基于多源Sentinel数据的县域冬小麦种植面积提取

冬小麦是我国主要的粮食作物之一,及时准确地获取冬小麦种植面积对农业政策的制定具有重要意义。以河南省扶沟县为研究区域,以多生育期Sentinel-1A和Sentinel-2A/B遥感影像为数据源,构建光谱特征、植被特征和极化特征的多生育期数据集,分析各类地物的特征曲线,采用随机森林算法对单生育期单传感器、单生育期多传感器、多生育期单传感器和多生育期多传感器的遥感影像进行精细分类,实现县域冬小麦制图。结果显示：单生育期的雷达影像无法满足制图要求,拔节期的总体精度最高,仅为62.9%,多生育期雷达影像分类精度达到81.9%,基本满足制图要求;单生育期的光学影像和融合影像在成熟期的精度最高,总体精度分别为93.4%和95.1%,Kappa系数分别为92.4%和94.8%,可以绘制较为精准的冬小麦分布图;多生育期融合影像绘制的扶沟县2019年冬小麦空间分布图,总体精度为96.8%,结果最优。研究结果表明融合的多生育期遥感影像可以为县域冬小麦种植面积的提取提供技术依据。     

人工植物群落多样性与土壤耦合度——以信阳—南阳高速公路为例

高速公路人工植物群落与土壤一直以来都是研究的重点,但多集中于边坡恢复初期,对于恢复过程中二者之间的关系的研究方法较为单一。该研究以沪陕高速信(信阳)—南(南阳)段为研究路段,选取8种具有代表性的群落,使用灰色关联度模型分析植物群落多样性与土壤耦合关系。结果显示阴坡群落的总体耦合效果比阳坡略好,8种植物群落中,有2个群落的耦合效果为"优",分别是阴坡紫穗槐+高羊茅群落和阳坡紫穗槐+蛇莓群落。含水量、全钾、土壤密度、全氮、pH值、全磷和有效钾对植物群落多样性的影响较大,可以根据以上指标有针对性的对土壤进行改良。同时,通过对耦合效果好的群落结构分析,建议推广不同生活型的豆科植物并搭配多年生草本的植物配置模式。     

基于小波能量系数和叶面积指数的冬小麦生物量估算

生物量是评价作物长势及产量估算的重要指标,科学、快速、准确地获取生物量信息,对于监测冬小麦生长状况以及产量预测等具有重要意义。以冬小麦为研究对象,通过相关性分析,选取相关性较好的小波能量系数,同时耦合叶面积指数,基于支持向量回归算法、随机森林算法、高斯过程回归3种算法构建冬小麦生物量估算模型。结果显示,基于小波能量系数,分别利用支持向量回归算法、随机森林算法、高斯过程回归进行生物量估算,4个生育期的验证R2分别是0.55、0.40、0.39;0.75、0.70、0.83;0.84、0.92、0.93;0.84、0.89、0.85。表明高斯过程回归模型估算精度最优。叶面积指数耦合小波能量系数,利用支持向量回归算法、随机森林回归算法、高斯过程回归进行生物量估算,4个生育期的验证R2分别是0.76、0.73、0.77;0.76、0.72、0.84;0.87、0.94、0.94;0.85、0.90、0.91。表明高斯过程回归算法估算精度最优,并且在一定程度上能够克服冠层光谱饱和现象,提高模型估算精度。以小波能量系数和叶面积指数为输入变量结合高斯过程回归算法建立冬小麦生物量估算模型,可以提高生物量估算精度,为基于遥感技术的作物参数快速估算提供参考。     

