基于ETM+影像的棉花低温冷害遥感监测方法研究

为了能及时、大范围地遥感监测棉花的低温冷害状况,以便安排救灾及灾后评估,应用棉花影像特征参量及植被指数变化分析的方法,对2001年7月25日和2001年8月10日ETM+数据,经过几何校正、辐射校正、行星反射率转化等,分别形成基于DN值、辐亮度、行星反射率的NDVI,分析2001年7月28日-2001年8月1日强低温入侵前后棉田的影像参量及光谱特征变化情况。结果表明,受害前影像的DN值、辐亮度、行星反射率均值比受害后影像分别高出了29.07%、30.1%、3.15%,在方差方面,受害前各物理量的方差值均大于受害后的值,分别高出了67.5%、40.3%、33.3%,而NDVI均值下降的幅度分别为21.6%、19.57%、12.79%。高分辨率遥感影像数据可以间接反演出受低温冷害棉田的变化情况,可以作为监测强低温冷害的一种有效方法,对于灾害评估提供了定量化指标。     

基于宽范围动态植被指数的棉花冠层覆盖度监测

 旨在利用宽范围动态植被指数对棉花冠层覆盖度进行监测,解决传统的利用归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题。采用高光谱仪获取棉花不同时期不同覆盖度的冠层光谱反射率,通过对构成归一化差值植被指数的近红外波段反射率引入系数α来提高修正后的植被指数随棉花覆盖度变化的动态范围。当利用权重系数0.1≤α≤0.2对近红外波段反射率调整之后,新形成的宽范围动态植被指数用于监测不同覆盖度棉花时未出现“饱和”现象。利用宽范围动态植被指数建立的棉花覆盖度监测模型的决定系数r2＞0.948,对棉花冠层覆盖度进行监测,可以解决传统的归一化差值植被指数对冠层覆盖度较高时监测不准确(饱和)的问题,提高了植被指数对棉花冠层覆盖度监测的精度。     

安徽长江以南农业干旱遥感监测研究

建立干早遥感监测模型并探讨该监测方法的适用性,根据安徽长江以南地区秋季干旱特点,基于NOAA/AVHRR数据采用包含冠层温度的供水植被指数方法,利用极轨气象卫星遥感影像资料和气象台站常年地面土壤水分观测资料对干旱进行监测,结果表明沿江和江南区供水植被指数与20 cm土壤墒情的模型达显著水平(P<0.05),模型分别为y20cm=1.6708x+48.889和y20cm=4.18x+18.848,而与10 cm土壤墒情的回归方程未通过显著性测验。此外通过模型验证,20 cm土壤墒情反演结果与实际情况较为相符,因此供水植被指数方法适用于该区域的干旱监测。     

不同水分条件下棉花光谱数据对冠层叶片温度的响应特征

利用Fluke热像仪和ASD地物非成像高光谱仪,分别记录棉花新陆早33号、13号2个品种、4个水分处理、5个关键生育时期的冠层红外热图像和反射光谱数据;在红外热图像上提取棉花冠层受光叶片的温度,同时处理高光谱数据获得归一化植被指数(NDVI)、比值植被指数(RVI)、红光620 nm和近红外850 nm波段的反射率(ρ620,ρ850)。分析表明,棉花2个品种4个水分处理的冠层叶片温度(TL)在盛花期、盛花结铃期较高,在盛铃期达到最大值,在开花期和吐絮初期较低;棉花受到水分胁迫,冠层近红外波段光谱的反射率降低,红光波段的反射率升高,NDVI和RVI变小,TL升高;在充分灌溉条件下棉花近红外、红光波段的光谱反射率、NDVI和RVI及TL则与水分胁迫处理的表现相反。和620 nm和850 nm波段反射率与TL的线性相关比较,棉花NDVI和RVI与TL的线性相关性更强。研究表明,将红外热图像和高光谱遥感技术相结合,具有实时、非破坏性地监测棉花水分状况的潜力。     

