基于植被指数时序动态的冬小麦氮素营养诊断方法

为构建冬小麦冠层临界植被指数时序模型,探究实时、无损诊断冬小麦全生育期氮素营养状况的可能性,基于冬小麦不同生育时期氮营养指数(nitrogen nutrition index,NNI)与相对产量的关系确定NNI临界值,并利用归一化红边植被指数(normalized difference red edge,NDRE)与NNI的定量关系确定临界NDRE值,进而以累积生长度日为时间驱动因子,利用双Logistic函数构建临界NDRE时序模型并用于诊断,且对诊断结果进行了验证。结果表明,NNI与冬小麦相对产量在不同生育时期均呈现明显的线性加平台关系(R²在0.76以上),在开花—灌浆期表现最好;NNI与NDRE呈显著的幂函数关系(R2在0.76以上),在孕穗—开花期表现最好;临界NDRE时序诊断模型在拔节后期、孕穗期、开花期的诊断精度较高;适期播种时冬小麦在180 kg·hm^-2施氮水平下整个生育期均处于轻微氮亏缺或氮适宜状态,为较优施氮量。适期播种时冬小麦氮素营养状况主要受施氮水平的制约;过晚播时受播期的影响,不同施氮水平下冬小麦全生育期均处于氮亏缺状态。综上,依据氮营养指数与相对产量所构建的临界NDRE时序模型能够较准确地实时诊断冬小麦不同生育时期的氮素营养状况,并为作物氮肥精确管理提供技术方法。     

基于无人机多光谱遥感的冬小麦叶片含水量反演

为了快速监测小麦叶片水分含量,以敏感波段组和植被指数组2种变量分别作为输入变量,以地面同步观测的冬小麦叶片含水量作为输出变量,分别采用偏最小二乘(partial least squares,PLS)、极限学习机(extreme learning machine,ELM)和粒子群算法(particle swarm optimization,PSO)优化极限学习机,建立冬小麦叶片含水量预测模型,并对其反演效果进行比较。结果表明,光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性,依此确定的敏感光谱波段为红光、蓝光和近红外波段,敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看,基于植被指数组构建的模型的精度和稳定性均优于敏感波段组,其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳,其R²和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%~75%,平均为64.57%,反演结果与地面实测较相符,说明基于无人机光谱数据通过建立以植被指数为变量的PSO-ELM模型可实现对冬小麦叶片水分含量的精准预测。     

基于MODIS的郑州市夏玉米LAI反演研究

根据实测玉米高光谱数据和遥感影像数据,以郑州市为研究区域,分别利用原始光谱反射率、光谱反射率一阶导数以及植被指数(NDVI)建立了LAI回归模型,比较拟合效果以确定精度最高的模型,充分挖掘高光谱的优势,提高夏玉米LAI遥感估算精度.结果表明,夏玉米LAI的最佳回归模型为利用波长439.31nm处的光谱反射率一阶导数数据进行回归分析建立的三次多项式回归模型,其决定系数R2为0.761.     

陕西关中地区NDVI的时空变化特征及其驱动力分析

随着全球气候变化与城市化进程加速,城市生态建设受到越来越多的关注。为揭示多因素变化背景下关中地区的植被变化规律,基于MOD13A1遥感影像,运用定性与定量相结合的方法研究了陕西关中2005—2020年归一化植被指数(NDVI)的时空演变特征及其驱动力,结果表明：(1)16年间,陕西关中的NDVI值以每年0.004 9的速率波动上升,2020年最高,达到0.68;(2)陕西关中南部NDVI值水平明显优于北部,西南部NDVI值表现最好,均处于0.7以上;(3)陕西关中植被改善区面积占总面积的52.28%,植被退化区面积占28.73%;(4)影响陕西关中NDVI分布的主要地理、气候、人为因子分别为地貌类型、降水、土地利用。     

结合三维密集点云的无人机影像大豆覆盖度提取

针对仅依赖二维遥感影像提取大豆覆盖度难以剔除杂草等复杂背景干扰的问题,该研究提出一种结合三维密集点云的大豆覆盖度提取方法,利用改进的运动恢复结构（Structure from Motion,SfM）算法与半全局匹配（Semi-Global Matching,SGM）算法从无人机立体影像中生成高精度稠密的大豆叶面真彩色三维点云,通过伽马增强的可见光绿叶指数提取植被信息,采用最佳结构元的局部阈值分割算法消除低矮杂草等噪声干扰,以达到结合可见光谱与三维点云实现复杂背景下大豆覆盖度提取的目的。选取不同时期、不同杂草混杂程度、不同地形起伏背景的大豆种植区无人机可见光影像进行试验。结果表明,该方法适用于复杂背景下的花芽分化期大豆覆盖度提取,伽马增强的绿叶指数可提高植被提取精度,结合三维点云信息的覆盖度提取精度达到98%以上,相比支持向量机、结合Lab颜色空间变换与Kmeans分割法、双峰阈值法等常用方法效率提高至少68%,在精度和效率方面明显优于仅利用二维影像的覆盖度提取方法。研究成果对于农田精细化管理和产量估测等具有重要的参考价值。     

