利用HJ-1-A/B CCD2数据反演冬小麦叶面积指数

叶面积指数是十分重要的作物生理生态参数,为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度,该文以5种常用的植被指数(归一化差值植被指数(normalized difference vegetation index,NDVI),增强植被指数(enhanced vegetation index,EVI),双波段增强植被指数(2-bands enhanced vegetation index,EVI2),比值植被指数(ratiovegetation index,RVI),土壤调节植被指数(soil-adjusted vegetation index,SAVI)为基础,结合3种常用的回归模型,按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明,除生殖生长阶段外,叶面积指数和5种植被指数之间均有较强的相关关系;指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型;EVI在全生育期拟合时的表现好于其他4个指数(R2=0.9348),SAVI则是营养生长阶段表现最佳的指数(R2=0.9404)。该研究为进一步利用植被指数反演叶面积指数提供了参考。     

基于植被指数的藏北牧区土壤湿度反演

土壤湿度的遥感动态监测在农牧业生产中具有重要意义。近年来,多种基于遥感指数的土壤湿度监测方法被提出并得到广泛关注,但当前对不同深度土壤湿度的反演及植被指数反映土壤湿度滞后性的研究较少。该文针对遥感指数反演土壤湿度的精度问题,对MODIS(moderate resolutionimaging spectroradiometer)的2种植被指数产品归一化差异植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)与土壤湿度实测值进行相关分析,并利用在其中一个样点得到相关系数最高的回归模型对距离较远的其它点进行土壤湿度值估算,最后用土壤湿度实测值对模型的精度进行验证。结果表明,2种植被指数均与土壤湿度值呈现出较强的相关性,且利用植被指数估算土壤湿度的延迟天数为5~10 d。在相同气候模式、土壤类型和植被类型的条件下,高程为影响回归模型精度的主要因素。该研究可为牧区多层深度土壤湿度反演方法的选择和监测提供参考依据。     

CHIRPS和GLEAM卫星产品在中国的干旱监测效用评估

为评估具有分辨率高、覆盖范围广、数据序列动态连续优点的卫星降水和潜在蒸散发产品在中国干旱监测中的应用能力,以CGDPA(China gauge-based precipitation daily analysis dataset)和PM-Ep(potential evapotranspiration calculated by penman-monteith)为基准数据,以标准化降水蒸散指数(standardized precipitation evapotranspiration index, SPEI)为干旱监测指标,利用6个精度统计指标和分类度量指标评估CHIRPS(climate hazards group infrared precipitation with station data)、GLEAM-Ep(global land-surface evaporation:the Amsterdam methodology, potential evapotranspiration)在中国的干旱监测效用。结果表明:1)CHIRPS和GLEAM-Ep在中国东部和西南地区表现良好。由于气象站格网的稀疏,它们在中国西部大部分地区的表现存在较大不确定性。2)SPEIs(基于CHIRPS和GLAEM-Ep计算的SPEI)在中国东部和西南地区对干旱模拟效果较好,其与SPEIm(基于CGDPA和PM-Ep计算的SPEI)的相关系数(CC)在东南、西南、长江中下游地区、华北均大于0.6,尤其是相对湿润地区的CC值在0.70以上且均方根误差低于0.8。3)SPEIs3(3个月的SPEIs)在东南、西南、长江中下游地区、华北对干旱面积比的演变过程模拟效果较好,持续干旱模拟成功率分别为0.93、0.57、0.71、0.81及干旱空间分布模拟精度较高。总体而言,基于长序列CHIRPS和GLEAM-Ep计算的SPEI可适用于中国东部和西南地区的干旱监测与评价,可为该地区的干旱事件监测与预警、水资源管理提供可靠的参考依据。     

