基于多核主动学习和多源数据融合的农田塑料覆被分类

通过引入多源多时相卫星遥感数据,提出了一种基于多核主动学习的农田塑料覆被分类算法,实现农业塑料大棚和地膜的精准分类。首先基于多时相Sentinel-1雷达和Sentinel-2光学遥感影像,提取其光谱特征、纹理特征等,以构建多维特征空间。然后构建多核学习模型,实现多源、多时相特征的自适应融合。最后构建基于池的主动学习策略,通过引入训练样本的淘汰机制,进一步提升分类模型的泛化能力。试验结果表明,本文所提分类方法的总体精度为95.6%,Kappa系数为0.922,相较经典支持向量机、随机森林、K近邻、决策树、AdaBoost模型,多核学习模型精度提高5.7、12.1、11.4、22.3、10.3个百分点;且在相同分类精度下,主动学习较被动学习可减少一半以上的标签数据;同时相较仅使用单时相及单传感器遥感影像而言,精度分别提高3.7、12.7个百分点。结果表明,多核主动学习能够有效进行多传感器、多时相数据融合,并可以在小样本条件下取得更高的分类精度,从而为农田塑料覆被的遥感监测提供模型参考。     

基于EnKF-3DVar模型的海淀区地表温度模拟

以城市化程度较深的北京市海淀区为研究区,基于2005年、2010年和2015年的遥感影像数据,利用基于影像(IB)的算法反演城市地表温度空间分布。将数据同化算法EnKF-3DVar与CA/Markov模型集成,将海淀区的多年平均臭氧浓度空间分布数据同化进行城市地表温度的模拟预测。结果表明海淀区的城市地表温度10年间呈现先下降后上升的趋势,但总体呈现下降趋势,其中2015年的平均温度为31.139 3℃。引入EnKF-3DVar的预测模型能够显著提升模型的模拟精度,所预测的2015年的数据结果 Kappa系数达到0.821 6。在有城市公园绿地的模式下,地表温度高值区呈现缓解趋势,在无城市绿地公园的模式下,城市地表温度高值区呈现出明显的扩张趋势,最高温度达到了56.142 3℃,城市生态绿地对于城市地表温度的空间分布影响巨大,合理布局城市绿地公园意义重大。     

基于遥感数据的灌区水分利用效率估算与分析

水分利用效率（WUE）是灌区生态环境保护和重建的重要依据。综合采用非线性最小二乘法、变异系数、相关系数、Mann-Kendall检验、Morlet小波分析和启发式分割算法等方法,研究了1985-2015年宁夏青铜峡灌区的WUE特征。结果表明：(1)灌区年均WUE为0.96 g/kg,WUE空间分布呈现出较强的空间异质性,总体呈现西高东低的特征;存在波动逐年上升趋势,WUE年际变化与ET有明显的负相关性,与TMP有明显的正相关性。(2)灌区WUE年内变化与ET、NPP、TMP和PRE均呈现正相关性,其中TMP的正相关系数更高。(3)总体来说,因为大量的生态恢复和重建工程,宁夏青铜峡灌区的生态系统的生产力有所提高,在一定程度上改善了灌区的生态状况,未来灌区生态系统的WUE会持续上升。     

基于RS数据和GIS方法的冬小麦水分生产函数估算

以冬小麦遥感监测耗水与产量为数据支持,开展了多种水分生产函数模型的对比研究,探求与研究区相适宜的水分生产函数模型及其参数,其中全生育期水分生产函数模型分别选择直线模型、抛物线模型、D-K模型及指数模型;而分生育阶段水分生产函数模型分别选择Jensen、Minhas、Blank、Stewart及Singh模型。研究结果表明,冬小麦全生育水分生产函数模型推荐采用抛物线模型;而分生育阶段水分生产函数模型推荐采用Stewart模型;冬小麦对水分最敏感的阶段是抽穗期,其次为扬花-成熟期,而出苗-拔节期最小。为此,在北京市大兴区的冬小麦灌溉应优先满足抽穗灌浆期的需水,而在出苗-拔节期适度减少灌溉量,可达到节水增效目的。     

