小麦-玉米的间作同时减少耕作和覆盖秸秆的方式有利于加强干旱区的经济效益和社会效益

Yin, Guo, Hu, Fan, Feng, Zhao, Yu, Chai (2018) Wheat-Maize Intercropping With Reduced Tillage and Straw Retention: A Step Towards Enhancing Economic and Environmental Benefits in Arid Areas. Frontiers in plant science
间作被认为是提高作物生产能力的希望系统，然而间作通常会要求更高的资源投入和产生更多的CO2。目前还不清楚什么模式能够在干旱的灌区减弱上述问题并加强农业系统的可持续性。本文在中国西北区域精心设置了田间试验，减少耕作，加上小麦秸秆残留物保留措施，与条带间作模式相结合。我们得到了作物生产能力、用水率、经济收益和c排放。结果表明小麦-玉米间作的同时保留秸秆残留物的措施与传统的间作方式或小麦和玉米的单作相比，能够提升粮食产量、更高的辐射能源利用率、水分利用效率、减少碳排放和提高碳利用效率（具体数值见文献）。最后，我们可以得出结论玉米和小麦间作，秸秆覆盖土壤表面，可用于提高作物产量和经济收益，同时有效降低干旱绿洲灌区的CO2排放。
【思考】该文可用于干旱区人地耦合系统的讨论部分，如如何去优化整个人类耦合系统，或者是关于人类如何去适应气候变化，因为该文的结论是这种耕作方式在保证产量的同时能够降低CO2的排放，这样有助于缓解CO2的升高。或干旱灌区的可持续发展方式的途径之一。进一步可以推广到其他半干旱或半湿润区域，尤其是在灌溉耗水严重地区，通过这样的方式来提示用水效率。
https://www.ncbi.nlm.nih.gov/pubmed/30369934

一种整合时空信息和SG滤波来提供NDVI时序质量的简单方法

Cao, R. Y., Y. Chen, M. G. Shen, J. Chen, J. Zhou, C. Wang, and W. Yang 2018 A simple method to improve the quality of NDVI time-series data by integrating spatiotemporal information with the Savitzky-Golay filter Remote Sensing of Environment. 217 244-257
高质量的NDVI时间序列集对于许多区域和全球上的生态环境研究具有重要意义。不幸的是，目前的NDVI长时间序列产品中的残余噪音阻碍了它们的更广泛的应用。在过去二十多年里，几种去噪的方法已经被提出，但两个重要的问题仍然没有得到解决。第一点，目前的方法在NDVI时序连续缺失的数据中表现差。第二点，其次，它们通常假设NDVI时间序列中具有负偏差的噪声，因此在某些情况下（例如，多季作物的收获期）错误地提高了一些局部低NDVI值。因此，我们开发了一套新的去噪算法，称之为时空SG(Savitzky-Golay)滤波法(STSG)。新算法假定空间上存在不连续的云，并利用相近的像元来帮助特定年份中目标像素去噪。由于多年NDVI数据的累积，目标像元和邻近像元的NDVI关系的获取是通过多年的NDVI时序，这在10年前是不可能的。本文在中国大陆区域和北美的11个物候相机观测点用STSG测试了16天合成的MODIS-NDVI序列，时间跨度为2001-2016年。结果显示该算法显著好于四种先前广泛应用的方法（非对称高斯、双逻辑曲线、基于傅里叶、SG滤波）。STSG的一个显著优势是能够解决NDVI在时间连续上的缺口问题（即前面提出的第一点）。STSG能够有效的增加局部低值的同时，避免多度校正作物收获时期的低值。此外，STSG方法的实施只需要粗的MODIS NDVI 时序产品，而不需要额外其他产品的要求。这些优势使得STSG方法对于生产高质量NDVI时序数据是一个非常有前途的去噪方法。
【思考】STSG方法非常适用于生产2000-2017年的高质量NDVI数据集，对于研究时段在2000年之后的区域分析，尤其是需要从时序NDVI中提取信息，如物候，而不是仅仅用NDVI的年值或月值，具有很大的价值。后续如果用到，尽量去尝试使用该新的方法，利用Matlab来生产。
https://www.sciencedirect.com/science/article/pii/S0034425718303985?via%3Dihub

