土指数（NDBaI）、改进的归一化水体指数（MNDWI）、增强型建筑及裸土指数（EBBI）;8种灰度共生矩阵GLCM纹理特征量,进行温室大棚光谱特征分析、可分离性分析以及纹理特征分析。通过光谱特征分析,发现温室大棚与人造地表光谱特征相似,并确定塑料薄膜的覆盖会增强地表反射率;通过可分离性分析,确定温室大棚与耕地区分度较高,与裸地及人造建筑区分度较低,并且根据分离指标M,综合考虑温室大棚与裸地、城镇用地、耕地之间的分离性,得出多光谱数据Coastal、Blue、Green、NIR,亮度指数（Brightness）、归一化建筑指数（NDBI）、增强型建筑及裸土指数（EBBI）这7个波段和指数对于温室大棚较为敏感。通过纹理特征分析,得出对比度、变化量、均值及熵4种纹理特征量对于区分各地物类型效果显著。（2）利用Logistic回归模型,对上述11个波段和遥感指数进行拟合分析,构建温室大棚遥感指数（GI）,以提取温室大棚面积信息;对温室大棚盖度和温室大棚指数进行回归分析,建立温室大棚盖度模型（Fraction Model）,最低能够识别18%的温室大棚覆盖度。通过训练样本和验证样本,GI指数在样本区域分别取得0.82和0.81的Kappa系数;在整个常州市取得0.78的Kappa系数,在太仓市取得0.82的Kappa系数;与现有温室大棚遥感指数相比,取得更高的分类精度,表明新拟建的GI指数更适用于太湖流域温室大棚提取。（3）基于大棚蔬菜地N2O排放实测数据,确定DNDC模型对于N2O排放的季节动态变化规律和总排放量均有较好的拟合结果,表明DNDC模型经过参数率定后,可以在数量和动态变化方面比较接近的模拟N2O排放通量,能够进行区域内大棚蔬菜地土壤N2O排放量的估算。通过敏感性分析,确定在相同气候条件下,土壤pH值是N2O排放最显著的影响因子,土壤有机碳、容重、施肥量以及灌溉量对N2O排放影响亦较大。（4）在95%置信水平下,DNDC模型计算出太仓市20172018年度（1年）,“芹菜-花菜-小青菜-生菜”轮作体系下的单位耕地面积温室大棚N2O排放均值为58.92 kg N·hm-22 a-1。根据独立同分布中心极限定理,该数据能够代表太仓市整体情况,将其作为基准值,以此确定参数平均法来估算太仓市各乡镇N2O排放量。基于GI指数计算出太仓市2018年末温室大棚面积约为6973 hm-2,基于DNDC模型估算出太仓市温室大棚N2O-N年排放总量约为410.8 t·a-1。根据单位耕地面积N2O排放负荷分析,确定温室大棚N2O排放存在明显的地区差异和季节差异。其中,夏季是N2O排放高峰期,占全年总排放量的8090%;而不同的土壤属性和施肥管理措施是造成太仓市各镇N2O排放差异的主要原因。基于传统露天蔬菜施肥量、设施农业推荐施肥量以及可控缓释肥料3种减排措施,太仓市温室大棚可分别减少22.25%、35.54%及90%以上的N2O排放;通过可行性分析,得出减量施肥是现阶段我国温室大棚N2O减排较为可行的方案。