基于三维光谱特征空间的干旱区土壤盐渍化遥感定量研究

土壤盐渍化是干旱半干旱区农业发展的重要制约因素,同时也是干旱区所面临的最主要的生态环境问题之一,因而准确获取土壤的盐渍化信息对于实时掌握其分布范围以及合理地开展盐渍化治理工作具有重要意义。选取渭干河--库车河流域绿洲典型盐渍地作为研究区,以Landsat-TM多光谱遥感影像为基础数据源,首先对影像进行最小噪声分离处理（MNF变换）并计算其像元纯度指数（Pixel Purity Index, PPI）,选取能表征区域特征信息的前三个波段构建MNF三维光谱特征空间,然后在向量空间和单行体理论的指导下,结合实地调查,提出“植被亮点区”概念,并定义“盐渍化距离指数（Soil Salinization Distance Index, SDI）”为多维向量空间中包含于单行体中的盐渍化像元到“植被亮点区”的归一化距离。最后利用不同盐分环境下的实测数据对SDI进行精度验证。结果显示：在低植被覆盖区,即中度、重度盐渍化区,SDI与0~10cm内土壤盐分含量相关性要高于0~20cm,R²＞0.83。在相对高覆盖区,即农田和轻度盐渍化区,SDI与0~20cm内平均盐分含量相关性要高于0~10cm,R²＞0.81。0~10cm层二者总体精度R²=0.81,0~20cm层二者相关性总体精度R²=0.72。研究表明,SDI指数模型简单、易于构建,精度较高,具有一定的应用价值,有利于干旱区区域大尺度盐渍化的定量分析和监测工作。*     

藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

NDMI与TCW在西藏低植被区土壤湿度监测中的比较

土壤湿度的遥感监测在农牧业生产中发挥着重要作用。基于Landsat TM影像,利用研究区不同深度的土壤湿度实测数据,对两种可以反映地表湿度的指标归一化差异湿度指数(Normalized Difference Moisture Index,NDMI)和缨帽变换的湿度分量(Tasseled Cap Wetness,TCW)在西藏低植被覆盖区土壤湿度的监测结果进行精度验证与对比分析。结果表明:在0~5 cm、10 cm和20 cm深度处,NDMI与土壤湿度实测值回归方程的回归系数分别为0.6181、0.6853、0.5764,TCW与土壤湿度实测值回归方程的回归系数分别为0.4586、0.5101、0.5628。此外,NDMI、TCW与实测值的变化趋势一致,但NDMI对土壤湿度变化更加敏感。通过对比NDMI与TCW反演结果的空间分布情况也表明,NDMI对土壤湿度的变化具有更好的区分能力,尤其是在高海拔的低植被覆盖区。该研究可为高原低植被覆盖区土壤湿度监测方法的选择与误差分析提供参考依据。     

半干旱区流沙固定初期不同植被类型的土壤湿度特征

利用科尔沁沙地奈曼生态网络研究站1983～1990年土壤水分定位观测数据,分析了不同类型植被土壤湿度的时间变化特征及其受降水的影响。结果表明:植被建立对沙地土壤湿度影响是显著的,与流动沙丘(多年平均土壤含水量3.56%,变异系数为0.074)相比,生长在沙丘顶和丘间低地的乔木树种小叶杨和樟子松,10～15年后平均土壤含水量分别为2.73%和3.08%,但在较短的时间尺度上变异较大,变异系数分别为0.127和0.347,下降最明显的是生长在沙丘顶部的灌木、半灌木,如小叶锦鸡儿和差巴嘎蒿 樟子松等植被区,平均土壤含水量均低于2.5%,变异系数分别为0.179和0.262。半干旱土壤湿度除了受植被影响外,降水也是主要控制因子。欠水年,土壤旱化现象严重,在固沙植被区,特别是沙丘顶部会出现暂时性土壤干层,并且不同类型植被区土壤湿度差异显著;丰水年,土壤水分好转,干层消失。     

基于空间信息的高光谱遥感植被分类技术

高光谱数据常带有噪声,传统的仅考虑光谱信息的遥感植被分类方法效果不佳,融入空间信息进行植被分类显得尤为重要。以NDVI阈值法提取植被信息后,采用最小噪声变换对Hyperion高光谱影像进行压缩处理,取前60个分量数据,并采用一种空间与光谱信息相结合的高光谱影像植被分类法,完成研究区植被分类。结果表明,对各植被类型的平均分类精度达90.3%,而最大似然法的平均分类精度仅为70.0%。融入空间信息的高光谱遥感植被分类方法能有效地削弱噪声,在一定程度上提高了分类精度,在实际应用中有一定的参考价值。     

