农作物干旱致灾过程遥感监测与精准识别机理与方法研究

To solve the key problems on the mechanism and methods of monitoring and precise identification of the evolution process of crop drought using remote sensing, wheat (C3) and maize (C4) are selected for this research, and three main aspects will be investigated: (1) Taking the evolution process of crop drought as the main line, the drought process will be clarified by coupling the surface energy balance equation, regional climate models, and crop growth models. Based on the analysis of the evolution process of drought and the response mechanism of canopy spectra, the spectral characteristics of drought-affected crops will be realized and mastered. (2) Multi-source and multi-temporal remote sensing data will be utilized to carry out the inversion for cropland parameters, including soil moisture, soil temperature, crop leaf area, radiative-equivalent water thickness of leaves, crop chlorophyll content, and cropland evapotranspiration. Then the diagnostic model of crop drought in the whole growth period will be established, and information on crop drought will be extracted. (3) Considering the big data in agricultural remote sensing, methods including deep learning will be used to perform the the drought disaster identification based on the spectra of healthy and drought-affected crops. Different levels of water stress will be set up in the agricultural experiment sites to assess the accuracy of crop drought identification. The achievements in this project will be of both theoretical and practical significance for the drought prevention using remote sensing.

针对农作物干旱致灾过程遥感监测与精准识别中亟待解决的关键问题，以C3作物小麦与C4作物玉米为研究对象，重点开展三方面研究：①以作物干旱致灾过程为主线，通过地表能量平衡方程、区域气候模式和作物生长模型的耦合，阐明作物干旱致灾过程。通过主要作物干旱致灾过程与冠层波谱响应机理分析，认识并掌握水分胁迫下受灾作物的光谱特征；②综合利用多源多时相遥感数据，开展土壤水分、土壤温度、作物叶面积、叶片辐射等效水厚度、作物叶绿素含量、农田蒸散发等农田参数反演，构建全生育期作物旱灾诊断模型，提取农作物干旱信息与干旱累积时间;③面向农情遥感监测大数据，基于健康作物与不同程度旱灾作物的光谱曲线，运用深度学习等方法，进行旱灾识别研究，提高农业干旱与旱灾辨识的准确性。在农业实验区针对作物特点设置不同的水分胁迫梯度控制实验，对作物旱灾识别精准程度进行验证与评估。上述项目成果对于运用遥感技术抗旱防灾具有理论意义应用价值。

在全球气候变暖的背景下，我国农业干旱灾害呈现出发生频率增高和旱灾威胁增强等特点。遥感技术具有快速获取大面积土壤水分和作物长势信息的能力，在农作物干旱监测和旱灾识别中具有重要作用。本项目针对农田干旱致灾过程遥感监测与精准识别涉及的关键问题，分别从以下方面开展了研究。.在遥感监测机理方面，通过野外观测与采样分析，认识并掌握了农田土壤水分胁迫下受灾作物的多种光谱特征。发现农田土壤缺水时，作物细胞失水，膨胀压力降低，叶片和幼枝下垂，直接导致作物形态结构变化，植被叶面积与叶片内部生物化学反应出现不同程度的变化，进而导致作物光谱反射率与作物生理参数的变化。.在旱灾遥感监测与精准识别方法中，提出了一种新的植被指数倒差指数（IDVI），通过将IDVI和NDVI与比例因子相结合，有效地解决了干旱监测中作物高覆盖下NDVI容易饱和的问题。针对不同空间尺度的农田干旱监测问题，提出了“一种基于二维卷积神经网络的土壤水分产品降尺度方法”并申请发明专利。研究过程中，项目组发现植被叶绿素荧光（SIF）对土壤水分胁迫的响应更为敏感，为此，提出了温度叶绿素荧光干旱指数（TFDI），并将该指数用于河南省夏玉米生长季干旱监测，提高了农田干旱监测的时效。.项目结合全球的气候变化特征，研究了33年长时间序列全球冬小麦主产区的物候变化情况，深入地探究了温度与干旱胁迫对全球冬小麦收获时间的影响。结果表明，温度的升高以及干旱事件都会导致冬小麦收获时间的提前。同时，对黄淮海平原农作物干旱进行长时间系列研究，有多篇相关研究成果发表。.根据应用需求，在Android移动平台上建立了农田干旱遥感动态监测系统，实现了一系列农田干旱动态监测模型，为应用提供了技术支撑。.发表学术论文19篇，其中SCI/EI收录16篇,获得软件著作权1项，申请国家发明专利1项，培养研究生7人，圆满完成基金考核指标。