CLDAS数据在早稻低温冷害监测中的应用

本研究旨在实现水稻低温灾害的实时动态监测,改善目前遥感数据在南方地区应用受云雨天气影响受限的现状。利用CLDAS气温数据,结合遥感水稻种植本底信息,参考低温冷害监测指标,选取广西典型早稻低温冷害过程进行监测试验。试验结果表明：利用CLDAS气温分量数据可对区域气温变化状况进行有效的动态监测,结合水稻种植空间分布信息,可实现精细化的水稻受灾面积及等级监测。CLDAS反演的气温精度较高,与气象台站实测气温误差多小于0.5℃。CLDAS和遥感数据结合可为水稻精细化低温冷害监测提供一种新的有效途径。     

密度对棉花冠层小气候影响及其与棉花相关生理特征和纤维品质的关系

为了探讨密度对棉花冠层小气候的影响,进一步研究密度与棉花生理特征和品质的关系,设计了5种不同密度(9万～27万株.hm-2)的田间试验。试验结果表明:不同冠层的透光率初花后迅速下降,各处理中A3(18万株.hm-2)处理透光率均变为最高。空气温度花期20 cm处冠层以A3处理空气温度最高,吐絮后规律性不明显。花期相对湿度较高且变化较小,以A3处理的相对湿度最为稳定,变化最小。吐絮期,不同冠层相对湿度变化趋势基本一致,早、晚的相对湿度较高,处理间规律性不明显。A3处理皮棉产量最高,LAI高峰出现在盛铃期,吐絮时仍保持在2.5~2.6。8月14日左右棉花第10果枝叶开始衰老,5 d后第8果枝叶开始衰老,其A3处理能维持较长时间的正常生理状态。不同处理棉花纤维品质无显著差异,密度增加能增进纤维品质,但密度大于A4(22.5万株.hm-2)后,又对纤维品质产生负效应。     

北疆棉花出苗的低温胁迫影响及适宜播种期研究

为解决新疆北疆地区棉花播种出苗期低温冷害问题,笔者利用人工气候室,对种子低温胁迫设计不同温度进行播种出苗试验,并结合1991—2017年农业气象观测资料,研究播种—出苗的适宜播种温度指标、积温指标,确定棉花适宜播种期。结果表明,棉花种子的萌芽率、萌芽天数、萌芽长度、萌芽鲜重及出苗率等各项参数随温度呈非线性有规律变化。棉花种子低温胁迫时间越长出苗越滞后,所需的积温较多。北疆地区棉花主栽品种播种出苗下限温度为12℃,需要活动积温在160℃·d以上,≥12℃有效积温在55℃·d以上。通过人工气候室试验结合大田实际监测研究,新疆北疆地区稳定通过12℃应作为棉花主栽品种播种的初始期;播种期确定在4月下旬,出苗期可免受春季低温冷害的威胁。     

基于COSIM模型的棉花冷害预测研究

 为了防御和减轻新疆地区棉花低温冷害,对冷害发生进行可行性预测,本文运用COSIM棉花模型逐年模拟石河子地区乌兰乌苏1961－2005年、喀什地区莎车1961－2009年的棉花生长状况,对模拟结果进行统计学分析。结果表明,棉花吐絮日期和7月1日、8月1日、9月1日等关键日期的生物量与冷害是否发生具有显著的相关关系;运用模型预测的准确率、漏报率、空报率对冷害预报因子进行优度评价,认为吐絮期日期、7月1日的发育期指数、8月1日的叶质量占总干物质质量比例和9月1日的生殖器官质量均可以作为冷害预报的要素指标,在新疆棉区应用取得较好的结果,其中用于南疆棉区的冷害预测结果符合度达到97%以上。这说明基于作物模型进行冷害预测是可行的。     

低温胁迫对北疆棉花出苗的影响及适宜播种期的研究

【目的】为了解决新疆北疆地区棉花播种出苗期低温冷害问题,【方法】利用人工气候室,对种子低温胁迫设计不同温度进行播种出苗试验,并结合近20年农业气象观测资料,研究播种至出苗的适宜播种温度指标、积温指标、确定棉花适宜播种期。【结果】试验结果表明：棉花种子的萌芽率、萌芽天数、萌芽长度、萌芽鲜重及出苗率等各项参数随温度呈非线性有规律变化。棉花种子低温胁迫时间越长出苗越滞后,所需的积温较多。北疆地区棉花主栽品种播种出苗下限温度为12℃,需要活动积温在160℃.d以上,≥12℃有效积温在55℃.d以上。【结论】通过人工气候室试验结合大田实际监测研究,新疆北疆地区稳定通过12℃应作为棉花主栽品种播种的初始期；播种期确定在4月下旬,出苗期可免受春季低温冷害的威胁。     