高光谱遥感土壤湿度信息提取研究

精准农作管理中土壤水分、土壤养分等的空间信息分布 ,可通过高光谱遥感传感器获得。本文通过对土壤的光谱反射率与土壤的表面湿度进行分析 ,比较 5种方法在反演土壤表面湿度的能力 ,并对小汤山精准农业试验区的土壤表面湿度进行高光谱填图 ,建立了较为精细的土壤水分空间分布图 ,对高光谱遥感在精准农业中深入应用进行了有效探索。     

基于SI-Albedo特征空间的土壤盐渍化遥感监测指数研究

土壤盐渍化通常出现在气候干旱、土壤蒸发强度大、地下水位高且含有较多可溶性盐类的地区。它是一定的气候、地形、水文地质等自然条件共同对水盐运动产生影响的结果[1],这是一个复杂的动力学过程。因而对土壤盐渍化的探测、动态监测和制图是一项较为困难的工作。遥感技术能大面积重复获取同一地区的信息,具有宏观、综合、动态、快速的特点,并在速度、精度和成本花费方面凸显出众多优势[2]。现阶段运用遥感手段提取土壤盐渍化信息主要有两个方面:一是对遥感图像做相应的处理,突出盐渍化信息,但此种方法需要大量的实验;二是引入土壤含盐量、地下水等辅助量,但是引入的辅助量会引起图像的破碎化,有时难以满足要求,分类精度受到一定程     

一种基于NIR-RED光谱特征空间的干旱监测新方法

土壤水分作为干旱监测的重要指标,一直是干旱遥感监测研究的重要内容。本研究利用MODIS数据的EVI、红波段反射率、近红外波段反射率数据构建了基于Nir-Red反特率光谱特征空间的EPDI模型进行土壤水分的反演。利用野外同步测量数据对PDI、MPDI、EPDI三种干旱指数模型获取的拉萨河流域土壤水分进行了验证和对比分析,研究结果表明EPDI能够更准确地反演土壤水分,其样本点的相对误差仅为0.1040,线性相关系数为0.9181,反演精度相比PDI、MPDI(0.1646、0.1472)分别提高了36.83%和29.35%,为利用遥感影像数据进行大尺度的干旱动态监测提供了新途径。并且相比MPDI,EPDI模型参数更容易获取,模型构建受人为因素影响小,从而为模型的大范围推广提供了可能,具有很好的应用意义。     

灌溉农田土壤湿度的时空变化特征

为了探讨现代土壤墒情监测手段在业务监测实践中的应用方法,利用中国气象科学研究院固城生态与农业气象试验基地的业务和试验资料,对灌溉农田土壤湿度的时间变化特征和空间关系进行了分析。结果表明,灌溉农田的土壤湿度呈一年的周期性变化;浅层(0-50cm)土壤湿度时空波动显著,且各层的变化存在不一致性,60cm以下土层湿度时空变化很小,0-50cm土层的平均土壤湿度能较好地反映0-200cm土层的土壤水分状况,对土壤湿度的监测应集中在浅层50cm内,并需要逐层测量;浅层土壤湿度变异明显,大田中两点各层土壤湿度的相关性一般随两点距离增加而减小,单个测点的土壤湿度测值的代表性差,因此在自动土壤水分仪器布点时,要获得地段的平均土壤湿度信息,必须设置多个观测重复;表层5cm的土壤湿度变化剧烈而迅速,不能正确反映作物根系主要分布层的土壤水分状况,而表层10cm的土壤湿度与作物根系主要分布层的土壤湿度具有很好的联动性,可以较好地反映作物生长的环境土壤水分状况,因此,在应用微波遥感监测土壤墒情时,其对地表的探测深度需要达到10cm以上才能获得关于作物根系主要分布层的土壤水分状况信息,相应地,在土壤墒情微波遥感监测中,需要采用5GHz以下的频率。     

正蓝旗植被覆盖动态变化的遥感监测

 为揭示浑善达克沙地植被变化规律,基于NDVI和植被覆盖度像元分解模型,建立了TM影像尺度下的正蓝旗植被覆盖度遥感定量模型,在此基础上,研究正蓝旗1987和2001年2个时期植被覆盖的动态变化。结果表明: 正蓝旗植被覆盖以中等盖度植被和高盖度植被为主,1987年二者面积占总面积的92．98%,2001年占总面积的77．34％。期间,高盖度植被大幅减少,减少达57．53％,低盖度植被和农田植被面积均显著增加,全旗植被覆盖类型变化以植被退化为主,占发生覆盖类型变化面积的84．53％,这说明正蓝旗的植被生态趋于进一步恶化。     

基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演

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,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农...     

