GF-1和MODIS影像冬小麦长势监测指标NDVI的对比

作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R ²=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R ²=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R ²=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R ²=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。     

基于HJ-1数据的冬小麦种植面积、长势与收割进度遥感监测

及时、准确地获取冬小麦种植面积、长势、收割进度等信息对冬小麦产量预报和农田精细管理具有重要意义。本研究采用HJ-1A/B CCD1/CCD2影像,结合S-G滤波算法、波段最大化的光谱角目标探测器、阈值分割等方法进行新乡市冬小麦种植面积、小麦长势和收割进度等遥感监测。结果表明：（1）利用HJ卫星NDVI时间序列数据结合波段最大化的光谱角度目标探测器方法,可以进行冬小麦种植面积提取,各县市冬小麦种植面积提取相对误差在10%以内;（2）单景影像NDVI值阈值分割可以反映冬小麦长势在时空差异;（3）冬小麦达到抽穗期的时间不一致,NDVI值在4月15日和21日附近达到最大值;（4）利用成熟期和收割期不同时间的NDVI影像,可监测各县市冬小麦收割进度的时空差异。各县市冬小麦在6月4日前开始收割与6月15日左右完成收割工作。HJ卫星时间序列遥感数据可以进行冬小麦种植面积、长势、收割进度等遥感监测。     

基于MERSI数据的处理及旬植被指数生成方法

为了实现自动批量处理国产FY-3A/B MERSI光学影像数据,提取全国范围植被指数特征,为今后全国植被类型制图方法研究做准备,对MERSI数据经过物理量计算、几何校正、拼接、掩膜等处理、提取植被指数特征和水云标识数据、按旬生成最大植被指数时间序列影像和合成旬水云标识影像等方法进行了研究;利用IDL 7.1编程语言实现了自动批量处理全国范围MERSI数据,按旬生成时间序列250 m空间分辨率的植被指数数据的算法程序;并对基于以上方法生成的归一化植被指数(NDVI)和增强性植被指数(EVI)结果进行比较分析。结果表明：NDVI的旬影像比EVI旬影像植被指数值分布更均匀,能够更好地反映全国植被分布与物候变化特点。该研究采用程序算法实现对FY-3A MERSI光学影像数据的处理,操作简单易行,节省了大量人力和时间;且生成的结果可为今后按MERSI NDVI时间序列影像进行全国植被类型分布研究、监测植被长势、开展国产数据在林业中的应用等后续工作做准备。     

作物类型遥感识别研究进展

及时获取作物种植面积是研究粮食区域平衡,预测农业综合生产力和人口承载力的基础。遥感技术已经成为提取作物种植面积的重要手段,而前提是识别作物。为了理清当前该领域的国内外研究现状,以遥感在作物类型识别中的应用为主线,归纳了国内外作物类型识别研究中常用的各类遥感数据,如资源遥感影像、气象遥感影像、高分辨率影像、高光谱影像和微波影像等,分析其优缺点和适用性;同时总结了利用遥感进行作物类型识别的3 类研究方法,包括基于光谱的识别方法、基于物候差异的识别方法以及光谱与物候相结合的方法,分析了各种方法的特点;指出目前作物类型遥感识别中存在的主要问题,如影像空间精度与价格的平衡问题,多分辨率遥感数据的综合应用问题,物候差异对作物识别的影响问题等;认为不同分辨率遥感数据的结合可以弥补各自不足,遥感影像的时相选择是提高精度的关键,另外需要应用除光谱和物候以外的更多解译标志;建议进一步深入研究作物识别机理和多尺度数据融合方法。以期为遥感技术在作物类型识别中的深入研究提供参考和借鉴。     

安徽省冬小麦长势遥感监测与评估方法研究

沿淮淮北是安徽省主要的冬小麦种植区,为了对该区域冬小麦长势进行实时、动态地监测,通过采用变化向量分析方法,利用2005-2010年EOS/MODIS数据,在HANTS算法重构无云NDVI时间序列图像以及安徽省冬小麦种植区提取等数据处理基础上,研究基于NDVI变化向量、曲边梯形面积的长势综合监测模型,对研究区的年际与年内长势变化进行时间和空间上的定量分析。结果表明：HANTS处理平滑后的MODIS的10天合成植被指数的年时序曲线有效消除了云和数据缺失的影响,重构后的生长曲线可以更清楚地反应作物生长变化趋势和规律,有利于监测模型的建立;冬小麦种植区提取,大大提高了卫星监测精度,构建的综合监测模型适合单一生长季苗情长势遥感监测,该模型在2011年冬小麦长势评估中取得了良好的监测效果。     

