全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 (SHENGTAI XUEBAO)
摇 摇 第 32 卷 第 14 期摇 摇 2012 年 7 月摇 (半月刊)
目摇 摇 次
海滨沙地砂引草对沙埋的生长和生理适应对策 王摇 进,周瑞莲,赵哈林,等 (4291)……………………………
外源 K+和水杨酸在缓解融雪剂对油松幼苗生长抑制中的效应与机理 张摇 营,李法云,严摇 霞,等 (4300)…
钱塘江中游流域不同空间尺度环境因子对底栖动物群落的影响 张摇 勇,刘朔孺,于海燕,等 (4309)…………
贡嘎山东坡非飞行小型兽类物种多样性的垂直分布格局 吴永杰,杨奇森,夏摇 霖,等 (4318)…………………
基于斑块的红树林空间演变机理分析方法 李春干,刘素青,范航清,等 (4329)…………………………………
亚热带六种天然林树种细根养分异质性 熊德成,黄锦学,杨智杰,等 (4343)……………………………………
浙江省植被 NDVI动态及其对气候的响应 何摇 月,樊高峰,张小伟,等 (4352)…………………………………
亚热带 6 种天然林树种细根呼吸异质性 郑金兴,熊德成,黄锦学,等 (4363)……………………………………
亚高山 /高山森林土壤有机层氨氧化细菌和氨氧化古菌丰度特征 王摇 奥,吴福忠,何振华,等 (4371)………
耕作方式对紫色水稻土轻组有机碳的影响 张军科,江长胜,郝庆菊,等 (4379)…………………………………
火烧对长期封育草地土壤碳固持效应的影响 何念鹏,韩兴国,于贵瑞,等 (4388)………………………………
闽江河口潮汐湿地二氧化碳和甲烷排放化学计量比 王维奇,曾从盛,仝摇 川,等 (4396)………………………
2010 年夏季珠江口海域颗粒有机碳的分布特征及其来源 刘庆霞,黄小平,张摇 霞,等 (4403)………………
新疆冷泉沉积物葡萄糖利用细菌群落多样性的稳定同位素标记分析 楚摇 敏,王摇 芸,曾摇 军,等 (4413)……
土壤微生物群落多样性解析法:从培养到非培养 刘国华,叶正芳,吴为中 (4421)………………………………
伊洛河河岸带生态系统草本植物功能群划分 郭屹立,卢训令,丁圣彦 (4434)…………………………………
濒危植物蒙古扁桃不同地理种群遗传多样性的 ISSR分析 张摇 杰,王摇 佳,李浩宇,等 (4443)………………
强潮区较高纬度移植红树植物秋茄的生理生态特性 郑春芳,仇建标,刘伟成,等 (4453)………………………
冬季高温对白三叶越冬和适应春季“倒春寒冶的影响 周瑞莲,赵摇 梅,王摇 进,等 (4462)……………………
中亚热带细柄阿丁枫和米槠群落细根的生产和死亡动态 黄锦学,凌摇 华,杨智杰,等 (4472)…………………
欧美杨水分利用效率相关基因 PdEPF1 的克隆及表达 郭摇 鹏,金摇 华,尹伟伦,等 (4481)……………………
再力花地下部水浸提液对几种水生植物幼苗的化感作用 缪丽华,王摇 媛,高摇 岩,等 (4488)…………………
无致病力青枯雷尔氏菌对烟草根系土壤微生物脂肪酸生态学特性的影响
郑雪芳,刘摇 波,蓝江林,等 (4496)
………………………………………
……………………………………………………………………………
基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究
王摇 航,朱摇 艳,马孟莉,等 (4505)
………………………………………
……………………………………………………………………………
温度和体重对克氏双锯鱼仔鱼代谢率的影响 叶摇 乐,杨圣云,刘摇 敏,等 (4516)………………………………
夏季西南印度洋叶绿素 a分布特征 洪丽莎,王春生,周亚东,等 (4525)…………………………………………
大沽排污河生态修复河道水质综合评价及生物毒性影响 王摇 敏,唐景春,朱文英,等 (4535)…………………
李肖叶甲成虫数量及三维空间格局动态 汪文俊,林雪飞,邹运鼎,等 (4544)……………………………………
专论与综述
基于景观格局的城市热岛研究进展 陈爱莲,孙然好 ,陈利顶 (4553)……………………………………………
沉积物质量评价“三元法冶及其在近海中的应用 吴摇 斌,宋金明 ,李学刚,等 (4566)…………………………
问题讨论
中国餐厨垃圾处理的现状、问题和对策 胡新军,张摇 敏,余俊锋,等 (4575)……………………………………
研究简报
稻秸蓝藻混合厌氧发酵沼液及其化学物质对尖孢镰刀菌西瓜专化型生长的影响
刘爱民,徐双锁,蔡摇 欣,等 (4585)
………………………………
……………………………………………………………………………
佛山市农田生态系统的生态损益 叶延琼,章家恩,秦摇 钟,等 (4593)……………………………………………
期刊基本参数:CN 11鄄2031 / Q*1981*m*16*314*zh*P* ￥ 70郾 00*1510*33*
室室室室室室室室室室室室室室
2012鄄07
封面图说: 噶龙山南坡的高山湖泊———喜马拉雅山南坡的嘎龙山光照强烈、雨量充沛,尽管是海拔 4500 多米的高寒地区,山上
的草甸依然泛着诱人的翠绿色,冰川和雪山的融水汇集在山梁的低洼处形成了一个又一个的高山湖泊,由于基底的
差别和水深的不一样,使得纯净清澈的冰雪融水在湖里呈现出不同的颜色,湖面或兰或绿、颜色或深或浅,犹如一块
块通体透明的翡翠镶嵌在绿色的绒布之中。 兰天下面,白云落在山间,通往墨脱的公路像丝带一样随随便便地缠绕
着,一幅美丽的自然生态画卷就这样呈现在你的面前。
彩图提供: 陈建伟教授摇 北京林业大学摇 E鄄mail: cites. chenjw@ 163. com
第 32 卷第 14 期
2012 年 7 月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol. 32,No. 14
Jul,2012
http: / / www. ecologica. cn
基金项目:教育部新世纪优秀人才支持计划(NCET鄄08鄄0797);国家自然科学基金(30900868);江苏省科技支撑计划项目(BE2010395)
收稿日期:2011鄄07鄄12; 摇 摇 修订日期:2012鄄02鄄01
*通讯作者 Corresponding author. E鄄mail: yctian@ njau. edu. cn
DOI: 10. 5846 / stxb201107121029
王航,朱艳,马孟莉,李文龙,顾凯健,曹卫星,田永超.基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究.生态学报,2012,
32(14):4505鄄4515.
Wang H, Zhu Y, Ma M L, Li W L,Gu K J, Cao W X, Tian Y C. Coupling remotely sensed information with a rice growth model by combining updating
and assimilation strategies. Acta Ecologica Sinica,2012,32(14):4505鄄4515.