优化农业系统中大尺度GPP和产量估算的遥感生产效率模型

Optimizing a remote sensing production efficiency model for macro-scale GPP and yield estimation in agroecosystems
随着时间的推移，观测数据越来越被用于在大范围上提供一致的生态-生物信息。生产效率模型（PEMs）估算GPP是将GPP作为植被光合有效辐射的部分，GPP数据能够从地球观测获取。GPP是作为生长季的总和并能够通过收获指数转化为产量。尽管生产效率模型比其他的作物产量模型有更多的优点，但它并未被广泛使用，原因是表现的效果相当较差。本文呈现一个新的PEM模型来解决大尺度应用的不足，它叫作物生产效率模型优化（PEMOC）。该模型结合了众多的文献和美国的通量塔数据。它使用最新发展的地表观测产品和县级的主要作物的产量统计数据。PEMOC相比MOD17产品在田间和县级水平上表现的更好。在出苗/衰老和旺季期间，分别对C 3和C 4作物进行了最大规模的模型改进。这些改进归功于C 3和C 4分配，优化温度和水分限制和基于蒸发蒸腾的土壤水分指数。
【思考】该方法的应用需要大量的观测资料尤其是通量塔数据的支持，可能会限制该模型在其它区域的应用。同时该模型需要县级的作物统计资料数据来更加准确的将GPP转化为粮食产量，形成空间分布，不利于形成长时间序列。同时在转换时，收获指数的设定需要知道每种作物的空间分布，而该数据集也难以获取。

评估沿干旱梯度NPP和碳利用效率(NPP/gpp,CUE)对气候变化的响应

Evaluating the responses of net primary productivity and carbon use efficiency of global grassland to climate variability along an aridity gradient
净初级生产力(NPP)和碳利用效率(CUE)是评估陆地碳循环的常用生态指标。然而，尽管它们被广泛使用，沿干旱梯度的NPP和CUE对气候变化的响应模式仍然存在相当大的不确定性，特别是对于草原生态系统。本文用干燥度指数(AI)来划分全球草地生态系统不同的干旱-湿润区。探讨了2000-2013年在不同的AI水平上NPP、CUE的变化趋势及与气候的关系。在整体上，在全球尺度上草地生态系统的NPP和cue显著的受到降水的影响。草地NPP与年降水在干旱和半干旱地区是正相关，而在湿度地区是负相关。NPP与年气温的正向关系只在湿润地区。草地碳利用效率在所有的区域与降水呈现正相关，而与气温呈现负相关。CUE与降水的相关系数从湿润到干旱降低，表明草地碳利用效率在干旱区域对降水很敏感，而在湿润区域敏感性较低。
【思考】本文的优点在于从不同的干旱水平上评估了草地NPP和CUE对气候变化的响应，并得出草地碳利用效率在干旱区对降水更加敏感，而湿润区不敏感。在应用MODIS的NPP和GPP产品时，进行了验证分析，R2在0.7以上，保证了数据的精确度。但不足在于短时间段的气候变化分析是否有意义，本文仅分析了14年的气候变化数据，可信度存在问题。
https://www.sciencedirect.com/science/article/pii/S0048969718341913?via%3Dihub#f0005

调查和模拟干旱年份降水-径流关系的变化

随着全球变暖，干旱的频率和强度可能会增加。当干旱发生时，径流产生过程和降水 - 径流关系可能会发生变化。本研究在中国最大的淡水湖泊 - 鄱阳湖流域 - 系统地研究了干旱年份的降水径流关系。结果表明，干旱年份降水 - 径流关系发生了显着变化（p <0.05）。与非干旱年份相比，干旱年份的年径流系数下降了24.1％。径流系数的下降幅度与干旱严重程度（即年份的标准化降水指数）呈显着正相关（p <0.01）。通过目标函数Nash-Sutcliffe效率校准的两个水文模型显着高估了干旱年份的径流。对低流量模拟敏感的另外三个目标函数显着提高了干旱年份径流模拟的准确性。因此，我们建议干旱年份径流模拟的选定目标函数应对低流量模拟敏感。否则，干旱年份将高估水资源的可用性。

控制美国蒸散、径流和土壤水分变化的因素：对植被动态的解释

Factors controlling changes in evapotranspiration, runoff, and soil moisture over the conterminous U.S.: Accounting for vegetation dynamics
遥感数据揭示了气候变暖背景下植被生长加强，但这样的植被动态如何改变区域水文还没有完全理解。本文通过VIC模型输入连续的遥感LAI数据研究了1983-2009年间LAI和气候变异性改变美国蒸散、径流和土壤水分长时间趋势和季节变异性。因素控制模拟实验揭示了虽然降水是控制水通量长期趋势和年内波动的主导因素，但其他要素（温度、LAI和大气二氧化碳）对长期趋势贡献有重要贡献，特别是在特定区域。，LAI的改变对美国整体的蒸散发、径流和土壤水分影响很小。然而，它对某些特定区域如中西部地区有更加显著的贡献。此外，LAI的变化是控制ET和SM变异性的第二重要因素，特别是在寒冷季节。ENSO期LAI异常与径流、土壤水分异常无显著相关，与蒸散发正相关，说明植被动态对大陆尺度水文循环有显著影响。
【思考】利用因素控制实验（通过VIC模型来实现）研究了植被动态对水分循环的影响，尤其是对水通量的季节变异性和长期趋势。
https://www.sciencedirect.com/science/article/pii/S0022169418305821#f0005

