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GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

基于多源遥感数据的河套灌区干旱时空演变特征

利用中国气象局陆面数据同化系统（CLDAS）验证了2015—2016年土壤水分主动-被动微波数据集（SMAP）在河套灌区的适用性，基于土壤水分亏缺指数（SWDI ）和干旱周百分比（PDW）分析了作物生育期内灌区农业干旱时空演变规律，通过两个参考指标检验了SWDI在河套灌区的精度。结果表明：（1）SMAP在河套灌区的适用性较好；区域尺度上，SMAP和CLDAS的相关系数为0.65；栅格尺度上，约有69%的栅格表现良好（R>0.5），且多集中在灌区西南部和东北部。（2）严重干旱主要发生在4月下旬到5月中旬、7月下旬到8月下旬以及9月中旬到10月中旬，主要集中在灌区的西南部、中部和东部；2015—2016年PDW值略有增大，干旱事件的持续时间有所延长。（3）大气水分亏缺量（AWD）表征的气象干旱在时间上显示2 a内灌区干旱月份为5—8月；空间上，除去地形原因，SWDI和AWD的相关性较为显著，且有一半格点通过了显著性水平为0.01的显著检验，表明基于SWDI对河套灌区进行干旱状况分析具有较高的可信度。     

基于无人机与激光测距技术的农田地形测绘

平整地技术是提高作物单产的重要措施，而获取高精度的农田地形测绘数据与农田数字地形模型，是进行精准平整地作业的必要条件。为了解决传统接触式地形测绘效率低、基于航拍摄影技术的遥感地形测绘精度差及作业成本高等问题，该研究提出了一种基于多旋翼无人机与激光测距技术的农田地形测绘方法。在多旋翼无人机测绘平台上搭载激光测距模块与后处理动态差分全球定位系统设备（Post-Processing Kinematic Global Positioning System，PPK-GPS），获取激光测距序列、PPK-GPS三维定位数据以及无人机的飞行姿态数据。首先使用均值滤波器处理原始激光测距序列，并将得到的激光测距序列与PPK-GPS定位数据进行同步处理，使二者建立空间对应关系。根据无人机倾斜状态时的测距激光方向与理论竖直方向的空间几何关系，使用从无人机的飞行控制器中提取的姿态信息校正激光测距序列，消除无人机平台在飞行过程中俯仰与横滚姿态变化对激光测距精度的影响。最后，根据PPK-GPS定位数据的海拔高度分量与激光测距序列计算试验地块内地面测量点的海拔高度，共获取1 417组地面测量点的有效测绘数据。利用手持PPK-GPS设备对地面测量点的海拔高度进行测绘精度检验。验证试验结果表明，本文提出的无人机农田地形测绘系统获取的海拔高度与手持PPK-GPS设备采集的海拔高度的均方根误差为5.2 cm，表明该无人机农田地形测绘系统具有较高的测绘精度。与利用手持GPS设备进行地形测绘作业的方法相比较，本文提出的无人机农田地形测绘系统具有自动化程度高、作业效率高等优点。该研究可为促进精准平整地技术的大规模应用提供数据支持。     

基于遥感指数的草原火后植被恢复研究

草原火是草原生态系统重要的干扰因子，严重影响着系统的结构与功能。基于遥感数据，以2015年“4·16”特大草原火灾为例，利用ENVI和ArcGIS等软件，分别对NDVI和GPP指数及火烧严重度下的植被恢复过程进行定量分析。结果表明，基于NDVI和GPP指数的火后植被恢复过程表现相似，不同年份植被恢复情况存在一定差异。火灾发生当年（2015年）火烧迹地植被恢复状况高于未发生火灾区域，而在火后第1年（2016年）却又稍低于未发生火灾区域，直到火后第2年（2017年），火烧迹地植被基本恢复到火前状态。同时，不同火烧严重度下的植被恢复过程在存在明显差异。草原火灾发生后当年（2015年），中强度火烧下植被恢复最好，其次是轻度，重度表现最差。草原火烧严重度对植被恢复的影响，主要表现在火后第1个植被生长季。在之后的年份里，由于草原更新能力强大，不同火烧严重度对草原植被的影响不明显。本研究可丰富草原火灾及火烧迹地植被恢复等相关研究成果，同时为草原火灾管理和草原生态系统的可持续发展提供科学依据。     