基于更新和同化策略相结合的遥感信息与
水稻生长模型耦合技术的研究
王摇 航,朱摇 艳,马孟莉,李文龙,顾凯健,曹卫星,田永超*
(南京农业大学国家信息农业工程技术中心, 南京摇 210095)
摘要:将遥感与作物模型耦合有利于提高作物模型在区域尺度应用时的精度。 基于集合平方根滤波算法(Ensemble Square Root
Filter, EnSRF)和粒子群优化算法(Particle Swarm Optimization, PSO),以叶面积指数(Leaf Area Index, LAI)和叶片氮积累量
(Leaf Nitrogen Accumulation, LNA)共同作为同化耦合点和过程更新点,将同化与更新策略相结合,研究建立了基于遥感信息与
水稻生长模型(RiceGrow)耦合的水稻生长与产量预测技术。 结果表明,将更新和同化策略结合后,利用 RiceGrow 模型模拟的
水稻生长指标和产量结果更接近于实测值。 其中 LAI、LNA和产量与实测值间的 RMSE分别为 0. 94、0. 47 g / m2 和 320. 15 kg /
hm2;RiceGrow模型直接模拟 LAI、LNA和产量的 RMSE 为 1. 25、1. 24 g / m2 和 516. 83 kg / hm2;而单纯基于同化策略模拟 LAI、
LNA和产量的 RMSE为 1. 01、0. 59 g / m2 和 335. 70 kg / hm2。 此外,基于该技术的模型区域尺度预测结果能较好地描述水稻生
长和产量的时空分布状况,生长指标及区域总产量的模拟相对误差均小于 20% 。 显示基于更新和同化策略相结合的遥感与模
型耦合技术具有较高的预测精度,从而为区域尺度作物生长和产量预测提供了技术支撑。
关键词:遥感;RiceGrow模型;耦合;同化策略;更新策略
Coupling remotely sensed information with a rice growth model by combining
updating and assimilation strategies
WANG Hang, ZHU Yan, MA Mengli, LI Wenlong,GU Kaijian, CAO Weixing, TIAN Yongchao*
National Engineering and Technology Center for Information Agriculture, Nanjing Agricultural University, Nanjing, Jiangsu 210095, China
Abstract: Coupling remote sensing (RS) with a crop growth model can improve the prediction accuracy of crop modeling at
a regional scale. In this paper, a new coupling method was developed based on a combination of the updating and
assimilation strategies. The optimized model was used to estimate rice grain yield at both the field and regional scales.
Firstly, parameterization for regionalization of the integrated RiceGrow model was accomplished with the use of the Particle
Swarm Optimization (PSO) optimization algorithm. Management parameters included sowing date, sowing rate and nitrogen
rate. Then, analyzed values of model variables, leaf area index ( LAI) and leaf nitrogen accumulation ( LNA), which
simultaneously served as the assimilation and updating parameters, were calculated based on the Ensemble Square Root
Filter (EnSRF) and used to update the corresponding values simulated by the RiceGrow model. Finally, the growth status
and final yield were simulated by the integrated model. This integrated technique was tested on independent datasets
acquired from three rice field tests in different years for different rice varieties and at different treatments with regards to
nitrogen rates and sowing densities. This was in addition to data obtained from study areas in Yizheng and Rugao counties in
http: / / www. ecologica. cn
Jiangsu Province (in central eastern China), both of which are main production areas of high鄄quality rice in China. The
test results showed that simulated values based on the integrated model were closer to the measured values than those
simulated directly by the RiceGrow model, which produced RMSE values of 0. 94 for LAI, 0. 47 g / m2 for LNA and 320. 15
kg / hm2 for grain yield. The compared to RMSE values of 1. 25, 1. 24 g / m2 and 516. 83 kg / hm2 for these respective
parameters based on the RiceGrow model alone, and 1. 01, 0. 59 g / m2 and 335. 70 kg / hm2 for the RiceGrow model based
on the assimilation strategy. The newly developed integrated technique also performed well at a regional scale and the
predicted results were consistent with the temporal and spatial distribution of rice growth status and grain yield, with relative
error (RE) values of <20% for both growth parameters and the grain yield. This error may have been due to the limited
simulation ability of the RiceGrow model, or generated during the RS information extraction and the statistical RS estimating
models, all of which need improvement. These results indicated that there are certain non鄄determinacy factors for the
RiceGrow model when used at the regional scale, such as spatial variability in the soil and management parameters.
However, the integrated technique based on combining RS and the RiceGrow model could reduce this problem. Therefore,
this study provides an important step towards the more routine use of combined RS and crop modeling techniques to improve
