基于高光谱数据提取土壤养分信息的研究进展

主要综述了利用高光谱遥感技术提取土壤养分信息的研究进展，论述了当前国内外学者通过高光谱遥感技术获取土壤养分信息的研究现状、存在的问题以及应用前景展望。旨在探索新疆绿洲农区如何应用高光谱遥感技术，分析、模拟、评价、预测土壤养分含量，促进高光谱遥感技术在田间农情监测、土壤诊断、水肥分区管理、作物科学种植中的应用，为新疆及兵团实施精准农业提供科学理论参考。     

新疆不同类型土壤有机质含量的高光谱监测

利用高光谱遥感对土壤进行监测已成为精准农业的重要技术之一。本文对新疆不同土壤类型土壤样品有机质含量进行理化分析,并高光谱反射率测定,获得不同类型土样有机质含量及对应高光谱反射率曲线,通过分析高光谱反射率曲线与土样有机质含量关系,对特定波长下的土样光谱反射率和有机质含量进行相关分析和曲线拟合,对高光谱遥感监测土壤质量的可行性进行分析。研究发现,有机质在350~2 500 nm波长范围内光谱反射率与有机质含量呈负相关关系,在675 nm附近的相关性最强。该研究为利用遥感技术进行土壤属性的快速监测奠定了研究基础。     

土壤含水量高光谱遥感定量反演研究进展

高光谱遥感因其光谱信息丰富,在土壤含水量的反演中得到了广泛的应用。通过对土壤含水量遥感监测方法进行了归纳总结,对比分析了微波法、热红外法、光学法和高光谱法监测土壤含水量的优缺点以及适用范围;重点分析总结了土壤含水量高光谱遥感定量方法,简要阐述了统计模型和机理模型反演土壤含水量的研究进展,特别对辐射传输模型和几何光学模型2个机理模型进行了说明,将近年来国内外学者在基于机理模型的土壤含水量遥感反演研究中获得的成果进行了归纳总结,并提出了存在的问题以及今后的研究方向。     

辽河三角洲土壤盐分与上覆植被野外光谱关系初探*

土壤盐渍化是辽河三角洲主要的环境问题之一，尽管已受到广泛关注，但人类活动引发的次生盐渍化面积仍在不断增长。这就需要认真、及时地监测土壤盐渍化的现状及其变化趋势以阻止土壤次生盐渍化的不断发展，确保土地利用和管理的可持续发展。多源、多时相、多光谱和微波遥感技术已被广泛用于监测土壤盐渍化的时空变化研究中。航空遥感技术、地面土壤盐分探测技术、实验室和野外光谱分析技术与地面土壤盐分测试数据相结合进行土壤盐渍化监测极具发展潜力。当干旱、半干旱区植被覆盖度低于25~35%时，土壤的光谱特征差别明显，利用遥感、土壤光谱数据与土壤盐分分析数据相结合进行土壤盐渍化监测是最为有效的方法之一。如果植被覆盖度大于此阈值，监测精度下降，只能通过上覆植被信息间接推断土壤盐渍化状况。本研究的主要目的就是探讨一下土壤盐渍化与上覆植被光谱之间的关系，尝试利用上覆植被光谱信息推断辽河三角洲土壤盐渍化状况。结果证明方法是可行的。     

基于高光谱数据提取作物冠层特征信息的研究进展

高光谱(Hyperspectral)遥感是指光谱分辨率在10-2λ的遥感信息,其特点是光谱分辨率高(5~10nm)、波段连续性强(在0.4~2.5μm范围内有几百个波段)。高光谱遥感器既能对目标成像(有时也称成像光谱遥感)、又能测量目标物的波谱特性,因此,它不仅可以用来提高对农作物和植被类型的识别能力,而且还可以用来监测农作物长势和反演农作物的理化特性。绿色植物具有独特的光谱曲线特征,而作物具有绿色植物典型的光谱特征曲线,基于作物的光谱特征研究与其生理生化特性之间的关系,高光谱遥感数据在提取作物生理生化特征、提取作物冠层信息、估产以及预测病虫害等许多方面都表现出巨大的应用潜力。本文概述了利用高光谱数据提取作物冠层信息的研究现状、展望及其在新疆棉花生产中的应用和前景。     

遥感影像在土壤属性估算中的应用

了解土壤属性（SOM、N、P等）对于指导施肥、农业生产和农业调查中都有重要的作用。对黑龙江省绥化市附近黑土区范围内采集土壤样品进行研究，在ASTER遥感影像中获取对应采样点的光谱值，将土壤有机质、总氮含量和遥感影像光谱值进行逐步回归分析，得出影像反射光谱值与有机质含量之间指数关系式；与总氮含量确定为对数关系。根据建立的模型进行有机质和总氮含量制图。这个模型可以作为土壤参数估测和评价的参考，有一定的实际意义和应用价值。     

