Site-Specific Nitrogen Management in Rice Using Remote Sensing and Geostatistics

Proper doses of nitrogenous fertilizer are most important for rice production system because a large part of the nitrogen may be lost if it is not applied judiciously. A study was conducted covering five blocks of Balasore and two blocks of Bhadrak districts. Soil samples were collected randomly, and field visit was conducted during peak vegetative stage of rice. Two approaches have been used in this study for estimating the site-specific nitrogen (N) requirement in the study area. In one approach, geostatisical analysis and kriging was used to develop the soil test–based N recommendation map by which a minimum of 72 kg N ha^?1 and maximum of 94 kg N ha^?1 were recommended. In a second approach, remote sensing was used and N recommendation map was developed using the moderate-resolution imaging spectroradiometer (MODIS) leaf area index (LAI) and normalized difference vegetation index (NDVI) satellite data, and a minimum requirement of 60 kg N ha^?1 and maximum of 120 kg N ha^?1 was estimated through this approach.     

基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究

以河南省开封市为研究区,采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和,与冬小麦产量数据进行相关分析,筛选得到最佳遥感估产时相,建立单变量回归模型;同时,基于冬小麦生长的各个关键时期NDVI构建多元回归模型,再通过主成分分析方法对多元回归模型参数进行改进,得到新的估产模型;最后使用开封市2014年的产量数据对估产模型进行验证,旨在构建具有较高精度的估产模型,从而更好地指导小麦生产。结果显示,3种估产模型的估产误差均控制在10.55%内,根据3个模型得到研究区内冬小麦最佳产量预测时段为3月下旬,即拔节期;3个模型中,主成分回归估产模型的产量拟合精度最高,达93.12%,具有一定的实用价值。     

河套灌区沈乌灌域GF-1/WFV遥感耕地提取

为提高基于遥感影像的灌区耕地自动快速提取,该文针对河套灌区沈乌灌域种植结构特点,利用实地调查结果、Google earth和GF1-WFV遥感影像构建了研究区主要作物及土地利用类型的NDVI时间序列,并利用HANTS滤波法对NDVI时间序列进行了平滑处理。分别采用基于遥感与Google earth的目视解译、监督分类(支持向量机)、基于NDVI时间序列的决策树分类与监督分类相结合的方法、基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法对灌区耕地进行提取。利用基于Google earth与目视解译的10 000个随机验证点以及正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果表明:监督分类(支持向量机)提取结果的正确率、完整率和总体精度仅为84.82%、64.4%和75.68%;基于NDVI时间序列的决策树分类与监督分类相结合的方法提取精度分别为94.28%、84.21%和89.1%;基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法提取精度进一步提高,3个指标分别达到94.47%、87.32%和92.24%。在作物种类繁多的大型灌区,时空分辨率优异的GF1-WFV数据在耕地面积提取上具有很强的实用性;结合作物生长规律与遥感信息的联合方法能够有效提高耕地面积的提取精度。     

基于遥感的甘肃省庆阳市植被物候信息提取

以黄土高原退耕还林还草工程重点区域——甘肃省庆阳市为研究区域,利用1999—2012年的SPOT-VGT NDVI数据,采用Savitzky-Golay滤波和TIMESAT物候提取算法,得到了庆阳市近14 a返青期和枯黄期数据,详细描述了庆阳市物候期时空变化格局。结果表明:庆阳地区近14 a期间返青期日序位于90~188天,东南地区相对于西北地区返青期要早,表现出较强的空间差异性,枯黄期日序位于275~309天,南部地区相对北部地区枯黄期要晚;从时间上来讲,14 a间,庆阳市返青期日序呈降低趋势,在一定程度上呈现出返青期的提前和枯黄期的推迟;空间上来讲,55.46%的研究区返青期变化率基本不变（-1~1 d/a）,49.61%的区域出现了枯黄期的推迟（1~3 d/a）。研究结果与已有的研究较为一致,并详细描述了庆阳市物候期时空变化格局,可为中国北方农牧交错带生态环境评估和保护提供一定的参考。     

