基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度(canopy temperature,T_c)是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI (记为CWSI_Tcf%)。二是基于冠层温度方差(canopy temperature variance,V_ar),将玉米冠层数据分为4个区间:区间Ⅰ,T_c≤40,V_ar≤10;区间Ⅱ,T_c≤40,10ar≤20;区间Ⅲ,35c     

基于无人机-卫星遥感升尺度的土壤水分监测模型研究

土壤水分是研究土壤-植物-大气循环系统中能量与物质交换的关键,通过尺度转换方法将无人机遥感数据上推以修正卫星数据,可有效改善卫星遥感反演模型精度。本文以河套灌区为研究对象,分别采用重采样和TsHARP升尺度法,引入多元线性回归(MLR)、BP神经网络(BPNN)和支持向量机(SVM)算法构建不同土壤深度下无人机-卫星升尺度土壤含水率反演模型。研究结果表明：重采样升尺度法在不同土壤深度下模型整体精度由高到低依次为SVM、MLR、BPNN,其中在土壤深度0～60 cm下采用SVM模型最优,R²达到0.571,RMSE为0.022%;TsHARP升尺度法在不同土壤深度下模型整体精度由高到低依次为BPNN、SVM、MLR,其中在土壤深度0～60 cm下采用BPNN模型最优,R²达到0.829,RMSE为0.015%。与升尺度修正前对应土壤深度模型对比,两种升尺度方法均能明显提高卫星遥感对土壤含水率的反演精度,但TsHARP升尺度法整体优于重采样法;重采样法的R²由0.413提升至0.571,RMSE由0.026%降至0.022%...     

基于EnKF和PF的沙壕渠灌域土壤含盐量监测模型研究

为探究不同数据同化算法在时空尺度上监测土壤含盐量的可行性，以内蒙古河套灌区沙壕渠灌域为研究区域，采用高分一号卫星遥感图像作为数据源，通过EnKF算法和PF算法的同化观测算子和模型算子得到时空范围中的土壤含盐量变化情况。其中观测算子分为两步，首先通过PLS-VIP准则来筛选光谱指数作为自变量，再使用ELM模型建立基于不同时间不同深度的遥感监测土壤含盐量模型；模型算子为基于Hydrus-1D模型的数学模拟监测土壤含盐量模型。结果表明，基于ELM模型的土壤含盐量模型中，深度0～20 cm、20～40 cm和40～60 cm的平均IOA均在0.74以上，平均ME在0.14%以下，表明反演模型具有良好的精度；基于Hydrus-1D的数学模拟监测土壤含盐量模型中，3个深度平均IOA在0.79～0.89之间，平均ME在0.128%～0.137%之间，能够较好地反映土壤盐分在时间序列中的运移情况；EnKF算法3个深度IOA在0.820以上，ME在0.141%～0.157%之间，NMB在0.141～0.252之间，PF算法3个深度IOA在0.89以上，ME在0.090%～0.142%之间，NMB在0.0...