基于NDVI-SI特征空间的土壤盐渍化遥感模型

同时考虑植被和土壤信息,构建盐渍化遥感信息提取模型。选取具有长期研究基础的塔里木南缘于田绿洲为研究靶区,综合分析归一化差值植被指数（NDVI）、盐分指数（SI）二者之间的关系,在此基础之上提出NDVI-SI特征空间概念,并构建土壤盐渍化遥感监测指数模型（SDI）,结果表明：土壤表层含盐量与SDI相关性较高,其R2=0.8596。非盐渍地、轻度盐渍地、中度盐渍地、重度盐渍地的SDI平均值分别为0.399,0.763,0.974和1.201,差异较大;经差异性矩阵分析,亦表明SDI能够很好的区分研究区内不同盐渍化程度地类的分布范围。SDI能反映盐渍化土壤地表盐量组合及其变化,具有明确的生物物理意义,并且指标简单、易于获取、有利于盐渍化定量分析与监测,对今后干旱区盐渍地信息提取以及动态监测研究具有重要意义。     

毛乌素沙地土壤水分的遥感监测

利用毛乌素沙地腹地——乌审旗1982-1993年间的AVHRR遥感数据、常规气象数据和土壤水分观测资料,建立基于条件温度植被指数的0～50 cm土壤水分遥感估算模型,并计算出0～50 cm土体各层土壤水分。结果表明:乌审旗多年平均土壤水分的变化量约为-3.47mm,逐年土壤水分变化量Δw在-118～82 mm之间。乌审旗土壤水分的年际变化不大,基本在±50 mm之间变动。除1986、1987、1991以及1993年外,其余年份乌审旗土壤水分变化量Δw都为正。乌审旗土壤水分的年内波动也不大,基本在±10 mm之间。通过误差分析可知,遥感反演土壤水分的平均绝对百分比误差为14.77%,均方差为77.54 mm。基于条件温度植被指数的土壤水分遥感估算模型是可行的。     

基于二维光谱特征空间的土壤线自动提取算法

土壤线是在二维光谱空间中土壤纯像元光谱反射率按照大小排列而成的直线,它综合反映了具有不同水分条件的土壤含水状况,对于了解土壤和植被的理化性质和生态特征有着重要的意义。由于土壤线采用手工描绘效率低,因人而异,致使涉及土壤线的模型在业务化应用和推广中受到限制。为此,提出了一种土壤线自动提取算法,以及算法实现的流程和步骤,利用该算法可以基于遥感影像构建的二维光谱特征空间自动提取土壤线参数。通过时间序列和实际估算2种方法分析了算法的性能,发现在提取土壤线参数上具有较好的稳定性和精度,时间序列内提取土壤线斜率的平均偏差小于0.1,与实际估算的土壤线斜率偏差也很小。该算法已被应用于农田干旱监测模型PDI、MPDI和SPSI的土壤线自动提取运算中。结果表明,在保证模型精度的前提下,自动算法有效地提高了模型运算的效率,对农业干旱模型的业务化推广有实际的应用价值。     

基于试验反射光谱数据的土壤含水率遥感反演

土壤含水率是土壤水循环研究中不可或缺的参数,已广泛应用于土壤水分的监测。土壤光谱特性的研究是土壤含水率光学遥感定量反演的基础。该研究首先通过野外调查收集土样;然后,在实验室条件下制备不同水分梯度的土壤样品,并利用便携式地物光谱仪采集不同水分梯度土壤样品的反射光谱;最后,通过试验光谱数据分析建立一个基于指数函数的土壤含水率遥感反演模型,并对结果进行精度评价。结果表明,基于指数函数的土壤含水率反演模型可以较好的反演土壤水分特征,在640 nm处土壤含水率的估计值与真实值之间的决定系数为0.7062,RMSE为3.49%。相关研究为表层土壤含水量的遥感监测提供新方法和新思路。     