升金湖湿地生态系统健康评价与越冬候鸟的响应

湿地生态环境及越冬水禽是升金湖自然保护区主要保护对象,其生态系统健康评价对生态系统修复及越冬水禽数量的恢复具有重要意义。利用ERDAS软件将1986、1990、1995、2000、2004、2008、2011及2015年共计8个年份冬季的TM影像数据解译划分为8种景观类型,用FRAGSTATS软件计算出各个年份的景观指标。根据升金湖湿地压力、状态、响应3方面选取10个指标,构建了升金湖湿地生态系统健康评价指标体系,利用逻辑斯蒂增长曲线模式(Logisticgrowthmodel)对这些单项指标进行评价,然后运用层次分析(AHP)的方法确定各个单项因子在指标体系中的权重,最后对1986到2015年升金湖湿地生态系统运用综合评价模型进行综合的评价分析。2015年升金湖生态系统健康综合评价值为0.430,属于亚健康的状态,应及时加强升金湖湿地生态保护措施。通过1995年与2015年对比得知人口密度增长10%以上,人类干扰指数增长了6.685,人类的干扰压力是导致湿地功能下降的主要因素;从状态分析与响应分析可以看出升金湖湿地修复功能处于不稳定的状态。通过越冬候鸟数量与湿地生态系统健康的关系可以看出越冬侯鸟数量的变化是随着湿地的生态系统健康评价状况变化而变化。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点，探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像，经过光谱预处理和特征工程后，采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合，基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法，建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve，AUC)分别为0.883 0和0.912 0，分类准确率均超过95%；提取出698和762 nm的特征波长组合，基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

基于RGB颜色空间的早稻氮素营养监测研究

针对双季稻区水稻过量施肥带来环境污染和成本提高问题,设计不同品种氮肥梯度大田试验,应用数码相机获取早稻冠层数字图像,研究不同色彩参数及早稻氮素营养指标的时空变化特征,以期确立双季早稻氮素营养预测模型。结果表明:不同品种同一氮肥处理下图像色彩参数差异不大;拔节期数字图像参数对氮素营养指标敏感;模型构建结果显示,图像参数INT与水稻氮素营养指标构建的模型决定系数(R2)最大,模型预测效果最佳,R2分别为0.895 7和0.924 7;进一步采用多元回归分析和BP神经网络分析法进行预测,预测效果均较好。对预测结果进行检验,发现品种对于模型的构建影响不大,以BP神经网络分析法构建的叶片氮浓度(LNC)模型和以INT为敏感色彩参数构建的叶片氮积累量(LNA)回归模型效果最优,而多元回归分析方法则效果不佳。早稻冠层RGB颜色空间敏感参数与氮素营养指标间相关性较好,可以实现氮素营养的无损监测诊断。     

矾根主要品种的叶色表型性状分析

通过目测进行分类的方式很难准确界定矾根品种叶色。为建立一套更为科学的基于叶色表型的矾根品种分类体系,笔者利用色差仪对72个矾根品种共计432个样品的叶色进行测定,对获得的L、a、b 3个色度值进行聚类分析,将72个矾根品种分为褐色系、深绿色系、黄色系、灰绿色系、浅绿色系5类色系。对矾根品种各色系的L、a、b值进行相关性分析,发现叶片正面的L值与a值、a值与b值呈负相关,L值与b值呈正相关,但相关性不明显;叶片背面的L值与a值、a值与b值呈负相关,L值与b值呈显著正相关。从多重比较的结果中可以看出,矾根品种各色系之间的L、a、b色度值差异显著,尤其是各色系间叶正面的颜色差异较大,在矾根品种选育工作中,叶片正面的颜色将作为主要参考。