基于无人机多光谱影像的水稻冠层SPAD值预测研究

比较筛选水稻冠层SPAD值估测模型，为无人机多光谱遥感反演水稻SPAD值提供依据。利用无人机获取水稻拔节期、抽穗期、乳熟期的冠层多光谱影像，选取7种常用的植被指数，利用3种回归方法建立基于植被指数的水稻叶片SPAD值反演模型。结果表明，在不同生育期与水稻叶片SPAD值相关系数最高的植被指数不相同，拔节期最高的是GNDVI，抽穗期最高的是CI_Green，乳熟期最高的是CI_Rededge。抽穗期是水稻叶片SPAD值反演的最佳时期，模型具有较好的建模精度和估测效果，其中多元线性回归的建模精度较高，偏最小二乘回归模型的估测效果最好。试验结果可为水稻长势的实时无损监测提供参考。     

不同植被覆盖下土壤水分遥感监测方法的比较研究

为了研究不同植被覆盖程度下多种土壤水分遥感监测模型的适用性,提高大面积土壤水分遥感监测的可行性和精度,本研究利用辽宁省52个气象站2008—2010年土壤相对湿度人工观测资料以及对应时段的卫星遥感资料,采用热惯量、能量指数、植被供水指数法进行土壤水分的遥感监测,在低、中、高植被覆盖条件下对比3种定量反演土壤水分的遥感模型,并与人工观测资料建立线性、指数、对数拟合。结果表明：在中低植被覆盖期,热惯量法最适合,与0~20 cm的平均土壤相对湿度的对数相关最好;高植被覆盖期,能量指数法稍好于植被供水指数法,与0~10 cm的平均土壤湿度的对数相关最好。     

基于WorldView 2影像杉木叶面积指数与植被指数相关性研究

为了探究基于高分辨率遥感影像杉木叶面积指数与植被指数的相关性,以湖南省攸县黄丰桥国有林场为研究对象,采用地面实验与遥感技术相结合的方法,利用WorldView 2遥感数据提取NDVI、SAVI、SARVI、RVI、MSAVI、ARVI等6种植被指数,通过LAI-2000测量的杉木叶面积指数(LAI)建立相关关系,开展WorldView 2遥感影像在估测杉木叶面积指数中的应用研究,分析植被指数对杉木LAI的影响.对不同植被指数分别进行线性模型、二次曲线模型、指数曲线模型和对数曲线模型的LAI反演.结果表明:除DVI与LAI相关性稍低一点外,其他植被指数与LAI都有很高的相关性,高于中低分辨率遥感影像提取的植被指数与LAI的相关性,土壤调节植被指数(SAVI)与LAI的相关性与土壤影响因子L无关.在线型模型中,RVI与ARVI更适合于杉木LAI建立一元线性回归模型,相关系数R分别为0.931、0.895,判定系数R2分别为0.866、0.800,均达到较好的拟合效果.在非线性模型中,反演模型最好的是二次曲线模型,其次是指数模型,最差的是对数模型.拟合效果较好的是NDVI、SAVI和RVI;拟合效果最差的是DVI;最好的拟合模型,其R2高达0.884.杉木LAI具有较佳拟合效果的非线型模型是NDVI和SAVI的二次曲线模型.     

遥感监测土壤湿度的方法综述

通过对生态环境水热因子的遥感监测回顾,总结出定量地遥感监测土壤水分的方法主要有：微波遥感监测法、热惯量法、作物植被、亮温综合指数法和热红外法等,并对各方法的原理和具体的适用领域做了介绍和比较。     

利用无人机遥感技术提取农作物植被覆盖度方法研究

基于无人机的遥感信息获取技术已广泛应用在农业领域。无人机遥感平台获取农作物信息技术具有高时效、高分辨率、低成本、快速、准确等特点,是目前精准农业中农田信息获取的重要手段之一。利用无人机遥感技术获取可见光影像,以棉花、花生和玉米为研究对象,选取不同的植被指数进行可见光图像阈值分割,结合研究区域可见光影像监督分类结果,确定3种作物提取植被覆盖度方法。试验结果表明,利用无人机可见光图像植被指数阈值分类方法,可以有效提取作物植被覆盖度。该方法对于棉花、花生和玉米3种作物植被覆盖信息的提取精度较高。     

