基于风云三星B的湖南省土壤湿度数据的精度评价

为湖南省相关部门制定政策措施提供精准数据参考,基于风云3B(FY-3B)微波辐射成像仪土壤湿度数据结合湖南省47个自动土壤水分站10cm土壤体积含水量数据,采用数理统计法对湖南省卫星遥感反演土壤湿度数据的精度进行评价。结果表明：湖南省FY-3B遥感土壤湿度数据较实测土壤湿度数据平均偏干0.066m3/m3,均方根误差（RMSE）、无偏均方根误差（ubRMSE）和平均相对误差（MRE）分别为0.164 m3/m3、0.099 m3/m3和0.509,升轨数据和降轨数据精度大致相当。土壤湿度数据平均偏差呈北部偏湿南部偏干的空间分布特征,数据精度东部地区总体高于西部地区,其中东北部地区精度最高。由于夏季降水、晴热高温、季节性干旱及植被覆盖等因素影响,土壤湿度数据在7—9月偏差最小,RMSE在3月达峰值后逐步降至7月的全年最低值,ubRMSE在7—8月达最高值,MRE最低值出现在10—11月,且各评价指标在7—8月波动最为明显。     

FY3-B土壤湿度监测产品在藏北草原的精度验证

为供藏北草原区土壤湿度的遥感监测参考,利用2014年7月至2015年8月的藏北草原野外试验数据,对国家卫星气象中心的FY3-B/MWRI日土壤湿度产品进行精度验证。结果表明:地面土壤湿度实测值和MWRI土壤湿度反演值两者的平均值相差0.03cm~3/cm~3,平均土壤湿度较接近,并且两者时间序列趋势变化相同,虽然均方根误差(RMSE)为0.14,但相关性R2达0.459 7。各测量点地面土壤湿度和MWRI土壤湿度反演值变化规律略有差别,但趋势相同,地面实测值与MWRI反演值的相关性在各测量点上较好,最差的R2也达0.48。     

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。     

基于植被供水指数的藏北地区土壤湿度反演研究

【目的】利用光学遥感数据获取的植被供水指数来反演西藏那曲地区的土壤湿度,结合高分辨率的遥感数据(GF-1)和中低分辨率的遥感数据(Landsat、MODIS)分别建立土壤湿度反演模型,通过比较不同空间尺度反演模型的精度和适用性,拓宽国产高分遥感数据在农牧业信息定量获取等方面的应用范围,为"天地网一体化"的现代农业信息获取和农情信息遥感监测提供理论基础。【方法】以西藏那曲地区为研究区,以代表高、中、低分辨率卫星数据的高分一号(GF-1)、Landsat-8及MODIS影像数据和土壤湿度实测数据为数据源,利用植被供水指数(Vegetation Supply Water Index,VSWI)构建土壤湿度反演模型,比较3种遥感影像在反演土壤湿度方面的差异。【结果】(1)VSWI反演土壤湿度的最佳深度为10 cm左右;(2)基于GF-1、Landsat-8和MODIS构建的反演模型得到的土壤湿度预测值与实测值的均方根误差分别为5.145、5.227和6.298,可见GF-1和Landsat-8的反演效果相当,均优于MODIS的反演效果;GF-1土壤反演模型的拟合效果最佳;(3)研究区土壤湿度在空间上呈东南向西北递减的趋势,与实地采样点的土壤湿度分布趋势一致,说明利用高分辨率遥感数据监测土壤湿度是可行的。【结论】利用GF-1遥感数据和植被供水指数可以实现对藏北地区的土壤湿度反演,研究结果可以为干旱或者半干旱地区大范围的土壤墒情监测提供理论依据和实践参考。     

基于CBERS-02B数据的森林三维绿量测算

【目的】以北京市密云县为研究对象,提出基于CBERS-02B数据的三维绿量测算方法。【方法】利用皮尔森相关系数分析地面样地三维绿量和遥感特征的相关性,并在密云县植被覆盖分类的基础上,分林型(阔叶林和针叶林)建立三维绿量测算模型。利用模型进行密云县森林植被三维绿量的反演,测算密云县三维绿量总量并分析其三维绿量的分布特征。【结果】建立了密云县阔叶林、针叶林三维绿量模型,其决定系数R2分别为0.724和0.735,总体精度为80.38%,单位面积均方根误差RMSE为1.41m3/m2,密云县三维绿量为523 561.516万m3,单位面积绿量为2.35m3/m2。【结论】基于CBERS-02B数据的森林三维绿量测算方法可行。     

