黄土高原是中国苹果树种植的主要区域，长期以来，缺水和肥料利用效率低下严重制约着当地苹果产业的发展。采用田间试验的方法，于2017和2018年苹果树物候期内，设置3个土壤含水率梯度：90–75%θf（θf为田间持水量）、75–60%θf和60–45%θf；5个施氮水平：0.7、0.6、0.5、0.4和0.3 kg/株，共15个处理。结果表明：在2017和2018年，苹果树叶面积指数（LAI）、产量、水分利用效率（WUE）以及氮肥偏生产力（NPFP）的水氮耦合效应明显，灌水量和施氮量对苹果树LAI、产量、WUE以及NPFP的影响均达到显著水平（P<0.05），而水氮交互作用的影响在2018年达到了显著水平（P<0.05），而在2017年影响不显著。土壤含水率相同时，随着施氮量的增加，WUE先增加后降低，NPFP逐渐下降，而施氮量对苹果树LAI的影响与土壤含水率梯度密切相关。施氮量相同时，随着灌水量的增加，苹果树LAI逐渐增加，WUE和NPFP先增加后减小，而施氮量对苹果树产量的影响与土壤含水率梯度密切相关。通过苹果树水氮效应的二次回归分析表明，苹果树产量，WUE以及NPFP并不能同时达到最大。综合考虑水氮耦合效应对苹果树产量，WUE以及NPFP影响，土壤含水率梯度为75–60%θf和施氮量为0.45 kg/株的组合可作为黄土高原地区苹果树产量、WUE和NPFP综合效益最大化的水氮管理策略。

地下水资源紧缺是华北平原冬小麦生产面临的一个严峻的挑战，急需先进的节水技术在冬小麦生产上的应用。为了探讨微喷灌技术在冬小麦生产上的节水潜力，我们设置了五个处理，传统畦灌TF1（拔节期和开花期分别灌溉75 mm灌水量）；微喷灌MSI1（拔节期、开花期和灌浆中期分别微喷30 mm灌水量）; 微喷灌MSI2（起身期、拔节期、开花期和灌浆中期分别微喷30 mm灌水量）；微喷灌MSI3（起身期、拔节期、孕穗期、开花期和灌浆中期分别微喷30 mm灌水量）；微喷灌MSI4（返青期、起身期、拔节期、孕穗期、开花期和灌浆中期分别微喷30 mm灌水量），于2012-2015三个生长季通过大田试验进行了研究。研究结果表明，与TFI相比，MSI1和MSI2的水分利用效率分别增加了22.5和16.2%，同时分别降低耗水量17.6和10.8%。在不考虑降雨年型的情况下，与常规畦灌TFI相比，MSI1或MSI能够在降低20-40%灌溉水的前提下保证冬小麦稳产或显著增产。与TFI相比，MSI3的产量和水分利用效率也分别提高了4.6%和11.7%。微喷灌可以实现少量多次的灌溉，降低了土壤的紧实度并有利于小麦根系的下扎，进而有利于关键生育期光合同化物的生产。总之，与TF1相比，MSI1和MSI2能够在降低灌溉用水20-40%的前提下实现稳产或增产，这将为华北平原冬小麦节水高效生产提供一定的技术支撑。

土地利用/覆盖变化(LUCC)对区域气候的影响是实现土地利用系统可持续发展和减缓全球气候变化的关键，然而关于LUCC对降水和气温等气候因子变化影响的定量分析研究仍十分有限。本研究采用统计和重心模型模拟相结合的方法，定量分析了1980-2018年间我国东北松嫩平原LUCC对降水和气温的长期影响。结果发现LUCC的时空变化特征如下：该地区水田面积增加最多(15,166.43 km²)，旱地次之，由于过度的农业开发利用导致湿地减少最多(19,977.13 km²)；1980年以来该地区年平均降水量以-9.89 mm/10a的速率呈现下降趋势，年平均气温变化则呈显著上升趋势，上升变化率为0.256℃/10a。进一步通过重心模型模拟发现：水田、林地以及湿地重心变化与降水重心的变化呈正相关，建筑用地、旱田与未利用地重心变化与降水重心的变化呈负相关，林地较其它用地类型对年降水量增加的促进作用最为明显。建筑用地是对年平均气温增加起促进作用最大的用地类型，最小的是林地。总之，在区域尺度下土地利用/覆盖变化分析表明湿地减少、建筑用地和农业用地增加导致了松嫩平原持续干旱和气温快速变暖。

