基于TVDI指数的冬小麦旱情动态研究——以河北省邢台市为例

以重大干旱年份2010年为例,采用冬小麦生长期的MODIS数据,提取邢台市归一化植被指数(NDVI)和地表温度数据(LST),计算温度植被干旱指数(TVDI),制定农业干旱监测等级,利用该指标对邢台市2010年重大旱情进行分析,并利用降水数据和20 cm土壤湿度数据进行结果验证。结果显示:利用MOD11A2数据反演的地表温度与实测地表温度对比平均误差为0.295℃,反演结果能够代替实地温度进行计算;利用实测20 cm深度土壤相对湿度数据与该地区计算的TVDI值做线性拟合,拟合度R2最高为清河县站点0.722,最低是任县站点0.598,整体效果较好;从验证结果来看,TVDI能够较好地反映出邢台市整体的实际旱情。邢台市2010年冬小麦主要生长阶段中返青拔节阶段整体旱情等级较高,而且出现大面积重旱区域,进入抽穗阶段重旱区域减少,正常或湿润区域范围扩大,整体旱情减轻。     

利用无人机遥感技术监测松材线虫病的应用研究

松材线虫病是松树的一种毁灭性病害,科学准确监测其发生与蔓延,有利于及时采取防治措施,对于有效控制疾病具有重要作用。研究使用无人机搭载多光谱传感器的一体化飞行平台,获取空间分辨率为0.1m的数字正射影像（DOM）、归一化植被指数（NDVI）、5个波段的遥感影像和数字表面模型（DSM）。构建深度学习模型自动识别提取监测区共计733株不同受害类型的松材线虫疫木,自动识别的正确率达到96%。     

长白山阔叶红松林不同演替阶段冠层光谱特征及其与气温的关系

【目的】通过遥感数据分析长白山阔叶红松林不同演替阶段冠层光谱变化特征,为揭示长白山群落内部种间变化以及植被生产力对气候因子的响应机制提供理论依据。【方法】通过Google Earth Engine平台提取1984-2019年长白山原始阔叶红松林与次生白桦林Landsat和Sentinel多年冠层光谱数据并计算植被绿度参数,分析二者冠层光谱特征季节变化、植被绿度的季节与年际变化,计算植被年际绿度变化与同期月均温的Pearson相关系数。【结果】(1)原始林与次生林冠层可见光反射率在非生长季较高,生长季下降,而近红外光变化趋势则与此相反。在生长旺盛季节(5-10月底)原始林与次生林可见光波段冠层反射率相近,近红外波段差异明显,次生林冠层反射率更高。二者都具有明显的"红谷"、"绿峰"、"蓝谷"和"红边"现象,原始林冠层光谱反射率年变化幅度小于次生林。(2)原始林与次生林的绿度表现为相同的变化趋势,即春季展叶期间增长、秋季落叶期衰减。非生长季,原始林植被指数变化较为稳定且大于次生林,次生林林下透光度高。生长季,次生林增强植被指数(EVI)和哨兵二号红边位置(S2REP)均大于原始林,植被冠层生...     

基于Sentinel-2多光谱数据的棉花叶面积指数估算

棉花叶面积指数（leaf are index, LAI）的快速、准确获取对棉花长势监测、发育期诊断、面积提取以及产量估算等遥感监测具有重要意义。该研究利用2017年和2018年的Sentinel-2多光谱卫星数据及大面积田间试验观测获取的棉花不同发育期LAI实测数据,构建了基于单波段反射率及各类植被指数的棉花不同发育期及全发育期LAI估算模型,并采用留一验证（LOOCV, leave-one-out cross validation）和交叉验证对模型精度进行了检验。结果表明：1）对于单波段反射率,基于中心波长为842 nm波宽为145 nm的B8近红外波段对不同发育期LAI估算精度最优均方根误差（RMSE, root mean square error, RMSE=0.378）;2）对于各类植被指数,花蕾期（20170616）和花铃期（20170802）时增强植被指数（EVI, enhanced vegetation index,）表现最佳（RMSE分别为0.352和0.367）,开花期（20180623）时校正土壤调节植被指数（MSAVI2, modified soil adjusted vegetation index 2,）估算精度最高（RMSE=0.323）;3）单波段反射率和各类植被指数对全发育期LAI的估算均要优于对单个发育期LAI的估算,其中基于IRECI指数的（inverted red-edge chlorophyll index）全发育期LAI估算模型精度最佳,LOOCV检验RMSE=0.425,交叉检验RMSE=0.368;将基于IRECI的全发育期LAI估算模型应用到单个发育期LAI估算并与各单个发育期LAI估算模型精度对比,发现交叉验证RMSE平均值仅比LOOCV验证RMSE平均值高0.07,反映了全发育期LAI估算模型良好的普适性。该研究为农作物LAI估算提供了新的数据选择,完善了Sentinel-2卫星数据在LAI估算中的应用领域。     

甘肃省草原产草量动态监测模型

利用MODIS数据和地面实测资料,研究了甘肃省不同草原区的最适草原生物量遥感估算模型,并反演了甘肃省2005-2009年的草原产草量,分析了其空间分布特征。结果表明,不同草原区适合的植被指数和反演模型类型存异,其中河西走廊高平原荒漠草原区适合的植被指数是RVI、模型类型为对数模型,甘南高原草甸草原区适合的植被指数是EVI、模型类型为指数模型,而黄土高原温性草原区适合的植被指数是NDVI、模型类型为二次多项式模型。甘肃省2009年草原总产鲜草3 718.30万t,整体呈现东北低、西南高的空间变化过程,形成3个高产中心,分别是甘南高原、祁连山北麓中东段和陇南南部。与1985年相比,2005年草原明显减产(相对变化率V=19.34%),但2005-2009年间甘肃省草原产草量有总体上升的趋势。     

