基于无人机多光谱遥感的冬小麦叶面积指数反演

以获取的冬小麦无人机多光谱影像为数据源,充分利用多光谱传感器的红边通道对传统植被指数进行改进,通过灰色关联度分析后基于多个植被指数建模的方法对冬小麦的叶面积指数(leaf area index,LAI)进行反演精度对比。结果显示:使用基于多植被指数的随机森林(RF)比赤池信息量准则-偏最小二乘法(AIC-PLS)反演精度高。得到的LAI反演值和真实值之间的R~2=0.822,RMSE=1.218。研究证明通过随机森林预测具有更好的拟合效果,对冬小麦的LAI反演有较好的适用性。     

基于Landsat遥感影像和1∶50 000土壤数据库的福州市耕地有机碳动态变化研究

耕地土壤碳库是全球碳库中最为活跃的部分,其变化对全球气候变化产生重要影响。目前对耕地土壤有机碳估算多采用中、小系列比例尺的土壤数据库,较少结合遥感影像与大比例尺土壤数据库进行估算。基于此,本研究采用Landsat遥感影像和1∶50 000高精度土壤数据库,以福建省福州市为例,基于遥感与碳循环过程模型对1987年和2016年耕地土壤有机碳动态变化进行研究。结果表明,利用Landsat影像反演得到的耕地土壤基础呼吸与土壤有机碳相关性强,建立的1987年和2016年模型R²分别为0.637和0.752。研究期间,全市耕地土壤有机碳密度从东部沿海向西部内陆地区递增,整体发挥着“碳汇”作用,有机碳密度和储量分别增加0.20 kg·m^-2和2.946×10⁵ t。从不同土壤类型比较得出,黄壤、红壤和水稻土是“碳汇”,有机碳密度分别增加0.70 kg·m^-2、0.40 kg·m^-2和0.19 kg·m^-2;其他土类为“碳源”,其中,水稻土碳储量最大,两期在全市总碳储量中占比均超过90%。从不同行政区比较得出,仓山区、长乐区、马尾区和连江县为“碳源区”,其他地区为“碳汇区”,其中,仓山区碳储量一直为全市最低,两期占比均不足0.5%,而福清市则一直居于全市首位,占比均高于20%。总体而言,福州市耕地土壤有机碳30年间空间动态变化显著,在不同土类和行政区间存在差异,今后应根据不同耕地土壤类型和行政区的有机碳情况有针对性进行耕地管理。     

基于R-V GIUH的临界雨量计算研究

【目的】建立基于地形地貌的地貌瞬时单位线汇流模型(R-V GIUH),为提高临界雨量计算精度提供参考。【方法】基于流域数字高程模型(DEM),经水文分析后计算得到地貌参数,并结合水动力参数建立R-V GIUH,利用实测的洪水过程对模型进行参数率定和验证;然后基于汇流模型的计算结果,采用水位流量反推法进行临界雨量的计算,并以陈家河流域为例进行临界雨量的实例分析。【结果】利用建立的R-V GIUH,计算得到陈家河流域的霍顿(Horton)河数率为4.20,河长率为2.66,面积率为3.11。利用建立的汇流模型计算得到1%,2%,5%,10%,20%频率对应的洪峰流量分别为436.7,340.3,233.0,163.2和99.5m~3/s,在地貌瞬时单位线法得到的频率-洪峰流量(P-Q_(mp))关系曲线上推求出成灾频率为1.75%,进而计算得到土壤含水量50mm、降雨历时为1,3,6,12,24h时对应的临界雨量分别是52,90,104,125和152mm。【结论】R-V GIUH建立在DEM的基础上,能够很好适用于资料匮乏地区的汇流计算,并且有效提高了临界雨量的计算精度。     

