基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度

及时、精确地获取小麦基本苗数在田块内部的空间差异信息，有利于实施精准变量追施氮肥，实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响，导致小麦基本苗数反演精度差、可靠性低。为解决上述问题，该研究利用大疆Mini 无人机获取麦田图像，基于不变目标法完成图像的相对辐射标定，并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型，求解混合像元中植被组分的丰度，基于像元统计法计算植被覆盖度，进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型，决定系数R2为0.87，均方根误差为1.97株/m2。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m2。由此可知，基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度，研究成果可为小麦精准减量追施氮肥作业提供数据支持。     

以土地利用为基础的安徽省生态评价遥感信息模型

[目的]建立更科学合理的生态评价遥感信息模型,为研究区的可持续发展提供参考依据。[方法]利用NDVI(归一化植被指数)和像元二分模型监测植被覆盖度作为地表植被覆盖信息的评价指标;用热惯量法反演研究区的土壤含水量作为研究区地表植被覆盖信息与土壤肥力的评价指标;采用目视解译获得土壤质地的编码分布图并进行影像化处理,将土壤中物理性黏粒含量作为评价土壤板结情况指标;利用线性光谱混合分解模型提取研究区的裸地比率作为土地荒漠化程度的评价指标。[结果]从土地利用的角度构建了生态评价指标体系,建立了以像元为单位的生态评价定量化遥感信息模型。[结论]植被覆盖度因子对研究区生态评价的影响程度相对较大;在生态评价过程中本研究新建模型总体评价精度比传统方法提高了15%。     

采用非负矩阵分解方法的秸秆-土壤光谱解混及盐分估测

黄河三角洲地区发展节约型农业,大力推行秸秆还田技术以改善土壤生态环境,当利用遥感技术对部分秸秆覆盖地区进行土壤盐渍化监测时,混合像元制约土壤盐分遥感估测的精度。该研究设置10组不同秸秆覆盖度的盐渍化地表场景,多次光谱测量并取平均值作为其反射光谱。探究非负矩阵分解（Non-negative Matrix Factorization,NMF）方法分离农业秸秆和土壤光谱的有效性,并基于分离出的土壤光谱构建偏最小二乘法土壤盐分估测模型。结果表明：1）秸秆覆盖会使土壤光谱反射率增高,相比于纯土壤光谱在1 730 nm、2 090 nm附近出现吸收谷;2）通过NMF进行混合光谱解混之后,可以有效地将土壤光谱从秸秆覆盖光谱中分离出来,且土壤光谱保留了土壤盐分信息;3）对于不同秸杆覆盖水平下的土壤盐分估测模型而言,与原始混合光谱相比,利用土壤光谱NMF分离数据构建的模型精度普遍提高,建模集决定系数平均提高0.07,均方根误差降低1.21。验证集决定系数、相对分析误差分别平均提高0.07、0.25,均方根误差降低1.22。该研究可为黄河三角洲地区部分秸秆覆盖盐渍土地的近地面遥感估测精度的提高提供方法。     

沙漠腹地绿洲植被覆盖度提取及植被指数优选

[目的] 对沙漠腹地绿洲植被覆盖度提取及植被指数优选进行分析和研究，为该区选取最优植被指数反演极端干旱区绿洲植被覆盖状况提供科学依据。 [方法] 选取塔克拉玛干沙漠腹地达里雅布依绿洲天然植被作为研究对象，以无人机航拍样地影像获取的植被覆盖度为基准，采用Sentinel-2B卫星影像提取多种典型植被指数，运用回归统计方法建立植被指数-植被覆盖度统计模型，在卫星像元尺度上确定反演干旱绿洲覆盖度的最优植被指数。 [结果] ①利用Image J软件提取样方植被覆盖度精度较高，总体精度可达88.67%。 ②土壤调节型植被指数(SAVI，MSAVI)在标准回归系数、确定系数评价指标中表现良好，指示极端干旱区天然植被覆盖变化有较好的适用性。 [结论] 在极端干旱区，Image J提取稀疏植被效果较好，SAVI，MSAVI更适合绿洲植被覆盖变化研究。     

干热河谷的植被覆盖度算法应用研究——以元谋为例

目前遥感提取植被覆盖度的方法通常适用于农田、草地等高植被覆盖区,而在类似于干热河谷的植被稀疏地区效果不好。因此,针对目前常用的植被覆盖度提取算法进行比较、分析、选择,优化模型参数,进而得到一个最适于干热河谷地区植被覆盖度的优化模型。以元谋地区的MODIS影像数据为基础,将扩展线性混合模型(ELMM)运用于干热河谷地区植被覆盖度的提取,并将像元二分法、三波段梯度差法的提取结果与之对比,同时为了验证3种算法的精度,利用同一时段的Landsat TM影像进行检验。试验结果表明:扩展线性混合模型对于干热河谷区植被覆盖度的提取精度要优于像元二分模型和三波段梯度差法,且最大限度的接近于真值,可以考虑在今后的干热河谷覆盖植被信息提取实践中广泛使用。     