快速、大面积获取水稻缺氮状况对实现水稻精准施肥具有重要意义。而现有的研究大都集中于利用无人机遥感对水稻进行氮营养诊断，对水稻缺氮程度的定量描述研究较少，同时很少探究临界氮浓度对水稻光谱变化的影响。因此，本研究基于无人机高光谱遥感获取冠层光谱数据、通过田间采样获取水稻氮素含量，研究水稻临界氮浓度曲线构建方法，在此基础上确定水稻缺氮量；以临界氮浓度状态下光谱为标准光谱，分别对光谱反射率数据进行比值与差值变换，并通过连续投影法SPA（successive projections algorithm）对光谱数据进行特征提取，最后以二者提取的特征波段为输入变量，缺氮量为输出变量，分别构建基于多元线性回归MLR（Multivarate Linear Regression）、长短期记忆网络LSTM（Long Short-Term Memory）、极限学习机ELM（Extreme Learning Machine, ELM）与第三代非支配遗传算法优化极限学习机NSGA-III-ELM（The Non-dominated Sorting Genetic Algorithm III Extreme Learning Machine）三种算法的水稻缺氮量反演模型。结果分析表明：1）缺氮量数据与原始光谱的相关性较差，但差值变化与比值变换均能提升其与缺氮量的相关性；2）基于比值光谱与NSGA-III-ELM算法的反演结果最佳，训练集与验证集的R2分别为0.852、0.810，RMSE为0.291、0.308；从光谱数据层面看，比值光谱的反演精度明显优于原始光谱与差值光谱；从算法层面看，基于LSTM算法的模型反演结果过拟合现象严重，反演效果较差；而基于NSGA-III-ELM算法的反演精度明显优于MLR算法与ELM算法的反演精度。因此，基于比值光谱与NSGA-III-ELM算法的反演模型可以对水稻缺氮量进行有效反演，为基于水稻氮营养状况的精准追肥提供了重要的技术支持。

准确、快速地估算作物冠层氮素含量（CNC）是精准农业中优化氮肥施用的关键。田间取样测定叶片面积指数（leaf area index，LAI）、冠层光合色素（CPP：包括叶绿素a、叶绿素b和类胡萝卜素）和叶片氮浓度（leaf nitrogen concentration，LNC）费时费力。本文评估了利用高精度无人机多光谱影像估算冬小麦全生育期LAI、CPP和CNC。选取23个光谱特征（5个原始光谱波段、17个植被指数和RGB图像的灰度值）和8个纹理特征（对比度、熵、方差、均值、同质性、相异性、二阶矩、相关性）作为模型的输入，比较了多元逐步回归（MSR）、支持向量回归（SVR）、梯度提升决策树（GBDT）、高斯过程回归（GPR）、反向传播神经网络（BPNN）和径向基函数神经网络（RBFNN）6种机器学习方法反演冬小麦LAI、CPP和CNC的效果。特别提出了一种基于LAI和CPP的双层结构模型来估算CNC。研究结果表明，与仅输入SFs相比，SFs + TFs组合输入大大提高了冬小麦LAI、CPP和CNC的估算精度。RBFNN和BPNN模型在估算冬小麦LAI、CPP和CNC方面优于其他机器学习模型。提出的双层模型（R²=0.67–0.89 , RMSE=13.63–23.71 mg g^-1 , MAE = 10.75–7.59 mg g ^-1）在估算冬小麦CNC时优于传统的直接反演模型（R²=0.61–0.80 , RMSE=18.01–25.12 mg g^-1 , MAE = 12.96–18.88 mg g ^-1）。以SFs + TFs作为输入的双层RBFNN模型在估算冬小麦CNC时精度最高( R²=0.89 , RMSE= 13.63 mg g^-1 , MAE=10.75 mg g^-1)。本研究可为田间准确、快速地估测冬小麦冠层氮素含量提供指导。