基于无人机多光谱遥感的大豆叶面积指数反演

为给大豆科学管理提供基础数据,利用无人机多光谱遥感数据实现对大豆叶面积指数(LAI)的反演估值。从多种光谱植被指数中选出与LAI相关性较好的5种指数,分析探讨在田块尺度上,适用于东北地区的大豆叶面积指数的低空无人机遥感反演模型。结合田间实测LAI数据及模型精度及拟合效果,NDVI模型精度较好,但拟合效果较差,其余4种植被指数模型精度和拟合效果较好,拟合效果R²均达到了0.6以上;支持向量机模型决定系数R²达到0.688,均方根误差达0.016,具有更好的预测能力。2种模型均表明无人机多光谱遥感系统可以快速反演田间大豆叶面积指数,在指导精准农业生产方面具有实用意义。     

基于Sentinel多源数据的晋南农田地表土壤水分反演

通过遥感数据反演农田地表土壤水分,对农作物干旱、长势监测及估产有重要指导作用。以山西省闻喜县冬小麦种植区为研究区,利用水云模型去除植被影响,建立土壤直接后向散射系数与土壤含水量的关系,反演闻喜县2018年3月19日冬小麦种植区土壤水分。结果表明：协同Sentinel-1微波和Sentinel-2光学影像数据能够去除植被影响提高土壤水分反演精度,VV极化决定系数R²提高0.0914,均方根误差RMSE减少0.0895%。闻喜县中部河谷平原以及东南和西北部的台地土壤处于轻度干旱状态,西南部丘陵和东部山地土壤处于中度干旱状态。反演的土壤水分空间分布结果与地形起伏、灌溉条件和地力等级有较好的空间一致性,地形起伏低、灌溉条件良好的农田土壤水分含量高。     

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Landsat-8的基本农田农作物植被覆盖度研究——以温宿县为例

为了提高基本农田划定和监测工作的效率,减少人力物力的耗费,利用Landsat-8遥感数据通过像元二分法估测农作物植被覆盖度,并与基本农田农用地分等成果对比进行定量分析。结果表明,研究区内植被覆盖度以中等覆盖度为主,即大多数地区的植被覆盖度在30%~50%,这与同期的外业调查情况相一致。对于研究区来说,中等覆盖度下的植被生长状况已达到鼎盛时期,中等覆盖度的比例也随农用地等级的提高而增多,而对于分布较少的高覆盖度和极低覆盖度地区,也呈现随着基本农田等别的提高而增多和减少的趋势。这说明利用Landsat-8遥感数据估计植被覆盖度来判定植物的生长状况,从而将Landsat-8遥感数据运用到基本农田的划定和监测工作中去是可行的。     

地面资料稀缺区域的农田土壤水分微波与光学遥感协同反演方法研究

[目的] [方法]大尺度区域范围的地表粗糙度因子难以获取是微波反演土壤水分的难点所在。对此,从协同微波和光学遥感数据在土壤水分监测中的优势以提高土壤水分反演精度的角度出发,进行了地表粗糙度参数稀缺区域的大范围农田土壤水分遥感反演方法研究,即利用高分三号和Landsat8光学遥感数据,通过水云模型消除植被对雷达后向散射系数的影响,获取土壤直接后散射系数,然后结合入射角、PDI、TVDI和NDWI指数共同作为模型输入参数分别建立了HH和HV两种极化方式下的土壤水分反演模型。[结果]采用相关系数(R2)、一致性指数(IA)和均方根误差(RMSE),对两种模型应用于江汉平原农田土壤水分反演的实验结果进行了对比分析,结果显示HH极化方式下的土壤水分反演精度整体上优于HV极化方式(HH极化方式R2=0.6864,IA=0.8895,RMSE=6.979%)。[结论]在空间分布上,温度较高和植被覆盖较低区域,土壤水分含量较低,如钟祥市的北部、江陵县的东北部、荆门市的东部、仙桃市的西部和天门市的西北部;温度较低和植被覆盖较高区域,土壤水分较高,如监利县以及天门市的南部。     

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。