单时相MERSI数据在冬小麦种植面积监测中的应用

以FY-3A MERSI可见光到近红外波段250 m分辨率数据为信息源,采用PPI（像元纯净指数）提取结合实测数据的方法,经反复试验最终提取了山西南部冬小麦区的不同地物覆盖特征谱,进而采用基于监督分类的最大似然法、神经网络等方法进行不同地物类型的分类,同时根据不同地物光谱特征采用混合像元分解技术提取冬小麦种植面积。结果表明：单时相FY-3A MERSI数据提取作物种植面积是可行的,神经网络法好于最大似然法,混合像元分解提取的面积同实际种植面积最为接近。     

用MODIS数据监测冬小麦冠层反照率变化信息的方法研究

采用冬小麦主要生育期内冠层反照率的地面观测数据和MODIS反照率产品数据,分析了在冬小麦生长期时间序列上MODIS遥感图像端元反照率与地面观测不同空间尺度反照率的变化规律。提出了基于高空间分辨率图像分类的先验知识提取MODIS端元反照率的方法。研究结果表明,MODIS端元反照率与地面观测反照率随冬小麦生育期的变化趋势相同,两种观测尺度反照率的观测值差别小于4%,研究方法为MODIS反照率产品在大面积农田研究中的应用提供了参考。     

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。     

安徽省冬小麦长势遥感监测与评估方法研究

沿淮淮北是安徽省主要的冬小麦种植区,为了对该区域冬小麦长势进行实时、动态地监测,通过采用变化向量分析方法,利用2005-2010年EOS/MODIS数据,在HANTS算法重构无云NDVI时间序列图像以及安徽省冬小麦种植区提取等数据处理基础上,研究基于NDVI变化向量、曲边梯形面积的长势综合监测模型,对研究区的年际与年内长势变化进行时间和空间上的定量分析。结果表明：HANTS处理平滑后的MODIS的10天合成植被指数的年时序曲线有效消除了云和数据缺失的影响,重构后的生长曲线可以更清楚地反应作物生长变化趋势和规律,有利于监测模型的建立;冬小麦种植区提取,大大提高了卫星监测精度,构建的综合监测模型适合单一生长季苗情长势遥感监测,该模型在2011年冬小麦长势评估中取得了良好的监测效果。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

基于主成分分析的BP神经网络估算藏北高寒草地覆盖度变化

藏北高寒牧区草地是中国高寒草地分布面积最大的地区。为了及时准确地获得该区域草地覆盖度的变化趋势,本研究利用多年气象数据、社会统计数据、GIMMS、MODIS两种归一化植被指数（NDVI）数据作为参数,构建 BP神经网络模型,估算2010—2014年藏北高寒草地年际变化趋势,并用主成分分析方法优化参数来改进模型。结果表明,① BP神经网络模型及其改进模型对藏北高寒草地覆盖度年际变化趋势与遥感值的相关系数为0.16、0.47,表明通过主成分分析优化参数后的BP神经网络模型具有较好的模拟效果。 ②两种BP神经网络估算的植被指数值与NDVI值平均误差率分别为2.36%、2.20%。均有较高的模拟精度。③从神经网络训练步数上看,BP神经网络结果训练收敛步长为5000,基于主成分分析的BP神经网络模型训练收敛步长为454,表明后者提高了计算效率,体现出良好的收敛性。因此,无论从年际变化趋势拟合程度、植被指数估算值精度、还是从计算效率来看,改进的BP神经网络模型对于估算藏北高寒草地覆盖度变化更加行之有效。     

应用MODIS数据监测大范围病虫害植被指数变化——以2010年澳大利亚蝗灾为例

为了分析2010年澳大利亚新南威尔士州大范围蝗灾的发生范围和受灾程度,利用2008—2010年MODIS/Terra数据,通过植被生长期内前后同期的NDVI差值图像△NDVI判断2010年植被长势情况。研究结果表明:从整体上看,监测到的受灾范围与受灾程度上基本一致,能较好的反映出新南威尔士州的受灾情况;2010年9月新南威尔士州未受灾面积约为41万km2;受灾较轻区域面积约为5万km2;受灾较重区域的面积约为34万km2;受灾总面积约为39万km2,约占总面积的49%。通过与官方统计数据对比,监测到的受灾面积与官方统计数据相对误差为22%,造成误差的主要原因是像元的缺失与个别错误的像元点,导致受灾区域缺失的像元不能统计在受灾面积中和降低了受灾情况分类的精度。可得出结论,此方法适用于在对蝗灾发生范围和受灾程度的研究中。     

基于物候特征参数的橡胶树种植信息遥感提取研究?