Sentinel-2影像和BP神经网络结合的小麦条锈病监测方法

选用包含红边等多种不同波段信息的多光谱卫星数据,为区域尺度上展开作物病害监测研究提供更加丰富有效的信息,相比于常规的宽波段卫星遥感影像,搭载红边波段的Sentinel-2影像对作物病害胁迫更加敏感,能显著提高模型精度。该文以陕西省宁强县小麦条锈病为研究对象,基于Sentinel-2影像共提取了26个初选特征因子:3个可见光波段反射率(红、绿、蓝)、1个近红外波段反射率、3个红边波段反射率、14个对病害敏感的宽波段植被指数和5个红边植被指数。结合K-Means和ReliefF算法筛选病害敏感特征,最终筛选出3个宽波段植被指数,包括:增强型植被指数(enhanced vegetation index,EVI)、结构加强色素指数(structure intensive pigment index,SIPI)、简单比值植被指数(simple ratio index,SR),2个红边波段植被指数:归一化红边2植被指数(normalized red-edge2 index,NREDI2)、归一化红边3植被指数(normalized red-edge3 index,NREDI3)。利用BP神经网络方法(back propagation neural network,BPNN),分别以宽波段植被指数和宽波段植被指数结合红边波段指数作为输入变量构建小麦条锈病严重度监测模型,对比2种模型的监测精度。结果显示,基于宽波段植被指数结合红边波段植被指数的监测模型的总体精度达到83.3%,Kappa系数0.73,优于仅基于宽波段植被指数特征所建监测模型的精度73.3%,Kappa系数0.58。说明红边波段能够为病害监测提供有效信息,采用宽波段植被指数和红边波段植被指数相结合的方法能够有效提高作物病虫害监测模型精度。     

TMPA卫星遥感降水数据产品在中国大陆的干旱效用评估

为评估基于卫星遥感的高时空分辨率降水数据产品在干旱研究中的应用能力,该研究以标准化降水指数(standardized precipitation index,SPI)和标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)为例,以站点实测降水数据产品作为参考,评估了热带降水测量计划——多卫星降水分析(tropical rainfall measurement mission(TRMM)multi-satellite precipitation analysis,TMPA)3B42V7产品在中国大陆范围内1998-2015年间的干旱效用.结果表明:1)基于3B42V7计算的干旱指数总体上具有较高的精度,在中国东部大部分地区与基于降水实测数据的干旱指数相关系数均在0.8以上;2)基于西南和华北2个典型干旱发生地区的干旱时空变异评估结果表明,3B42V7能较为准确地反映干旱事件的发展过程和强度并能较好地捕捉干旱事件的空间模式,并且在大多数情况下单纯基于3B42V7数据计算的SPI指数即可满足干旱监测的要求;3)干旱事件识别能力评估结果表明,3B42V7产品能够较准确地识别和定位1998年以来的大范围干旱.TMPA产品能从时间和空间上刻画出中国大陆干旱的演变规律,适用于大尺度气象干旱的监测与评估.     

基于可见光波段无人机遥感的植被信息提取

无人机遥感具有使用成本低、操作简单、获取影像速度快、地面分辨率高等传统遥感无法比拟的优势。该文通过分析仅含红光、绿光和蓝光3个可见光波段的无人机影像中植被与非植被的光谱特性,同时结合健康绿色植被的光谱特征,借鉴归一化植被指数NDVI的构造原理及形式,提出了一种综合利用红、绿、蓝3个可见光波段的归一化植被指数——可见光波段差异植被指数VDVI(visible-band difference vegetation index)。与其他基于可见光波段的植被指数,如过绿指数EXG(excess green)、归一化绿红差值指数NGRDI(normalized green-red difference index)、归一化绿蓝差值指数NGBDI(normalized green-blue difference index)和红绿比值指数RGRI(red-green ratio index)以及仅用绿光波段的提取结果进行对比分析,结果表明:VDVI植被提取精度高于其他可见光波段植被指数,且阈值在0附近,较易确定。为了验证VDVI的适用性与可靠性,选取与试验影像同一时期拍摄但不同区域的另一影像使用同样的方法提取植被信息。结果表明:VDVI对于仅含可见光波段无人机遥感影像的健康绿色植被信息具有较好的提取效果,提取精度可达90%以上,适用于仅含可见光波段无人机遥感影像的健康绿色植被信息提取。     