基于随机森林算法的橡胶林地上生物量遥感反演研究——以景洪市为例

以景洪市橡胶林为研究对象,将获得的样地植被指数和生物量数据用随机森林方法建立相关关系,将建立的关系用Landsat TM影像反演出整个研究区域的生物量分布,用影像和实地样地调查数据进行分析和验证,实现光学遥感的大范围生物量反演。在反演过程中将植被指数作为自变量,使用R语言环境下的随机森林方法进行变量筛选和建模,并对该方法的适用性进行分析评价。结果表明：随机森林算法适用于森林生物量反演;选择的变量为可见光大气阻抗植被指数（VARI）、简单比值指数（RVI）、归一化植被指数（NDVI）、水分胁迫指数（MSI）、中红外指数（MidIR）;总体模型反演精度R2=043,RMSE=4605。反演结果对于生物量密度较低的区域回归效果较好,对于生物量超过200t/hm2的地区,反演结果偏低,且随着生物量密度的增加,反演结果偏差逐渐增大。     

基于赤池信息准则的冬小麦植株氮含量高光谱估算

冬小麦叶片氮含量与叶片光合作用和营养状况密切相关,直接影响植株生长发育,而茎秆中的氮含量与茎秆中纤维素、半纤维素和木质素的比例和含量密切相关,直接影响茎秆质量及植株的抗倒伏能力。然而,有关对冬小麦茎秆氮含量估算研究较为有限,限制了从氮含量角度判断茎秆质量及对倒伏的预测能力。为精准估算冬小麦不同器官（叶片、茎秆）氮含量,该研究通过2年田间试验,获取冬小麦4个关键生育期（拔节期、抽穗期、开花期、灌浆期）和3种施氮水平条件下（N1、N2和N3）的冠层光谱反射率、叶片、茎秆氮含量及叶片SPAD (soil and plant analyzer development, SPAD)值。分析了不同生育期和施氮水平条件下高光谱植被指数对叶片和茎秆氮含量的敏感性,并结合5种常用的机器学习算法：随机森林回归（random forest regression,RFR）、支持向量回归（support vector regression,SVR）、偏最小二乘回归（partial least squares regression,PLSR）、高斯过程回归（gaussian process regression,GPR）、深度神经网络回归（deep neural networks,DNN）构建冬小麦叶片和茎秆氮含量估算模型。结果表明：高光谱植被指数对叶片和茎秆氮含量的敏感性受到生育期和施氮水平的影响。在灌浆期,最佳植被指数双峰冠层植被指数 DCNI（double-peak canopy nitrogen index）对叶片氮含量的敏感性最高,R²为0.866。对茎秆氮含量,在抽穗期的敏感性最高,最佳植被指数归一化叶绿素比值指数 NPQI（normalized phaeophytinization index）与氮含量决定系数R²＝0.677。施氮水平的提升增加了光谱植被指数对茎秆氮含量的敏感性。结合SPAD值的机器学习算法提升了氮含量的估算精度,对叶片氮含量,在不同生育期和施氮水平条件下估算精度提升了1%～7%,其中在全生育期的归一化均方根误差NRMSE从0.254降低到0.214,抽穗期的NRMSE提升最大,从0.201降低到0.128。对茎秆氮含量,全生育期的NRMSE从0.443降低到0.400,抽穗期的NRMSE变化最大,从0.323降低到0.268。在全生育期,结合SPAD值的DNN模型对叶片（R²=0.782、NRMSE=0.214）和茎秆（R²=0.802、NRMSE=0.400）氮含量的估算精度最佳。研究说明,SPAD值与光谱植被指数结合有利于提升冬小麦不同生育期和施氮水平条件下叶片和茎秆氮含量的估算精度。

     

VI-LST遥感模型在福建省干旱灾害监测中的应用

植被指数(VI)和地表温度(LST)是描述地表特征信息的2个重要参数.本研究采用基于VI和LST特征空间的遥感模型对2000年以来福建省三起比较严重的干旱灾害进行监测分析,结果表明:采用增强型植被指数(EVI)拟合特征空间干边方程的相关系数高于采用归一化植被指数(NDVI)拟合干边方程的相关系数.VI-LST遥感模型能客观地反映地表水分供应状况,较好地反映区域旱情的空间分布和旱情动态发展过程,干旱灾害的卫星遥感监测结果与地面气象监测结果基本一致,在福建省抗旱减灾工作中具有一定的实用价值.     

植被指数变化与地表反照率的关系研究——以海南岛西部为例

利用ETM＋遥感数据研究海南岛西部植被指数与地表反照率的关系。结果表明,在沙化严重区域地表反照率与植被指数存在负相关,而在高植被覆盖度区域两者存在幂函数关系。     

基于Landsat-8OLI数据的植被覆盖度反演模型研究——以西安市雁塔区为例

植被覆盖度遥感反演模型是用定量的方法来估算研究区范围内植被的覆盖分布。本文主要利用Landsat-8OLI遥感数据分别提取3类常用植被指数包括归一化植被指数NDVI、增强植被指数EVI、比值植被指数RVI,根据像元二分模型建立植被覆盖度反演模型。同时利用交叉验证的方式对其估算模型进行验证,来反映估算模型的精度。