基于成像高光谱的苹果树叶片病害区域提取方法研究

【目的】对带病斑苹果树叶片的高光谱图像进行病斑提取,为作物病虫害的遥感监测提供支持。【方法】对带有病斑的苹果树叶片成像高光谱图像,从传统基于光谱特征和面向对象特征2个方向入手进行病斑提取。为减少高光谱图像波段之间的冗余,首先对高光谱图像采用PCA变换进行降维处理,利用降维之后的前11个波段,分别采用波谱角分类和面向对象分类的方法提取苹果树叶片病害区域。【结果】由于同物异谱和异物同谱现象的存在,波谱角分类算法在提取病斑时,对叶柄和叶脉产生了错误的分类,而且以像元为分类单位的波谱角分类,在分类结果图中存在椒盐噪声,而面向对象分类则避免了这一现象的发生。【结论】采用面向对象分类方法提取苹果叶片病斑的结果优于基于光谱特征的波谱角分类方法,其总体精度和Kappa系数分别为98.44%和0.97。     

盆景植物病虫害的无污染防治初探

正随着我国人民生活水平不断的提高,越来越多的人注重在室内养一些观赏类植物盆栽和盆景,人们常常会结合自己的兴趣爱好,选择一些节短枝密以及叶片细小和美观的盆景植物来养护理,但是并不知道怎样预防盆景植物感染病虫害以及如何根治病     

坡度对土地利用/覆被变化的影响研究

为了研究坡度因素对土地利用/覆被分布及其动态变化的影响,以陕西省西安市长安区为研究区,采用数字高程模型、遥感影像及相关辅助数据,应用GIS手段提供的空间分析方法,将长安区地形进行坡度分级,把两个不同时期的遥感影像解译结果与坡度分级图进行了空间叠加分析。研究结果表明,耕地、建筑用地、水域等分布在坡度较小范围,林地、草地的坡度分布范围近似于正态分布。不同年份各土地利用类型在相同坡度所占面积比例基本不变;不同坡度范围内的土地利用变化不尽相同。其它土地类型向耕地和建筑用地的转化主要集中在低坡度范围内,而其它土地类型向林地和草地的转化在整个坡度范围上大体呈正态分布。因此,坡度因素是土地利用/土地覆被的重要影响因素,坡度因素对土地利用格局具有明显的控制作用。     

基于移动窗口法的半干旱生态脆弱区景观破碎化及驱动力分析

为探究城镇化过程中半干旱生态脆弱区景观破碎化加剧的问题,以甘肃省广河县2011—2018年2期土地利用数据为基础,运用移动窗口法、样线法、灰色关联法,分析半干旱生态脆弱区的景观破碎化动态变化及其驱动机制。结果表明,2011—2018年耕地是广河县的基质景观,景观利用类型之间结构变化特征较明显。基于样线法确定最佳研究尺度为900 m,从乡镇尺度进行样带分析发现,乡镇集聚效应导致景观破碎化程度趋势表现为越靠近乡镇区域变化程度越大,而距离较远的丘陵山区则变动较小;从空间分布格局变化角度来看,景观破碎化整体上为递增趋势,其变化剧烈区集中于广通河谷与道路沿线周围乡镇,在空间上呈现带状延伸变化;广河县景观破碎化主要驱动力是政策和社会经济因素综合作用。通过灰色关联法分析发现,地区生产总值、人口数量、人均GDP总值、工业总产值和交通运输业产值等5个指标是导致景观破碎化加剧的主要驱动因子,气候因素的影响则低于社会经济因素。研究结果可为半干旱生态脆弱区生态环境保护与可持续发展提供合理依据。     

韭菜中毒死蜱残留量与高光谱特征参数的相关性建模

本研究目的在于分析农药残留量(pesticide residue,PR)与高光谱中响应特征参数之间的关系,并利用筛选的光谱特征参数建立反演毒死蜱残留量的有效模型。首先采用ASD Fieldspec高光谱仪测得韭菜样本的光谱,通过气相色谱-质谱联用(GC-MS)法测得毒死蜱残留量(PR)值;分析样本光谱反射率值及其一阶微分值与毒死蜱残留量的相关性,计算33个高光谱特征参数与毒死蜱残留量的相关性;根据相关系数高低选择敏感的光谱特征参数;最后采用最佳相关系数下的光谱特征参数对毒死蜱残留量进行建模反演。相关性分析结果显示:近红外波段789~867 nm范围内一阶微分光谱值与PR值呈正相关,1 860 nm处一阶微分光谱值(first-order differential 1 860 nm,FD1860)与PR值紧密相关;在33个高光谱特征参数中,近红外一阶微分总和(the sum of first-order differential near infrared,SDnir)与PR值呈良好的正相关关系。基于此,文章以供试样本的FD1860和SDnir观测值为自变量,分别建立了3个预测毒死蜱残留量的模型,即线性、二次多项式及指数模型,并采用交叉验证测试方法检验了模型的合理性。对实验所得决定系数R2和预测均方根误差(RMSE)的评价结果表明,以SDnir为自变量构建的模型稳定性强,其二次多项式模型是最佳反演毒死蜱残留量的有效模型。因此,样本的高光谱特征参数SDnir的变化幅度直接反映了韭菜样本中毒死蜱残留量的变化,表明运用蔬菜的高光谱特征参数反演蔬菜中农药残留量的方法是可行的。     

基于边界域修正粗糙熵模型的遥感影像分类不确定性评价

【目的】遥感影像分类是获取地表覆盖信息的有效技术手段,客观合理地评价遥感影像分类的不确定性对农业资源调查、作物估产等方面的遥感应用具有重要的意义。论文针对修正粗糙熵模型在评价遥感影像分类不确定性时存在的问题,构建基于边界域修正粗糙熵模型的遥感影像分类不确定性评价指标,以期更好地度量地物类别尺度上的遥感影像分类的不确定性。【方法】考虑边界域对遥感影像分类结果不确定性的影响,对修正粗糙熵模型进行改进,以类别的边界域被分类知识划分的结果取代所有像元被分类知识划分的结果作为衡量分类知识不确定性的依据,建立基于边界域的修正粗糙熵模型。首先依据粗集理论对所建模型的合理性进行数学推导,然后以北京市的Landsat TM影像和新疆石河子地区的IKONOS影像为例,分别应用修正粗糙熵模型和基于边界域的修正粗糙熵模型对分类结果在地物类别尺度上的不确定性进行评价,用不同空间分辨率和不同研究区域的试验数据的不确定性评价结果印证理论推导结论。【结果】与修正粗糙熵模型相比,基于边界域的修正粗糙熵模型在评价遥感影像分类的不确定性时能够更好地刻画分类知识所引起的不确定性,使遥感影像分类结果的评价更加客观和合理。通过对两种模型下试验数据的分析表明,当所研究的地表覆盖类型在研究区域内的分布比较零碎,成片区域不多,类别与类别之间的边界部分所占比重较大,混合像元现象比较严重的时候,采用修正粗糙熵模型计算遥感影像分类结果的不合理性还不是非常明显,还能够比较客观地反映遥感影像分类的不确定性问题。但是如果评价分布比较集中,面积比较大的地物类型的分类精度时,修正粗糙熵模型则难以客观地反映遥感影像分类的不确定性问题,其评价结果的不合理性也更为明显。【结论】采用修正粗糙熵模型进行遥感影像分类的不确定性评价时,放大了由于边界域存在所产生的不确定性,而基于边界域的修正粗糙熵模型则可以较好地避免这一情况的发生,更合理地度量地物类别尺度上的遥感影像分类的不确定性。