our ability to estimate regional rice grain yield predictions.
Key Words: remote sensing; RiceGrow model; integration; assimilation strategy; updating strategy
作物生长模型在区域尺度运行时,往往只能获得有限个空间离散的输入参数数据,使得参数的空间异质
性不易体现,从而限制了模型在区域尺度上的预测精度[1鄄3]。 遥感技术可实现大面积同步观测、实时性强,将
遥感与模型相结合将为解决上述难题提供有效途径[3鄄4]。
有学者以遥感反演值直接作为模型的初始输入参数或代替模型运行过程中输出的状态变量值,从而达到
提高模型精度的作用(驱动策略)。 如 Maas[5]以基于地面遥感反演的 LAI和水分胁迫系数值驱动玉米生长模
型,改善了模型对生物量的模拟效果。 Delecolle 等[6]以 SPOT鄄HRV 数据反演的 LAI 值驱动小麦生长模型
(ARCWHEAT)、Abou鄄Ismail等[7]以 NOAA鄄AVHRR数据反演的 LAI值驱动水稻生长模型(ORYZA1),均提高
了模型对产量的预测精度。 驱动法假定遥感反演值较模型模拟值准确,且要求遥感观测次数多。 但实际应用
过程中,整个作物生长周期内往往只能获得有限次数的遥感反演值,从而限制了驱动法的实用性与精度。
同化策略通过调整模型中与作物生长发育和产量形成密切相关且难以获取的初始参数的值,来缩小遥感
观测值与相应模型模拟值间的差距,从而达到准确估计这些初始参数的目的[8]。 同化策略可基于有限次数
的遥感观测数据,提高模型模拟精度和实现模型区域应用的目标。 如 Maas[9]以 TM 数据反演的绿色叶面积
指数(GLAI)初始化高粱生长模型初始状态的 GLAI、地上部生物量和生育期,改善了产量的模拟精度;Clevers
等[10]以多景 AVIRIS可见光数据和 AIRSAR雷达数据反演得到 LAI,进而初始化 SUCROS 模型运行时需要的
播种期、光能利用率和生长速率等参数,显著提高了甜菜产量的模拟精度;赵艳霞等[11]以生育前中期获得的
LAI数据(MODIS产品)初始化棉花模型 COSIM,得到了较准确的播种期和播种密度等参数。
驱动和同化策略均认为遥感反演值较模型模拟值更准确[8],但事实上遥感反演作物生长参数的过程本
身也存在误差。 因此有必要在遥感模型耦合过程中综合考虑遥感反演和模型模拟二者的误差,以提高遥感模
型耦合精度。 近年来,基于这一理论而发展起来的更新策略备受关注[12],它利用一些滤波算法,在综合评价
遥感和模型二者误差的基础上,获得一个更接近真实情况的估计值,然后将此值引入模型的模拟过程,从而获
得较高的模拟精度。 如 de Wit等通过集合卡尔曼滤波算法(Ensemble Kalman Filter, EnKF)更新了雷达反演
的土壤湿度指标,改善了 WOFOST模型中的水平衡模拟,提高了冬小麦和玉米的生物量预测精度[12鄄14];Dente
等将 ENVISAT / ASAR与 ENVISAT / MERIS数据相结合,通过更新 CERES鄄Wheat模型模拟的 LAI值,有效提高
了小麦产量的预测精度[15]。
本研究拟将更新和同化策略二者的优势相结合,首先以更新策略获取更接近真实值的生长指标序列,然
6054 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
后将该序列作为同化策略的外部同化参数,初始化水稻生长模型的初始输入参数,从而构建基于同化和更新
策略相结合的遥感模型耦合技术,为区域尺度水稻生长参数和产量预测提供技术支撑。
1摇 材料与方法
1. 1摇 试验设计
数据资料来自于 2 个水稻田间大区试验、1 个田间小区试验和 1 个研究区。 试验除处理差异外,其它栽
培管理措施同当地普通高产田。
试验 1摇 于 2009 年 6—10 月在如皋市良种场(江苏省如皋市长江镇,32毅3忆N,120毅35忆E)进行。 供试品种
为镇稻 413,播种方式为直播,播种期为 2010 年 6 月 10 日。 设 3 个施氮水平,分别为 270(N3)、360(N6)和
450(N7)kg / hm2,分 4 次施用,分别是基肥(30% )、分蘖肥(20% )、促花肥(25% )和保花肥(25% );2 个播量
处理,分别为 67. 5(D2)和 105(D3)kg / hm2,磷钾肥施用量分别为 120 kg / hm2 P2O5 和 190 kg / hm2K2O,作基肥
一次性施入,大区面积为 90 m伊90 m=8100 m2,随机区组设计。 试验 1 数据用于基于空间遥感的 LAI / LNA反
演模型的检验,以及进行基于空间遥感数据的研究区实例分析。
试验 2摇 于 2010 年 6—10 月在如皋市进行。 试验地点、田块、供试品种和播种方式同试验 1,播种期为
2010 年 6 月 14 日。 设 3 个施氮水平,分别为 150(N1)、240(N2)和 330(N5)kg / hm2,分 4 次施用,基追肥比例
同试验 1;2 个播量处理,分别为 60(D1)和 105(D3)kg / hm2。 试验 2 数据用于构建基于空间遥感数据的 LAI /
LNA反演模型。
试验 3摇 于 2010 年 6—10 月在扬州市仪征试验站(仪征市新集镇,119毅30忆E,32毅32忆N)进行。 供试品种为
武香粳 14,育苗移栽,移栽期为 2010 年 6 月 20 日。 共设 2 个施氮水平,分别为 150(N1)和 300(N4)kg / hm2,
其中包括基肥(50% )、分蘖肥(10% )、促花肥(20% )和保花肥(20% );2 个密度处理,分别为 D4(行株距为
45 cm和 15 cm)和 D5(行株距为 25 cm和 15 cm)。 小区面积为 6 m伊7 m=42 m2,随机区组设计。 磷钾肥施用
量分别为 135 kg / hm2 P2O5 和 190 kg / hm2 K2O,作基肥一次性施入。 试验 3 数据用于基于地面遥感数据的
LAI / LNA反演模型的检验,以及遥感模型同化过程的正确性验证。
研究区摇 江苏省如皋市,地处江苏省中部东侧平原地带,位于北纬 32毅0忆 —32毅30忆,东经 120毅20忆—120毅
50忆之间。 属亚热带湿润气候区,年均气温 14. 4 益,年均日照时数 2078. 4 h,年均总雨量 1057. 1 mm。 主要种
植方式为稻麦轮作。 在全市范围内均匀设置 GPS定位点 40 个,用于卫星影像的几何矫正。
试验 1 和 2 的数据还同时用于模型模拟值和遥感观测值误差的计算、模型初始模拟能力的验证、更新过
程的正确性验证及基于地面遥感数据的实例分析。
1. 2摇 数据获取
1. 2. 1摇 遥感影像获取
选取研究区 2009 年水稻拔节期(2009鄄08鄄16)、抽穗期(2009鄄09鄄06)、灌浆期(2009鄄10鄄02)HJ鄄1A / B影像
3 景,2010 年水稻拔节期(2010鄄08鄄13),抽穗期(2010鄄 09鄄 21)和灌浆期(2010鄄 10鄄 05)HJ鄄 1A / B 影像 3 景用于
研究分析。 影像从中国资源卫星应用中心网站下载[16]。
1. 2. 2摇 地面光谱测量
采用美国 Analytical Spectral Device(ASD)公司产品 FieldSpec Pro FR 2500 型背挂式野外高光谱辐射仪测
量水稻冠层光谱。 选择天气晴朗、无风或风速较小时进行,时间范围为 10:00—14:00。 测量时传感器探头垂
直向下,光谱仪视场角为 25毅,距目标地物垂直高度约 1. 0 m。 每个观测点测量 5 次光谱,取平均值作为该观
测点的光谱反射值。 测量前后及时进行标准白板校正。 试验 1 和 2 的光谱测量与遥感影像获取时间同步,试
验 3 于拔节后每隔 10 d左右测量 1 次光谱。
1. 2. 3摇 模型输入资料获取
气象数据包括日最高气温(益)、日最低气温(益)、日照时数(h)、日降雨量(mm),从如皋气象局获取。
土壤数据包括:土层厚度(cm)、物理性黏粒含量(% )、容重(g / cm3)、田间持水量(cm3 / cm3)、凋萎湿度(cm3 /
7054摇 14 期 摇 摇 摇 王航摇 等:基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究 摇
http: / / www. ecologica. cn
cm3)、饱和含水量(cm3 / cm3)、实际含水量(cm3 / cm3)、饱和导水率(mm / d)等物理参量,及有机质(g / kg)、全
氮(g / kg)、硝态氮(mg / kg)、铵态氮(mg / kg)、有效磷(mg / kg)、速效钾(mg / kg)等,通过研究区土壤数据库和
化学分析获得。 田块边界等位置信息由美国 Trimble公司产品 GPS Pathfinder背挂式 GPS接收机获取。
1. 2. 4摇 农学参数获取
与卫星过境 /地面光谱测量同步进行田间取样。 小区试验采用随机取样,每次取 5 株生长一致的水稻植
