三江源地区植被覆盖度变化及其与气候因子的关系

为揭示气候变化对三江源地区草地生态系统的影响及适应机制,研究以SPOT-VGT为基础数据,利用像元二分模型估算了三江源地区1998—2012年的植被覆盖度,分析了年最大覆盖度的变异特征,并对植被覆盖度与气候因子之间的响应关系进行了深入探讨。结果表明:在区域尺度上,15 a来研究区生长季植被覆盖度呈极显著增加的趋势（P < 0.01）,平均每年增加0.004。在草地生态系统类型上,高寒草甸植被覆盖度与生长季温度的相关关系更加密切（r=0.802,P < 0.01）;高寒草原植被覆盖度与生长季温度呈显著相关关系（r=0.515,P < 0.05）。与生长季降水量相比较,5—7月降水量对高寒草原植被覆盖度变化的影响更加关键,但在高寒草甸上却不存在这种差异。     

一种自适应的方法修复MODIS坏像元波段反射率

遥感数据从时间尺度、空间尺度为人类生存的环境要素提取提供了有力的支持。遥感数据资源的重要性日益突出,数据积累周期越长其存在的潜在价值就越大,但是随着时间的推移,遥感数据也会随着传感器的衰退或损坏导致数据质量降低、无效数据等情况。针对该现象提出了一种自适应的多元拟合方法来修复光学遥感数据由于传感器损坏导致的无效观测;该方法通过考虑地物波谱反射特性实现坏像元修复,基于地物波谱在不同通道上的反射特性之间的关系,构建波谱自适应筛选因子来优化波段反射率修复模型,从而精确地修复坏像元的地表反射率。基于该方法,修复了Terra Moderate Resolution Imaging Spectroradiometer(MODIS)5波段数据在北京地区的无效观测(传感器坏像元);验证表明该方法精度统计指标RMSE为0.011,相比其他方法最好的结果提升大约8%,R~2达到0.82。整体上,该方法不但具有较好的精度,且具有更好的适用性。     

基于决策树和混合像元分解的玉米种植面积提取方法

Landsat 8影像具有较高空间分辨率和时间分辨率,长时间序列Landsat 8-NDVI曲线反映农作物的物候历、种植模式和种植结构信息,是精确提取玉米种植面积的理想数据源。基于时序Landsat 8-NDVI影像提取玉米种植面积的方法中,决策树方法快速、高效,可通过多阈值限定进行分类,但由于混合像元问题,如果阈值设置过宽,提取面积偏大;阈值设置过窄,提取面积偏小;混合像元分解通过计算端元组分丰度可以排除异质地类干扰。因此,以时序NDVI为数据源、耦合使用2种算法是精确提取作物种植面积的有效方法。本研究基于时序Landsat 8-NDVI,提取河北省保定市大田玉米的种植面积。首先,分析典型作物区的NDVI曲线特征,并构建决策树从而初步提取早播夏玉米、小麦夏玉米和春玉米的分布范围。然后,根据端元平均NDVI波谱曲线,进行3种玉米混合度分解,进而根据玉米丰度比例精确提取玉米种植面积。精度评价结果表明:利用本方法提取的玉米种植区总分类精度在98%以上,Kappa系数在0.97以上;所提取的玉米种植类型主要是夏玉米,春玉米种植主要集中在涿州市中部,这与实地调查结果一致。上述定量和定性的评价结果表明该方法可用于快速、精确提取玉米种植面积。     

基于双目视觉的叶片形态无损测量方法

利用数码相机实现对植物叶片形态的无损测量,是掌握植物生长规律、科学指导生产以及实现植物生长柜智能化控制的关键技术之一.针对叶片弯曲以及拍照过程中容易出现的几何失真等问题,提出了利用两个相互垂直的数码相机来采集图像,从侧面图像分析叶片的弯曲角度,对正面图像进行失真校正;然后根据投影原理统计出叶片的像素数目,从而得到对应的形态数据.结果表明,该方法能够有效地解决图像的二维图像失真问题,降低叶片数据计算的误差,对于促进农业科技进步、加快现代化发展具有十分重要的意义.     

基于区域亮度矫正的番茄成熟度定量分级方法

针对现有番茄成熟度分级标准不统一,泛化性有待提高等问题,该研究提出一种基于区域亮度矫正的果面红色着色区域提取的方法。采用R-G法增强番茄表面的红色区域,利用Otsu分割方法提取表面着色区域,判断各着色区域的轮廓树结构以计算着色区域面积占图像总面积的比例作为主要特征,构建多因子融合的随机森林模型以实现番茄成熟度的量化分级。同时,利用基于局部亮度均衡的图像快速修复方法以解决光照变化导致的番茄表面高亮度反射问题。结果表明：以番茄表面着色面积比成熟度评价指标的分级平均正确率为92.96%,相比传统颜色矩和颜色直方图作为评价指标时的分级准确率提高了6.53和20.6个百分点。高亮区域领域像素加权替代法可对番茄高亮区域亮度实现有效矫正,矫正后的未熟、半熟和成熟番茄图像的果面着色区域面积占番茄图像总面积的比例较矫正前提高了0.06、0.15和0.11,分级准确率分别提高了17.24、11.47和4.69个百分点。研究可为番茄成熟度的定量性分级提供决策基础。     