信南高速公路边坡土壤化学性质对植物分布的影响

高速公路边坡多以开挖出来的贫瘠生土和破碎岩石堆积形成,土壤营养元素、有机质等普遍含量低,探索边坡植物分布与土壤化学性质的耦合关系,对于保证边坡植物成活率、提高景观生态效果具有理论实践意义。以沪陕高速信(信阳)-南(南阳)段为对象,通过野外样地调查方法,冗余分析(RDA)探索不同土壤化学性质指标(全氮、全磷、全钾、碱解氮、有效磷、速效钾、有机质、pH值)对边坡植物分布的影响。结果表明,依据排序图显示的物种间相关性,可将9个物种分为种组Ⅰ(艾草、构树、扶芳藤)、种组Ⅱ(紫穗槐、高羊茅、白茅、荆条)和种组Ⅲ(黑麦草、燕麦)。土壤全磷和pH值对边坡植物分布具有显著影响(P<0.01),土壤全磷与种组Ⅰ、种组Ⅲ呈较强的正相关性,土壤pH值与种组Ⅱ呈较强的负相关性。种组Ⅰ适应分布在全风化岩生土路堤边坡上(试验段D),种组Ⅱ适应分布在全风化岩生土路堤边坡(试验段C)上,种组Ⅲ适应分布在填砂路堤边坡(试验段A)和亚黏土路堑边坡(试验段B)上。     

冬小麦不同叶位叶片的叶绿素含量高光谱估算模型

科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息,可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据,将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析,筛选相关性较强的光谱特征参数,然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型,并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明,上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高,建模和验证R2分别为0.82和0.75、0.80和0.77、0.71和0.62;上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳,建模和验证R2为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。     

扶项高速公路边坡植被特征与稳定性比较

[目的]以生长8a的大广高速公路扶沟—项城段边坡植被(简称扶项高速)为研究对象,选择5种典型植物群落,进行群落稳定性测度,为营建高速公路可持续景观提供理论依据。[方法]通过实地调研获得植物群落和土壤数据,提取对植物群落稳定性影响较大的群落物种多样性、群落生物量、土壤水分、土壤养分4项指标共计15个评价因子,通过隶属函数法对其进行稳定性测度。[结果]黑麦草+白三叶+楝树群落的物种多样性指标、生物量指标和土壤水分指标最高,土壤养分指标最高的是鬼针草+黑麦草群落。5种植物群落稳定性排序为:黑麦草+白三叶+楝树群落鬼针草+黑麦草群落黑麦草+紫花苜蓿群落鬼针草+黑麦草+艾草群落小叶扶芳藤群落。[结论]通过对植物群落稳定性分析,得出楝树、黑麦草、白三叶、紫花苜蓿为扶项高速公路边坡可持续景观营建的首选植物,在植物配置时应丰富群落层次,推荐配置模式楝树/构树/椿树/刺槐+黑麦草+紫花苜蓿;楝树/构树/椿树/刺槐+紫穗槐+白三叶+黑麦草;楝树/构树/椿树/刺槐+紫穗槐+紫花苜蓿+黑麦草。     

基于小波变换和分数阶微分的冬小麦叶绿素含量估算

叶绿素含量变化直接表征冬小麦的光合作用能力,所以监测冬小麦叶绿素含量对分析冬小麦光合能力和生长状况具有重要意义。基于地面冬小麦冠层高光谱和实测叶绿素含量,分别利用原始光谱、分数阶微分光谱、原始光谱经连续小波变换后得到的小波能量系数与实测叶绿素含量进行相关性分析,选取相关性较好的分数阶微分光谱和小波能量系数,采用逐步回归分析、支持向量机、人工神经网络等方法构建冬小麦叶绿素含量估算模型。结果表明,在拔节期、孕穗期、开花期和全生育期,使用连续小波变换-人工神经网络建模结果最优,拔节期建模和验证决定系数分别为0.93和0.90,孕穗期建模和验证决定系数分别为0.93和0.90,开花期建模和验证决定系数分别为0.93和0.90,全生育期建模和验证决定系数分别为0.86和0.85;在灌浆期,使用分数阶微分-人工神经网络建模结果最优,灌浆期建模和验证决定系数分别为0.97和0.90。本研究可为作物叶绿素含量遥感估算提供技术方案。     

冬小麦不同叶位叶片的叶绿素含量高光谱估算模型

科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息,可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据,将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析,筛选相关性较强的光谱特征参数,然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型,并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明,上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高,建模和验证R²分别为0.82和0.75、0.80和0.77、0.71和0.62;上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳,建模和验证R²为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。