株样品;大区试验采用 5 点取样法,共取 20 株代表性水稻植株样品。 样品均按叶、茎、穗分离,采用 LI鄄 3000C
叶面积仪测定叶片面积,结合单位面积茎蘖数计算叶面积指数。 样本在 105 益下杀青 30 min并在 80 益下烘
至恒重,称重后粉碎,采用凯氏定氮法测定各器官全氮含量;于水稻成熟期,大区试验分 5 点各取 1 m2 水稻,
小区试验取 10 穴,脱粒风干后称重计算水稻产量。
叶面积指数=样品叶面积(m2) /样品茎蘖数伊单位土地面积茎蘖数(株 / m2)
叶片氮积累量(g / m2)= 叶片氮含量(% )伊单位土地面积叶片干物重(g / m2)
1. 3摇 数据分析与利用
1. 3. 1摇 影像数据预处理与水稻信息提取
采用 ENVI软件进行卫星影像预处理[17],首先利用 40 个地面 GPS 控制点对影像进行几何精校正,校正
后均方根误差为 0. 48 个像元,然后利用 ENVI 携带的 FLAASH 模块进行大气校正。 同时对影像做图像增强
和滤波处理,采用支持向量机分类法结合地面调查确定水稻种植面积[18],并用如皋市行政区划图对影像进行
掩膜,得到研究区水稻冠层反射率数据。
1. 3. 2摇 LAI / LNA遥感监测模型
采用已构建的基于地面光谱的 LAI / LNA反演模型估算得到 LAI和 LNA的地面遥感监测值[19鄄20];采用试
验 2 中获得的环境卫星影像与对应的田间实测值建立 LAI / LNA 的空间反演模型并估算 LAI 和 LNA 值
(表 1)。
表 1摇 农学参数计算公式
Table 1摇 Calculation formula of agronomic parameters
农学参数
Agronomic
parameter
植被指数
Vegetation
index
回归模型
Regression
model
决定系数
R2
地面高光谱 叶面积指数 LAI DVI(854,760) y=67. 433x+0. 1008 0. 87
FieldSpec Pro FR 叶片氮积累量 LNA(g / m2) RVI(810,560) y=0. 859x-1. 1596 0. 91
卫星传感器 叶面积指数 LAI RVI(4,2) y=0. 2074x+1. 6459 0. 72
HJ鄄1 A / B 叶片氮积累量 LNA(g / m2) RVI(4,2) y=0. 4508x+2. 2415 0. 72
1. 4摇 水稻生长模型(RiceGrow)
本研究采用作者所在中心自主研发的水稻生长模拟模型(RiceGrow)。 RiceGrow[21鄄23]通过解析“气象鄄土
壤鄄技术措施冶与水稻生理生态过程的机理关系,以生理发育时间(PDT)作为定量水稻发育进程的尺度,构建
了基于生理生态过程,对品种类型、气候、土壤和栽培措施有广泛适应性的综合性水稻生长模拟模型。 它的主
要功能模块包括水稻阶段发育与物候期预测、形态发生与器官建成模拟、光合作用与干物质生产模拟、干物质
分配及产量形成模拟等,同时,还建立了土壤鄄作物系统水分平衡和养分平衡的动态模拟子模型[24鄄25]。 整个模
型系统表现出了较强的机理性和预测性,可定量描述和预测水稻生长发育及产量品质形成的动态过程
(图 1)。
1. 5摇 基于更新和同化策略结合的遥感与 RiceGrow耦合过程
本研究将更新与同化策略相结合(图 2),先运行 RiceGrow模型,地面小尺度运行时待优化初始参数初值
以试验的真实值为准,而区域尺度运行时待优化参数初始值则按照当地平均值输入,当运行到获取遥感数据
时刻时,引入遥感反演的生长指标值(LAI和 LNA),利用 EnSRF 算法综合分析遥感反演与模型模拟的误差,
8054 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
图 1摇 水稻生长模型(RiceGrow)结构图
Fig. 1摇 Modular structure of RiceGrow model
并在遥感反演值和模型值的基础上拟合得到 LAI和 LNA的分析值(即更新值);进一步在此更新值的基础上
继续运行模型,直到下一个时刻有新的遥感观测值被引入进来,最终得到一个与遥感数据获取时间相对应的
生长指标更新值序列;然后以此序列作为同化策略的外部同化数据,通过 PSO算法调整模型待优化初始参数
(播期 /移栽期,播种量,施氮量)使得模型模拟值序列接近更新值序列,当二者间的差距收敛到算法预设的接
受范围之内时,将此时得到的初始参数值视为最优参数,并将其输入 RiceGrow模型重新模拟得到单点和区域
上的生长指标及产量数据。 整体耦合过程可分为数据层、更新层、同化层和模拟评价层。
1. 6摇 优化算法选择
更新过程中采用的优化算法是集合平方根滤波算法(EnSRF) [26],该算法在样本成员的偏差分析中采用
不同的增益矩阵,避免了由于不扰动观测而造成的预报误差协方差低估[27],从而保证得到较为准确的估计
值。 其中,根据前人研究确定集合维数为 50[28];模型模拟值和遥感反演值的误差由试验 1 和 2 的数据计算得
到,并在此基础上计算得到模型模拟值和遥感反演值的误差协方差矩阵。 同化过程中采用粒子群算法
(PSO) [29鄄30],它假设一个由 m个粒子组成的群体在 D维搜索空间中以一定的速度飞行,每个粒子在搜索时,
考虑搜索到的历史最好点和群体内(或邻域内)其它粒子的历史最好点,在此基础上进行位置(状态,也就是
解)的变化,算法中的参数通过本实验和借鉴前人的研究结果确定[31鄄32]。
1. 7摇 同化过程中待优化参数和目标函数的确定
本研究将栽培管理参数(播期 /移栽期,播种量和施氮量)作为模型待优化输入参数,LAI 和 LNA 确定为
遥感与模型的耦合点[31鄄32]。 同时针对使用的生长指标设置了如下目标函数。
J =移
N
i = 1
(LAIrn,i - LAIm,i) 2
驻2LAIrn
+ 移
N
i = 1
(LNArn,i - LNAm,i) 2
驻2LNArn
其中,J为目标函数值,N为参加反演的遥感图像张数,LAIrn 和 LNArn 分别为经过更新后的叶面积指数和叶
片氮积累量,LAIm和 LNAm分别为遥感获取对应时期模型模拟的叶面积指数和叶片氮积累量,驻LAIrn 和 驻LNArn
是更新后叶面积指数和叶片氮积累量的标准偏差。
9054摇 14 期 摇 摇 摇 王航摇 等:基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究 摇
http: / / www. ecologica. cn
图 2摇 遥感信息与水稻生长模型耦合技术流程
Fig. 2摇 Flowchart of coupling remotely sensed information and RiceGrow model based on combination of updating and
assimilation strategies
2摇 结果与分析
2. 1摇 正确性验证
2. 1. 1摇 RiceGrow模型模拟能力与遥感监测模型的验证
生长模型与遥感耦合的前提是生长模型本身可以进行较为可靠的模拟和预测。 因此,将试验 1 和 2 中各
处理的初始参数输入 RiceGrow模型并进行模拟,将模拟的产量值与试验实测产量值进行比较。 结果显示,模
型模拟的产量值与实测产量值间的平均误差为-3. 61% ,RMSE 为 516. 83 kg / hm2(图 3),表明 RiceGrow 模型
本身在获得准确输入参数情况下具有较好的模拟预测精度,可用于模型与遥感耦合研究。 同时利用试验 1 和
3中的实测数据检验了基于空间遥感和地面遥感的LAI / LNA监测模型的精度(表2) 。结果显示二者的平均
表 2摇 LAI / LNA遥感监测模型精度验证结果
Table 2摇 Validation results of LAI / LNA estimating models
农学参数
Agronomic parameter
决定系数
R2
平均误差%
Average error RMSE
地面监测模型 叶面积指数 LAI 0. 67 -17. 52 0. 97
Estimating model based on
ground remote sensing 叶片氮积累量 LNA / (g / m
2) 0. 79 -4. 33 1. 15
卫星监测模型 叶面积指数 LAI 0. 57 17. 18 1. 05
Estimating model based on space鄄
borne remote sensing 叶片氮积累量 LNA / (g / m
2) 0. 46 17. 98 1. 21
0154 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
图 3摇 RiceGrow模型模拟精度验证
Fig. 3摇 Validation of the simulation precision of RiceGrow model
误差分别为 17. 18% 、17. 98%和-17. 52% 、-4. 33% ,RMSE分别为 1. 05、1. 21 g / m2 和 0. 97、1. 15 g / m2。 表明
二者均存在一定的误差,不能将遥感反演值直接视为真实值。
2. 1. 2摇 基于更新和同化结合策略的正确性验证