用主成分分析研究QuickBird遥感图像变形机制

以深圳市区一景QuickBird Pan波段遥感图像(总行列数为26574×28606,对应15.944km×17.164km的实地范围)为研究对象,利用深圳市GPS虚拟参考网络定位系统,以厘米级精度测定了65个在图像上能有效识别的地面控制点三维坐标。计算65个控制点的重心点,在统计各控制点到重心点之间真实距离和在变形图像上对应距离偏差的基础上,分析可能影响QuickBird Pan波段遥感图像像点位移的主要因子。利用主成分分析从这些因子中提取影响图像变形的主成分,根据所得主成分建立QuickBird Pan波段遥感图像变形机制的定量估测模型,使图像变形估测精度得到一定改善。所得结果对研究高空间分辨率遥感图像变形纠正算法有一定参考价值。     

支持向量机与分类后验概率空间变化向量分析法相结合的冬小麦种植面积测量方法

利用遥感手段提取农作物种植面积时,需要结合作物物候特征,以提高面积的提取精度。该文以北京市通州区西南部为试验区,以冬小麦为研究对象,利用多时相的环境减灾小卫星遥感影像数据,通过基于支持向量机二分法的分类后验概率空间变化向量分析法进行冬小麦种植面积遥感测量试验研究。研究结果表明：该文提出的方法测量结果总体精度、Kappa系数分别为95%、0.90,远高于支持向量机（SVM）分类后直接比较方法（总体精度91%,Kappa系数0.79）;解决了实际应用中的变化阈值选取的主观性问题,该方法的频度直方图两极化现象使得变化阈值取值部分频度被压低摊平,阈值敏感度降低,变化阈值取值更为客观,一定程度上解决了阈值难以设定的问题;SVM二分法和变化向量分析的结合增强了对光谱的敏感性,能够监测不同季相上植被的长势变化,进而提高了农作物种植面积遥感测量的精度,同时对其他农作物种植面积测量提供了途径。     

土壤侵蚀因子的定量分析及概念模型的建立(英文)

[目的]通过对土壤侵蚀因子进行定量分析以及建立概念模型,研究云南省东川市与会泽县交界处的土壤侵蚀状况,以期为该地区土地资源利用和水土流失治理提供方法。[方法]以经验性土壤侵蚀模型——通用土壤侵蚀模型 USLE(Universal Soil Loss Equation)为基础,分析并确定了土壤侵蚀的 6 个主要影响因子的定量指标,建立了土壤侵蚀的概念模型。使用像元乘法程序,获得像元流失量图,通过对像元流失量图和土壤侵蚀等级图的统计,确定土壤流失区域并提出解决治理方案。[结果]研究区域年平均土壤流失模数约为 5 962 t/hm2,侵蚀强度属于剧烈侵蚀。土壤侵蚀等级图显示剧烈侵蚀区位于流域附近,其土壤流失极为严重,主要土地类型为荒地及裸地,坡度在 30°~40°之间,未进行任何保土措施。[结论]该研究结果表明试验区域的土地利用结构与布局不合理,导致了生态环境的恶化。该流域治理的重点应是 51.6%的剧烈侵蚀区,建议将坡荒地改为梯田耕作。     

基于MODIS数据的重庆市植被覆盖度动态变化研究

通过最佳指数斜率提取法(BISE)重建研究区MODIS-NDVI时间序列数据.以像元二分模型为基础,用IDL计算机语言构建植被覆盖度定量模型,估算了重庆市2006-2010年植被覆盖度,分析其空间分布与季节变化特征.结果表明:研究区植被覆盖度在缓慢增长,整体生态环境呈良性发展趋势.同时,较高的植被覆盖度反演精度(78％),证实通过BISE方法重构NDVI时间序列和运用像元二分模型来反演植被覆盖度的方法是可行的.     

棉花遥感识别的混合像元分解

为了进一步提高棉花遥感识别精度,以新疆玛纳斯县为研究区,运用线性光谱混合模型（LSMM）,对TM遥感数据的混合像元分解技术与方法进行了研究。将棉花、玉米、番茄和土壤4类典型的端元组分光谱值代入线性模型,在非约束条件下,用最小二乘法估计混合系数,得到每种地物类型的丰度及RMS误差图,以实地测量的棉花种植面积对模型分解效果进行评估,结果表明：线性光谱混合模型构模简单、计算量小,棉花线性光谱混合像元分解精度达到90%以上,可用于新疆棉花的遥感识别。