景谷县森林蓄积量遥感估测及其动态变化分析

以云南省景谷县为研究区,基于Landsat5和Landsat8遥感数据,利用2012年和2017年两期全国森林资源连续清查实地调查数据,建立多元逐步回归和随机森林模型对景谷县森林蓄积量进行遥感估测对比研究。结果显示:综合建模精度来看,随机森林法在相同样地数量条件下具有更好的估测效果;从估测结果与林地保护利用规划和林地变更数据结果相比较,随机森林法估测值接近真实值,估测精度较高。     

基于landsat8的贵州省2015年农业干旱监测研究

在全球气候变暖背景下,干旱普遍发生,而农业干旱对国民经济发展的影响尤为明显,同时农业干旱还威胁着国家的粮食安全和生态安全。基于贵州省2015年不同季节的landsat8 OIL遥感数据,利用影像数据所获取的植被覆盖指数和地表温度数据,拟合植被指数(NDVI)和地表温度(LST)的特征空间,设计得到贵州省2015年春、夏、秋、冬四个不同季节的不同的土壤湿度,将TVDI作为监测农业干旱状况的指标,得到贵州省2015年的农业干旱时空分布图。结果表明,土壤含水率的高低与植被覆盖和地表温度有关,且TVDI更适宜中等植被覆盖的土壤湿度反演。贵州省2015年全年旱情较缓,各地区均不存在春旱或伏旱,只有冬季绝大部分地区土壤含水率较低,更有力地促进了农业干旱的发生。因此,对农业干旱的监测研究为贵州省农业干旱的监测管理提供有力依据,为今后减少农业干旱的影响和进一步促进农业社会经济可持续发展具有重要的现实意义。     

基于遥感数据的大尺度区域水田空间格局及生态服务价值变化分析

受经济和气候驱动，长江经济带水田空间格局发生了显著变化，影响区域粮食安全与生态安全。本研究基于1990-2015年土地利用遥感监测数据，利用GIS的空间分析功能，探究长江经济带水田空间格局动态变化特征，采用当量因子法计算生态系统服务价值（ESV），分析了水田变化的综合影响。结果表明：1）1990-2015年长江经济带水田规模持续缩减，共减少了17390km²，减幅呈增长态势具有显著地域差异，长江中上游与下游的水田减幅相差约为9.56%。其中下游减幅较大，水田占区域比例随之降低，中上游恰好相反。2）由于经济建设及水产养殖的发展，水田主要转化为建设用地和水系，水田主要由水系、旱地和湿地等转化而来。长江三角洲城市群、长江中游及成渝城市群的水田变化最为剧烈，建设用地侵占水田扩张的现象分布广泛，水田转为水系主要在两湖平原局部地区。3）水田与其他生态系统的转化对ESV是正影响，水田转为水系对此贡献最大，其转化规模决定了不同时期ESV净增量的大小，水系转化为水田损失的价值最多，建设用地侵占水田次之。不同市域的水田变化情况不一致，因此ESV增减情况具有明显差异。4）生态系统服务中水文调节、水资源供给增强的同时，食物生产、气体调节受到严重损害，与水资源规模扩大和水田资源大量流失有直接关系。研究结果有助于揭示长江流域水田的时空变化过程及其对各项生态系统服务的影响，可为区域土地利用规划、农业政策与生态可持续发展提供理论支持。     

农机远程智能管理平台研发及其应用

本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题，首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则，本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下，平台部分关键技术的实现方法，包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等，并提出了以地块为核心的管理平台建设思路；同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。     

双诱芯诱捕器监测两种松毛虫的效果比较

利用性信息素监测是目前松毛虫监测预报的重要方法。为了对同一林地中混合发生的两种或多种松毛虫同时进行监测,在桂阳县2个乡镇开展马尾松毛虫Dendrolimus punctatus思茅松毛虫Dendrolimus kikuchii双诱芯诱捕器和靶标昆虫诱捕器的诱捕效果对比试验。结果表明:在3块样地中,双诱芯诱捕器和马尾松毛虫诱捕器诱捕到的马尾松毛虫分别为(10.22±3.15)头/器、(9.78±3.61)头/器,无显著差异(P>0.05);双诱芯诱捕器和思茅松毛虫诱捕器诱捕到的思茅松毛虫分别为(13.22±4.39)头/器、(14.33±4.73)头/器,无显著差异(P>0.05)。在两种松毛虫混合发生的林地,将两种靶标昆虫的诱芯放置于同一个诱捕器中,可以同时有效地监测两种松毛虫,节约人力物力。     

