都市型现代农业建设对区域生态服务价值变化的影响分析

针对都市型现代农业建设的各个阶段,以多时相TM影像为数据源,以地块为基本单元提取土地利用/覆盖变化信息,选取植被覆盖度作为生态系统质量状况的表征系数,建立基于质量状态分析的生态服务价值定量评估模型,通过生态价值变化分析来表达土地利用变化所造成的生态环境质量改善程度。结果表明:通过都市型现代农业建设,对各个地块的土地利用方式进行合理规划和有效建设,土地利用类型趋于多样化,生态服务功能增强,建设后期的生态服务价值相对于建设之前明显提高,林地、草地和水域面积的增加是该区生态服务功能增强的最主要原因。作为都市现代农业建设示范区,要严格控制耕地面积的减少,合理转化未利用土地,这样才能实现生态环境改善和农业生产双丰收。     

利用有效积温提高冬小麦估产精度的研究

为探索如何利用冬小麦生长过程中的积温信息来提高遥感估产的准确性,以2009-2010和2012-2013年2个冬小麦生长季的田间试验数据为基础,利用有效积温和植被指数(NDVI)构建冬小麦当季估产指数INSEY(In-season estimate of yield)和INSEY-CGDD(In-season estimate of yield-cumulative growing degree days),分别用NDVI、INSEY和INSEY-CGDD与实测产量建立估产模型,并比较分析3类估产模型的精度。结果表明,3个变量与实测产量均成指数关系,其中INSEY-CGDD模型的精度最高(R2=0.59),预测能力最优,其次是INSEY模型(R2=0.55);而NDVI模型的精度最低(R2=0.35),预测能力最差。因此,在冬小麦估产模型中引入有效积温调整参数,可有效提高遥感估产模型精度。     

小麦倒伏的雷达极化特征及其遥感监测

研究探索了雷达遥感大面积监测小麦倒伏状况的潜力。利用覆盖整个小麦生育期的5景时间序列Radarsat-2全极化影像数据,对比分析了倒伏小麦与正常小麦在不同时间、不同极化的雷达后向散射动态响应规律,发现雷达极化特征对小麦倒伏十分敏感,基于此提出利用雷达极化指数监测小麦倒伏的方法。并利用内蒙古额尔古纳市上库力农场春小麦抽穗灌浆期的实地调查数据,对提出方法进行验证,结果表明该方法能有效辨识和监测小麦倒伏。为大面积监测小麦倒伏提供了一种简单、快速、有效的手段。     

乡镇尺度的玉米种植面积遥感监测

以快速、准确提取玉米种植面积为目标,以多时相HJ-1A/1B CCD影像和数字高程模型（DEM）为信息源,选取吉林省长春市为试验区,将试验区种植结构、物候特征、地形特征、光谱特征及植被指数等多元信息引入决策树分类模型,构建基于决策树分层分类的玉米种植面积遥感估算模型,并将空间化的农普数据作为参考值,以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价。研究表明：利用该方法可以有效提高玉米识别精度,满足作物种植面积估算大范围、多时相的需求,有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾,乡镇尺度的玉米种植面积总量提取精度可达92.57%。     

基于权重最优组合和多时相遥感的作物估产

多时相遥感数据比单一时相携带了更多的反映作物产量的信息,研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合（WOC）是一种通过对单个模型权重的最优化,来构建高精度组合模型的原理方法。论文以黑龙江农垦友谊农场大麦产量遥感估算为例,首先利用大麦4个时相的Landsat5 TM影像分别构建单一时相的大麦产量模型,然后利用WOC的迭代算法,通过赋予4个单一时相产量模型以最优权重,生成基于多时相遥感的组合模型估算大麦产量,结果表明：基于WOC和多时相遥感的组合估产模型的决定系数R2与单一时相的相比得到较大改善,估算精度提高明显。同时,通过对WOC获取的各时相单一模型最优权重大小进行分析表明：应用多时相遥感数据进行作物估产时,权重大小能够反映各时相遥感数据所携带的产量信息的多少,这对于如何选择和确定能有效反映作物产量的敏感遥感时相具有一定的指导意义。     

