基于NDVI时序数据的不同水源灌溉面积分类研究--以人民胜利渠灌区为例

灌溉面积是水土资源利用的重要指标,灌溉面积监测是灌区和农业水资源管理的基础。【目的】探索不同水源的灌溉面积的遥感分类方法。【方法】基于人民胜利渠灌区2017年的Landsat8卫星数据和2012年的MODIS卫星数据,提取了灌区NDVI时序数据曲线,分别采用监督分类和非监督分类方法对灌区不同水源的灌溉面积进行分类,并结合实地调查资料对分类结果进行验证。【结果】非监督分类方法并不适用于灌区尺度的灌溉水源分类;基于MODIS数据的分类效果较差,分类精度为57.14%;基于Landsat8数据的NDVI时序数据和监督分类的结果较好,分类精度达到73.58%。【结论】空间分辨率较高的NDVI时序数据可对灌区灌溉水源进行分类。     

基于MODIS的典型区域生态功能区环境质量变化研究

利用2000—2016年的MODIS数据,对呼伦贝尔生态功能区环境质量变化时空格局进行分析。结果表明,研究区光合有效辐射(FPAR)、叶面积指数(LAI)在过去17年间整体较稳定,FPAR均值在0.7 W/m~2附近波动,LAI均值在2.8附近波动。总初级生产力(GPP)、净光合速率(PsnNet)整体上呈现缓慢增加的趋势,最大值均出现在2014年,分别为0.044、0.035 kg C/m~2;最小值均出现在2003年,分别为0.028、0.021 kg C/m~2。空间格局上,FPAR、LAI、GPP和PsnNet的指标值呈自西向东逐渐增加的趋势。该研究为呼伦贝尔生态功能区草地退化遥感监测提供技术方法。     

基于无人机多光谱影像的冬小麦氮肥监测

[目的]研究无人机多光谱影像与土壤养分水平变化的关系。[方法]利用无人机搭载的多光谱传感器生成研究区50 m高的反射率正射影像,计算NDVI,GNDVI和SAVI指数值,调取作物感兴趣区进行研究。[结果]植被指数在小麦越冬期的不同长势小麦有明显差别。在其他外部条件一致的情况下,土壤N水平的变化对冬小麦越冬期长势影响较明显。[结论]无人机多光谱影像对冬小麦有较好的氮诊断潜力,可利用估测结果指导精准氮肥管理。     

基于冬小麦筋型修正系数的籽粒蛋白质含量遥感预测

为优化冬小麦籽粒蛋白含量(GPC)的遥感预测模型,基于2012-2013、2014-2015和2017-2018年冬小麦生长季的田间试验,以植株氮代谢过程及GPC形成规律为依据,构建"植被指数(VI)-农学参数-GPC"的半机理模型,并在此基础上通过引入筋型修正系数λ优化"PNC-GPC"模型,修正小麦筋型对模型的影响,进一步提高"VI-PNC-GPC"模型的精度。结果表明,选取的VI与植株氮浓度(PNC)均极显著相关,其中比值光谱植被指数(RSI)与PNC的相关性最高,相关系数达到0.777,建立的PNC估算模型的决定系数(r~2)达到0.604,验证nRMSE为9.93%;构建的PNC-GPC模型为GPC=(5.843×PNC+4.847)×λ,r~2=0.792,验证nRMSE为7.43%;对比不考虑冬小麦筋型的"RSI-PNC-GPC"模型,其r~2提高了0.145,验证的nRMSE降低了0.86%。综合来看,以PNC为中间变量,通过考虑不同筋型的差异构建的筋型修正系数可以更加准确地预测GPC。     

基于MODIS遥感数据和气象观测数据的藏北高原地表温度变化特征

为了研究藏北高原地表温度变化特征,利用2002—2015年MODIS/TERRA卫星的地表温度(LST)遥感数据结合同期气象数据,对藏北高原2002—2015年地表温度年际变化进行分析。结果表明：（1）2002—2015年内藏北高原地表温度呈缓慢上升趋势,2013年和2015年夏季均达到极值35.3℃;而最小值出现在2011年冬季,为5.2℃。空间分布变化分析表明,藏北高原的高温区随时间从西部逐渐向东部扩大,高温区主要集中在各县城或乡镇及人口较密集的地方,低温区主要集中在人口稀少的地方及北部无人区域,2002—2015年低温区分布无明显变化。（2）卫星反演的地表温度值与实测的气温数据具有较好的正相关性,与降水量呈负相关。随着藏北高原东部地区城镇的飞速发展,人类活动明显增加,高温区覆盖范围面积不断增大,2015年面积达到最大。     

基于无人机数码影像的马铃薯生物量估算

株高和植被覆盖度（Vegetation Coverage, VC）是估算生物量的重要参数，而生物量的准确估算对农业生产具有重要作用。该研究获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的无人机和地面数码影像，并实测株高、地上生物量和地面控制点（Ground Control Point, GCP）的三维空间坐标。首先基于数字表面模型（Digital Surface Model, DSM）提取马铃薯株高，其次利用地面和无人机数码影像提取马铃薯VC实测值和估测值，然后将提取的株高、VC和二者乘积与选取的11种植被指数和生物量作相关性分析，挑选出相关性较好的前6种植被指数和3种农学参数，最后通过线性回归（Linear Regression，LR）、偏最小二乘回归（Partial Least Square Regression，PLSR）、随机森林（Random Forest，RF）算法和支持向量机（Support Vector Machine, SVM）估算生物量。结果表明，提取株高和实测株高拟合的决定系数为0.86，标准均方根误差为13.42%；提取VC值和实测VC值拟合的决定系数为0.84，标准均方根误差为15.76%；利用LR建模和验证精度由低到高依次为提取的株高、VC和二者乘积，每种变量的估算效果均从现蕾期到块茎增长期逐渐变好，从淀粉积累期到成熟期逐渐变差；每个生育期利用3种方法以不同变量估算生物量效果依次由低到高为植被指数、植被指数结合提取株高、植被指数结合提取VC、植被指数结合提取的株高和VC，其中PLSR模型效果优于RF和SVM模型。该研究为马铃薯长势快速监测提供参考。     