基于综合干旱指数的毛乌素沙地腹部土壤水分反演及分布

为了克服单一干旱监测指数在复杂覆盖类型的适用性问题,以复杂覆盖类型的毛乌素沙地腹部乌审旗为例,在传统归一化干旱指数(normalized difference drought index,NDDI)、土壤湿度监测指数(soil moisture monitoring index,SMMI)、温度植被干旱指数(temperature vegetation drought index,TVDI)3个单一干旱监测指数的基础上,通过层次分析法确定各指数的权重,结合野外不同覆盖类型实测的土壤含水率数据,分别进行回归分析,建立多指数综合干旱监测模型,基于此模型分析研究区表层土壤水分的空间分布。结果表明:3个单一干旱指数在一定程度上均能客观反映旱情特征,与表层土壤含水率呈现不同程度的负相关,温度植被干旱指数相关性最好为0.604。引入结合多指数的综合干旱监测指数模型,在8月、9月草地和沙地与表层土壤含水率指数模型的决定系数R2均在0.7以上,高于基于单一指数模型的拟合精度。基于该模型,研究区研究区表层土壤含水率整体较低,体积含水率不高于0.15 cm~3/cm~3的面积分别占96.47%(8月)和94.8%(9月)。总体上从东到西,由北到南土壤含水率逐渐降低,与实测表层土壤样本的描述性统计结果有较好的空间一致性。     

土壤湿度农业干旱指数的改进及其适用性

准确监测农业干旱是保障粮食安全的基础。针对土壤湿度农业干旱指数(soil moisture agricultural drought index,SMADI)在干旱半干旱地区旱情监测不准确的问题,对SMADI进行了改进,同时修正了改进后的土壤湿度农业干旱指数(modified soil moisture agricultural drought index,SMADI_M)的干旱等级划分标准,并从全区与局部尺度、时间和空间尺度、以及对干旱响应的时效性三方面对SMADI_M的可靠性进行了验证。结果表明：SMADI_M改进了SMADI在低植被覆盖区存在的旱情高估的问题,弥补了SMADI的不足,可用于任意植被覆盖区的旱情监测;SMADI_M能够准确捕捉不同时间尺度(年、季、月)和空间尺度(全局、局部)的旱情信息,有效提高了农业干旱监测精度;与植被条件指数(vegetation condition index,VCI)和标准化降水蒸散指数(standardized precipitation evapotransp...     

基于温度植被干旱指数的江苏淮北地区农业旱情监测

为实现江苏省淮北地区农业旱情监测,利用Savitzky—Golay(S-G)滤波方法,对2011—2012年江苏省淮北地区1-5月MODIS的归一化植被指数(normalized difference vegetation index,NDVI)和地表温度(land Surface temperature,LST)8 d产品进行重构,去除原8 d数据的噪声,填补受云影响而缺失的数据。基于重建后的NDVI和LST数据,计算温度植被干旱指数(temperature vegetation dryness index,TVDI);分析TVDI和土壤湿度之间的关系,构建土壤湿度反演模型。最后,利用另外1组数据验证所建土壤湿度模型的精度。研究结果表明:1)S-G滤波方法能够提高MODIS LST和NDVI数据质量,并能对缺失数据进行填补;2)TVDI方法能够实现试验区土壤湿度反演,所建模型在试验区具有一定的普适性,反演精度较高(R2=0.575,RMSE=2.59%);3)TVDI方法在江苏省淮北地区干旱监测中得到了较好的应用,能够成功地监测出江苏淮北地区2011年和2012年春旱。该研究可为农业旱情的快速监测提供借鉴。     

基于HJ-1A/1B数据的天然橡胶干旱监测

为对橡胶林进行干旱动态监测及其影响定量评估,提高农作物干旱监测的准确性和实时性,该文基于HJ-1A/1B数据和地面气象观测数据,以标准化植被供水指数及综合气象干旱指数为变量,通过与同步实测土壤含水量的数据融合构建天然橡胶干旱监测综合模型。经检验,模型的相对均方根误差、纳什效率系数、一致性指数分别为11.02%、0.40、0.85,模型具有较高的精度。应用模型对2010年5月至7月海南农垦国营阳江农场橡胶林干旱进行了监测。结果表明,干旱存在较明显的空间差异,西部重于东部、北部重于南部。5月上旬起旱情持续加重,7月上旬达到旱情高峰,直至监测末期(7月下旬)干旱虽然有所缓解,但旱情依然严重。干旱对橡胶树生长有明显的抑制作用。干旱对橡胶树归一化植被指数(normalized difference vegetation index,NDVI)、净初级生产力(net primary production,NPP)的影响存在滞后效应,滞后长度约1旬。干旱对NPP的影响从当旬开始有效,并延续3旬左右,干旱对NPP的延续效应较对NDVI明显。干旱对橡胶树产胶潜力、干胶产量的影响从当旬开始有效,并延续3旬左右,干旱对干胶产量的影响较对产胶潜力更为直接和长效。阳江农场橡胶林77.22%的像元产胶受抑与综合旱情指数呈现负相关性,其中26.70%为显著负相关。该文为天然橡胶干旱监测及评估提供参考。     

