论文部分内容阅读
中国已成为世界上最大的苹果生产国和消费国。随着我国苹果规模和产量的不断增加,对全球苹果供应格局的影响越来越大。然而,近年来我国苹果花期霜冻灾害频发,造成部分苹果主产县市出现严重的减产及经济损失。针对我国加强农业信息监测、预警和发布以提高农业综合信息服务水平的重大需求,本文以区域尺度苹果园为研究对象,以高时空遥感、气象数据和地面调查数据为基础,围绕着我国苹果产业面临的花期霜冻灾害频发等关键问题,开展了基于高时空遥感和花期物候信息的苹果霜冻损失评估研究。根据本文的研究内容,依次进行了区域苹果分布提取、种植年份识别、初花期预测以及花期霜冻损失评估研究。主要形成以下结论:（1）本研究提出一种结合“时空融合数据”与“植被物候特征”以获得栖霞市苹果空间分布的方法。结果表明,相比仅利用时空融合数据进行分类,加入植被物候特征后可有效改善总体分类精度（Overall accuracy,OA）（OA:98.14%;Kappa系数:0.97）。另外,本研究从时间和空间维度评估了增强型时空自适应反射率融合模型（Enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）的性能。在时间上,该算法模拟的夏、秋季期间融合影像精度较优,其决定系数（Coefficient of determination,R~2）、均方根误差（Root mean square error,RMSE）和归一化均方根误差（Normalized root mean square error,NRMSE）均分别达到了0.75、0.07和12.7%以上;在空间上,该算法对于均一分布区域的模拟精度较高（R~2=0.74;RMSE=0.08;NRMSE=13.76%）。本研究获取的苹果分布结果对于服务区域果业升级和空间布局优化具有重要意义。（2）根据栖霞市苹果分布作为种植年份识别的关注区域,本研究结合可区分苹果类型的生长特征时期和欧氏距离（Euclidean distance,ED）算法,获取了2000至2017年的苹果空间分布,并利用苹果的时空分布特征以识别种植年份信息。此外,本研究评估了不同空间分辨率影像对于识别种植年份精度的影响,相比2000至2017年均采用Landsat数据,利用2017年Sentinel-2数据代替同期Landsat数据后的苹果种植年份识别精度相对较高,R~2提升了0.019,RMSE和NRMSE分别降低了0.11年和0.63%。因此,采用较高空间分辨率的遥感影像能够改善苹果种植年份的识别精度。本研究的苹果种植年份识别方法可有效辅助老龄化果园改造和品种更新方案的制定。（3）为了有效预测区域苹果初花期物候信息,本研究提出一种利用空间采样代替长时间采样的花期物候顺序模型（Sequential model）标定方法,以优化模型的冷-热量需求参数。其中,洛川县分别为30冷量部分（Chill portion,CP）和4900生长度小时（Growing degree hours,GDH）,临猗县分别为57 CP和7000 GDH。然后,根据2020年数据优化后的Sequential模型结合2021年网格气温数据进行区域苹果初花期预测,并以2021年实测初花期数据检验预测精度（RMSE≤4.7天;NRMSE≤5.19%）。结果表明,与先前学者标定的Sequential模型或冷重叠模型（Chill overlap model）相比,本研究获得了相似或较好的预测精度。此外,根据样点的冷-热需求初始范围获得的初花期模拟结果发现,当冷量需求较低时,冷量是提前或延迟苹果开花的主要因素;而随着冷量需求的进一步增加,热量对开花时间的影响力持续增强。本研究的区域苹果初花期预测方法有助于改善苹果花期霜冻灾害预防机制和适宜种植区规划。（4）在苹果种植年份识别和初花期预测研究的基础上,本研究利用区域苹果遥感信息（种植年份）和花期物候信息（霜冻前的开花时长、冷积累量以及霜冻日的最低气温、温差）,提出一种区域苹果花期霜冻损失评估方法。然后,根据留一法交叉验证（Leave-one-out cross-validation,LOOCV）结果表明,该模型具有较好的区域花期霜冻损失模拟性能（R~2=0.69;RMSE=18.76%;NRMSE=18.76%）。此外,扩展傅里叶振幅敏感性检验（Extended fourier amplitude sensitivity test,EFAST）方法被用于评估模拟结果对于建模参数的敏感性。结果表明,霜冻日的最低气温、霜冻前的冷累积量和种植年份对于苹果花期霜冻损失最为敏感,这3个参数的一阶和全局敏感性指数贡献率之和分别占总体的82%以上。本研究可有效辅助政府以及企业的苹果市场规划和农业保险方案的实施。综上,基于区域苹果分布提取、种植年份识别以及初花期预测研究,可有效开展基于高时空遥感和花期物候信息的苹果花期霜冻灾后损失评估,以改善我国当前面临的苹果花期霜冻灾害频发而导致的市场异常波动等问题,推动苹果产业可持续发展。