基于Sentinel-2A的棉花种植面积提取及产量预测

及时、准确预测棉花产量在棉田经营管理、农业决策制定等方面具有重要的价值和意义。为了提高棉花产量预测精度并确定估产的最佳生育时期,该研究利用谷歌地球引擎（Google Earth Engine,GEE）获取2020年Sentinel-2A的3个时间段影像,采用随机森林（Radom Forest, RF）、支持向量机（Support Vector Machine, SVM）、决策树（Classification and Regression Tree, CART）进行棉花种植区域提取,利用顺序向前选择（Sequential Forward Selection, SFS）和偏最小二乘算法（Partial Least Squares Regression, PLSR）确定棉花产量预测最佳生育时期,最终形成莫索湾垦区棉花产量预测分布图。结果表明,1）RF分类效果最佳,农田与非农田分类总体精度为0.94,Kappa 系数为0.89;棉田与非棉田分类总体精度为0.92,Kappa 系数为0.83。2）红边波段（B6）在3个生育时期中与产量相关性较好,相关系数随着生育时期的递进而增加,分别为0.37、0.47、0.53。3）基于PLSR构建的产量预测模型中,铃期预测效果最佳（决定系数R2=0.62,均方根误差RMSE=625.5 kg/hm2,相对误差RE=8.87%）,优于吐絮期（R2=0.51,RMSE=789.45 kg/hm2,RE=11.06%）和花期（R2=0.48,RMSE=686.4 kg/hm2,RE=9.86%）,铃期为棉花产量预测的最佳生育时期。该研究利用GEE和Sentinel-2A影像数据,为新疆莫索湾垦区棉花种植面积提取及产量预测提供一种新的思路,可为合理水肥配置、精准种植、农作物生长过程监测提供数据支撑。     

基于改进CYCBD的滚动轴承复合故障自适应诊断方法

为实现滚动轴承复合故障自适应诊断,该研究提出了基于循环含量比-归一化谐波比例（Ratio of Cyclic Content-Normalized Proportion of Harmonics,RCC-NPH）融合指标改进的最大二阶循环平稳盲解卷积（Maximum second order cyclostationary blind deconvolution,CYCBD）方法。首先,构建了RCC-NPH融合指标,解决了CYCBD算法循环频率确定依赖先验知识及遍历所有故障频率空间耗时的问题。其次,根据RCC-NPH融合指标图估计CYCBD的循环频率集,实现了CYCBD参数的自适应选择。再次,采用自适应参数CYCBD方法对输入信号进行解卷积运算,提取了不同循环频率对应的故障信号。最后,对提取的故障信号进行Hilbert包络解调分析,完成故障的辨识。利用该方法分别对仿真信号和轴承复合故障信号进行试验,均能有效检测信号中包含的故障成分,实现了复合故障的自适应诊断。与其他指标相比,该方法能够有效避免噪声和谐波的干扰,适用于复合故障诊断。     

1988-2009年安县山区植被覆盖度变化动态分析

利用像元二分模型对1988年、1995年、2000年、2007年和2009年5期安县山区的影像数据进行植被覆盖度估算.通过植被覆盖度变化转移矩阵总体评价21年间安县山区植被覆盖度的变化情况,并定量分析1988-1995年、1995-2000年、2000-2007年、2007-2009年四个时段的植被覆盖度变化趋势.结果表明:(1)21年间安县山区的植被覆盖改善的面积为34706 hm2,退化部分的面积为36920hm2;(2) 1988-1995年间、1995-2000年、2000-2007年及2007-2009年间安县山区整体植被覆盖度等级提高的面积为39205、51014、54316和38813hm2,退化部分的面积分别为39563、45650、55422及44271 hm2.2007-2009年此时段受汶川地震影响,地表植被结构严重破坏.利用本文的方法可达到对植被覆盖度进行反演及对该县山区生态环境的保护和可持续发展做出贡献,从而达到创建和谐社会的目的.     

PL高分辨率遥感影像在森林火灾评估上的应用

【目的】研究仅依靠一种高分辨率遥感影像（PL）用于森林火灾影像信息提取、数据分析的可行性,为火烧程度评估提供可靠的林火遥感数据源和提取方法。【方法】以2017年毕拉河“5·2”特大森林火灾的火烧迹地为研究区域,使用火前、火后当年、火后更新1年共3期PL影像作为数据源,利用ROI _S提取过火区,分析火干扰前后NDVI的变化特征。结合地面调查数据,采用差值归一化植被指数（dNDVI）划分火烧等级,阈值验证参照罗德昆火灾受害等级划分标准进行精度验证。对火烧迹地植被受害状况进行评估,以获取火烧程度的空间分布格局。【结果】1)火干扰导致NDVI值急剧降低,火后更新1年NDVI略有升高,表明植被恢复能力有限。PL遥感影像的3 m高空间分辨率使其RGB图像高度饱和,地类清晰。2)做土地覆盖类型划分,训练样本分离性在1.91以上,共划分为森林、草本沼泽、道路、河流4类。分类整体精度为98.05%,Kappa＿Coefficient为0.95。3)受害程度等级划分为未火烧、轻度火烧、中度火烧、重度火烧4级,分类整体精度为91.55%,Kappa＿Coefficient为0.91。此...     

水淹胁迫下枫杨(Pterocarya stenoptera C.DC.)幼苗叶片高光谱特征的研究

测量了3个水淹深度(对照、根部水淹、全淹)条件下枫杨叶片的高光谱反射率、红边参数及对应的叶绿素总含量,对归一化植被指数与叶绿素总含量进行了相关分析.结果表明:①在水淹胁迫下,枫杨叶片的高光谱反射率呈现下降的趋势,且在蓝光波段(400~500 nm)和近红外波段(760~950 nm)表现为极显著差异;②随着水淹程度的加深,枫杨叶片叶绿素含量显著下降(p<0.05);③红边特征的分析显示,随着水淹程度的加深,叶片光谱出现了蓝移的现象,红边斜率呈现下降的趋势;④叶绿素总含量与归一化植被指数(R705/R750)呈正相关,相关系数为0.86(p<0.01).经回归分析,叶绿素总含量与归一化植被指数呈线性关系(R2=0.80,n=42).认为枫杨叶片高光谱特征及归一化植被指数可较好地反映枫杨的叶绿素含量和水淹胁迫的程度.