耦合过程的正确性验证分为更新过程验证和同化过程验证两部分,前者主要是验证更新后生长指标是否
更接近实测值,后者主要是验证初始参数获取的过程是否真实有效。 更新过程的正确性验证以试验 1—2中
地面遥感数据反演的、模型模拟的和更新后的 LAI、LNA序列值分别与田间实测值进行比较,从而评价更新的
精度。 结果显示,相比 RiceGrow模型的模拟值和遥感反演值,经过更新后的 LAI 和 LNA 序列与实测值更为
吻合,RMSE分别为 0. 81、1. 10 g / m2,RE分别为-0. 12、-0. 13。 而模型模拟值的 RMSE为 1. 18、2. 81 g / m2 和
RE为-0. 25、-0. 27;遥感观测值的 RMSE为 0. 98、2. 33 g / m2 和 RE为 -0. 16、0. 26(图 4)。 表明更新后的序
列值更接近真实值。
验证同化过程是否正确,要看当正向运行模型时得到的生长参数值作为外部同化数据时,能否准确同化
得到正向模拟时给定的初始参数值[10]。 本文以试验 3 中有较大差异的 2 个处理(N1D4 和 N4D5)的实际播种
期 /移栽期、播种量及施氮量作为输入,正向运行 RiceGrow模型,模拟得到逐日 LAI / LNA 序列,并提取出与光
谱获取日期对应的模型模拟 LAI / LNA值,将其作为外部同化数据进行反演,每组分别运行 10 次求平均,得到
3 个待优化参数(播种期 /移栽期、播种量和施氮量)的反演值,其与真实值的误差分别为-1d、1. 39% 、2郾 63% ,
平均 RMSE值分别为 1. 22 d、2. 59 kg / hm2 和 16. 44 kg / hm2。 显示同化反演得到的初始参数能够达到满意的
精度,从而证明了本文建立的遥感模型耦合方法是正确的。
2. 2摇 基于地面遥感数据的实例分析
基于试验 1 和 2 数据的模型模拟值和地面遥感反演值,利用 EnSRF 算法进行更新,将更新后的 LAI 和
LNA序列作为外部同化数据,基于 PSO算法反演模型的播期 /移栽期、播种量和施氮量等 3 个参数,然后再将
反演得到的参数值代入 RiceGrow模型进行运行模拟,得到各处理的 LAI、LNA 模拟序列及产量模拟值。 同时
将其分别与模型直接模拟值、基于遥感模型同化的模拟值、实测值进行比较和评价。 结果表明,结合更新和同
化策略优化后的模型模拟 LAI、LNA 值和籽粒产量值与实测值间的 RMSE 值分别为 0. 94、0. 47 g / m2 和
320郾 15 kg / hm2,RE分别为 0. 11、0. 08 和-1. 52% ;而利用 RiceGrow 直接模拟的 3 者 RMSE 值分别为 1. 25、
1郾 24 g / m2 和 516. 83 kg / hm2,RE分别为 0. 28、0. 18 和-3. 61% ;单纯基于同化法模拟的 3 者 RMSE值分别为
1. 01、0. 59 g / m2 和 335. 70 kg / hm2,RE分别为 0. 19、0. 11 和 2. 47% (图 5、6)。 表明采用更新和同化策略相结
合后,模型模拟值与实测值吻合度更高。
2. 3摇 基于空间遥感数据的实例分析
进一步将本研究构建的遥感与模型耦合技术外推到区域尺度。 首先利用遥感影像反演的 LAI 和 LNA
1154摇 14 期 摇 摇 摇 王航摇 等:基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究 摇
http: / / www. ecologica. cn
图 4摇 基于遥感反演值、模型模拟值、EnSRF更新值与实测值的比较
Fig. 4摇 Comparisons of measured and modeled growth parameters values by RiceGrow, remote sensing and EnSRF
图 5摇 优化后模型预测 LAI和 LNA序列与实测值比较
Fig. 5摇 Comparisons of the Growth parameters prediction results by RiceGrow, RiceGrow coupled with remote sensing information, and
actual values, LAI and LNA
值,结合模型模拟值进行 EnSRF滤波,得到区域尺度 LAI 和 LNA 的更新值;然后基于 PSO 优化算法,利用同
化策略获取研究区最优初始参数的空间分布值,最后将初始参数值输入 RiceGrow 模型模拟得到区域尺度生
长参数和籽粒产量结果(图 7)。 结果显示,采用更新和同化策略结合的 LAI 和 LNA 的模拟值相对地面实测
值的误差为-0. 17 和 0. 18,RMSE为 1. 05 和 1. 21 g / m2;而直接采用同化策略模拟 LAI 和 LNA的相对误差为
-0. 29 和 0. 21,RMSE为 1. 80 和 1. 34 g / m2,显示前者的模拟结果更接近实际情况。 而采用更新和同化策略
结合的研究区水稻总产量模拟值为 48. 78 万 t,平均单产模拟值为 8314. 56 kg / hm2;采用同化法估算的区域总
产为 47. 81 万 t,平均单产为 8220. 93 kg / hm2;当地统计总产量为 42—45 万 t,单产为 8460 kg / hm2。 同样显示
2154 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
基于更新和同化策略相结合的遥感模型耦合技术具有更高的模拟精度。
图 6摇 同化法结合更新法预测产量及直接使用同化法预测产量与实测值比较
Fig. 6摇 Comparisons of the yield results by RiceGrow coupled with remote sensing information based on assimilation strategy and updating
strategy, and actual values,2009 and 2010
图 7摇 基于更新与同化策略结合的研究区水稻 LNA及产量模拟空间分布图(2009 年)
Fig. 7摇 Spatial distributions of LNA and grain yield in study area based on combining updating and assimilation strategy (Year 2009)
3摇 讨论
遥感与作物模型耦合是当前区域尺度进行作物生长监测和产量预测的重要发展方向,近年来国内外研究
人员开展了不少有益的研究和探索[5鄄7, 9鄄11],但多数研究单纯采用驱动或同化策略,建立在假定遥感反演值比
模型模拟值更准确的前提之上,但实际上农学参数的遥感反演也存在较大误差[33]。 而更新策略部分解决了
遥感反演过程存在误差的问题,通过综合考虑模型模拟值与遥感反演值从而得到更接近真实情况的生长指
标[12]。 因此将更新策略和同化策略有机结合,可以使得同化策略在更为准确的外部同化参数基础上进行区
域尺度的模型参数反演,避免直接使用遥感反演数据进行同化带来的误差,从而实现二者的优势互补,提高模
型区域运行时的预测精度。 本文正是基于这一思想,研究构建了基于更新和同化策略结合的遥感模型耦合技
3154摇 14 期 摇 摇 摇 王航摇 等:基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究 摇
http: / / www. ecologica. cn
术,并取得了良好的模拟预测精度,研究结果为区域尺度水稻生长和产量预测提供了新的技术途径。
EnSRF算法在本研究中被证明适用于遥感和模型耦合过程,在 EnSRF 算法过程中较关键的是分别确定
遥感反演和模型模拟的误差值[26],本文是基于实际田间试验数据来获得两者的值,这对于研究结果在相同或
相似于本文研究区域的应用有一定指导意义。 但总体上看,这种误差估计的方法具有一定的随机性,今后将
在更大的范围内进行广泛测试和完善,以构建更为通用普适的误差确定方法,同时不断提高模型模拟和遥感
反演的精度。 另外,本文结合更新策略的主要目的是为同化策略提供更精确的外部同化数据,但二者结合还
有诸多方式,下一步拟在二者的结合方式上做深入研究,如先基于更新获得外部同化数据,然后基于同化获得
初始参数,再进一步实施过程更新,实现更新和同化策略的动态结合,从而完善更新和同化结合的策略。
4摇 结论
本文综合更新策略和同化策略二者的优点,基于 EnSRF 算法,更新生长指标的模型模拟值和遥感反演
值;基于 PSO算法和水稻生长模型,同化更新后的生长指标值,从而较准确获取了模型区域尺度运行时的初
始参数(播期 /移栽期,播种量,施氮量);并在此基础上进行地面和区域尺度的生长模拟及产量预测,获得了
较高的预测精度,从而构建了一种基于更新和同化相结合的新型遥感与模型耦合技术。
References:
[ 1 ]摇 Cao W X, Zhu Y, Tang L, Jin Q, Tian Y C, Yao X, Liu X J. Digital Farming Technology. Beijing: Science Press, 2008.