县域尺度土壤样点密度与插值精度研究——以土壤pH值为例

土壤特性空间变异性的研究是进行精准施肥的基础,也是目前国内外研究的热点之一.空间插值是进行土壤特性空间研究的基本方法,但土壤样点密度对插值的精度有重要的影响.以湖南省衡东县耕地土壤pH值为例,研究了土壤样点密度与插值精度的关系.结果表明:绝对平均误差( MAE)、相对平均误差(MRE)及均方根误差(RMSE)都随着土壤样点密度的增大而降低;当土壤采样点采样密度为480×480 m2/点时,验证样点的实测值与预测值没有相关性.     

基于MODIS和DEM的土壤有机质空间预测研究(英文)

[目的]本研究以湖南省石门县为例,采用普通克里格和基于MODIS和DEM数据的回归克里格方法,结合有限个采样数据对该区有机质进行空间预测,并进行对比分析。[方法]运用由地形参数(由DEM派生得到)、归一化植被指数(NDVI)以及由MODIS派生得到的地表温度(LST)等指标进行空间模拟,然后通过平均误差(ME)和均方根误差(RMSE)验证精度,数据的描述性统计及转换均通过软件实现。[结果]结果表明在有限个采样数据下,结合多元遥感数据的回归克里格方法优于普通克里格法,回归克里格法的平均误差和均方根误差均低于普通克里格法,相对提高值为6.03%。[结论]在低山丘陵区,运用MODIS数据及其他遥感数据对土壤有机质进行空间预测具有较好的效果。     

FY-3A卫星数据在辽宁西部地区旱情监测的应用研究

农业旱灾是人类面临的最主要的自然灾害之一。利用我国自主研发的FY-3A卫星的MERSI数据计算归一化植被指数(NDVI),将MERSI数据与MODIS数据结合,利用单通道普适算法计算陆地表面温度(LST),将归一化植被指数(NDVI)与陆地表面温度(LST)结合构建NDVI-Ts特征空间,依据该空间计算的温度植被干旱指数(TVDI)作为土壤湿度监测指标,反演了2009年辽宁西部地区的土壤湿度状况。利用气象站点采样的土壤湿度数据进行验证,发现TVDI与实测土壤湿度数据显著相关,能很好地反映表层土壤湿度。并结合往年作物产量数据进行灾害评估,计算出的作物产量与干旱胁迫下的实际产量的误差在10%以内。表明该方法对辽西地区的作物产量评估具有较好的参考价值。     

基于高光谱和HJ-1 CCD的水旱地冬小麦叶绿素含量反演

叶绿素作为绿色植物光合作用的必要组成成分,其含量的高低可反映作物的长势状况。实时监测植物叶片叶绿素含量的动态变化是监测植物长势的重要环节。以山西省闻喜县冬小麦为研究对象,基于高光谱技术和实测数据,对研究区冬小麦拔节期的叶绿素含量进行定量估算,并在此基础上利用卫星遥感数据对冬小麦的叶绿素含量进行反演,以达到仅应用卫星遥感数据估测叶绿素含量的目的。结果表明,水旱地冬小麦叶绿素含量敏感波段在可见光区域不同,在近红外区域一致;水旱地分别以DVI和NDVI为变量所构建的预测模型效果最佳,R2值均达到0.9以上,均方根误差分别为0.470 0和0.458 7;对叶绿素含量反演值与实测值对比分析,水地反演值与实测值大致吻合,而旱地反演值则偏高;采用均方根误差(RMSE)法,检验反演值和实际值的符合度,水地RMSE为0.926,旱地RMSE为1.540。     

基于偏最小二乘回归模型的高山松蓄积量遥感估测

以Landsat 8影像为遥感数据源,以遥感因子、GIS因子、林分因子、郁闭度等为自变量,在前期野外样地调查的基础上,采用偏最小二乘法(PLS),建立香格里拉县高山松蓄积量遥感估测模型。试验结果表明,郁闭度对香格里拉县高山松蓄积量估测的影响极其显著,第5、6波段对其影响较为显著;运用偏最小二乘法建立的样地蓄积量估测模型,调整决定系数R2为0.777 5,均方根误差RMSE为36.90 m3/hm2,总预报偏差的相对误差RE为23.18%,模型精度为73.08%。以像元为单位提取高山松林所对应的自变量因子,利用估测模型得到研究区高山松林总蓄积量为1 372.406万m3。