基于极化分解和集成学习的PolSAR影像分类

为实现Pol SAR数据极化信息的充分利用,以进一步改善分类效果,该研究提出了一种基于极化分解和集成学习的Pol SAR影像分类方法。该方法首先利用多种极化分解方法从Pol SAR影像中提取极化参数;将提取的极化参数组合成一幅多通道影像;然后对多通道影像进行分割和特征提取,分别提取出各目标极化分解方法所对应的特征;并进行特征选择和分类,得到各目标极化分解方法的分类结果;最后利用集成学习技术对各分类结果进行集成。该研究以吉林省长春市部分区域为研究区,Radarsat2影像为数据源,将提出的方法应用于土地覆被分类中,取得了较好的分类效果,总体精度和Kappa系数分别达到了92.49%和0.90。此外,该研究还将提出方法与其他基于多种极化分解的分类方法进行比较,对比方法的总体精度和Kappa系数分别为90.74%和0.88,比提出方法分别低1.75%和0.02,对比结果进一步证明了提出方法的优越性。     

1992—2015年呼伦贝尔草原区不同草地类型分布时空变化遥感分析

【背景】 呼伦贝尔草原作为我国温性草原的重要组成部分,其独特的地理位置、典型的生态及气候特点、代表性的生产方式决定其在草原畜牧业生产中的重要地位,同时也是我国北方的绿色生态屏障,发挥着生态缓冲区功能。草地作为重要的陆地生态系统之一,在农牧业生产、生态及环境保护、气候变化等方面具有重要的意义。【目的】 明确不同草地类型的空间分布及变化规律,为草地研究及管理提供依据。【方法】 以呼伦贝尔草原区不同草地及地物类型为研究对象,以1992年、2015年遥感影像为数据源,采用支持向量机、面对对象分类法获得研究区地物类型空间分布数据,以地统计方法分析时空变化特征,结合植物-生境学分类法划分地带性草地类型潜在分布、社会统计数据、地物类型转化过程分析气候变化、人类活动对草地类型分布的影响。【结果】 研究区耕地、林地、沙地碱地、人工表面4种地物类型面积增加,草地、水体面积减少。草地作为研究区最大的覆盖类型,1992年、2015年分布面积为7 601 258 hm²、7 148 085 hm²,减少幅度5.96%。研究区分布典型草原、草甸草原、低地草甸、山地草甸及沼泽,前3种草地类型分布面积较大,共占研究区总面积70%以上,后2种草地类型分布面积相对较少,占2%左右。除典型草原面积增加外,其他草地类型面积减少,典型草原面积增加283 790 hm²,增加幅度7.12%;草甸草原减少面积最大,减少563 439 hm²,减小幅度28.72%。研究区水分状况相对较湿润的草地类型向相对干旱的类型转换占据主导地位,1992—2015年转移面积466 687 hm²,水分状况相对较干的草地类型向相对湿润的类型转移面积212 330 hm²。【结论】 呼伦贝尔草原区不同草地及地物类型空间分布变化较为剧烈,气候变化的影响具有趋势性、长期性、难恢复性,人类活动的影响具有破碎性、可逆性、易恢复性。     

基于物联网的玉米病害环境监测系统研究与实现

为研究和实现基于物联网的玉米病害环境监测系统,笔者设计了包括感知层、传输层、云服务层和应用层的4层架构。在感知层,利用传感器技术实时采集玉米病害环境的温湿度、降雨量、风向风速、光照强度和土壤温湿度等数据;在传输层中使用4G移动通信网络实现数据的远距离传输;云服务层中,基于四川农畜育种攻关云服务平台,应用数据库技术、云服务技术实现数据的存储和管理;最后,在应用层采用B/S模式实现数据展示服务。结果表明,该系统能够准确采集、稳定传输和安全存储数据,降低了人工成本。因此,它能够为玉米病害研究课题组提供有效的信息化服务,具有一定实用价值。     

光肩星天牛的成虫监测和适期防治分析

以光肩星天牛的发生规律和危害特征为基础,应用引诱剂对其成虫进行动态监测,根据监测数据并结合其生活习性确定防治适期和防治方法,为光肩星天牛的监测和防治提供参考。     

基于随机森林的高寒湿地地区土地覆盖遥感分类方法

高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。