渭干河—库车河三角洲绿洲棉田土壤盐分估算及遥感反演

基于研究区的野外采样数据与Landsat 8遥感影像提取的增强型植被指数,构建渭干河—库车河三角洲绿洲棉田土壤盐分估算模型,并对土壤盐分的空间分布格局进行预测。结果表明:(1)由土壤含盐量与增强型归一化植被指数(ENDVI)构建的线性回归模型(y=-56.494x+22.687)拟合效果最好(R2=0. 886,RMSE=0. 907)。(2)通过选取的82个采样点,依据最佳遥感反演模型,预测出研究区土壤含盐量在9.33～26.99 g·kg-1之间变化,平均值为17.42 g·kg-1,标准差为2.30 g·kg-1,预测结果与土壤盐分的实测值较为一致。(3)利用地统计分析方法制作研究区棉田土壤盐分的空间分布图,分析可知土壤盐分从绿洲内部向外围呈逐渐增加的趋势。     

基于冠层反射率模型的作物参数多阶段反演方法研究进展

利用遥感手段,基于冠层反射率(canopy reflectance,CR)模型反演农作物参数具有经济、高效、普适性好的特点,是智慧农业快速、精确监测区域尺度农情信息的理想方法。然而,CR模型反演过程受"病态反演"问题影响。针对此,前人提出了多阶段目标决策(multi-stage,sample-direction dependent,target-decisions,MSDT)法和面向对象(object-based)反演法。分别依据CR模型参数的敏感性和不确定性,以及作物参数的空间分布特征,将反演过程划分为若干阶段,每阶段只反演部分参数,前阶段反演结果作为后阶段反演的先验知识,以此减少CR模型参数优化的不确定性,改善"病态反演"问题。该文系统总结了MSDT法与面向对象反演法,将其归纳为统一的"多阶段反演"方法,并提出概念模型。基于此,总结、讨论了多阶段反演中如下三方面共性问题,试分析可能的解决途径:1)多阶段反演决策还需要广泛比较、科学论证与改进,以确保其合理性和有效性;未来研究中,应将MSDT法与面向对象反演方法有机结合,在统一的多阶段反演技术框架下,制定更加合理的反演决策方法。2)CR模型的参数化精度可能影响多阶段反演;未来应尝试利用"天空地一体化"遥感技术和尺度转换方法获取先验知识,提高CR模型参数化精度。3)多阶段反演过程中,反演误差逐级传递;未来研究中,一方面应尝试识别并纠正前阶段反演中的误差,另一方面应合理利用前阶段反演结果,避免前阶段反演误差影响后阶段的反演。     

柑橘树冠层叶密度高光谱信息反演试验分析

以地物谱仪作为核心的数据采集平台采集光谱数据后通过计算机进行处理拟合,利用光谱分析软件ViewSpecPro,辅助以Excel、SPSS等数据统计软件进行光谱数据反演,探究柑橘树冠层光谱的4种形式与叶面积指数(leaf area index,LAI)的相关性,从而利用相关性最高的光谱参数对LAI进行定量化模拟估算和实时采集。结果表明,LAI与光谱信息系数NDVI、ρ550的反射能量、ρ850的反射能量、一阶导数、红边幅值、红边面积等的拟合方程相关系数(R)分别为0.886、0.906、0.871、0.912、0.798、0.870,相应方程的显著水平P0.05。NDVI、红边幅值和红边面积与LAI都达到较高的相关水平,可以对柑橘树冠层LAI进行模拟估算。     

极化干涉SAR森林冠层高反演的地形坡度改正

极化干涉SAR森林冠层高反演是当前SAR领域研究的热点。经典的森林冠层高反演算法主要基于随机地表二层相干散射模型(Random Volume over Ground,RVo G),该模型在山区受到植被层下地表的地形坡度影响,反演精度存在较大误差。为了提高森林冠层高反演精度,采用地形坡度改正的S-RVo G(Sloped Random Volume over Ground)模型,结合三阶段算法,应用德国宇航局DLR提供的星载Tan DEM-X全极化干涉数据反演森林冠层高,并对结果进行验证。结果表明:坡度级为II、III级,RVo G模型反演效果接近于S-RVo G模型;坡度级为IV级,RVo G模型与二调平均树高的相关关系明显下降,加权相对误差和RMSE增大;S-RVo G模型与二调平均树高保持显著相关关系,反演误差同比小于RVo G模型。因此,S-RVo G模型一定程度上改正了地形坡度造成的误差,提高了森林冠层高反演精度,在坡度大的地区精度提升程度更为明显。     