基于MODIS的河南省遥感干旱监测研究

基于遥感的大面积干旱监测发挥着重要作用,但多种不同的遥感干旱指数在不同区域的空间适应性研究相对较少。利用MODIS数据分别计算归一化植被指数、距平植被指数、植被状态指数和温度状态指数等,并结合传统气象干旱指数分析近10a来河南省的干旱情况。结果表明,2000—2009年有6a发生了不同程度的干旱,其中豫北和豫西地区的干旱程度严重,遥感干旱监测的结果与气象干旱指数基本一致;分析了河南省不同区域和时段内基于遥感的干旱指数与气象干旱指数的相关性,总结出4种基于遥感的干旱指数在时空格局中的适用性,为干旱监测提供技术支持。     

典型旱年农业干旱遥感监测指标在东北地区生长季的表现

以8d为时间尺度,以土壤相对湿度（RSM）为参考指标,采用相关分析方法,分析评估典型旱年2009年作物生长季内分别表征降水、土壤和作物的3个类别10种农业干旱遥感监测指数在东北地区的适用性。结果表明：（1）生长季中、后期,综合考虑冠层温度和植被特征的温度植被干旱指数（TVDI）与RSM的相关系数绝对值在0.5左右,对土壤湿度变化较敏感,可用于该生长阶段的农业干旱监测;（2）考虑作物前期缺水的累积作物缺水指数（ACWSI）是与RSM相关性较好的指数之一,在生长季前期和后期与RSM的相关系数绝对值在0.47以上,表现良好,但应用过程中需注意累积效应的时间尺度;（3）表观热惯量（ATI）更适于生长季前期干旱监测,改进型能量指数（MEI）适用于各种植被覆盖条件,但存在一定不稳定性;（4）考虑前期累积降水的APCI指数比仅考虑8d降水的条件降水指数PCI更能反映土壤湿度状况,特别是在生长季中、后期,可作为其它监测指数的补充;（5）条件植被指数（VCI）、归一化差异水分指数（NDWI）与RSM相关性较低,对现时土壤湿度的反映不敏感,不适于研究区内短时间尺度的农业干旱监测。研究结果可为东北地区开展农业干旱监测选取合适指标提供参考,也可为农业干旱指数的广泛应用构建可行性框架。     

光学与微波遥感协同反演藏北表层土壤水分研究

表层土壤水分是定量干旱监测的重要参量,对干旱区生态环境具有十分重要的意义。在采用归一化植被指数阈值法划分地表覆盖类型的基础上,利用MODIS数据选择适用的光学遥感算法估算土壤水分基准值,以及利用风云三号B星搭载的微波成像仪(Fengyun-3B/MicrowareRadiationImagery,FY3B/MWRI)数据采用微波遥感算法反演土壤水分日变化量,最后构建藏北表层土壤水分协同反演的遥感模型并应用于区域土壤水分的估算。结果表明:光学遥感与微波遥感协同反演的土壤水分含量与实测数据呈显著相关,决定系数达到0.89,均方根误差为0.97,协同反演模型具有较高的反演精度,并且协同反演的结果优于单一遥感源的反演结果。该模型可以较好地适用于藏北地区表层土壤水分的动态监测。     

MODIS资料在2005年陕西春旱过程监测中的应用

从可业务化的角度,在近年研究开发的NOAA/AVHRR遥感干旱监测业务化模型的基础上,充分考虑引起干旱的水热条件以及土壤覆盖类型等因子,结合陕西的地形、气候、植被覆盖特征,建立了基于MODIS数据的区域性干旱遥感监测的业务化模型和资料处理流程.通过对陕西2005年3-5月发生严重春旱过程的监测,结果表明使用基于MODIS数据的热惯量和植被供水指数两种模型进行区域性遥感干旱监测是可行的,修正后的植被供水指数模型在干旱面积估算精度和图像的可视化效果方面有了明显提高.     