基于CERES-Wheat和遥感数据的土壤水分供给量反演

以关中平原为研究区域,以冬小麦为研究对象,基于2007—2008年TM遥感数据反演的和CERES-Wheat模型模拟的生物量和叶面积指数,将由离散积分思想计算的日均分摊系数和由冬小麦各生育阶段生长特点划分的分段蒸腾系数引入土壤水分平衡方程,建立土壤水分供给量反演模型。利用该模型进行研究区域2007—2008年冬小麦全生育期的蒸散量和土壤水分供给量的单点和区域尺度的定量反演。选取拥有多时相遥感数据的2000—2001年进行模型验证,结果表明,在充分获取降水、灌溉信息和多时相遥感数据的条件下,土壤水分供给量的反演结果准确度较高。区域尺度的土壤水分供给量呈现出西高东低和北高南低的分布特征,自西北部向东南部逐渐递减,与关中平原冬小麦受水分胁迫程度的区域性变化趋势基本一致,表明应用模型反演冬小麦全生育期的土壤水分供给量是可行的。     

高光谱遥感图像DE-self-training半监督分类算法

提出了一种高光谱遥感图像半监督分类算法DE-self-training。利用少量标记样本作为初始训练集,基于改进的Self-training算法构建初始分类器,对未标记样本进行预测;然后从分类结果中按一定比例随机选取部分样本,连同其类别标记一起加入训练集中,再用扩大的训练集重新训练分类器,并对剩余的未标记样本进行预测。如此迭代地进行训练-预测-挑选样本扩大训练集过程。同时,在迭代训练过程中,运用基于最近邻域规则的数据剪辑策略对扩大训练集时产生的误标记样本进行过滤,以保证训练集的质量,不断迭代地训练出更精确的分类器,最终使所有未标记样本都获得类别标记。以AVIRIS Indian Pines和Hyperion EO-1 Botswana作为实验数据对DE-self-training算法进行测试,并与基于支持向量机的分类结果作比对。实验表明,DE-self-training算法可以在标记样本数量有限条件下,充分挖掘未标记样本的有用信息,使总体分类精度和Kappa系数都有不同程度的提高。     

无人机遥感监测作物病虫害胁迫方法与最新研究进展

病虫害是作物生产面临的主要胁迫之一.近年来,随着无人机产业的快速发展,无人机农业遥感因其图像空间分辨率高、数据获取时效性强和成本低等特点,在作物病虫害胁迫监测应用中发挥了重要作用.本文首先介绍了利用无人机遥感监测作物病虫害胁迫的相关背景;其次对目前无人机遥感监测作物病虫害胁迫中的常用方法进行了概述,主要探讨无人机遥感监...     

基于遥感数据和气象数据的水旱地冬小麦产量估测

研究利用遥感数据进行了运城地区冬小麦不同生育时期归一化差值植被指数和产量关系的研究，利用气象数据和光谱数据构建了冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型。结果表明：运城地区水旱地冬小麦均以5月8日左右的NDVI值与产量相关性最好，且达极显著水平，因此该时期为建立冬小麦遥感估产模型的最佳时相。通过对冬小麦光谱产量模型、气象产量模型以及光谱气象产量模型预测效果进行的F检验，表明各模型均达到极显著水平。与其他两种模型相比，光谱气象产量模型的决定系数（R2）有明显的提高，并且相对均方根误差（RRMSE     

基于深度学习的多源遥感反演麦田土壤墒情研究

土壤墒情是影响农作物生长发育的主要因素和干旱监测的重要指标。为提高农作物覆盖下地表土壤墒情反演精度，基于Sentinel-1雷达数据和Sentinel-2光学数据，基于深度学习理论，采用全连接深度神经网络的监督学习模型反演研究区麦田的土壤墒情。结果表明：当隐含层层数为6，隐含层节点数为80，迭代次数为450时，获得模型的最优解。反演结果与实测数据的决定系数为0.925 2，均方误差为0.000 8，为利用多源遥感数据反演农田地表土壤水分提供了参考。     

土壤养分遥感监测研究进展

用遥感技术监测土壤养分是精准施肥中的一个重要手段。为此,综合分析了土壤养分遥感监测在光谱特征指标的选择、反演方法、反演模型及其适用性等方面的研究进展。研究指出,随着空间信息技术的发展,遥感技术在土壤养分预测中将展现出更广阔的应用前景。土壤养分遥感反演模型对环境、土壤类型、土壤剖面等方面的适用性、光谱特征指标的选择、动态监测模型的建立、多源数据和多种技术手段的集成将是土壤养分监测今后的发展研究方向。     