无人机影像反演玉米冠层LAI和叶绿素含量的参数确定

小型低空无人机（unmanned aerial vehicle, UAV）机动灵活、操作简便，可以按需获取高空间分辨率影像，是育种玉米长势监测的一种重要技术手段。针对UAV影像反演玉米冠层叶面积指数（LAI, Leaf Area Index）和叶绿素含量的参数确定问题，该研究以DJI S1000+无人机为平台，搭载法国Parrot Sequoia相机，获取海南三亚市崖城玉米育种基地的多光谱影像。基于预处理后的UAV影像，采用重采样的方式获得不同分辨率下（0.1～1 m）的不同植被指数，所构建的植被指数包括归一化植被指数（normalized difference vegetation index，NDVI）、叶绿素指数（grassland chlorophyll index，GCI）、比值植被指数（ratio vegetation index，RVI）、归一化红边红指数（normalized difference rededge-red index，NDIrer）、归一化红边绿指数(normalized difference rededge-green index，NDIreg)和重归一化植被指数(renormalized difference vegetation index，RDVI)，通过将不同分辨率下的不同植被指数与地面实测数据进行回归分析，以获得各分辨率下植被指数与冠层LAI和叶绿素含量的关系模型及其决定系数，以决定系数的大小为依据来确定玉米冠层LAI和叶绿素含量反演的最优空间分辨率和最优植被指数。通过试验发现，在分辨率为0.6 m时，NDVI与地面实测LAI之间的决定系数R2为0.80，决定系数达到了最大，利用该分辨率下的NDVI反演得到的LAI验证精度R2达到了0.73；在分辨率为0.1 m时，NDIreg与地面实测叶绿素含量之间的决定系数R2为0.70，决定系数达到了最大，利用该分辨率下的NDIreg反演得到的叶绿素含量验证精度R2达到了0.63。因此得出结论：1）植被指数的选择：① 对于玉米冠层LAI的反演来说，不包含绿波段的植被指数的LAI反演精度较高，这说明绿波段对LAI的变化不敏感；② 对于玉米冠层叶绿素含量反演来说，包含红边波段的植被指数的反演精度较高，因此影像的红边波段对叶绿素含量的变化非常敏感。2）UAV影像空间分辨率的选择：反演LAI的最优分辨率是0.6 m，此时NDVI与实测LAI的决定系数达到最大；反演冠层叶绿素含量的最优分辨率是0.1～0.3 m范围内，此时NDIreg与实测叶绿素含量的决定系数达到最大。该研究可为UAV反演玉米表型参数时的分辨率和植被指数选择提供参考。     

基于MODIS的重庆市植被指数对地形的响应

利用重庆市2011年3-11月晴空条件下逐日MODIS数据,采用最大值合成法合成逐旬(月、年)归一化植被指数,将各旬植被指数按高度和坡度分别分成6个高度特征区和5个坡度特征区,对各特征区植被指数进行对比分析.结果表明,(1)区域平均植被指数随特征区高度或坡度值增加呈增大的趋势.高程1500m以下相邻区域间NDVI值相差3.5 ～8.7,且植被指数随高度升高增加较快,1500m以上相邻区域间NDVI值相差在1.9以内,随高度升高增加缓慢；坡度25°以下相邻区域间NDVI值相差3.0 ～8.0,且植被指数随坡度增加增大较快,25°以上相邻区域间NDVI相差0.2 ～1.0,随坡度增大增加缓慢.(2)大于平均植被指数的频率与高度和坡度的相关分析表明,在海拔较高的特征区,植被指数高值格点的频率也较大,该频率与海拔高度间呈极显著正相关关系,相关系数为0.9552(P ＜0.01)；而植被指数与坡度无显著的相关性,相关系数为-0.3000.(3)按高度分区比按坡度分区更能体现植被指数的地区差异性.各高度特征区高程与植被指数的相关系数在0.9541～0.9871(P＜0.001),各坡度特征区坡度与植被指数的相关系数在0.9457 ～0.9723(P ＜0.01).研究结果说明,重庆市地形因素对植被指数有较大的影响,且高度因素对植被指数及其分布的影响较坡度更明显.     

潞安矿区净初级生产力和土地覆被变化及成因

净初级生产力和土地覆被变化是指示区域生态环境变化的重要指标.基于EOS/MODIS卫星遥感数据,运用地理信息系统软件ArcGIS 9.3的统计与分析模块对2001-2006年潞安矿区净初级生产力、土地覆被变化及其成因进行了研究和分析.结果表明:(1) 2001-2003年的矿区绝大部分区域净初级生产力大于0.2 kg/(m2·a),而2004-2006年的净初级生产力低于0.2 kg/(m2·a)即研究时段内矿区净初级生产力呈明显减少趋势;(2)灌丛向稀树草地,稀树草地向农用地,地表水域向裸地转换是土地覆被变化的主要特征;(3)煤炭开采,农用地开垦等人类活动和降水量减少,气温升高为特征的气候变化是研究区植被覆盖度和净初级生产力降低的两个主要原因.总之,煤炭开采和土地垦殖为主的人类活动所引起的土地覆被变化直接导致了潞安矿区净初级生产力的降低.