能量指数法在黑龙江干旱监测中的适用性研究

基于MODIS产品资料,结合土壤墒情实测数据,就能量指数法在黑龙江省农业干旱遥感监测中的适用性展开研究。结果表明:能量指数法的监测效果明显优于热惯量法和植被供水指数法,同时该方法还解决了其他方法不能连续监测土壤含水量的问题,适用于各种植被覆盖条件下以及各种土层深度的干旱监测。同时,运用多年资料分时、分层建立了基于能量指数法的土壤水分反演模型,模型的拟合效果在50cm深度时最好,20cm深度次之,10cm深度稍差。此外,模型在2009年黑龙江省干旱监测应用中的效果表明,反演结果与实际情况基本一致,能较好地反映黑龙江省旱情的空间分布和发展过程。     

基于空间信息的农业干旱综合监测模型及其应用

为提高农业干旱监测的准确性,采用遥感信息与地面气象观测数据相结合的方法进行农业干旱监测研究。选择适合高植被覆盖区旱情监测的标准化植被供水指数及适合热带气候区旱情监测的综合降水指数作为参数,通过与同步实测土壤含水量的数据融合构建了海南岛农业干旱综合指数模型。经检验,模型的均方根误差RMSE为4.65%,相对均方根误差RMSEr为19.28%,模型具有较高的精度,可以用来监测海南岛的农业干旱。应用模型对2004年10月至2005年1月海南岛农业干旱进行了监测。结果表明,海南岛旱情西部重于东部、北部重于南部、四周平原重于中部山区。2004年10月上旬起旱情持续加重,12月上旬达到旱情高峰,12月中旬旱情略有缓解,但直至监测末期2005年1月下旬旱情依然严重。旱情最严重的时段(2004年12月上旬),海南岛干旱影响范围广,水田和旱地的重旱面积比例分别为59%和61%,其他林地的重旱面积比例也达到了20%。监测期内,海南岛作物生长过程受到明显抑制,干旱造成NDVI累积值较上一生长季同期下降6.34%,2004年10月至12月海南岛天然橡胶减产约1.16万t。该文为农业干旱监测提供参考。     

基于实测高光谱指数与HSI影像指数的土壤含水量监测

为了探索土壤含水量与高光谱植被指数的内在关系,实现土壤含水量的快速且准确监测,以ASD光谱仪测定的研究区植被高光谱数据和环境卫星HSI高光谱影像数据为基础数据计算得到26种光谱植被指数,通过灰度关联分析法(grey relational analysis)对不同深度(0~10,10~30,30~50 cm)土壤含水量与实测光谱指数和影像光谱指数进行分析和筛选,确定了与土壤含水量相关性较高的5个光谱植被指数,采用多元线性回归法(multiple linear regression)分别构建了基于实测数据和影像数据的高光谱植被指数土壤含水量反演模型,并用实测高光谱植被指数模型对HSI影像植被指数模型进行校正。结果表明:2种土壤含水量反演模型对0~10 cm层的土壤含水量均有较高的拟合度,判定系数(R2)均高于0.589,并具有较好的稳定性;实测高光谱植被指数模型精度优于HSI影像植被指数模型,判定系数(R2)分别为0.668和0.589;经过校正的HSI影像土壤含水量反演模型精度有了较大的提高,判定系数(R2)从0.589提升到0.711,均方根误差(RMSE)为0.0014。该研究方法进行土壤含水量监测是可行的,为进一步提高土壤含水量定量遥感监测提供一定参考。     

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。     

农业干旱遥感监测指标及其适应性评价方法研究进展

在利用遥感数据进行长时间、大范围农业干旱遥感监测过程中,如何针对不同区域、不同作物生长阶段选取最合适的监测指标,对于及时、准确地评估干旱对作物生长的影响,实现合理水资源调度和有效抗旱减灾决策都具有重要意义。该文以遥感监测农业干旱的适应性为论述主线,对常用的农业干旱遥感监测指标及其适应性评价方法,从4个方面进行了系统归纳总结:1)国内外农业干旱监测适用的遥感卫星数据源;2)监测农业干旱适用的光谱敏感波段;3)农业干旱遥感监测指标自身的适用性与局限性;4)农业干旱遥感监测指标适应性的评价方法。在此基础上,指出今后在农业干旱遥感监测指标及其区域适应性研究中,需综合考虑作物与其生长环境之间的关系;增加光谱信息,降低遥感数据获取过程中的信噪比;选择农业干旱遥感监测指标适宜的时空尺度;重点解决部分植被覆盖时,如何选择合适的监测指标;加强高光谱技术在精细农业干旱遥感监测指标反演中的研究;进一步在机理上发掘监测指标自身的敏感性和适应性等6个方面的问题及发展趋势。