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。     

红外光谱指数反演大田冬小麦覆盖度及敏感性分析

植被的覆盖度能反映植被对光的截获、指示植物的生物产量等。常用的红光/近红外构成的植被指数能指示作物覆盖度，但它们易受到不确定因素的影响，估测结果往往偏差较大。该文以冬小麦为例，研究了利用近红外和短波红外光谱指数估测覆盖度的可行性，并评价了这些指数对品种、肥水处理和叶色的敏感性。试验中对冬小麦用数码相机垂直成像获取照片，利用分类算法自动提取覆盖度。根据同步获取的冬小麦光谱特征，构造了56个红外比值和28个红外归一化光谱指数，并选取了8个基于红光近红外的植被指数，利用通用线性模型(GLM)评价它们对覆盖度的预测能力及敏感性分析。结果表明，短波红外光谱指数R1690/R1450，R1450/R1690及(R1450-R1690)/(R1450+R1690)等不易受品种，肥水管理及叶色的影响，能很好地预测大田冬小麦覆盖度。     

基于线性光谱混合模型分解MODIS多光谱影像的研究

为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。     

植被指数估算香格里拉地区植被覆盖度的精度对比分析

利用MOD13Q1数据构建多种植被指数,结合像元二分模型对香格里拉县植被覆盖度进行遥感估算,并通过实测数据和TM影像数据相结合,对估算结果进行精度验证。结果表明:（1）构建的4种植被指数NDVI,EVI,RVI,MSAVI均与研究区实际地表植被覆盖度具有较高的相关性,表明使用遥感方法对香格里拉县进行植被覆盖度的估算是可行的;（2）通过与TM影像进行对比分析,4种植被指数中,利用MSAVI估算的植被覆盖度更接近于香格里拉县的实际情况。     

北京郊区植被覆盖变化动态遥感监测——以怀柔区为例

植被覆盖度是一个十分重要的生态学参数,对于全球变化和监测研究具有重要意义。本文基于像元二分模型,利用归一化植被指数NDVI,对怀柔区1992年和2004年植被覆盖度进行了监测,并对十几年来的植被覆盖变化情况进行了统计分析。结果表明,全区植被覆盖整体呈上升趋势,但存在区域间的不平衡现象。     

基于植被指数估算天山牧区不同利用类型草地总产草量

针对天山牧区草地面积广、生长环境差异大等特点,选用MODIS/MOD13Q1数据,生成归一化植被指数、增强植被指数、土壤调节植被指数和差值植被指数4种从不同角度反映牧草长势的植被指数,对4个不同牧草利用类型分区分别建立了4种指数及其组合与总产草量的4类回归方程。利用留一交叉检验法评价各模型精度,最终获得适合不同草地利用类型的产草量遥感估算模型。结果表明:4种植被指数都可用于产草量估算,不同植被指数估算模型的拟合精度有区域差异性。当采用SAVI和二次多项式拟合时,RMSE最大值出现在I区,为5 857 kg/hm2,当采用NDVI和二次多项式拟合时,最小值出现在III区,仅为616.487 kg/hm2。值得注意的是采用差值植被指数、土壤调节植被指数估算产草量需考虑植被覆盖状况。其次,多个植被指数组合有信息互补的优势,采用线性回归模型估产时,多个植被指数组合精度高于单一植被指数。该研究可为天山地区草地总产草量遥感估算提供有意义的借鉴。     

基于低空可见光谱的植被覆盖率计算

[目的]将低空遥感技术应用到水土保持设施验收中,从可见光谱遥感影像提取区域植被信息,提出可准确、客观计算水土保持设施验收指标中植被覆盖率的方法,以减少工作人员的业外工作量,提高测算效率。[方法]将仅含有可见波谱信息的低空遥感图像作为研究对象,在利用植被指数红绿比指数(RGRI),过绿指数(EXG),可见光波段差异植被指数(VDVI),归一化绿蓝差异指数(NGBDI)和归一化绿红差异指数(NRGRDI)分析图像波谱特性的基础上,采用双峰直方图法和最大熵值法确定各植被指数的阈值,再使用ENVI软件提取图像的植被信息,并计算植被覆盖率,与参照结果进行比对。[结果]利用可见光谱差异指数(VDVI)提取的植被信息精度高达95.32%。由此计算得到的植被覆盖率为54.43%,与实际情况最为接近。[结论]基于可见光谱遥感影像计算植被覆盖率的方法具有可行性,该方法人工干预少,结果准确度高,可为水土保持设施验收提供实时的数据支撑。     