基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测

为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。     

利用环境减灾卫星估测增城水稻产量

为了探讨将国产环境减灾卫星遥感影像应用于田块破碎度大,生长季多云、雨天气的增城地区水稻产量估测的可行性。试验于2010年在增城地区进行,获取了水稻生长季长势、产量信息,及多时相环境减灾卫星遥感影像,提取了水稻种植面积信息,并基于“光谱信息-长势-产量”间相互关系,利用主成分分析算法建立水稻产量估测模型。结果表明,国产环境减灾卫星的特点可使其有效获取研究区水稻遥感影像,便于准确提取水稻种植面积及估测产量。本研究获得的2010年早稻种植面积的提取精度在97.3%,估产模型的预测决定系数为0.73,预测相对误差为12%。推动了国产卫星在该区域的应用。     

基于高分辨率遥感的耕地质量指标与评价进展

耕地质量作为反映耕地不同性状的综合性指标,对农业可持续发展有重要意义,文章综述了高分辨率遥感数据在耕地质量评价中的应用情况。当前耕地质量评价信息采集技术中存在监测范围小、监测时间跨度短、成本高、效率较低等问题,难以实现耕地质量的快速、准确评价。高空间分辨率、高时间分辨率、高光谱分辨率的遥感影像为长时序、大范围的耕地质量评价提供了技术支撑和数据基础。文章总结了国内外应用高分辨率遥感数据对地形特征、田间基础设施、生物多样性、土壤性状、农田环境状况等指标识别方法。文章在介绍耕地质量等级评价方法基础上,归纳了植被指数协同评价法,结合主成分分析法提出了基于高分辨率遥感的耕地质量评价方法,探索基于高分辨率遥感的耕地质量评价指标获取方法和评价体系,以期为快速、准确耕地质量评价研究提供参考。     

遥感技术在烟草长势监测及估产中的应用进展

烟草长势信息是烟草生产管理的重要依据,全面了解遥感技术在烟草长势监测及估产中的应用进展,为利用遥感技术支撑科学化、精细化烟田管理提供科学参考。在对相关文献分析和归纳的基础上,从地面光谱、无人机遥感、卫星遥感3种尺度对目前遥感技术在烟草长势监测与估产方面的应用进行系统总结,并对进一步研究进行展望。（1）基于地面光谱对烟草的监测,主要是利用反射率光谱及其不同的变换形式、光谱指数和光谱位置变量估测其生理生化参量（氮、磷、钾、生物量、叶面积指数、叶绿素等）,为诊断烟草生长、健康状况、成熟度提供依据,进一步实现烟草长势监测、估产与品质评定。（2）利用无人机遥感技术能够在小尺度上对作物的面积进行提取、监测长势及估产,但受搭载相机分辨率、地形、自身稳定性等影响,不能监测烟草的细微变化。（3）参考LandSat、SPOT、MODIS、HJ-1等光学遥感数据以及SAR数据,利用遥感影像融合、分类等技术能够实现对大面积烟田病害、长势进行监测和产量估计。结合多源、多平台遥感数据,对烟草的参数进行定量研究,并利用同化技术对大尺度上烟草生长过程进行动态监测,来探索烟草的最佳采收期是未来研究的重点。     

基于ETM植被指数和冠层温度差异遥感监测棉花冷害

 大范围地、及时地遥感监测棉花的冻害状况及损失对安排救灾、灾后评估有着现实的意义。利用2001年6月7日、8月10日和2000年8月7日ETM影像,结合农业灾害和农作物生长发育统计数据,通过植被指数变化和冠层温度差异对新疆沙湾2001年8月初棉花结桃时发生的冷害进行遥感监测。结果表明:与往年未遭受冷害的同期棉花植被指数相比,棉花植被指数NDVI绝对差值降低区域占67.8％,其中下降0～0.2占51％,下降大于0.2占17％,降低百分比处于0～20％。植被指数和温度图像散点图呈现显著负相关,相关系数－0.63。其中未受冷害影响,植被指数增加,长势较好的棉花冠层温度平均为26.4℃,植被指数未变化区域为27.6℃,植被指数降低较多,冷害程度较重区域冠层温度约为29.3℃,冠层温度差异显著。基于ETM遥感影像植被指数变化幅度和冠层温度差异可用于冷害程度区域划分。     

中国农作物长势遥感监测研究综述

农作物长势监测的目的是为早期估产提供依据，同时为田间管理提供及时的信息。笔者总结了中国农作物长势监测的研究进展、研究方法，指出用于长势监测的遥感数据空间分辨率较低，常用的监测指标 具有局限性，监测精度有待提高。“3S”技术的集成发展，进一步实现一体化应用于该领域仍是今后的发展方向。随着农作物长势运行化监测系统的进一步完善，对田间管理的诊断需求会日益加剧，因此作物长势的诊断将成为今后的研究重点。     