为了更好地监测橡胶树的生长状态,客观准确地获取橡胶树的种植的地理位置信息,采用非对称高斯函数对海南岛内MODIS EVI时间序列数据进行滤波处理,定义作物物候特征参数并计算海南岛每个像元的特征参数值;统计分析基于MODIS EVI数据的海南岛橡胶树样区作物关键物候特征参数值变化规律;根据橡胶树样区特征参数值变化规律建立海南岛橡胶树种植信息提取算法,提取结果采用不同比例的橡胶树混合像元分类法表示。根据提取算法对海南岛2011年橡胶树种植信息进行提取,用验证数据对该提取算法进行精度检验与实用性评价,检验结果显示该算法的平均分类精度达85.97%,可以用来提取橡胶树种植信息。     

基于GF-1卫星影像的中国冬小麦制图研究

旨在实现冬小麦面积自动化提取，本文提出一种基于冬小麦NDVI加权指数(WNDVI)的分类算法。将影像分割成标准的小区域，从而构建冬小麦分类单元，采用自适应方法确定冬小麦种植区和非种植区WNDVI分割阈值。以2013年10月至2014年5月期间的GF-1卫星WFV影像为例，构建了全国14个省（市、区）的1180个分类单元的WNDVI，实现了2014年全国主产区冬小麦种植区的空间分布图；采用14233个样本对结果进行验证精度，总体精度达到了90.6%。本方法自动化程度高，结果稳定，适合大范围冬小麦面积监测业务化运行。     

内蒙古林草过渡区植被覆盖度时空变化及其驱动力研究—以呼伦贝尔市和兴安盟扎赉特旗为例

以呼伦贝尔市、兴安盟扎赉特旗作为研究区,基于MODIS NDVI数据,利用像元二分模型反演得到研究区2001—2016年植被覆盖度数据,研究其草原退化整体变化趋势及影响因子。研究结果表明：极低覆盖和低覆盖植被面积不断增长扩大,年均增长分别率为12.29%和3.13%;中覆盖从面积由增长转为面积减小,年均增长率为-4.63%;高覆盖和极高覆盖植被面积一直在减小,年均增长率分别为-5.99%和-4.8%;坡度≤5°的地区退化率较高。气象、海拔和坡向因子宏观上决定植被的分类和密集程度,但由于研究区人地关系复杂,草原退化主要以人口密度和牲畜密度较为集中的地区为主。     

遥感信息应用于水分胁迫条件下的华北冬小麦生长模拟研究

由于初始土壤水分、灌溉量等变量的空间分布不易获得,区域尺度水分胁迫条件下作物生长模拟存在一定难度。本文在WOFOST模型本地化和区域化的基础上,采用调控型方法,重点探讨了利用MODIS数据反演的地表蒸散在大范围内估算土壤水分平衡过程中的参数或变量初始值,以实现水分胁迫条件下作物模型区域模拟的可行性。2002年模拟结果显示,引入遥感信息优化获得初始土壤有效含水量、返青期生物量及抽穗期灌溉量后,土壤水分的模拟效果得到改善;32个农业气象试验站点模拟产量的相对均方根误差（RRMSE）由0.63降至0.20;华北冬小麦模拟产量的空间分布与实际产量分布更加接近,产量低估的情况得到较好改善;河北、河南、山东3省平均产量的模拟误差分别为－4.9%、4.3%和8.6%。初步结果表明,结合卫星遥感信息通过优化方法在大范围内估算作物模型的相关参变量,以实现水分胁迫条件下作物模型的区域应用是行之有效的。     