耕层土壤含水量间接光谱估测模型

为克服光学卫星遥感只能获取表层土壤光谱信息而不能用于直接估测耕层土壤含水量的局限性,建立基于表层土壤高光谱的耕层土壤含水量间接估测模型。以山东省济阳县85个潮土样本的含水量及高光谱数据为基础,根据表层与耕层土壤含水量的内在关系,建立耕层土壤含水量间接光谱估测模型。结果表明,表层土壤光谱反射率的对数变换效果较好,以1339、1457、1745、1969、1996 nm波段的对数变换值为估测因子,采用多元线性回归模型建立的表层含水量估测模型的决定系数为R ²=0.8911,平均相对误差为13.67%;土壤耕层与表层含水量之间存在着显著的相关性,R ²=0.8131;耕层土壤含水量间接光谱估测模型的精度较高,决定系数R ²=0.8138,平均相对误差为9.66%。研究表明,山东省济阳县潮土表层、耕层含水量之间存在着显著的相关性,利用表层土壤光谱间接估测耕层土壤含水量是可行有效的。     

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。     

不同颗粒大小对高光谱估算土壤有机质含量的影响

研究旨在对不同颗粒大小的土样进行土壤有机质含量高光谱估算建模,以期得到土样制备时合适的土样颗粒大小,减少不必要的工作量。笔者对过10、20、60、100目筛的土样进行高光谱数据测量,并对光谱数据进行反射率(R)、反射率一阶导数(R’)和反射率倒数对数[Log(1/R)]3种光谱数据变换,然后运用偏最小二乘回归法(PLSR)、支持向量机法(SVM)和PLSR-SVM相结合的方法建立土壤有机质含量估算模型。研究结果表明:土壤颗粒大小对土壤光谱反射率有明显影响,颗粒越小,土壤光谱反射率越高;运用PLSR-SVM建立的SOM估算模型比只利用PLSR或SVM建立的模型精度高;当土壤颗粒大小0.25 mm时,对于SOM光谱估算模型精度的提高没有太大的帮助。该试验为进行土壤有机质含量高光谱估算制备土样提供指导。     

利用光谱-盐分指数监测棉田土壤盐分

通过对棉田土壤盐分的光谱反演研究,为土壤盐渍化遥感动态监测提供可能。利用ASD地物光谱仪测定新疆兵团第六师共青团农场盐渍化棉田土壤光谱,结合土壤化学参数分析确定反映棉田土壤盐渍化程度的敏感波段,构建最佳盐分指数对棉田土壤盐分进行监测。结果表明,随盐渍化程度(0.084~1.659 g·kg-1)的加重,土壤光谱反射率呈上升趋势,在近红外区(1350~1850 nm)差异尤为显著,该波段范围光谱反射率与土壤盐分呈极显著相关(r=0.880**),且对土壤盐分响应敏感,为识别盐渍化土壤的敏感波段;选择盐渍化光谱敏感波段建立了盐分指数SI1,BI,SI2,NDSI,SI3监测棉田土壤盐渍化的模型,其中SI1和BI的RMSE分别为0.151和0.149、RE为7.5%和6.3%,预测能力强,可推荐为棉田土壤盐分监测的最佳模型。     

基于机器学习与高光谱数据的湿地植被物种识别研究

为了探索利用高光谱高空间分辨率遥感数据进行湿地植被物种识别，笔者在分析6 种湿地植被原反射光谱、二阶微分及连续统去除光谱的基础上，利用马氏距离法和相关系数法提取特征波段，并将其作为特征参数参与C5.0 决策树分类与信息提取。结果显示：（1）基于机器学习的C5.0 决策树法总体分类精度为79.87%，Kappa 系数为0.765，与监督分类最大似然法相比，植被信息提取总体精度提高9.95%，Kappa系数提高0.114；（2）机器学习C5.0 决策树法与最大似然法相比，其独特的优势在于对藻类的信息提取精度大大提升，狐尾藻和水蕴草的用户精度提升最大，分别提升了18.67%和15.86%。该方法能够实现湿地植被物种信息的高精度提取，为同类研究提供借鉴，为湿地生态健康评价提供科学与技术上的支持。     

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。     

高光谱遥感监测农作物病虫害研究进展

832003 石河子大学农学院农业昆虫与害虫防治专业2003级硕士研究生     

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。     

遥感影像分类结果的不确定性研究

主要从遥感数据质量的不确定性、分类算法的不确定性、分类评价方法的不确定性及分类后处理的不确定性四个方面讨论了遥感影像分类结果的不确定性。     

基于无人机高光谱影像的玉米地上生物量反演

【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%；外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。     

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。