[ 2 ] 摇 Lin Z H, Mo X G, Xiang Y Q. Research advances on crop growth models. Acta Agronomica Sinica, 2003, 29(5): 750鄄758.
[ 3 ] 摇 Dorigo W A, Zurita鄄Milla R, de Wit A J W, Brazile J, Singh R, Schaepman M E. A review on reflective remote sensing and data assimilation
techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation, 2007, 9(2): 165鄄193.
[ 4 ] 摇 Li C J, Wang J H, Wang X, Liu F, Li R. Methods for integration of remote sensing data and crop model and their prospects in agricultural
application. Transactions of the Chinese Society of Agricultural Engineering, 2008, 24(11): 295鄄301.
[ 5 ] 摇 Maas S J. Parameterized model of Gramineous crop growth: II. Within鄄season simulation calibration. Agronomy Journal, 1993, 85(2): 354鄄358.
[ 6 ] 摇 Delecolle R, Guerif M. Introducing spectral data into a plant process model for improving its prediction ability椅Proceedings of the 4th International
Colloquium on Spectral Signatures of Objects in Remote Sensing. Aussois, 1988: 125鄄127.
[ 7 ] 摇 Abou鄄Ismail O, Huang J F, Wang R C. Rice yield estimation by integrating remote sensing with rice growth simulation model. Pedosphere, 2004,
14(4): 519鄄526.
[ 8 ] 摇 Xing Y J, Liu D S, Wang P X. Advances of the coupling application of remote sensing information and crop growth model. Advances in Earth
Science, 2009, 24(4): 444鄄451.
[ 9 ] 摇 Maas S J. Parameterized model of gramineous crop growth: I. Leaf area and dry mass simulation. Agronomy Journal, 1993, 85(2): 348鄄353.
[10] 摇 Clevers J G P W, van Leeuwen H J C. Combined use of optical and microwave remote sensing data for crop growth monitoring. Remote Sensing of
Environment, 1996, 56(1): 42鄄51.
[11] 摇 Zhao Y X, Qin J, Zhou X J. Study on Combinations of Remote Sensing and Cotton Model to Retrieve Initial Inputs and Parameters. Cotton
Science, 2005, 17(5): 280鄄284.
[12] 摇 Dorigo W A, Zurita鄄Milla R, de Wit A J W, Brazile J, Singh R, Schaepman M E. A review on reflective remote sensing and data assimilation
techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation, 2007, 9(2): 165鄄193.
[13] 摇 de Wit A J W, van Diepen C A. Crop model data assimilation with the Ensemble Kalman filter for improving regional crop yield forecasts.
Agricultural and Forest Meteorology, 2007, 146(1 / 2): 38鄄56.
[14] 摇 de Wit A. Regional Crop Yield Forecasting Using Probabilistic Crop Growth Modelling and Remote Sensing Data Assimilation [D]. Wageningen:
Wageningen University, 2007.
[15] 摇 Dente L, Satalino G, Mattia F, Rinaldi M. Assimilation of leaf area index derived from ASAR and MERIS data into CERES鄄Wheat model to map
wheat yield. Remote Sensing of Environment, 2008, 112(4): 1395鄄1407.
[16] 摇 China Centre for Resources Satellite Data and Application. http: / / www. cresda. com / n16 / index. html.
[17] 摇 Reserch Systems Inc. ENVI User忆s Guide. 2005.
[18] 摇 Huang C, Davis L S, Townshend J R G. An assessment of support vector machines for land cover classification. International Journal of Remote
Sensing, 2002, 23(4): 725鄄749.
[19] 摇 Tian Y C, Yang J, Yao X, Zhu Y, Cao W X. Quantitative relationships between hyper鄄spectral vegetation indices and leaf area index of rice.
Chinese Journal of Applied Ecology, 2009, 20(7): 1685鄄1690.
[20] 摇 Xue L H, Cao W X, Luo W H, Jiang D, Meng Y L, Zhu Y. Diagnosis of nitrogen status in rice leaves with the canopy spectral reflectance.
4154 摇 生摇 态摇 学摇 报摇 摇 摇 32 卷摇
http: / / www. ecologica. cn
Scientia Agricultura Sinica, 2003, 36(7): 807鄄812.
[21] 摇 Meng Y L, Cao W X, Liu X W, Zhou Z G, Pan J. Dynamic simulation on photosynthetic production and dry matter accumulation in rice. Journal
of Biomathematics, 2004, 19(2): 205鄄212.
[22] 摇 Meng Y L, Cao W X, Zhou Z G, Liu X W. A process鄄based model for simulating phasic development and phenology in rice. Scientia Agricultura
Sinica, 2003, 36(11): 1362鄄1367.
[23] 摇 Meng Y L, Cao W X, Liu X W, Zhou Z G, Jin Q. A preliminary study of simulation on shoot dry matter partitioning in rice. Acta Agronomica
Sinica, 2004, 30(4): 376鄄381.
[24] 摇 Ye H B, Meng Y L, Tang L, Zhu Y, Cao W X. A simulation study on leaf age and leaf area index in rice. Chinese Journal of Rice Science, 2008,
22(6): 625鄄630.
[25] 摇 Zhuang H Y, Cao W X, Jiang S X, Wang Z G. Simulation on nitrogen uptake and partitioning in crops. System Sciences and Comprehensive
Studies in Agriculture, 2004, 20(1): 5鄄8, 11.
[26] 摇 Whitaker J S, Hamail T M. Ensemble data assimilation without perturbed observations. Monthly Weather Review, 2002, 130(7): 1913鄄1924.
[27] 摇 Qiu X B, Qiu C J. The Suitability Test of Ensemble Square Root Filter with Hybrid Background Error Covariance. Plateau Meteorology, 2009, 28
(6): 1399鄄1407.
[28] 摇 de Wit A J W, van Diepen C A. Crop model data assimilation with the Ensemble Kalman filter for improving regional crop yield forecasts.
Agricultural and Forest Meteorology, 2007, 146(1 / 2): 38鄄56.
[29] 摇 Kennedy J, Eberhart R C. Particle swarm optimization椅Proceedings of IEEE International Conference on Neural Networks. Piscataway: IEEE
Service Center, 1995: 1942鄄1948
[30]摇 Eberhart R C, Shi Y H. Particle swarm optimization: developments, applications and resources椅Proc Congress on Evolutionary Computation.
Piscataway: IEEE Service Center, 2001: 81鄄86.