基于光谱特征空间的农田植被区土壤湿度遥感监测

土壤湿度遥感动态监测在农业生产中具有重要作用。近年来,多种基于光谱特征空间的土壤水分监测指数被陆续提出,并得到广泛关注和应用,但当前多数监测指数未考虑混合像元的影响。该文针对垂直干旱指数(perpendicular drought index,PDI)在农田植被覆盖区监测精度降低问题,分析了植被覆盖下的PDI误差分布规律,引入垂直植被指数(perpendicular vegetation index,PVI)作为植被覆盖表征量,在PVI-PDI二维空间对PDI模型进行调整,提出了适于植被覆盖的植被调整垂直干旱指数(vegetation adjusted perpendicular drought index,VAPDI),并利用内蒙古明安镇研究区实测土壤湿度数据,对PDI与VAPDI进行了比较和验证。结果表明,在裸土、麦茬、土豆、豇豆4种植被覆盖类型中,PDI与土壤实测含水率的决定系数分别为0.630、0.504、0.571、0.543,VAPDI与土壤实测含水率的决定系数分别为0.599、0.523、0.602、0.585。VAPDI在植被区的误差略小于PDI,一定程度上克服了植被覆盖对监测精度的影响。通过PDI和VAPDI空间分布图的比较也说明,VAPDI对土壤湿度的差别有更好的区分能力,在中尺度土壤表层水分遥感反演方面具有一定的优势。该研究可为农田土壤湿度遥感监测方法选择及监测误差分析提供参考依据。     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

基于遥感的北方防风固沙区沙化草地利用基线盖度研究

为推动北方防风固沙生态功能区稳定维持生态健康安全,满足草地资源适度利用协调发展,该文选择北方防风固沙生态功能区的正蓝旗为典型研究区,利用TM遥感影像的NDVI,结合大量的野外地面调查数据,建立植被盖度遥感反演模型,提取区域植被盖度,并按照沙地类型划分标准划分沙地类型,提取半固定沙地和固定沙地过渡带处的平均植被盖度,开展防风固沙功能基线盖度评估研究。以基线盖度为基准,划分非利用区和可适度放牧利用。结果显示,提取正蓝旗草地资源利用基线盖度为30.47%,并通过基线盖度地面调查验证,与基线盖度地面调查结果一致。确定了可适度利用的草原范围及面积为396927.3hm2,占正蓝旗草原面积的39%,建立了生态保护约束下的草地资源利用格局。该研究可为沙化草地合理利用提供参考。     

中国草地覆盖度时空动态格局及其影响因素

为了探究近几十年来中国草地覆盖度的动态变化,基于多源遥感数据,采用像元二分模型模拟分析了1982—2016年中国草地覆盖度的时空动态格局,并从植被类型、地形要素、气候区及气候变化等角度分析了其主要影响因素。结果表明:35 a间中国草地覆盖度平均值为36.21%,呈极显著增加趋势(0.12%/a)。高山亚高山草甸、坡面草地及湿润地区、半干旱地区草地覆盖度的增加对于中国草地恢复具有重要贡献。草地覆盖度随海拔的升高呈降低趋势,DEM<500 m及3 500 m相似文献   

1981-2006年藏西北地区草地植被盖度动态变化分析

基于长期遥感数据和地面实测数据,以植被盖度为例,监测了藏西北地区牧草长势及其变化趋势。结果表明:藏西北地区草地植被盖度不高,多年平均值仅为27.2%。1981-2006年,藏西北地区大部分区域(约占草地总面积的60.7%)高寒草地植被盖度年际变化属于正常波动范围;显著降低区域约占总面积的3.6%,主要分布于植被盖度相对较高的东南部地区;植被盖度显著增高区域约占35.7%,主要分布于植被盖度相对较低的中部和北部地区。在整体上,藏西北地区草地植被平均盖度略有增高趋势。     

Study on baseline vegetation coverage of desertification grassland in northern sand-fixing region based on remote sensing

为推动北方防风固沙生态功能区稳定维持生态健康安全,满足草地资源适度利用协调发展,该文选择北方防风固沙生态功能区的正蓝旗为典型研究区,利用TM遥感影像的NDVI,结合大量的野外地面调查数据,建立植被盖度遥感反演模型,提取区域植被盖度,并按照沙地类型划分标准划分沙地类型,提取半固定沙地和固定沙地过渡带处的平均植被盖度,开展防风固沙功能基线盖度评估研究。以基线盖度为基准,划分非利用区和可适度放牧利用。结果显示,提取正蓝旗草地资源利用基线盖度为30.47%,并通过基线盖度地面调查验证,与基线盖度地面调查结果一致。确定了可适度利用的草原范围及面积为396 927.3 hm2,占正蓝旗草原面积的39%,建立了生态保护约束下的草地资源利用格局。该研究可为沙化草地合理利用提供参考。     

基于高光谱遥感估测条锈病下的混种小麦产量分析

为利用高光谱遥感监测小麦条锈病,并对条锈病胁迫下的产量进行估测,通过4个对小麦条锈病具有不同抗病性的品种进行混合种植,从中找出产量最高的品种组合,利用高光谱遥感研究不同发病程度的混合种植小麦的冠层光谱,并用光谱数据提取植被指数,研究病情指数和产量与植被指数之间的关系,建立反演模型。结果表明：A（农大195）︰C（0045）︰D（农大211）=1︰1︰1组合的产量最高。在乳熟期时,归一化植被指数与产量相关性高。利用NDVI对各个生育时期的产量及产量构成因素进行模拟,产量在灌浆期时的模拟效果最好。条锈病发生后利用多时相组合的植被指数NDVI对产量进行模拟精度高。