基于多源遥感数据的淮河流域城镇扩张研究

城镇是人类社会发展过程在空间上的重要表现形式,其空间格局与演变是城镇研究的热点问题。淮河流域是中国城镇体系的南北过渡地区,研究这一自然地理单元内城镇扩张过程,视角独特。为客观、快速、准确地重建不同时间序列上淮河流域城镇扩张过程,在DMSP/OLS数据、SPOT-VGT数据、Landsat ETM+数据等多源遥感数据的基础上,提出"DMSP/OLS夜间灯光数据相互校正—NDVI数据重建—流域城镇信息提取—流域城镇扩张分析"的研究思路,并运用该思路分析淮河流域从1998年至2013年16年间的城镇扩张过程。从城市面积、扩张强度、扩张动态度、扩张形态4方面分析了城市扩张规律。研究发现:淮河流域整体与各省扩张基本属于低速扩张型与中速扩张型;淮河流域城镇分布仍较为分散,未形成完整的城市群或城镇体系;这一时期城市扩张时空发展不均衡。     

基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算

利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI 产量最佳估产模型.在验证甘蔗叶面积指数LAI的基础上,利用遥感反演的甘蔗叶面积指数LAI进行甘蔗单产估算.结果表明:甘蔗叶面积指数LAI与NDVI之间存在显著的正相关关系,全生育期二者的相关性最高,以二次函数模型拟合效果最佳,决定系数R2为0.8429.将遥感数据反演得到的平均叶面积指数LAI数据代入甘蔗叶面积LAI-产量模型得到全县平均单产,与统计数据相比,相对误差仅为2.6％.说明该模型具有较好的估产效果,可以为甘蔗区域估产提供重要参考.     

基于稀疏非负最小二乘编码的高光谱遥感数据分类方法

为了提高高光谱遥感影像的分类精度,提出了一种基于稀疏非负最小二乘编码的高光谱数据分类方法。采用非负最小二乘方法,将待测样本表示为训练样本的线性组合,并将得到的系数作为待测样本的特征向量,通过最小误差方法对待测样本进行分类。提出的方法在AVIRIS Indian Pines和萨利纳斯山谷高光谱遥感数据集上进行分类实验,并和主成分分析(PCA)、支持向量机(SVM)和基于稀疏表示分类器(SRC)方法进行比较,在2个数据集上本文方法的总体识别精度分别达到85.31%和99.56%,Kappa系数分别为0.816 3和0.986 7。实验结果表明本文方法的总体识别精度和Kappa系数都优于另外3种方法,是一种较好的高光谱遥感数据分类方法。     

云南省土壤墒情监测系统的设计与实现

为准确获取云南省的土壤墒情,在分析传统墒情监测系统的基础上,设计了一种能够自动获取和处理多源土壤墒情数据且能不断提高数据精度的土壤墒情自动监测系统。系统利用温度-植被干旱指数(TDVI)对遥感影像进行反演,为不断改进反演算法,将反演结果与固定站点监测数据及其他相关数据进行了对比分析。以参数配置形式实现遥感影像自动下载、土壤墒情自动反演和旱情自动分析。结果表明,系统可以得到较高精度的土壤墒情数据,能够满足有关部门对于墒情监测的需要。     

基于MODIS数据的济南市农田区土壤含水量模型

土壤含水量是监测土壤质量的重要指标,影响到一系列战略物资的生产,是旱涝等自然灾害发生的指示因子。以2011年4月下旬济南市农田区的MODIS遥感影像为基础,采用植被供水指数法反演土壤含水量,结合野外同步实测数据,建立土壤含水量预测模型,并利用实测和气象数据进行精度检验。结果表明,该模型预测结果与实际情况吻合度较高,模型具有一定的参考价值。     

基于TRMM遥感数据的旱涝时空特征分析

基于光学遥感数据反演的植被指数和地表温度进行旱涝灾害监测在时间上具有滞后性,降水数据可以更加及时直观地反映地表干湿状态的变化,目前旱涝灾害监测应用地面点上降水观测站点的数据较多,热带降雨测量卫星(TRMM)被动微波遥感为大面积进行旱涝灾害监测提供了可能。利用江苏省1998年1月—2014年3月的TRMM 3B43月降水资料,采用尺度为12的标准化降水指数(SPI12),分析江苏省旱涝时空特征变化规律。分析结果表明:江苏省16年来发生旱涝灾害的几率为34.08%,其中发生旱灾的几率(16.74%)与发生涝灾的几率(17.34%)相接近;江苏省一年四季都易受到旱涝灾害的影响且旱灾与涝灾具有交替出现的特点;1999—2014年间多次出现较严重的旱涝灾害,且江苏中部地区更易受到旱涝灾害的影响。     