[31] 摇 Huang Y, Zhu Y, Wang H, Yao X F, Cao W X, Hannaway D B, Tian Y C. Predicting winter wheat growth based on integrating remote sensing
and crop growth modeling techniques. Acta Ecologica Sinica, 2011, 31(4): 1073鄄1084.
[32] 摇 Zhu Y L, Zhu Y, Huang Y, Yao X, Liu L L, Cao W X, Tian Y C. Assimilation technique of remote sensing information and rice growth model
based on particle swarm optimization. Journal of Remote Sensing, 2010, 14(6): 1226鄄1240.
[33] 摇 Dorigo W A, Zurita鄄Milla R, de Wit A J W, Brazile J, Singh R, Schaepman M E. A review on reflective remote sensing and data assimilation
techniques for enhanced agroecosystem modeling. International Journal of Applied Earth Observation and Geoinformation, 2007, 9(2): 165鄄193.
参考文献:
[ 1 ]摇 曹卫星, 朱艳, 汤亮, 荆奇, 田永超, 姚霞, 刘小军. 数字农作技术. 北京: 科学出版社, 2008.
[ 2 ] 摇 林忠辉, 莫兴国, 项月琴. 作物生长模型研究综述. 作物学报, 2003, 29(5): 750鄄758.
[ 4 ] 摇 李存军, 王纪华, 王娴, 刘峰, 黎锐. 遥感数据和作物模型集成方法与应用前景. 农业工程学报, 2008, 24(11): 295鄄301.
[ 8 ] 摇 邢雅娟, 刘东升, 王鹏新. 遥感信息与作物生长模型的耦合应用研究进展. 地球科学进展, 2009, 24(4): 444鄄451.
[11] 摇 赵艳霞, 秦军, 周秀骥. 遥感信息与棉花模型结合反演模型初始值和参数的方法研究. 棉花学报, 2005, 17(5): 280鄄284.
[16] 摇 中国资源卫星应用中心. http: / / www. cresda. com / n16 / index. html.
[17] 摇 Reserch Systems Inc. ENVI用户指南. 2005.
[19] 摇 田永超, 杨杰, 姚霞, 朱艳, 曹卫星. 高光谱植被指数与水稻叶面积指数的定量关系. 应用生态学报, 2009, 20(7): 1685鄄1690.
[20] 摇 薛利红, 曹卫星, 罗卫红, 姜东, 孟亚利, 朱艳. 基于冠层反射光谱的水稻群体叶片氮素状况监测. 中国农业科学, 2003, 36(7):
807鄄812.
[21] 摇 孟亚利, 曹卫星, 柳新伟, 周治国, 潘洁. 水稻光合生产与干物质累积的动态模拟. 生物数学学报, 2004, 19(2): 205鄄212.
[22] 摇 孟亚利, 曹卫星, 周治国, 柳新伟. 基于生长过程的水稻阶段发育与物候期模拟模型. 中国农业科学, 2003, 36(11): 1362鄄1367.
[23] 摇 孟亚利, 曹卫星, 柳新伟, 周治国, 荆奇. 水稻地上部干物质分配动态模拟的初步研究. 作物学报, 2004, 30(4): 376鄄381.
[24] 摇 叶宏宝, 孟亚利, 汤亮, 朱艳, 曹卫星. 水稻叶龄与叶面积指数动态的模拟研究. 中国水稻科学, 2008, 22(6): 625鄄630.
[25] 摇 庄恒扬, 曹卫星, 蒋思霞, 王志刚. 作物氮素吸收与分配的动态模拟. 农业系统科学与综合研究, 2004, 20(1): 5鄄8, 11鄄11.
[27] 摇 邱晓滨, 邱崇践. 混合误差协方差用于集合平方根滤波同化的试验. 高原气象, 2009, 28(6): 1399鄄1407.
[31] 摇 黄彦, 朱艳, 王航, 姚鑫锋, 曹卫星, Hannaway D B, 田永超. 基于遥感与模型耦合的冬小麦生长预测. 生态学报, 2011, 31 (4):
1073鄄1084.
[32] 摇 朱元励, 朱艳, 黄彦, 姚霞, 刘蕾蕾, 曹卫星, 田永超. 应用粒子群算法的遥感信息与水稻生长模型同化技术. 遥感学报, 2010, 14(6):
1226鄄1240.
5154摇 14 期 摇 摇 摇 王航摇 等:基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术的研究 摇
ACTA ECOLOGICA SINICA Vol. 32,No. 14 July,2012(Semimonthly)
CONTENTS
Growth and physiological adaptation of Messerschmidia sibirica to sand burial on coastal sandy
WANG Jin,ZHOU Ruilian, ZHAO Halin,et al (4291)
…………………………………………
……………………………………………………………………………
Alleviation effect and mechanism of exogenous potassium nitrate and salicylic acid on the growth inhibition of Pinus tabulaeformis
seedlings induced by deicing salts ZHANG Ying, LI Fayun, YAN Xia, et al (4300)……………………………………………
Influence of different spatial鄄scale factors on stream macroinvertebrate assemblages in the middle section of Qiantang River Basin
ZHANG Yong,LIU Shuoru,YU Haiyan,et al (4309)
……
………………………………………………………………………………
Species diversity and distribution pattern of non鄄volant small mammals along the elevational gradient on eastern slope of Gongga
Mountain WU Yongjie, YANG Qisen, XIA Lin, et al (4318)……………………………………………………………………
A patch鄄based method for mechanism analysis on spatial dynamics of mangrove distribution
LI Chungan,LIU Suqing,FAN Huangqing,et al (4329)
……………………………………………
……………………………………………………………………………
Nutrient heterogeneity in fine roots of six subtropical natural tree species
XIONG Decheng,HUANG Jinxue,YANG Zhijie,et al (4343)
………………………………………………………………
………………………………………………………………………
Variation of vegetation NDVI and its response to climate change in Zhejiang Province
HE Yue, FAN Gaofeng, ZHANG Xiaowei, et al (4352)
…………………………………………………
……………………………………………………………………………
Heterogeneity in fine root respiration of six subtropical tree species
ZHENG Jinxing, XIONG Decheng, HUANG Jinxue, et al (4363)
……………………………………………………………………
…………………………………………………………………
Characteristics of ammonia鄄oxidizing bacteria and ammonia鄄oxidizing archaea abundance in soil organic layer under the subalpine /
alpine forest WANG Ao, WU Fuzhong, HE Zhenhua, et al (4371)………………………………………………………………
Effect of tillage systems on light fraction carbon in a purple paddy soil
ZHANG Junke, JIANG Changsheng,HAO Qingju,et al (4379)
…………………………………………………………………
……………………………………………………………………
Effects of prescribed fire on carbon sequestration of long鄄term grazing鄄excluded grasslands in Inner Mongolia
HE Nianpeng, HAN Xingguo, YU Guirui, et al (4388)
…………………………
……………………………………………………………………………
Stoichiometry of carbon dioxide and methane emissions in Minjiang River estuarine tidal wetland
WANG Weiqi, ZENG Congsheng, TONG Chuan, et al (4396)
……………………………………
……………………………………………………………………
Distribution and sources of particulate organic carbon in the Pearl River Estuary in summer 2010
LIU Qingxia, HUANG Xiaoping,ZHANG Xia, et al (4403)
……………………………………
………………………………………………………………………
The glucose鄄utilizing bacterial diversity in the cold spring sediment of Shawan, Xinjiang, based on stable isotope probing
CHU Min, WANG Yun,ZENG Jun, et al (4413)
……………
…………………………………………………………………………………
Culture鄄dependent and culture鄄independent approaches to studying soil microbial diversity
LIU Guohua, YE Zhengfang, WU Weizhong (4421)
……………………………………………
………………………………………………………………………………
The classification of plant functional types based on the dominant herbaceous species in the riparian zone ecosystems in the Yiluo
River GUO Yili, LU Xunling, DING Shengyan (4434)……………………………………………………………………………