遥感技术已经越来越多地用于监测大面积植株的氮素状况和精准氮素养分管理。氮营养指数（nitrogen nutrition index，NNI）可以定量描述作物的氮素状况。然而，基于无人机多光谱影像的棉花NNI诊断尚缺乏研究。本研究评估了支持向量机（support vector machine，SVM）、反向传播神经网络（back propagation neural network，BPNN）和极端梯度提升（extreme gradient boosting，XGB）三种机器学习模型基于无人机多光谱影像估测棉花全生育期叶片氮含量和NNI的性能。研究结果表明，与氮含量和NNI相关性最高的前15个植被指数作为输入时，模型表现更优。三种模型中XGB模型在估测氮含量方面表现最优。上半冠层水平下的氮含量估测精度（率定集R²=0.89，RMSE=0.68 g m^-2，RE=14.62%；验证集R²=0.83，RMSE=1.08 g m^-2，RE=19.71%）远高于全冠层水平（率定集R²=0.73，RMSE=2.20 g m^-2，RE=26.70%；验证集R²=0.70，RMSE=2.48 g m^-2，RE=31.49%）和植株水平（率定集R²=0.66，RMSE=4.46 g m^-2，RE=30.96%；验证集R²=0.63，RMSE=3.69 g m^-2，RE=24.81%）。与之类似， XGB模型（率定集R²=0.65，RMSE=0.09，RE=8.59%；验证集R²=0.63，RMSE=0.09，RE=8.87%）在估测NNI方面也优于SVM 模型（率定集R²=0.62，RMSE=0.10，RE=7.92%； 验证集R²=0.60，RMSE=0.09，RE=8.03%）和BPNN模型（率定集R²=0.64，RMSE=0.09，RE=9.24%；验证集R²=0.62，RMSE=0.09，RE=8.38%）。基于最优XGB模型生成的NNI预测图，可以直观地诊断棉田氮素营养的空间分布和动态过程。本研究可以帮助农户及时、准确地实施棉花氮素精准管理。

准确估算区域尺度冬小麦产量对掌握粮食生产情况和保证国家粮食安全十分重要。但目前精确的水资源和区域灌溉信息难以获取，基于遥感模拟区域尺度冬小麦产量的年际和空间变化仍存在较大误差。为此，本研究以中国冬小麦主产区华北平原（NCP）为研究区，发展基于灌溉模式参数（IPPs，即灌溉频率和灌溉时期）近似估计冬小麦灌溉信息的新方法，并将其耦合到一个新发展的遥感过程模型（PRYM–Wheat），以更准确模拟NCP冬小麦产量。本研究使用NCP各县市参考年份（2010–2015）的统计产量确定IPPs的最优值，然后在站点和区域尺度验证耦合了最优IPPs的PRYM–Wheat模拟冬小麦的精度。结果显示，耦合了最优IPPs的PRYM–Wheat模拟参考年份冬小麦产量的相关系数R提升了0.15（37%），均方根误差RMSE减少了0.90 t/hm²（41%）；模拟验证年份（2001–2009和2016–2019）站点尺度、河北省县级尺度、河南省县级尺度和山东省市级尺度的R（RMSE）分别为0.80（0.62 t/hm²）、0.51（0.95 t/hm²）、0.72（1.18 t/hm²）和0.42（0.72 t/hm²）。总体来看，IPPs可以有效提升基于遥感模拟灌溉区区域尺度冬小麦产量的精度，耦合了IPPs的PRYM–Wheat模型可为估算区域冬小麦多年产量提供稳定可靠的方法，为确保区域粮食安全提供科学依据。