重庆首个5G网联植保无人机试飞成功

近日,重庆首个5G网联植保无人机本周在重庆市农业科学院科研基地试飞成功,为30亩试验农田提供集成无人机植保、遥感大数据、农业大数据为一体的高效飞防服务和精准农业服务,这标志着重庆首个基于5G网络的无人机在智慧农业中的应用成功落地。     

应用中值融合模型的条件植被温度指数降尺度转换研究

为获得基于Landsat卫星遥感数据更为精确的定量化干旱监测结果,以陕西省关中平原为研究区域,基于Aqua MODIS数据反演的1 km空间分辨率的条件植被温度指数(VTCI)的定量化干旱监测结果(MODIS-VTCI)和Landsat OLI/TIRS数据反演的30 m空间分辨率的VTCI相对干湿监测结果(Landsat-VTCI),应用降尺度的中值融合模型(MFM)将基于MODIS数据反演的VTCI降尺度至30 m空间分辨率的VTCI定量化干旱监测,并对其结果进行验证。结果表明,应用降尺度的中值融合模型转换的VTCI定量化干旱监测结果(MFM-VTCI)与Landsat-VTCI的空间分布及纹理特征相似,两者间的相关系数和结构相似度均较大,均方根误差、差值影像及差值频数分布图所呈现的结果与定量化干旱监测结果和相对干湿监测结果间的系统误差相符,表明Landsat-VTCI与MFM-VTCI间的可比性较强。MFM-VTCI与累计降水间的相关性和MODIS-VTCI与累计降水间的相关性相近,均大于Landsat-VTCI与累计降水间的相关性,表明MFM-VTCI是定量化的干旱监测结果。     

气候变化影响下作物模型的不确定性

作物生理生长过程准确描述及产量的精确估计在社会食品安全和农业生产中起着至关重要的作用.作物生长模型作为一种监测作物生长的数值模拟方法,已被证明是作物生长、产量预测和情景分析的有力工具.然而,在当前气候变化背景下,气候走向的不确定性以及极端气候事件的增加,都对粮食生产产生了重大影响,如何对作物生长进行准确模拟成为当前的热点关注话题.同时,除了气候变化的不确定性外,由于作物模型本身是实际作物生长过程的简化,物理结构并不完美,同时数据采集的随机性和初始条件的区域异质性,导致模拟结果不确定性较大.因此,在论述作物模型的国内外研究进展的基础上,探讨气候变化的不确定性对作物模型的影响以及作物模型本身的不确定性,概述了模型-数据融合方法的类型及特点,以及区域尺度上作物模型与遥感数据结合所采用的减小不确定性的方法,以期为相关研究提供一定参考.     

基于遥感数据同化的土壤含盐量估算方法

为探究同化遥感数据对监测区域尺度土壤含盐量时空信息的适用性,以河套灌区沙壕渠灌域为研究区,以高分一号卫星影像为数据源,通过灰度关联法筛选光谱指数,采用岭回归法构建不同深度的土壤含盐量反演模型,使用集合卡尔曼滤波同化算法将遥感数据应用于HYDRUS-1D模型中,开展区域尺度不同深度土壤含盐量的同化研究。结果表明,基于不同深度土壤含盐量的岭回归法模型,其R²均在0.64以上,RE为0.14～0.22,反演精度较高,得到的反演值较为准确;在单点尺度上,与模拟值、反演值相比,同化值更接近实测值,其EFF为0.84～0.93,NER为0.61～0.73,均为正数,且RMSE降低到0.006%～0.011%,提高了HYDRUS-1D模型模拟精度;在区域尺度上,不同深度同化值的r均为0.94以上,NER为0.61以上,优于模拟值和反演值,且同化精度随着深度的增加而降低。本文基于遥感数据和HYDRUS-1D模型的集合卡尔曼滤波同化研究,提高了土壤含盐量的模拟精度,对提高监测区域尺度土壤含盐量时空信息的精度具有一定的参考价值。