Genetic diversity of different eco鄄geographical populations in endangered plant Prunus mongolica by ISSR Markers
ZHANG Jie, WANG Jia, LI Haoyu, ZHANG Huirong, et al (4443)
…………………
………………………………………………………………
Ecophysiological characteristics of higher鄄latitude transplanted mangrove Kandelia candel in strong tidal range area
ZHENG Chunfang, QIU Jianbiao, LIU Weicheng, et al (4453)
…………………
……………………………………………………………………
The effect of artificial warming during winter on white clover (Trifolium repens Linn): overwintering and adaptation to coldness
in late spring ZHOU Ruilian, ZHAO Mei, WANG Jin, et al (4462)……………………………………………………………
Estimating fine root production and mortality in subtropical Altingia grlilipes and Castanopsis carlesii forests
HUANG Jinxue, LING Hua, YANG Zhijie, et al (4472)
…………………………
…………………………………………………………………………
The cloning and expression of WUE鄄related gene (PdEPF1) in Populus deltoides伊Populus nigra
GUO Peng, JIN Hua, YIN Weilun,et al (4481)
……………………………………
……………………………………………………………………………………
The allelopathy of aquatic rhizome and root extract of Thalia dealbata to seedling of several aquatic plants
MIAO Lihua, WANG Yuan, GAO Yan,et al (4488)
……………………………
………………………………………………………………………………
Effect of the avirulent strain of Ralstonia solanacearum on the ecological characteristics of microorganism fatty acids in the rhizosphere
of tobacco ZHENG Xuefang, LIU Bo, LAN Jianglin, et al (4496)………………………………………………………………
Coupling remotely sensed information with a rice growth model by combining updating and assimilation strategies
WANG Hang, ZHU Yan, MA Mengli, et al (4505)
……………………
………………………………………………………………………………
Effects of water temperature and body weight on metabolic rates of Yellowtail clownfish Amphiprion clarkii (Pisces: Perciformes)
during larval developmen YE Le, YANG Shengyun, LIU Min, et al (4516)………………………………………………………
The distribution of chlorophyll a in the Southwestern Indian Ocean in summer
HONG Lisha, WANG Chunsheng, ZHOU Yadong, et al (4525)
…………………………………………………………
…………………………………………………………………
Evaluation of the effects of ecological remediation on the water quality and biological toxicity of Dagu Drainage River in Tianjin
WANG Min, TANG Jingchun, ZHU Wenying, et al (4535)
……
………………………………………………………………………
Quantitative dynamics of adult population and 3鄄D spatial pattern of Ceoporus variabilis (Baly)
WANG Wenjun, LIN Xuefei, ZOU Yunding, et al (4544)
………………………………………
…………………………………………………………………………
Review and Monograph
Studies on urban heat island from a landscape pattern view: a review CHEN Ailian,SUN Ranhao,CHEN Liding (4553)……………
Sediment quality triad and its application in coastal ecosystems in recent years WU Bin,SONG Jinming,LI Xuegang,et al (4566)…
Discussion
Food waste management in China: status, problems and solutions HU Xinjun, ZHANG Min, YU Junfeng, et al (4575)……………
Scientific Note
Effects of microchemical substances in anaerobic fermented liquid from rice straw and cyanobacteria on Fusaruim oxysporum f. sp.
niveum growth LIU Aimin, XU Shuangsuo, CAI Xin, et al (4585)………………………………………………………………
Ecological benefit鄄loss analysis of agricultural ecosystem in Foshan City, China
YE Yanqiong, ZHANG Jiaen, QIN Zhong, et al (4593)
………………………………………………………
……………………………………………………………………………
《生态学报》2012 年征订启事
《生态学报》是中国生态学学会主办的自然科学高级学术期刊,创刊于 1981 年。 主要报道生态学研究原
始创新性科研成果,特别欢迎能反映现代生态学发展方向的优秀综述性文章;研究简报;生态学新理论、新方
法、新技术介绍;新书评介和学术、科研动态及开放实验室介绍等。
《生态学报》为半月刊,大 16 开本,280 页,国内定价 70 元 /册,全年定价 1680 元。
国内邮发代号:82鄄7摇 国外邮发代号:M670摇 标准刊号:ISSN 1000鄄0933摇 CN 11鄄2031 / Q
全国各地邮局均可订阅,也可直接与编辑部联系购买。 欢迎广大科技工作者、科研单位、高等院校、图书
馆等订阅。
通讯地址: 100085 北京海淀区双清路 18 号摇 电摇 摇 话: (010)62941099; 62843362
E鄄mail: shengtaixuebao@ rcees. ac. cn摇 网摇 摇 址: www. ecologica. cn
摇 摇 编辑部主任摇 孔红梅摇 摇 摇 执行编辑摇 刘天星摇 段摇 靖
生摇 态摇 学摇 报
(SHENGTAI摇 XUEBAO)
(半月刊摇 1981 年 3 月创刊)
第 32 卷摇 第 14 期摇 (2012 年 7 月)
ACTA ECOLOGICA SINICA
摇
(Semimonthly,Started in 1981)
摇
Vol郾 32摇 No郾 14 (July, 2012)
编摇 摇 辑摇 《生态学报》编辑部
地址:北京海淀区双清路 18 号
邮政编码:100085
电话:(010)62941099
www. ecologica. cn
shengtaixuebao@ rcees. ac. cn
主摇 摇 编摇 冯宗炜
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址:北京海淀区双清路 18 号
邮政编码:100085
出摇 摇 版摇
摇 摇 摇 摇 摇 地址:北京东黄城根北街 16 号
邮政编码:1R00717
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址:东黄城根北街 16 号
邮政编码:100717
电话:(010)64034563
E鄄mail:journal@ cspg. net
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址:北京 399 信箱
邮政编码:100044
广告经营
许 可 证摇 京海工商广字第 8013 号
Edited by摇 Editorial board of
ACTA ECOLOGICA SINICA
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Tel:(010)62941099
www. ecologica. cn
Shengtaixuebao@ rcees. ac. cn
Editor鄄in鄄chief摇 FENG Zong鄄Wei
Supervised by摇 China Association for Science and Technology
Sponsored by摇 Ecological Society of China
Research Center for Eco鄄environmental Sciences, CAS
Add:18,Shuangqing Street,Haidian,Beijing 100085,China
Published by摇 Science Press
Add:16 Donghuangchenggen North Street,
Beijing摇 100717,China
Printed by摇 Beijing Bei Lin Printing House,
Beijing 100083,China
Distributed by摇 Science Press
Add:16 Donghuangchenggen North
Street,Beijing 100717,China
Tel:(010)64034563
E鄄mail:journal@ cspg. net
Domestic 摇 摇 All Local Post Offices in China
Foreign 摇 摇 China International Book Trading
Corporation
Add:P. O. Box 399 Beijing 100044,China
摇 ISSN 1000鄄0933
CN 11鄄2031 / Q
国内外公开发行 国内邮发代号 82鄄7 国外发行代号 M670 定价 70郾 00 元摇