基于HJ-CCD与TM影像的水稻LAI估测一致性分析

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数（LAI）估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、反演模型精度及LAI空间分布趋势3个方面,对两类数据在水稻LAI估测上的一致性进行分析和评价。结果表明,两类影像原始波段反射率相关性较高,基于两类影像的单变量、多变量模型在精度上一致性较高,估测所得的LAI在空间分布上也具有较高的一致性,数据集中分布的区间较为一致。因此,该研究初步证明将HJ-CCD影像用于水稻LAI估测在总体上是可行的。但同时,由于基于两类影像构建的模型在形式上存在一定程度的差异,据此得到的LAI填图结果的数据分布在某些区间内亦略有差异。因此,在应用中应注意针对不同数据源进行独立建模分析,不可相互套用模型。该研究一定程度上为有着重访周期短、覆盖范围宽等优势的国产中分辨率遥感数据在农业领域的应用提供依据。     

基于MODIS与TM时序插补的省域尺度玉米遥感估产

针对省域尺度作物估产中的TM影像时相不一致和覆盖能力不足的问题,以山东省2008年玉米产量为研究对象,在6景不同玉米物候期的TM影像和长时间序列的MODIS全覆盖影像的支持下,构建基于玉米生长过程的时序插补模型,将不同物候期的TM影像插补为玉米乳熟期的同期数据集,并通过地面实割实测样本数据,建立地面-TM、TM-MODIS的两阶段遥感估产模型,开展省域尺度玉米产量全覆盖遥感估测方法研究。结果表明,基于时序插补的省域尺度玉米遥感估产方法能充分发挥TM和MODIS影像的各自优势,有效地避免TM影像时相不同所造     

基于中分辨率影像的农田管理单元自动提取研究

【目的】结合"面向对象"的农田管理思想,提出农田管理单元(farmland management unit,FMU)的概念及自动提取方法,并在此基础上探讨和评价中分辨率影像用于农田管理单元自动提取的可行性及效果。【方法】以江苏省2006年一景Landsat5TM影像中两块典型区域为例,通过决策树分类和多尺度分割等方法实现FMU自动提取。结合人工解译研究区SPOT-5高分辨率影像得到的地块边界信息,对FMU图斑内像元异质性和地块边界吻合度相关指标进行计算和分析。【结果】试验区内作物地块的总体分类精度均超过90%。两块试验区内反映FMU图斑异质性的平均标准差和平均极差分别较全区作物地块整体低70%以上和45%以上;反映FMU地块边界吻合度的误分地块率和面积偏差率均低于10%。此外,多尺度分割中层权重、分割尺度、形状因子和紧凑度因子的设置对FMU的自动提取效果有不同程度的影响。【结论】基于中分辨率影像的FMU自动提取方案基本可行,在研究区内能够获得单元内异质性较低且单元边界与地块边界吻合度较高的提取结果,符合农田管理的要求。     

冬小麦光合速率对施氮量与光照强度的响应分析

为了探索施氮量在不同光照强度下对冬小麦光合速率的影响,基于小区施氮控制试验,设置4个施氮量水平和5个光照强度,分析施氮量对冬小麦叶片氮素含量的响应规律,研究光照强度和叶片氮素对冬小麦叶片净光合速率的影响。结果表明,随施氮量的提高,叶片含氮量逐渐上升,过量施氮会抑制灌浆初期和灌浆中期叶片含氮量的增加;从拔节期-灌浆中期,叶片含氮量总体降低,冬小麦净光合速率随光照强度的增大呈增加趋势,光合速率在低施氮量下先上升后下降,而在不施氮和中、高施氮量下随生育时期推进呈下降趋势;在人工控制的固定光照强度下,冬小麦叶片净光合速率与叶片含氮量呈极显著正相关,即随着叶片含氮量的增加光合速率呈上升趋势,故适量增施氮肥有助于冬小麦光合速率的提高。     

中低分辨率小波融合的玉米种植面积遥感估算

采用中分辨率与低分辨率数据相结合的遥感估算方法是获取大范围作物种植面积的主要趋势之一。在MODIS时序影像和TM影像支持下,采用小波变换融合方法获取30m分辨率的NDVI时间序列信息,构建主要秋季作物的NDVI标准生长曲线,以最小距离分类器进行分层分类,获得河南原阳县玉米种植面积总量信息和空间分布,并以野外实测地块样本进行精度评价。由于充分利用MODIS影像的时间序列优势和TM影像的空间分辨率优势,通过秋季作物之间的物候差异,有效地区分出各种秋季作物的空间分布,基于融合NDVI时间序列信息玉米种植面积遥感估算的位置和面积精度分别达到79%和89%,远高于常规的监督分类,为大范围玉米种植面积遥感估算提供了一种可行的方法。     