基于几何语义知识的冬小麦自动分类

【研究目的】为了实现遥感影像的作物自动分类，并探索空间信息在分类中作用，【方法】本文提出结合光谱和空间信息的作物分类方法。首先，借助光谱信息实现地物初始分割，然后以目标作物历史空间分布为语义约束，根据隶属度提取目标作物。最后，在多时相遥感影像条件下，以冬小麦为目标作物进行了方法的验证，【结果】结果显示，本文方法可实现冬小麦自动提取与识别，总体精度为95.33%，Kappa系数为0.90，可满足农情监测的实际需求。另外，在单时相遥感影像条件下，本文结合几何语义知识的作物分类精度也达到了较高水平。【结论】相对于遥感影像单一光谱信息的分类方法，本文方法利用了作物空间信息，不仅能满足精度要求，还实现了分类的自动化，对工程化应用具有一定的参考价值。     

福建罗源湾互花米草的遥感动态监测

为了对福建罗源湾互花米草进行监测研究,以2000年和2006年的Landsat TM/ETM+影像为数据源,在对不同地物进行光谱分析的基础上,结合进行了影像归一化植被指数和缨帽变换处理,建立了利用决策树分类法提取罗源湾互花米草的遥感解译技术。结果表明基于决策树分类法能准确快速地对研究区互花米草的生长和分布状况进行动态监测。互花米草主要分布在环绕罗源湾的滩涂上,在2000年～2006年的6年中互花米草的面积增加了17.657 km2,年增长率为10.74%。特别值得关注的是,罗源湾的米草正处于迅速扩张的阶段,严重影响了当地的渔业和生态资源,有关部门需要引起重视。     

基于无人机影像的林地单株立木自动化提取研究——以丹霞山湿地保护区为例

利用无人机技术可以快速获取林业自然保护区高分辨率遥感影像,无人机影像在林业资源调查与监测中具备传统卫星影像无可比拟的优势。本研究以丹霞山湿地自然保护区为研究对象,基于无人机遥感影像,提出了一种人工林地单株立木自动化提取方法。研究采用遥感影像多尺度分割算法,对研究区无人机遥感影像进行多尺度分割,然后通过构建林地特征信息模型,实现对案例区人工林地单株立木自动化提取。结果表明：该方法在丹霞山湿地保护区人工林地自动化提取中具有较高的可行性,Kappa系数达到了0.979,总体分类精度达到了98.40%,能够满足人工林地提取的需要。该方法省去了人工林地分类前的人工干预和先验知识输入,大幅度提高了无人机影像在林地资源调查应用中的工作效率,为精准林业调查提供了一种新方法。     

无人机影像拼接软件在农业中应用的比较研究

无人机遥感为精准农业管理提供了新的工具。实现无人机影像高精度自动拼接是开展无人机遥感应用的基础。目前,已有不同无人机影像拼接软件在几何精度斱面性能比较的研究,但关于光谱精度斱面还未有相关研究,而其对定量遥感反演非常重要。本研究比较了目前最受欢迎的两款无人机拼接软件Pix4D和Photoscan在农业应用时,拼接影像过程对原始影像光谱信息的影响,以为用户推荐最优软件。为此,基于冬小麦氮肥梯度试验,本研究在小麦生长季利用无人机搭载多光谱传感器获取相关影像,幵将其分别基于Pix4D软件, Photoscan软件拼接处理。同时,基于传感器厂商提供的单张影像处理技术,将每次传感器拍摄数据处理成未拼接的单张多光谱影像。基于以上数据,在施肥处理小区随机布设样点,分别提取3种类型影像上的样点光谱信息,比较它们光谱反射率及其对比度的差异。结果表明,尽管Pix4D拼接影像和Photoscan拼接影像各波段光谱反射率都与单张影像的反射率有显著相关性,但与Pix4D拼接影像相比, Photoscan拼接影像的光谱反射率和变异系数与原始单张影像之间更为接近。Photoscan能保留更多的原始光谱信息。结合已有关于两款软件在几何精度和价格斱面的比较研究,本研究推荐Photoscan为农业应用时的最优性价比软件。     

不同遥感传感器监测森林虫害研究进展与展望

森林约占陆地面积的1/4,是全球生态系统重要组成部分。近年来害虫侵袭致使林木大量死亡,森林生态安全遭到破坏,亟需探寻一种简洁、高效的森林虫害监测方法。通过分析与总结国内外学者的研究,并查询相关书籍资料,对比多光谱、高光谱和微波等遥感传感器在森林虫害监测中的应用,对其优劣势进行分析。研究发现多光谱遥感空间分辨率高,但光谱分辨率较差,难以感知林木内部细微变化;高光谱遥感光谱分辨率高,可以感知林木内部细微变化,但其空间分辨率较低,且数据量大不易计算;微波遥感具有很强的穿透性,可进行全天候、全天时监测且不易受天气影响,但其空间分辨率低,难以获取林木光谱信息。未来应提高害虫区分能力、早期监测能力以及通过多源数据构建星空地协同的森林虫害遥感监测系统等发展趋势。为森林虫害遥感监测研究提供一种新思路。