锡林郭勒草原蒸散发月季动态及相关因子分析

蒸散发(Evapotranspiration,ET)的时空动态对理解水热对植被的影响具有重要作用。利用MODIS MOD16A2和MOD13A3月产品数据及气象数据,通过回归分析和相关分析等方法,研究了锡林郭勒草原不同类型草地近15年(2000—2014年)的ET月季动态及相关因子。结果表明:3—10月的ET均表现出草甸草原典型草原和沙地植被荒漠草原,1—2月和11—12月的ET均表现出草甸草原典型草原和沙地植被荒漠草原。荒漠草原11月ET最大,其余各类草原均在7月达到最大值;各类草原的最小ET均为5月。各类草原3—5月和10月的ET均为下降趋势,而1月、6月、7月和12月的ET均为上升趋势。春季、夏季和秋季的ET均表现出草甸草原典型草原和沙地植被荒漠草原,而冬季的ET表现出草甸草原典型草原和沙地植被荒漠草原。荒漠草原冬季ET最大,其余各类草原的ET均在夏季达到最大值。各类草原春季和秋季的ET均为下降趋势,而夏季和冬季的ET均为上升趋势。Pearson相关分析表明3—10月及春季、夏季和秋季的ET与NDVI和降水量显著正相关,与平均气温显著负相关(p0.05);相反,1—2月、11—12月及冬季的ET与降水量负相关,而与平均气温显著正相关(p0.05)。     

基于GIS的喀斯特区域不同岩性基底植被NDVI变化分析

为了探索喀斯特区域植被变化的一般性规律,揭示纯喀斯特与亚喀斯特区域植被效应的差异性。以1:20万地质图为岩性基底,利用2000-2013年SPOT VGT_NDVI数据,通过变化倾斜率、变异系数以及相关分析法,对比分析了不同岩性区植被,NDVI的变化规律及主导因素。研究发现:（1）不同岩性基底上的NDVI值、NDVI变化率及变异系数存在一定差异性,NDVI值表现为非喀斯特区域 > 纯喀斯特区域 ≈ 亚喀斯特区域;年际波动亚喀斯特区域 > 纯喀斯特区域 > 非喀斯特区域;呈增加趋势变化像元比重纯喀斯特区域 > 亚喀斯特区域 > 非喀斯特区域,减少趋势比重相反;各岩性区NDVI分布的差异性由土地覆被差异导致,其中森林和农用地比重贡献最大。（2）10 a时间尺度上植被NDVI变化主要受人为因素影响,与气候变化关系不显著。（3）受岩性控制,亚喀斯特区域生态环境比较敏感,与纯喀斯特相比较更易受人为作用影响。因此在喀斯特区域可持续发展过程中,“亚喀斯特”地质背景上的生态安全更应引起关注。     

Topographical and hydrological effects on meso-scale vegetation in desert steppe,Mongolia

This study investigated the seasonal variations of the normalized difference vegetation index(NDVI) and its relationships with climatic variables and topography in a small-scale(20 km×20 km) area(i.e., Tsogt-Ovoo village) within the desert steppe zone of Mongolia using in-situ observed climate data and satellite remote sensing data. We found that the topography is very important for vegetation growth in the desert steppe although the summer precipitation is the constraining factor. The unexpectedly high NDVI(up to 0.56), as well as the high aboveground biomass, in the valley bottom was primarily resulted from the topography-modulated redistribution of overland flow after relatively heavy precipitation events during the growing season. This makes the valley bottoms in desert steppes not only reliable feeding resources for livestock but also heavens for wild lives. But, the detected large standard deviation of annual maximum NDVI(NDVI_(max)) from 2000 to 2013 in the valley bottom in response to rather variable precipitation implies that the valley bottoms under desert steppe climates are more vulnerable to climatic change.     

基于时间序列MODIS-NDVI的冬小麦遥感识别

利用TM影像更新研究区的土地利用数据,提取冬小麦可能出现的区域作为掩膜限定识别范围,从而可以减少其他植被类型信息的干扰;通过选取冬小麦样点,在时间序列NDVI数据中提取纯冬小麦的时序曲线,根据曲线特征构建时相识别模型;在限定的范围内根据识别模型提取冬小麦,进而将两个尺度数据进行综合处理和面积统计,冬小麦面积为268.65×10~3 hm~2;利用统计年鉴数据和随机抽样两种方法进行精度分析,结果显示面积精度为91.56%,位置精度为87.46%。与实地调查和人工解译相比,大大提供了工作效率,减少了工作量,适用于大面积区域尺度的冬小麦监测。     

基于兰氏距离NDVI的土地覆盖变化检测

将兰氏距离变化检测指标引入NDVI变化检测,来实现土地利用的变化检测。在计算阈值时,对原有的局部阈值分割法进行改进,提出基于标准图像地物分类的局部阈值分割法。对检测结果进行精度评价,证实了该方法的可行性和有效性。     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。