Studying the significant impacts on vegetation of drought due to global warming is crucial in order to understand its dynamics and interrelationships with temperature, rainfall, and normalized difference vegetation index (NDVI).  These factors are linked to excesses drought frequency and severity on the regional scale, and their effect on vegetation remains an important topic for climate change study.  East Asia is very sensitive and susceptible to climate change.  In this study, we examined the effect of drought on the seasonal variations of vegetation in relation to climate variability and determined which growing seasons are most vulnerable to drought risk; and then explored the spatio-temporal evolution of the trend in drought changes in East Asia from 1982 to 2019.  The data were studied using a series of several drought indexes, and the data were then classified using a heat map, box and whisker plot analysis, and principal component analysis.  The various drought indexes from January to August improved rapidly, except for vegetation health index (VHI) and temperature condition index (TCI).  While these indices were constant in September, they increased again in October, but in December, they showed a descending trend.  The seasonal and monthly analysis of the drought indexes and the heat map confirmed that the East Asian region suffered from extreme droughts in 1984, 1993, 2007, and 2012 among the study years.  The distribution of the trend in drought changes indicated that more severe drought occurred in the northwestern region than in the southeastern area of East Asia.  The drought tendency slope was used to describe the changes in drought events during 1982–2019 in the study region.  The correlations among monthly precipitation anomaly percentage (NAP), NDVI, TCI, vegetation condition index (VCI), temperature vegetation drought index (TVDI), and VHI indicated considerably positive correlations, while considerably negative correlations were found among the three pairs of NDVI and VHI, TVDI and VHI, and NDVI and TCI.  This ecological and climatic mechanism provides a good basis for the assessment of vegetation and drought-change variations within the East Asian region.  This study is a step forward in monitoring the seasonal variation of vegetation and variations in drought dynamics within the East Asian region, which will serve and contribute to the better management of vegetation, disaster risk, and drought in the East Asian region.

氮（N）和钾（K）是水稻生长过程中两种关键的矿质营养元素。准确诊断氮、钾的状况，对水稻在特定生长阶段的合理施肥具有重要意义。因此，我们提出了一种用于在幼穗分化期（EPIS）诊断水稻营养水平的混合模型，它将嵌入注意力机制的卷积神经网络和长短期记忆网络（LSTM）相结合。在为期两年的实验中，该模型在无人机从不同生长阶段的水稻冠层收集的大量序列图像上得到了验证。与 VGG16、AlexNet、GoogleNet、DenseNet 和 inceptionV3 相比，ResNet101 结合 LSTM的模型在黄花占（HHZ，一种籼稻品种）数据集上获得了 83.81% 的最高平均准确率。当在 2021 年的 HHZ 和秀水 134（XS134，一种粳稻品种）数据集上进行测试时，使用 Squeeze-and-Excitation (SE) 增强的 ResNet101-LSTM 模型达到了 85.38% 和 88.38% 的最高准确率，并且通过跨数据集方法，该模型在2022年测试的HHZ和XS134数据集上的平均准确率分别为81.25%和82.50%，表现出良好的泛化能力。我们提出的模型涉及水稻不同生育阶段的动态信息，可以有效地诊断在EPIS 中水稻不同的营养状况，有助于在水稻穗萌发阶段做出合理施肥的实际决策。

随着遥感技术的发展，在过去的十几年中出现大量土地利用和土地覆盖（LULC）产品。然而，各种LULC产品的分类体系存在差异，尚缺乏在统一框架下评估各产品中耕地分类精度的研究。因此，本研究以FAO的分类体系为标准，统一四种常用的全球LULC产品（即MCD12Q1 V6、GlobCover2009、FROM-GLC和GlobeLand30）的耕地分类体系，评估各产品中耕地分类的空间分布一致性与准确性和面积的准确性，并量化坡度、海拔、田块面积和耕作制度与耕地空间分布一致性的关系。结果表明，在空间分布的准确性方面，MCD12Q1和GlobeLand30表现良好，总体准确率分别为94.90和93.52%；FROM-GLC表现最差，总体准确率为83.17%。在空间分布的一致性方面，四种LULC产品的耕地像元完全一致和不一致的比例分别为15.51和44.72%。高度一致性区域主要出现在东北平原、黄淮海平原和中下游长江平原北部，低度一致性区域主要出现在华北半干旱区东部边缘、云贵高原和华南地区。田块面积是影响耕地制图的核心因素。在面积准确性方面，与《中国统计年鉴》数据对比，各产品在省级尺度的面积准确性从高到低依次为：GlobeLand30、FROM-GLC、MCD12Q1和GlobCover2009。耕地分类体系的不同是造成四种产品间面积偏差、空间分布和面积准确性差异主要的原因。本研究为国家及省级尺度耕地产品选择提供数据支撑，为进一步提升耕地制图精度提供理论参考。本研究结果有助于粮食安全和作物管理相关研究的开展，对实现联合国提出的可持续发展目标意义重大。