冬小麦“一水千斤”简化栽培模式水分运筹规律研究

为进一步研究冬小麦节水灌溉,明确其水分运筹规律,2014—2015年度和2015—2016年度,在冬小麦全生育期降雨量与常年相当的情况下,采取趁墒播种等技术措施,示范研究了"一水千斤"简化栽培模式。试验表明:石家庄地区近十年冬小麦全生育期平均降雨量为132.4 mm,仅占平均需水量三分之一左右;不考虑0~40 cm水分活跃层的情况,40 cm以下土层土壤含水量随土层的下降呈逐渐增加的趋势,冬小麦拔节前各土层的含水量均在萎蔫系数之上;"一水千斤"模式下全生育期冬小麦平均耗水量4404.0 m~3/hm~2,土壤平均耗水量1852.5 m~3/hm~2,全生育期耗水量与常规灌溉模式下接近;明确了冀中南地区实施"一水千斤"模式实现节水与高产相统一,冬小麦灌水量应在1200 m~3/hm~2以上,全生育总耗水量应达到4650 m~3/hm~2以上。     

应用数字图像技术估测冬小麦冠层生物量垂直分布特征的研究

用数字图像技术研究了冬小麦冠层生物量的垂直分布。表明用一行小麦图像比多行小麦图像估测小麦生物量能更好地满足线性回归关系,估测效果更佳,以此为基础进一步研究了分层像素数估测小麦冠层分层现存生物量和有效生物量的方法。利用分层绿色像素数(LGPN)指标定性分析了不同栽培模式下冬小麦群体有效生物量的垂直分布和动态变化,并确定了基于图像特征的可用于定量分析的小麦群体垂直分布指数（I）。     

高肥地小麦再高产综合农艺措施初探

采用五因素二次正交旋转组合设计试验方法,在高肥地对优良小麦新品种临麦2号的主要栽培措施基施纯N量、追施纯N量、P2O5、K2O及基本苗等与小麦产量间的量化关系进行系统研究,通过对建立的产量数学模型的优化与解析,明确了影响高肥地小麦产量的关键因子及实现高产高效优化栽培的综合农艺措施。结果表明,该五因素与其密切相关,增施氮磷肥是实现临麦2号优化栽培的关键,增施磷肥更益于氮肥肥效的发挥,实现优质小麦新品种临麦2号高产高效优化栽培的综合农艺措施是：每公顷基本苗181.8万~229.2万,基施纯氮量121.95~141.3kg,P2O5195kg,K2O33.75~60.75kg,小麦起身期结合浇水追施纯氮71.7~83.7kg。     

多参数冬小麦估产模型研究及产量影响因素分析

产量估算研究对制定粮食政策和经济计划,科学地进行粮食宏观调控有着重要意义。针对以往线性遥感估产模型中多是基于NDVI和LAI的研究,且参数间存在多重共线性等问题,该研究以河北省南部石家庄、保定、邯郸、邢台、衡水、沧州六市为研究区,选用2000—2008 年的种植区最佳时相NDVI、LAI累加值,并引入与小麦生物量积累密切相关的不同月份地表温度作为原始估产指标,针对参数累加值存在的误差,提出一个修正公式对NDVI、LAI 进行修正,再对选用参数进行主成分分析,将结果与冬小麦产量数据建立出4 个多参数综合作用的冬小麦遥感估产模型。结果表明,利用2009 年数据对模型进行验证,结果表明4 个模型的R2介于0.714~0.818 之间,估产精度均在93.0%以上,其中,综合所有遥感参数的模型拟合效果最好,R2为0.818,估产精度达95%,而且引入温差主成分的模型精度高于仅用NDVI、LAI作参数的模型,另外深入分析各参数对产量估测的影响可知4 月中旬和5 月中旬的地表昼夜温差对冬小麦的后期产量具有较大影响。     

基于主成分的河北省地级市城市生态安全预警评价

为了对河北省各地区经济发展潜力进行综合评价,准确地发现各因素的相对重要性及其对综合发展潜力的影响程度,对主成分分析法进行修正,采用定量评价的方法,对河北省的11个城市的生态安全进行了预警评价研究。结果表明,河北省廊坊市得分为0.55,处于理想安全与临界安全之间,而其他城市均在临界安全与较不安全之间,其先后顺序为：秦皇岛市、保定市、承德市、邢台市、唐山市、石家庄市、张家口市、沧州市、邯郸市、衡水市。总体上,河北省生态环境存在较多的不安全因素,生态环境压力强度较大,全省城市生态系统的状态呈现出不均衡的状态,应提高响应水平。