基于连续小波变换的潮土有机质含量高光谱估算

土壤有机质含量快速估算对于土壤肥力评价、土壤信息化管理和精准施肥具有重要意义。该文通过对北京顺义地区64个土壤样品高光谱曲线进行连续小波变换,估算了该地区潮土有机质质量分数,并与4种常用光谱变换方法进行了比较。结果表明,潮土具有与其他类型土壤类似的光谱曲线,经过去包络线处理后,在可见与近红波段都出现了明显吸收峰;采用连续小波变换方法所确定的潮土有机质估算的敏感波段为1194、486和866nm,对应小波分解尺度为2,3和4;利用小波能量系数与有机质质量分数所构建的多元线性回归模型的决定系数R2为0.67,模型实测值与预测值的检验精度R2为0.75,RMSE为0.21;而采用4种常用光谱变换方法建立的潮土有机质估测模型的R2最高只有0.09,说明连续小波变换方法更适合于潮土有机质质量分数估测。Kringing插值分析表明,应在顺义地区东南部增加取样点,以提高模型估算精度。该研究可为潮土土壤肥力的快速测定提供参考。     

基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究

为探讨遥感信息和作物生长模型在作物估产方面的优势互补特性,选取河北省藁城市冬小麦作为研究对象,采集多个关键生育时期的生理生化、农田环境、气象等数据,并获取准同步的环境减灾小卫星HJ-CCD影像数据,采用植被指数反演冬小麦叶面积指数（LAI）,基于扩展傅里叶振幅灵敏度检验法(EFAST)对WOFOST作物模型的26个初始参数进行全局敏感性分析,筛选敏感性参数,调整WOFOST模型的核心参数,利用查找表优化算法构建基于WOFOST模型和遥感LAI数据同化的区域尺度冬小麦单产预测模型,并定量预测区域冬小麦单产水平。结果表明,增强型植被指数（EVI）是遥感反演LAI的最佳植被指数(开花期建模r=0.913,RMSE=0.410,灌浆期建模r=0.798,RMSE=0.470),预测能力最强(开花期r=0.858,RMSE=0.531,灌浆期r=0.861,RMSE=0.428);筛选出6个待优化参数,即TSUM1、SLATB1、SLATB2、SPAN、EFFTB3和TMPF4;产量预测精度r=0.914,RMSE=253.67 kg·hm_-2,找到了待优化参数的最佳取值,最终完成了单产模拟。     

耕地质量遥感综合评价方法及应用——以衡水市安平县为例

耕地是农业生产的重要生产资料,其质量关系到我国的粮食安全,以及社会经济稳定与可持续发展。将遥感技术引入到耕地质量评价中,可使耕地评价工作更加科学与客观。运用卫星遥感技术获取遥感影像,并获取研究区域内100个样本点的氮、磷、钾和有机质含量。通过对研究区域内耕地养分质量和耕地生产力质量进行评价,构建耕地综合遥感监测评价模型,实现耕地质量综合评价。运用该模型对衡水市安平县冬小麦-夏玉米轮作区的耕地质量进行了综合评价。评价结果表明:安平县一等和二等耕地数量较少,且分布零散,主要集中在研究区域的西南部、东北部和北部地区;三等和四等耕地数量较多,分布相对广泛,这些耕地土壤环境质量较差,中低产田仍然存在,在未开发利用的土地中存在一定面积的盐碱地。根据评价结果及研究区域的土壤特点,提出了完善灌溉系统建设、加强土壤培肥措施实施的建议,以提高土壤肥力,保证小麦生产的顺利进行。     

基于变化向量分析的冬小麦长势变化监测研究

现有的农作物长势遥感监测的基本思路是利用NDVI曲线形态变化与作物苗情变化的响应关系,提取特征参数,推测作物的生长发育状况.但由于表征NDVI时间序列曲线的特征参数较多,难以对所有特征参数进行全面变化分析.本研究引进变化向量分析理论,以东部五省冬小麦为研究对象,以1999-2005年SPOT-VGT的旬最大合成NDVI数据为主要数据源,采用Savizky-Golay滤波器重构NDVI时间序列,进而构建基于变化向量分析的长势监测模型,分别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.研究表明,变化向量分析方法能有效地从空间域和时间域反映东部五省冬小麦长势变化规律,以单一综合性指标综合了NDVI时间序列曲线的大多数特征参数,为农作物长势遥感监测提供了一种新的研究思路.     

基于改进分离阈值特征优选的秋季作物遥感分类

为了提高秋季作物分类精度,以多时相的Sentinel 2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法(Modified ISEaTH based entropy,EMISE)的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法(Modified EMISE based Relief F,ReEMISE),并分析了不同特征对秋季作物分类的重要性。首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林(Random forest,RF)方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较。同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响。结果表明:ReEMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.3918%和0.9397;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.5021、1.5715个百分点,Kappa系数分别提高0.0198、0.0207。因此综合多特征的ReEMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率。