基于相似性分析的中低分辨率复合水稻种植面积测量法

 【目的】利用遥感技术获取大范围水稻种植面积是遥感技术在农业领域的主要应用方向之一。本研究的目的是探索利用多尺度遥感数据复合测量水稻种植面积的方法。【方法】以SPOT5数据的水稻识别结果作为样本，构建图像相似性指数，通过支持向量机（SVM）混合像元分解模型，对MODIS-EVI时间序列数据进行水稻的种植面积测量。【结果】通过江苏省邳州市的试验研究得出：（1）在野外经验支持下，从MODIS-EVI时间序列数据中构建的水稻种植相似性指数可以有效反映水稻在整个研究区的空间分布情况；（2）利用图像相似性选取训练样本，能有效地提高MODIS-EVI数据的水稻种植面积的测量精度，当图像相似性指数越小，即图像相似性越高，提取的水稻种植面积也越准确；（3）通过与随机样本测量结果对比分析，基于相似样本的测量方法有着更高的稳定性；（4）该方法在不同种植结构分区内有着相似的总量精度与像元精度变化规律，均能获得较高的测量精度。【结论】基于相似样本的水稻种植面积测量方法，有助于发挥MODIS长时间序列优势，提高水稻种植面积遥感测量精度和稳定性，可以作为替代随机选取样本的方法之一。     

不同特征信息对TM尺度冬小麦面积测量精度影响研究

充分挖掘遥感数据信息，改善作物识别环境，一直是农作物遥感监测的重要工作。以往研究表明最佳波段组合、纹理信息和植被指数信息可以在一定程度上提高分类精度，但这些手段是否一定可以提高作物识别的精度，不同分类器对不同特征信息组合的响应是否一致等都是值得探讨的问题，也是目前研究甚少的问题。为此，该文将平均值(Mean)、方差(Variance)、均一性(Homogeneity)、反差(Contrast)、相异性(Dissimilarity)、熵(Entropy)、角二阶矩(Angular Second Moment)、灰度相关(Correlation)7种纹理信息以及比值植被指数(RVI)、土壤调整植被指数(SAVI)、重归一化植被指数(RDVI)、植被液态水含量指数(NDWI)、有效叶面积植被指数(SLAVI)5种植被指数信息分别加入到TM多光谱数据中，同时还进行了最佳波段选择，利用最小距离、最大似然和支持向量机3种方法进行分类提取小麦，研究了不同特征信息对小麦测量精度的影响。结果表明：该试验区内最佳波段5、4、3组合，纹理信息和植被指数信息的加入，对小麦面积测量精度的提高没有贡献；同一个特征信息组合对不同的分类器影响不同。在实际小麦面积测量的操作中，作业员不应该盲目的加入特征信息。选用何种信息不仅仅和研究区本身的性质有关，还和使用的分类器有关。     

冬小麦冻害灾情及长势恢复的变化向量分析

大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。鉴于温度并非唯一冻害因子,且归一化植被指数（NDVI）易高估封垄前冬小麦覆盖度,该文引入基于多时相植被指数的变化向量分析法,进行冬小麦冻害灾情及受灾后长势监测研究。选取河北藁城2010年冬小麦冻害作为研究对象,利用多时相环境小卫星数据提取多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明,变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。因此,变化向量分析法能有效地监测冬小麦冻害灾情与灾后长势恢复情况,同时对其他作物灾害监测提供了途径。     

基于变化向量分析的玉米收获期遥感监测

现有的作物收获期遥感监测的基本思路是利用NDVI曲线形态变化与作物形态的显著变化之间的响应关系,推测作物的收获期,并且仅对整个区域的平均收获期进行监测。该研究引进变化向量分析理论,以兖州市夏玉米为研究对象,以2009年覆盖研究区玉米收获季的三期环境小卫星B星座CCD（HJ-CCD）影像的NDVI信息为主要数据源,研究多时相NDVI的变化大小和变化过程与收获期的关系,进而构建基于变化向量分析的玉米收获期遥感监测模型,对研究区内玉米种植地块的收获期进行实时监测。通过野外实测样本对兖州玉米收获期遥感监测结果进行精度验证,精度可达89.65%,玉米收获期在空间呈南至北的分布,与兖州农业局提供的玉米收获期空间分布信息基本一致。研究表明,变化向量分析方法通过定量分析收获季节内NDVI的变化过程,有效地反映出玉米收获规律,为作物收获期遥感监测提供了一种新的研究思路。     

基于多时相环境减灾卫星数据的冬小麦冻害评估

评估冬小麦冻害影响范围和受灾程度对于灾后及时采取田间管理补救措施、恢复农业生产具有重要意义。基于国产多时相环境减灾卫星1号遥感数据(HJ-1),以河北省中南部冬小麦冻害为例,通过分析植被指数对冻害的敏感性,选择了增强型植被指数(enhanced vegetation index,EVI)作为评估冬小麦冻害的最优植被指数。开发了一种基于多时相遥感数据的冬小麦冻害评估方法,以冻害指数作为冬小麦冻害程度的评估指标,利用地面实测样本数据对评估结果进行了验证。结果表明,受灾前后冬小麦EVI的变化与冻害程度呈显著线性相关,该方法能够有效评估冬小麦冻害影响范围和受灾程度。