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。     

智能手机原位牧草生物量估算

【目的】生物量是草地生态系统物质和能量基础,是最基本的生态参量。以往基于卫星和航空遥感定量反演草地生物量过于专业化,难以在牧民间推广。因此,本文提出一种用手机近距离拍摄的真彩色图像估算牧草生物量方法,构建牧草生物量估算模型,为牧民方便、快捷、无损地掌握牧场牧草长势提供理论依据和技术支撑。【方法】首先,利用手机超高分辨率真彩色图像,分别基于植被指数、纹理特征以及联合植被指数和纹理特征构建牧草生物量估算特征集合。其次,为防止过多的特征提取带来维度灾难,提出一种XGBoost与序列前向选择相结合的特征选择算法（XGB-SFS）,进行特征筛选及最优子集构建。最后,使用随机森林回归和留一法交叉验证对比不同特征集合构建模型的生物量估算效果,分析不同类型特征及XGB-SFS算法在牧草地上生物量（Above Ground Biomass,AGB）估算中的作用。【结果】（1）对比单类型特征构建的模型,基于空间纹理特征的估算模型（R²=0.76）要优于基于光谱植被指数估算模型（R²=0.73）,表明纹理特征在超高分辨率牧草AGB估算中具有一定作用;（2）对比特征选择后的模型,联合空谱多类型特征构建模型优于任何一种单类型特征模型（R²=0.83,RMSE=127.57 g·m^-2,MAE=81.25 g·m^-2）,表明使用多类型特征构建模型,可一定程度上提高牧草AGB估算精度。（3）对比特征选择前后构建的模型,特征选择后的模型估算AGB效果要明显好于未进行特征选择的模型,且筛选出的特征与牧草生物量之间都存在较高的相关性,表明XGB-SFS能够很好降低数据维度的同时提高牧草AGB估算精度。【结论】手机超高分辨率真彩色图像可以对牧草生物量进行准确估算,本文提出的XGB-SFS算法也能从众多特征中筛选出与牧草生物量相关性较高的特征并提高模型估算精度。与以往专业遥感定量反演草地生物量相比,本文方法具有面向大众、成本低廉、使用方便等优势,研究将手机现场采集的数据与遥感和机器学习方法相结合,可开辟新的视角,支持农业信息化发展。     

高光谱成像分析植物叶片滞尘前后光谱特征变化

灰霾的监测与治理是迫切需要解决的问题,分析植被叶片滞尘前后的光谱变化特征是灰霾监测的一种有效方式。植物叶片具有吸附空气颗粒物的能力。该文通过获取10种常见树木叶片10月和11月连续26 d的高光谱图像,对比分析每种叶片滞尘前后的光谱特征变化情况,得出滞尘前后叶片光谱变化的基本趋势:1)10种叶片变化趋势基本一致,10种叶片滞尘前后光谱变化明显的区间均表现在500~550 nm、550~700 nm、730~760 nm波段内;2)滞尘前后的叶片红边位置并没有发生改变,滞尘没有对叶片内部生理结构构成影响;3)金露梅和二球悬铃木在765 nm波段处的光谱响应与其它树种存在很大差异;白杜、金银忍冬、紫薇和玉兰在550~570 nm波段区间对于滞尘的敏感度较弱。研究为大气降尘的监测以及灰霾的治理提供应用参考。为进一步通过高光谱探测灰霾典型成分提供理论支撑。     

多粒度光谱特征的牧草粗蛋白含量高光谱遥感估算

快速准确地估算牧草粗蛋白(crude protein, CP)含量是开展草原牧草生长监测和管理的重要内容之一。高光谱数据是牧草CP含量监测的理想数据源,然而,现有牧草CP含量高光谱反演方法缺乏对光谱多粒度信息的有效利用。针对该问题,提出一种新的多粒度光谱特征提取方法 MGSS(multi-granularity spectral segmentation),以青海高原典型牧场为样区,对MGSS估算牧草CP含量的有效性进行验证。结果表明:1)在相同数量的自变量下,MGSS均能取得优于原始光谱的CP含量估测性能;2)MGSS最优估测模型的决定系数(coefficient of determination, R~2)、均方根误差(root mean squared error, RMSE)和平均相对误差(mean relative error, MRE)分别为0.937、1.906 g/m~2和8.82%,比原始光谱最优模型的R~2高0.06,RMSE和MRE分别低0.75 g/m~2和1.37个百分点。可知,MGSS实现了高光谱影像对牧草CP含量的高性能估算,相比原始光谱性能更优,验证了其有效性,可为牧草CP含量的准确估算提供新的技术手段。