冬小麦生育前期LAI 高光谱反演研究

【目的】冬小麦生育前期稀疏植被条件下叶面积指数反演对于播期、早期苗情监测有重要意义。【方法】文章利用实测冬小麦生育前期冠层高光谱数据,基于相关关系矩阵图筛选7个新的敏感植被指数、优选40个前人研究的双波段组合或多波段组合植被指数,利用单变量回归和偏最小二乘多变量回归分析47个植被指数与稀疏冬小麦叶面积指数(LAI)的相关性。【结果】植被指数PVR(650,550)、VARI(680,555,480)、RVI(1 868,1 946)与LAI相关性好,其中PVR(650,550)与LAI构建的模型拟合度最好,决定系数R~2为0.730,均方根误差RMSE为0.450。而相对单个植被指数,利用多个植被指数的偏最小二乘多元回归模型提高了LAI估算精度,R~2为0.779,RMSE为0.380。【结论】在冬小麦生育前期植被稀疏条件下,利用高光谱数据反演冬小麦LAI是可行的,可为冬小麦早期长势遥感监测提供支撑。     

冬小麦播期遥感监测研究现状与展望

播期是影响小麦产量与品质的一个重要因素，冬小麦生产管理对播期的及时和准确监测有强烈需求。遥感数据源的日趋丰富及遥感定量化水平的日益提高，为大面积、低成本监测小麦播期提供了可能。本文对冬小麦播期遥感监测的研究进展进行了回顾，系统归纳了当前国内外播期遥感监测方法，分析了目前冬小麦播期遥感监测中存在的问题。推进高时空分辨率遥感数据的使用、强化多尺度传感器遥感数据融合算法的应用、开展冬小麦生长前期不同播期光谱数据的挖掘、探索冬小麦生长前期光谱与上茬作物时序遥感数据的综合及尝试遥感数据与作物模型同化方法的借鉴是冬小麦播期遥感监测的未来发展方向。     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号(GF-2)全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:(1)小冠幅森林植被3.2 m;(2)大冠幅森林植被16.0 m;(3)混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。     

基于高分辨率影像的蔡家河流域人工林Crop Science单木提取与缺失检测

以北京市延庆区蔡家河流域人工林为研究对象,以蔡家河流域平原造林区的高分辨遥感影像为数据源,利用ENVI 5.4的Crop Science工具包分别对阔叶林和针叶试验林样区进行单木提取、缺失单木检测,并对研究结果进行精度评价和对比分析。结果表明:Crop Science对人工幼林进行单木提取效果较好,总体精度达到94%以上;缺失单木的识别受林木排列规整程度影响较大,排列越规整,提取效果越好。本研究探索了一种基于高分辨率遥感数据进行人工林地单木定位、计数及缺失单木查找的简便可行的方法,有利于林业管护人员快速获取高精度林木监测信息。     

基于ESTARFM模型的区域农田高时空分辨率影像产生与应用

多时相遥感影像特别是关键生育期数据是农业物候、长势及产量监测的重要数据源,然而可见光影像易受云雨干扰,在特定区域关键时间窗口缺少高时空分辨率数据的现实情况下,遥感影像时空数据融合方法变得尤为重要。增强型自适应反射率时空融合模型ESTARFM (Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model)是一种小区域合成高时空分辨率影像的较好方法,该算法在我国不同农业种植区的适应性及应用工作尚未充分展开。本文以河北、黑龙江、新疆典型农区为研究区域进行大面积应用检验分析,基于MODIS与Landsat影像,利用ESTARFM生成具有高时空特征的Landsat模拟影像,将其与真实Landsat影像进行对比,并在新疆地区展开ESTARFM算法在NDVI方面的应用。结果表明, ESTARFM对3个不同区域状况的地区都有较好的影像预测能力,并且在新疆地区可以很好地生成30 m空间分辨率的多时相NDVI,用于作物分类和长势监测。     

