1994—2008年河南省植被净第一性生产力及其时空变化

基于地理信息系统和卫星遥感技术,利用地面气象数据、遥感数据和土地分类等数据,根据河南省实际植被覆盖和自然地理情况,应用改进的CASA模型估算了1994—2008年间河南省植被净第一性生产力及其时空变化。结果表明：河南省植被净第一性生产力与年均温度的相关性好于植被年净第一性生产力与年降水量和年均太阳辐射之间的相关性,温度是限制河南省植被净第一性生产力的主要因子;15年来河南省植被净第一性生产力呈增加趋势,但不明显;河南省主要植被类型的净第一性生产力从大到小依次为林地、灌丛、耕地、草地、其它植被,它们随时间的变化趋势极为一致。     

太行山中段植物群落物种多样性与环境的关系

通过丰富度指数、物种多样性指数和均匀度指数,结合TWINSPAN、DCCA排序及相关分析,研究了物种多样性及其变化机制,把植物群落分为8个群落类型;物种多样性指数变化的总体趋势是随着海拔的降低(从群落Ⅰ到群落Ⅷ)而降低(Simpson指数除外),对于某一个群落,这些指数都反映出基本一致的趋势;物种多样性指数的DCCA第一轴基本上反映了海拔变化引起的土壤水分的变化,第二轴基本上反映了人类对群落的干扰程度,物种多样性指数随土壤水分的增加而增大,随人类干扰程度的增加而减小.环境因子中,氮、有机质、海拔与第一轴呈负相关,其余因子与第一轴呈正相关,而铜、pH值与第一轴夹角很小,说明它们和水分梯度有显著的正相关,而锰、电导率与第二轴夹角小,说明它们与第二轴相关性大,而磷和第二轴却呈显著负相关.图3表1参12     

基于MODIS数据的河南省冬小麦产量遥感估算模型

小麦是世界上最重要的粮食作物,小麦生产对中国的粮食保障起着十分重要的作用,及时、准确、大范围对小麦产量进行监测预报,对于农学经济发展和粮食政策制定具有极为重要的现实意义。对作物产量进行遥感监测的原理是建立在其遥感特征基础之上的,通过建立作物长势指标与遥感信息的定量关系,可实现对作物产量的监测预报。文章基于2009年MODIS遥感数据和气象数据,利用Arcgis和ENVI提取纯小麦像元,并提取纯小麦像元对应的NDVI、NPP和LAI,获取分县NDVI、NPP和LAI均值,利用统计软件对产量数据和分县遥感参数均值进行数据整理和分析,建立了河南省冬小麦产量估算模型。以往研究多采用遥感图像上某像元和地面调查点进行研究,具有很大的不确定性,文章以县为单位,对冬小麦平均单产和县域内冬小麦种植像元遥感参数的均值进行相关研究,提高了模型模拟精度。同时文章选用多种遥感参数和多项气象因子建立估产模型,避免了针对一个参数进行估产的局限性。在最佳时相的选择上,根据冯美辰（2010）以往的研究结果,从4月以后,5月8日和4月20Et植被指数和产量相关性最大,4月份之前冬小麦处于返青到拔节期,对产量来说还有很多不确定闪素,因此文章选用5月8El和4月20日进行冬小麦估产研究。结果表明,5月8日的估产模型优于4月20日,加入气象冈子的遥感气象估产模型优于只采用遥感参数进行估产的遥感模型。利用2010年产量数据对模型精度进行检验,遥感气象模型预测精度在70．2％N99．7％之间,平均精度为90．7％;遥感模型预测精度在68．1％到95．5％之间,平均精度为83．9％。表明遥感气象模型模拟精度更高,其精度可以满足大面积估产要求,可以对产量预报提供科学参考。