气候异常及对湿润温度森林的植被物候、固碳和水分利用效率影响

Climatic anomaly and its impact on vegetation phenology, carbon sequestration and water-use efficiency at a humid temperate forest
气候变化，尤其是极端气候天气事件，对全球森林的水文和生物地质化学过程施加了大量的影响。气候变化陆地反馈的更深理解对预测未来区域/全球碳和水预算是至关重要的，能够被用来发展森林管理的潜在策略。在本研究中，共11年的CO2和H2O通量涡动协方差塔测量，以及相关的环境变量分析，揭示了气候异常对湿润温带落叶林植被物候、固碳和生态系统用水效率(WUE)动态的影响。春季温度的升高改变了物候期，绿化率约为每度3.5天，生长期约为每度3天，在2012年达到峰值。由于春季气温异常，碳源向碳汇的转移比往年提前了近40天。但异常的碳动态发生在生长高峰期。相关分析表明，降水总量主要控制了该地区森林NEP。因此，由于夏季极度干旱和酷暑，随之而来的水资源短缺严重减少了约64.1%的森林NEP。进一步的分析表明，总初级生产(GPP)的急剧减少而不是生态系统呼吸(Re)的急剧减少导致了NEP的减少。2012年春季，GPP和蒸散发(ET)均大于相邻年份。但是，严重的夏季干旱降低了生态系统的水分利用效率，产生了最低的GPP和ET。下一步的工作必须关注提供森林对气候系统的反馈认识上。
【思考】（1）揭示了春季温度的上升会提前植被的变绿期，延长生长季（2）春季温度的异常对区域碳源碳汇的关系影响（3）夏季的严重干旱降低总的GPP.
https://www.sciencedirect.com/science/article/pii/S0022169418306085#f0005

分析灌溉方法对潜在地下水补给的影响：伊朗半干旱区域的案例

Investigating the effects of irrigation methods on potential groundwater recharge: A case study of semiarid regions in Iran
节水灌溉系统如滴灌和喷灌节水但它们能够通过传输系统减小潜在的地下水补给(PGR)并可能有害可持续性，尤其是在干旱-半干旱地区。本研究采用混合(实验和数值)方法来确定不同灌溉系统对半干旱区PGR动态的影响。为了模拟伊朗Karaj地区的土壤环境，准备了一个210厘米高、300厘米长、150厘米宽的土壤柱。在不同灌溉系统(处理)下的冬小麦种植季节(140天)，监测了一系列土壤和环境特性。在每个灌溉系统下测量土壤含水量和排水量，用于a)计算水平衡的不同组成部分，b)使用HYDRUS-1D建立长期土壤水流动力学模型。沟渠、滴灌和洒水系统下分别有14.83、0.14和0.80%的应用水量(灌溉和降水)排在200 cm以下，估计为PGR。沟灌年PGR估算范围为19-228 mm，平均111.3 mm。然而，喷灌(4.1 mm)和滴灌(0.7 mm)下的年均PGR比沟灌低一个数量级。只有在一次特大降雨事件后，才观察到在节水方法下导致PGR的深层排水。在干旱和半干旱地区，由于灌溉之间没有大的降雨事件，节水灌溉系统下的PGR减少。进一步利用模拟模型估算了20年小麦种植期间PGR的总量。沟渠灌溉估计的PGR (222.7 cm)含量要比滴灌系统和洒水系统的PGR 高得多;这就对研究区节水灌溉方法的可持续性提出了疑问。由于地下水是这些地区灌溉的主要来源，所采用的方法的补给能力对于确保今后在伊朗卡拉杰地区以及其他类似干旱和半干旱地区地下水的供应和使用至关重要。
【思考】喷灌和洒水的灌溉方式降低了地下水的补给，可能不利于灌溉系统的持续性，但该方式在干旱-半干旱地区的实施会降低水资源消耗，因此，如何去权衡灌溉方式和水资源的短缺及灌溉系统的持续发展成为必须去解决的问题。
https://www.sciencedirect.com/science/article/pii/S0022169418306322#f0005

Paper rough reading(一)