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。     

基于改进最大值法合成NDVI的夏玉米物候期遥感监测

利用遥感技术监测农作物物候期,能够及时有效地评估作物生长趋势、提高农情信息化管理水平。本研究利用2016年MODIS 8天合成数据,提出改进的最大值合成法,结合S-G滤波和Logistic函数拟合重构夏玉米生长曲线,最后利用曲率法提取夏玉米的拔节期和成熟期,利用动态阈值法提取夏玉米的出苗期和抽雄期。结果表明:采用本文提取的夏玉米物候期与实测物候期相比,平均误差为2.76 d,其中在抽雄期的绝对误差为1.06 d,运用改进的最大值合成提取作物NDVI时序数据可有效去除连续云雾对植被指数的影响,提高监测作物物候期的准确性,为精准农业提供技术支撑。     

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GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用

耕地作为一种稀缺资源对国家和农民来说都具有极其重要的意义,但随着市场经济的深入和农村经济的发展,农村耕地撂荒现象时有发生,撂荒耕地必然导致土地资源浪费,影响到中国粮食安全和农民增收,也不利于农村经济社会稳定发展。沿淮地区是安徽省乃至全国重要的商品粮生产基地,但近年来冬季撂荒情况日益严重。该文拟选取安徽省霍邱县,利用2015、2016、2017三年冬小麦生长期内的GF-1卫星16 m多光谱影像,提取霍邱县冬季作物种植的空间分布和面积,通过多年数据对比,来分析霍邱县近年冬季耕地撂荒情况。结果显示:2015、2016、2017三个年度冬小麦种植面积分别为937.72,821.79,608.91km~2。参照2015年度冬小麦种植情况,2016年度冬季撂荒面积115.93 km~2、占比12.36%,2017年度冬季撂荒面积328.81 km~2、占比35.06%。结合实地调研分析,霍邱县近年来冬季撂荒面积不断增大的的主要原因有农田排灌等水利设施不足、稻茬麦效益低、外出务工等。而2017年度撂荒面积明显增加的直接原因是冬小麦播种期间,出现连续阴雨异常天气,低洼地区田间积水严重,致使冬小麦无法播种,被动撂荒。该文的研究可以为沿淮地区冬季撂荒遥感调查提供技术参考。     

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。     

Relationships of Spectral Reflectance with Plant Tissue Mineral Elements of Common Bean (Phaseolus Vulgaris L.) Under Drought and Salinity Stresses

ABSTRACT

Salinity and drought stresses are critical for Phaseolus vulgaris L. growth and development. They affect plants in various ways, including tissue mineral element content. Micro- and macro-elements in leaves of Phaseolus vulgaris L. (cv. ‘Blue lake’ and cv. ‘Terli’) subjected to deficit irrigation and salinity treatments were investigated, both analytically and with regards to their effect on the leaves’ spectral reflectance. B (boron), K (potassium), Mn (manganese), Na (sodium), Si (silicon) and Zn (zinc) appeared to be influenced by stress factors, mainly responding to salinity increase. The leaf spectral reflectance of the plants appeared to be significantly correlated with most of the elements under investigation. Multivariate regression identified a relationship of the reflectance at particular regions of the spectrum with phosphorus and NDVI (normalized difference vegetation index) and indicated a significant correlation with B, Fe (iron), K, Mn, P (phosphorus) and Zn. Moreover, customized spectral indices, exhibiting significantly high correlation with B, Fe, K, Mg (magnesium), Mn, Na, P, Zn and N (nitrogen), were developed.     

基于全子集-分位数回归的土壤含盐量反演研究

为提高植被覆盖条件下卫星遥感对土壤含盐量的估测精度,以河套灌区解放闸灌域为研究区,以高分一号卫星影像为数据源,同步采集不同深度土壤含盐量,通过全子集筛选法(Best subset selection)分析不同波段和光谱指数对于不同深度土壤含盐量的敏感性,并采用人工神经网络(Artificial neural network,ANN)、支持向量机(Support vector machine,SVM)和分位数回归(Quantile regression,QR) 3种方法,构建全子集筛选前后0～20 cm、20～40 cm、0～40 cm、40～60 cm、0～60 cm等不同深度下的土壤含盐量反演模型。结果表明,B4、BI、SI1、SI3是0～20 cm、0～40 cm处土壤含盐量的敏感变量组合,B4、BI、NDVI为20～40 cm、40～60 cm、0～60 cm处土壤含盐量的敏感变量组合;在各深度下,分位数回归模型的精度最高,模型的决定系数R2c1、R2v1均在0. 4以上,均方根误差RMSEc1、RMSEv1均小于0. 4%,SVM次之,ANN最差;在20～40 cm深度下QR反演模型效果优于其他深度,为本文土壤含盐量估算的最优模型,其建模和验证的决定系数R2c1、R2v1分别为0. 611和0. 671,建模和验证均方根误差RMSEc1、RMSEv1分别为0. 177%和0. 160%。本研究可为卫星遥感大范围监测植被覆盖条件下土壤盐渍化程度提供参考。