基于模拟Landsat-8 OLI数据的小麦秸秆覆盖度估算

田间秸秆作为农业生产过程中的重要物质,其覆盖度的遥感估算具有十分重要的意义。Landsat-8 OLI影像作为Landsat系列影像的最新数据产品,具有更精细的光谱特征,明确其在秸秆覆盖度估算中的表现具有重要的现实意义。该研究使用ASD Field Spec 4 Hi-Res地物光谱仪,以实测田间小麦秸秆光谱反射率为数据源,模拟Landsat-8 OLI、Landsat-5TM、Aster、Hyperion影像波段反射率,构建光谱指数,并建立小麦秸秆覆盖度估算模型,通过对比分析,评估Landsat-8OLI数据的估算能力。结果表明,基于Landsat-8 OLI1和OLI2波段构建的NDIOLI21指数模型估算结果最优,决定系数(coefficient of determination,R2)为0.60,均方根误差(root mean square error,RMSE)为9.56%,平均相对误差(mean relative error,MRE)为9.83%,优于Landsat-5 TM构建的光谱指数,且仅次于Aster构建的木质素-纤维素吸收指数(lignin cellulose absorption,LCA)和短波红外归一化差异秸秆指数(shortwave infrared normalized difference residue index,SINDRI)以及Hyperion构建的纤维素吸收指数(cellulose absorption index,CAI)。因此,波段更多、波段划分更加精细的Landsat-8OLI构建的光谱指数在小麦秸秆覆盖度估算方面达到了一定精度,具有良好的应用前景。     

基于盲源分离的稀疏植被区土壤含盐量反演

植被对土壤光谱的干扰是目前土壤盐渍化遥感监测的重要限制因素之一,探索消除稀疏植被覆盖区植被对光谱影响的方法,对提高土壤含盐量遥感反演精度具有重要意义。本文通过对189组不同植被覆盖度且不同盐渍化程度种植微区野外实测地表可见-近红外反射光谱进行分析,比较并评价了基于原始光谱和盲源分离(blind source separation,BSS)后光谱预测土壤含盐量的结果。结果表明:地表植被覆盖严重影响基于可见-近红外反射光谱的土壤含盐量反演精度。盲源分离方法,尤其是基于方程z=tanh(y)的独立分量分析(independent components analysis,ICA)算法,可有效分解植被和土壤的混合光谱,并提高植被覆盖下基于可见-近红外反射光谱的土壤含盐量反演精度。该方法为植被覆盖区大尺度土壤盐渍化遥感监测提供了方法指导。     

基于差异化光谱指数的盐渍土水分含量预测——以滨海盐土为例

以滨海盐土为研究对象,通过添加不同浓度的盐溶液并模拟蒸发过程,获取不同含水、含盐量的土壤样品,并测定土壤光谱和土壤含水量,分别运用光谱指数法和偏最小二乘回归法(PLSR)对土壤含水量进行预测。结果表明：由2027 nm和1878 nm构建的土壤水分差异化光谱指数(NDMI2027,1878)是预测土壤水分的最优指数,且适用于任何等级的盐渍化土壤,其建模集和验证集的预测结果均优于PLSR方法,验证集R2达0.99,RMSE仅为21.84 g/kg,可比较准确地预测盐渍化土壤的含水量。