本研究利用田间试验数据评价了APSIM模型（Agricultural Production Systems sIMulator）在华北平原潮土上模拟磷有效性、玉米生物量和产量对磷肥施用的响应能力。通过的2年的田间试验数据（3种磷肥施用量：0、75、300 kg P₂O₅/ha）对模型进行校正，并通过敏感性分析研究APSIM模型中土壤磷参数变化对土壤模拟磷有效性和玉米生长的影响。其次，将模拟结果与作物生物量、产量、磷吸收和Olsen-P观测值进行比较，优化作物和土壤磷参数。利用同一试验点的2年独立试验数据对优化后的模型进行验证，结果表明优化后的模型能够较好地模拟玉米叶面积指数、生物量、籽粒产量、磷吸收量和籽粒磷含量对不同供磷水平的响应。通过修改叶片生长的钟形函数曲线，同时降低叶片衰老速率可以提高模型对现在玉米持绿品种LAI动态变化的模拟表现。实测的Olsen-P浓度与模拟的Labile-P含量之间存在显著相关关系，在之后的研究中可以使用该曲线关系初始化土壤中有效磷库。目前，因缺乏对土壤中不同磷库间转化过程的定量化，APSIM SoilP模块仍然难以进行参数化。

快速、准确地获取耕地土壤有机质(SOM)空间分布对农业可持续发展和碳平衡管理较为重要。本文提出了基于多年月尺度合成影像预测SOM的方法。利用谷歌地球引擎(GEE)平台获取2016-2021年覆盖整个研究区的哨兵2号遥感影像数据并逐月合成，提取合成影像的光谱波段和植被指数作为环境协变量，并构建随机森林(RF)、支持向量机(SVM)和梯度提升回归树(GBRT)模型比较不同变量组合下SOM预测精度的差异。结果表明：(1) 1、3、4、10和 11 月合成的光谱波段均与SOM显著相关(P < 0.05)；(2)基于单月变量的模型预测精度整体较低，其中，1月份变量的RF模型预测精度最高，决定系数R²为0.36。但将不同月份变量按四个季度进行组合，第一季度(Q1)和第四季度(Q4)模型预测性能较好，且三个季度变量任意组合的模型预测精度差异较小。当所有月份的变量均被纳入模型时，模型预测性能最佳；(3)三种机器学习算法中，RF模型的预测精度始终高于 SVM 和 GBRT 模型，其决定系数R²为0.56。除 12 月份的Band12波段外，其余变量的重要性无显著差异。该研究为高精度及空间分辨率的SOM数字制图提供了理论参考

准确估算区域尺度冬小麦产量对我国粮食安全和供需平衡预警具有重要意义。目前，大多数遥感过程模型使用“生物量×收获指数（HI）”的方法估算区域尺度冬小麦产量。然而，收获指数的时空差异是造成区域尺度冬小麦产量估算误差的主要原因之一，干物质分配系数（Fr）能够动态反映冬小麦生育期内干物质分配和积累的情况。本研究将站点尺度的冬小麦各器官Fr耦合到冬小麦产量估算的遥感过程模型（PRYM-Wheat）以提高华北平原区域尺度冬小麦产量的估算精度。利用改进后的PRYM-Wheat模型（PRYM-Wheat-Fr）估算冬小麦产量并与统计产量进行精度比较。三年（2000-2002）平均产量结果表明，利用PRYM-Wheat-Fr估算冬小麦产量与统计产量比较的R²=0.55，RMSE=0.94t ha^-1；基于HI的PRYM-Wheat模型（PRYM-Wheat-HI）估算冬小麦产量与统计产量比较的R²=0.30，RMSE=1.62t ha^-1。PRYM-Wheat-Fr模型比PRYM-Wheat-HI模型估算冬小麦产量的R²提高了0.25，RMSE降低了0.68t ha^-1。同时，2013-2015年的验证结果也表明，PRYM-Wheat-Fr的冬小麦产量估算精度优于PRYM-Wheat-HI的冬小麦产量估算精度。所以，PRYM-Wheat-Fr模型能够更好地估算区域尺度冬小麦产量，是估算区域尺度冬小麦产量的有效工具。