东北黑土漫岗区春耕期土壤水分空间变异及地形影响

土壤水分存在强空间变异特征,在多重尺度上受地形、土壤、土地利用、植被等因素综合影响,是农业生产和耕作的关键要素。为了揭示东北黑土漫岗区春耕期农田土壤水分空间变异特征及分析地形因子对其影响,以赵光农场为研究对象,利用Sentinel-1数据反演的土壤水分和DEM数据,采用半方差函数、集成推进树算法(ABT)等方法分析了春耕期土壤水分的空间变异及地形因子(坡度、坡向、坡位、高程、地形湿度指数)对土壤水分空间异质性的相对影响,并系统分析了土壤水分在不同坡位、坡度和坡向的变化特征。结果表明:研究区2018年4月24日处于春耕时期黑土漫岗区的土壤质量含水量分布在25%～37%; 地块内部变异系数为5.81%,相邻地块间变异系数为4.16%; 针对整个农场尺度土壤水分空间变异的有效变程为3 000 m,地块尺度上有效变程为300 m。土壤水分分布与地形湿度指数呈显著正相关,与坡度、坡向、高程、坡位呈显著负相关; 坡位、坡度、坡向是影响土壤水分空间变异的主控因子,其累计相对解释率超过了70%,其中坡位占36.28%。研究结果有助于了解东北黑土漫岗区春耕期农田土壤水分空间分异规律及影响机制,对黑土漫岗区土壤水分管理、春耕春播期农机科学调度、保障粮食安全具有重要意义。     

基于决策树和面向对象的作物分布信息遥感提取

利用我国2012年4—11月覆盖主要农作物全生育期的23幅中分辨率HJ-1A/1B卫星时序影像,采用决策树和面向对象相结合的分类方法提取黑龙江省双河农场主要农作物分布信息,并与传统决策树分类方法进行对比。通过影像预处理构建时序HJ星影像集,先利用面向对象方法提取道路,为作物提取排除田间道路及附属地物干扰;再结合作物物候历分析不同地物光谱和时序特征,筛选出7个特征指数和14个敏感时相,建立决策树分类模型,提取出玉米和水稻。研究表明,多特征指数辅助作物分类十分有效,尤其是归一化水指数NDWI对水稻提取非常有效;较之传统决策树分类,决策树和面向对象相结合的分类方法能有效剔除田间道路及附属林带沟渠对作物分类的干扰,总体分类精度从89.22%提升至95.18%,该方法可为其他地区利用中分辨率遥感影像低成本高精度提取作物分布信息提供借鉴。     

北京延庆平原区主要造林树种生态需水估算

生态需水估算是造林地水资源优化配置和维持生态环境安全的重要研究内容之一。本文以北京延庆蔡家河流域平原造林地为研究对象,基于遥感和GIS技术,利用Pleiades高分卫星数据,解译典型造林树种并统计面积,并结合Penman公式计算了研究区典型造林树种最小生态需水量。研究结果表明,刺槐、杨树和油松最小生态需水量分别是150.38mm、179.00mm和116.97mm,适宜生态需水量分别为364.13mm、432.58mm和282.74mm。平原造林地生态需水量在8月份达到峰值。适宜生态需水条件下,典型造林树种刺槐、杨树和油松的实际需水量分别约为830.22m~3、4 983.67m~3和1 278.12m~3。2014年为枯水年,生长期降雨量为331.10mm,而有效降雨量仅为265.34mm,在这种情况下,均不能满足刺槐、油松和杨树的正常生理作用所需要的生态需水量,刺槐、杨树和油松生态亏缺水量分别为90.59mm、138.04mm和8.20mm。     

小麦拔节孕穗肥肥料种类及施肥方法试验

施用拔节孕穗肥是小麦生产中一项传统的行之有效增产措施,本试验旨在探讨群体质量栽培中小麦拔节孕穗肥不同肥料品种和不同施法的增产效果,为完善本地拔节孕穗肥的施用技术提供经验。     

基于Faster R-CNN的松材线虫病受害木识别与定位

松材线虫病是一种毁灭性松树传染病,其传播速度快、发病时间短、致病力强,及时发现、确定受害木的位置,并采取安全处理措施是目前控制松材线虫病蔓延的有效手段。本文通过小型无人机搭载可见光RGB数码相机获取超高空间分辨率影像,采用Faster R-CNN目标检测算法实现对染病变色松树的自动识别,与传统受害木识别方法不同,本文考虑了其他枯死树和红色阔叶树对受害木识别的影响。实验结果表明,根据受害木的冠幅大小修改区域生成网络中的锚框(anchor)尺寸,并考虑其他枯死树和红色阔叶树的影响,有利于提高受害木识别效果和检测精度。改进后受害木识别总体精度从75.64%提高到82.42%,提高了6.78个百分点,能够满足森林防护人员对受害木定位处理的需求。通过坐标转换的方式得到受害木的精确位置信息与空间分布情况,结合点位合并过程,最终正确定位出494棵受害木。本文通过无人机遥感结合目标检测算法能监测松材线虫病的发生和获取受害木的分布情况,可为松材线虫病的防控提供技术支持。