基于WorldView-2影像的土壤含盐量反演模型

针对WorldView-2影像高空间分辨率评价其定量反演土壤含盐量的能力,以盐渍化现象较为明显的新疆克里雅河流域为研究对象,基于WorldView-2影像和实测高光谱数据,利用偏最小二乘回归(partial least squares regression,PLSR)和BP人工神经网络(back propagation artificial neural networks,BP ANN)方法建立定量反演该流域土壤含盐量模型并做出研究区高空间分辨率土壤含盐量分布图。结果表明:1)利用实测高光谱数据和影像数据分别建立的2种模型中BP神经网络模型预测精度都高于PLSR模型,其中基于影像数据建立的6:8:1结构的3层BP神经网络模型决定系数R2、均方根误差RMSE、相对分析误差RPD分别为0.851、0.979、2.337,模型的稳定性和预测能力都优于PLSR模型(R2、RMSE、RPD分别为0.814、1.139、2.007)。2)利用WorldView-2影像提高了土壤含盐量制图的空间分辨率,归一化植被指数NDVI和比例植被指数RVI较有效降低了植被覆盖与土壤水分对预测精度的影响。该文建立的考虑植被覆盖与土壤水分定量反演土壤含盐量的模型不需要复杂的参数,一定程度上满足了干旱、半干旱地区的盐渍化监测需求,可以促进WorldView-2等高空间分辨率卫星在盐渍化监测中的进一步应用。     

基于MODIS数据和植被特征估算草地生物量

准确估算草地生物量,对全球气候变化背景下的陆地生态系统碳循环研究具有重要意义。过去几十年,草地生物量估算研究大多集中在北方,而南方草地具有类型繁多和分布零散等特征,对其生物量进行评估的报道较少。本文以云南省为例,应用2012—2014年草地生物量野外调查资料和同期MODIS遥感数据,建立草地地上生物量(AGB)遥感估算模型;再引入草地植被群落特征(高度和盖度)信息对统计模型进行优化,并进行生物量空间反演。结果表明:优化后模型的估算精度由原来的35.0%提升为43.7%;反演得到云南省3年年均AGB的总量介于1 026.86万~1 408.54万t,平均为1 221.11万t;从空间分布上看,云南省草地AGB密度总体上呈现西部高东部低、南部高北部低的格局。本研究首次将遥感植被指数数据与实测植被群落特征参数结合,使估算精度比传统的纯粹光学遥感模拟方法显著提升24.9%,但精确估算大面积的草地AGB,需要进一步探索如何将激光雷达数据或遥感立体影像中提取的植被特征信息应用于草地AGB估算研究。     

基于GF-1卫星遥感的河套灌区土壤含水率反演模型研究

为探究植被覆盖条件下GF-1卫星反演农田土壤含水率的可行性,以河套灌区解放闸灌域沙壕渠为研究区,采用GF-1卫星遥感影像作为数据源,通过全子集筛选法确定不同土壤深度下光谱指数的最优自变量组合,并分别采用多元线性回归(MLR)、BP神经网络(BPNN)、支持向量机(SVM)3种算法,构建不同深度下土壤含水率反演模型。结果表明,全子集筛选后模型反演精度有较大提升,且过拟合现象减弱;植被覆盖条件下各深度土壤含水率敏感程度从大到小依次为0~40cm、0~60cm、20~40cm、0~20cm、40~60cm;植被覆盖条件下各模型对土壤含水率反演能力由强到弱依次为BPNN、SVM、MLR;筛选后BPNN在深度0~40cm下的建模集和验证集R2adj均能达到0.50以上,RMSE在0.02%以内。研究结果可为植被覆盖条件下利用GF-1卫星监测农田土壤含水率提供参考。