基于卫星遥感影像的森林病虫害监测研究进展

森林病虫害是森林的主要灾害,快速准确监测森林病虫害是开展病虫害防治的关键。利用卫星遥感影像监测森林病虫害是一种经济高效的手段。为进一步加强森林病虫害遥感监测的研究和实践,综合分析了国内外利用卫星遥感影像监测森林病虫害研究现状,系统总结了应用卫星遥感影像监测森林病虫害的主要技术方法,深入分析了存在的主要问题并进行研究展望。研究表明:森林病虫害遥感监测研究中主要存在3个问题:1)高空间分辨率影像的研究不足;2)影像纹理信息挖掘不充分;3)失叶遥感监测挑战大等问题。针对上述存在的主要问题,研究提出对策建议:1)多源遥感数据的综合应用;2)增强图像处理技术;3)加强病虫害生境因子的利用;4)构建病虫害遥感监测系统平台等。     

基于RNMU的多源星载SAR影像融合与土地覆盖分类

为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。     

基于主被动遥感技术的地表覆被类型变化检测方法——以新疆西天山国家级自然保护区为例

旨在研究主被动遥感结合的地表覆被变化监测方法，使用高分数据和哨兵1号数据分别代表被动和主动遥感，对新疆西天山国家级自然保护区地表覆被变化情况进行检测，进而对得出的林地、草地、建筑物检测结果进行联合分析，最终得到主被动遥感联合变化检测结果。通过实地精度检验对主被动遥感联合变化检测结果进行验证。结果表明，该方法的变化检测结果精度达到90%以上。说明结合主动遥感和被动遥感既能克服天气的影响，又能在检测中保留光谱和纹理等丰富的信息，变化检测的精度较高；主被动遥感联合变化检测可以较为快速、准确地掌握地表覆被类型的变化，能够在一定程度上减少被动遥感数据的云量困扰。并且该方法在林地和建筑物上有较高的敏感性，适合森林自然保护区的森林变化和建筑监测。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点，探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像，经过光谱预处理和特征工程后，采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合，基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法，建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve，AUC)分别为0.883 0和0.912 0，分类准确率均超过95%；提取出698和762 nm的特征波长组合，基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

石佛寺水库叶绿素a浓度高光谱遥感反演

在水质测量评价中,通常将水体中叶绿素a的含量大小作为一个非常关键的指标。为获取石佛寺水库水体叶绿素a浓度反演模型,对石佛寺水库的水体进行光谱测量,获取水体光谱特征,并对采集的水样进行检测,得出叶绿素a浓度。在此基础上分析叶绿素a浓度与水体反射率的相关性,得到如下结论:石佛寺水库水体叶绿素a的浓度与反射比R_(702)/R_(674)和595 nm波长处反射率的一阶微分值都有较为明显的相关性(r~2分别为0.724 4和0.745 0)。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

生态建设背景下“林业遥感”课程教学改革实践

在生态建设背景下,遥感技术在林业中的作用日益凸显。2005年,华中农业大学针对本科生开设了“林业遥感”选修课程,目前已形成了较为完善的课程教学体系。但是随着遥感技术的快速发展,“林业遥感”课程教学显现了课程教材内容陈旧、学生对课程的重视程度低、实践教学环节薄弱等问题。为了提升课程教学效果,探讨了课程教学改革的措施:一是在课程教学中引入遥感技术发展的最新动态与研究成果,实时更新教学内容;二是应注重与其他相关课程知识的融合,构建更为科学合理的教学体系;三是合理优化理论与实验课程的教学比例,突破传统的教学方式,实施案例教学;四是强化实践教学环节,充分调动学生学习的自主性与学习热情;五是增加文献阅读及汇报环节,培养学生的综合能力。课程教学改革强化了学生的实践动手能力和创造性,同时也有助于提升学生的专业认同感和就业率。