HYDRUS模型与遥感集合卡尔曼滤波同化提高土壤水分监测精度

精确地估测干旱区土壤水分含量,对该区域的农业发展与水土保持具有重要意义。该文以MODIS与Landsat TM数据为数据源,利用其反演获得的条件温度植被指数(temperature-vegetation drought Index,TVDI)作为观测算子,将集合卡尔曼滤波(ensemble Kalman filter,En-KF)同化方法应用于水文模型(HYDRUS-1D),进行干旱区表层土壤水分的模拟。结果表明:遥感数据反演土壤水分所构建的二维特征空间TVDI与表层土壤水分有较好的一致性;En-KF同化方法对模型变量与观测算子的更新,与单纯使用HYDRUS模型相比,获得的表层土壤水分含量精度有了明显提高,其均方根误差缩小了1个百分点,平均误差缩小了5个百分点。可见,基于多源遥感数据对表层土壤水分的En-KF同化模拟在干旱区具有较大的潜力,是提高干旱区土壤水分含水量监测精度的有效手段。     

基于主被动遥感数据融合的土壤水分信息提取

为改善西北半干旱地区的土壤含水率监测精度,该文选择张掖地区黑河流域为研究区,提出了一种基于主被动遥感融合数据贝叶斯网络分类的土壤水分信息提取方法。该方法依据光学与雷达遥感数据本身在反演土壤水方面的各自优势,首先利用小波变换与IHS结合的算法将TM5、4、3与ASAR数据融合,融合规则采用局部距离最大替代法,在突出融合影像细节的同时,一定程度上保留了TM数据的光谱信息。然后构建BN网络进行分类,以融合后新的R'、G'、B'分量和TM6波段作为网络的输入,输出为5个不同的类别,分别对应5个不同等级的土壤水分含量。经实测数据对融合前后分类结果的比较分析,结果表明,此方法在植被区能取得更好的效果,分类精度达到76.1%,对荒漠区效果欠佳。因此该方法在植被覆盖区对提取区域土壤水分信息是可行的、有效的。     

区域蒸散和表层土壤含水量遥感模拟及影响因子

以甘肃省武威市为研究区域,应用灌溉前后两景Landsat TM-5卫星遥感数据,采用SEBAL模型进行了区域蒸散估算,综合应用归一化植被指数(NDVI)和地表温度(Ts),计算了该区域的条件植被温度指数(VTCI),并估算了表层土壤含水量(0～20 cm)。在获得区域净辐射通量、地表温度以及植被覆盖度空间分布的基础上,进一步对灌溉前后两景影像中日蒸散和表层土壤含水量的影响因素进行了分析。结果表明,区域蒸散和表层土壤含水量的遥感估算与地面同步观测值比较,能较好地反映研究区域的蒸散和地表含水量的空间变异特征。当土壤较干时,区域蒸散的空间分布变异较大,而表层土壤含水量的空间变异较小。在灌溉前后两景影像中,日蒸散与净辐射通量、地表温度和覆盖度之间都有极显著的相关性,决定系数均在0.90以上,而日蒸散量与表层土壤含水量的相关性以灌溉后较高。此外,表层土壤含水量与地表温度、覆盖度都呈显著的相关性,但比较而言,地表温度指数关系的离散性较小,相关系数也大。但地表温度、覆盖度与表层土壤含水量的相关性都依赖于土壤干湿程度,通常土壤越湿,相关性也越高。     

基于波谱分析技术的遥感作物分类方法

为获取东北三省作物类型分布信息,精确地进行粮食估产,该文以250mMODIS时间序列NDVI数据为主要数据源,以东北三省主要粮食作物水稻、玉米、大豆、小麦为研究对象,利用波谱分析方法对东北三省作物类型的空间分布进行研究。研究结果表明,大豆的遥感反演面积和统计面积的相关性最好(R2=0.770),其次是玉米(R2=0.710),水稻(R2=0.686)。该文使用的作物分类方法适用于试验条件有限,实测数据较难获得并以遥感数据为主要数据源且研究区域较大、作物类型单一、种植面积广的情况。     

作物病虫害遥感监测研究进展

农作物病虫害监测目前在数据采集上主要依靠植保人员田间调查、田间取样等传统方式,不仅耗时、费力,而且存在以点代面的代表性差、主观性强和时效性差等弊端,难以满足大范围病虫害实时监测的需求。近年来遥感技术的发展,为大面积、快速获取作物和环境信息提供了重要的手段,是未来大面积病虫害监测和预测预报与产量损失评估的重要手段。该文在阐述植物病虫害胁迫光谱响应的生理机制的基础上,对目前病虫害遥感监测中所常用的光谱敏感波段及植被指数进行了汇总、整理,并对病虫害识别、严重度监测和损失评估等方面所使用的算法进行了综述。在此基础上,指出了目前作物病虫害遥感监测中尚需解决的关键技术问题,并就如何实现大面积作物病虫害遥感监测提出了解决思路。