基于无人机多光谱与地面高光谱遥感的土壤主要养分含量估测

耕地土壤作为农业资源的重要组成部分,是我国农业生产的基本资源与保障条件.山原红壤作为云南典型的土壤类型,在云南的农业生产与经济发展中发挥着重要作用.通过多光谱与高光谱遥感结合技术,对山原红壤主要养分含量的高光谱特性进行了研究分析,研究了土壤主要养分含量的多高光谱特性、筛选出了各养分含量的特征波段.而后,通过多光谱波段变...     

兼性互利关系对树冠层活动蚂蚁多样性的影响

[目的]为了探讨紫胶-蚂蚁兼性互利关系对生物多样性保护的作用效果,[方法]于2015年5月和9月,用树栖蚂蚁诱集陷阱在云南省墨江县雅邑镇调查了紫胶-砂仁混合农林系统(样地Ⅰ,从未放过紫胶虫;样地Ⅱ,3年前曾放过紫胶虫但本次实验不放虫;样地Ⅲ,放紫胶虫处理)中钝叶黄檀树冠层活动的蚂蚁群落多样性。[结果](1)样地Ⅰ中采集蚂蚁标本277头,隶属于5亚科11属14种;样地Ⅱ中蚂蚁标本324头,隶属于5亚科12属16种;样地Ⅲ中蚂蚁标本885头,隶属于4亚科17属22种。(2)样地Ⅱ和样地Ⅲ间的物种丰富度差异不显著,而与样地Ⅰ均差异显著;3种样地的相对多度间均差异显著;物种丰富度和相对多度排序均为ⅢⅡⅠ。(3)样地Ⅱ和Ⅲ树冠层蚂蚁群落结构较相似,二者与样地Ⅰ不相似;黑可可臭蚁和平和弓背蚁为3种类型样地中均出现的特征种,物种丰富度排序均为ⅢⅡⅠ,巴瑞弓背蚁是样地Ⅱ和Ⅲ中的特征种,物种丰富度ⅢⅡ,大头蚁属sp.1、横纹齿猛蚁和中华小家蚁则分别为样地Ⅰ、Ⅱ、Ⅲ的特征种。[结论]兼性互利关系对树冠层蚂蚁群落的物种丰富度、相对多度和群落结构具有积极影响,并且其作用效果具有一定的时间和空间尺度。     

无人机多光谱遥感的山原红壤主要养分含量的反演研究

通过分析土壤的主要养分含量与无人机遥感影像之间的关系,对于遥感在农业生产中的应用有重要意义.选取了昆明市云南农业大学后山试验田为研究区域,用无人机挂载多光谱相机获取研究区多光谱遥感影像.采集0～20 cm的土壤样本,并检测了土壤的理化性质及主要养分含量.通过多光谱影像不同光谱反射率及合成指数值对土壤主要养分含量进行相关性及多元逐步回归分析.结果表明:单一波段无法建立较好的回归模型,通过波段合成指数可以有效提高建模的精度.其中OSAVI、DVI、NDVI指数与K的三次方曲线的反演效果较好,R2=0.641,RMSE=49.74.表明该反演模型有较高的精度和稳定性,这为遥感技术在土壤养分含量的快速测定提供了新的途径.     

基于土壤光谱特性的土壤类型区分研究

选取云南农业大学某试验地为研究区域,一方面利用无人机挂载多光谱相机获取研究区域的多光谱遥感影像,通过对比多光谱单波段反射率以及多光谱影像发现,绿光和红光波段对3类土壤较为敏感,且反射率具有明显差异,对多光谱数据进行8种合成指数计算后发现,红绿比值指数(RG)对3种土壤的区分效果最优;另一方面利用美国ASD公司的FS4 NG地物光谱仪对获取的土壤样本进行多光谱测定,通过主成分分析对土壤样本进行区分,一阶微分变换后主成分分析前5个主成分提供了85％的光谱信息,而二阶微分变换后主成分分析前5个主成分提供了95％的光谱信息,且后者区分效果优于前者.     

基于NDVI的云南省临沧市植被覆盖分析

该文选取云南省临沧市为研究区域,利用2001—2015年MODIS中国植被指数合成产品Tiff遥感影像对临沧市植被覆盖进行分析。研究通过arcgis软件对遥感图像进行分析统计,汇总得研究区内15年各月的植被归一化指数,并对植被归一化指数的月、季和年变化进行分析,得出临沧市植被覆盖的变化趋势。而后,通过对比研究区数字高程影像与夜间灯光指数探索出临沧市植被分布存在的区域分布特征。同时,通过对行政区分区统计得出临沧市各区县植被归一化指数值,并结合其产业与社会状况进行分析。      

基于NDVI的水稻产量遥感估测

以云南省寻甸回族彝族自治县水稻为研究对象,提出一种基于时间序列归一化植被指数(NDVI)的水稻估产模型。利用2000—2013年各月NDVI影像数据和寻甸回族彝族自治县水田分布区域,分析研究区NDVI年月变化特征;然后,通过对比不同月份NDVI组合均值与水稻平均产量的皮尔逊积矩相关系数(Pearson)显著性,确定进行估产所使用的NDVI影像数据;最后,根据水稻年平均产量与NDVI均值建立不同估产模型,通过对比决定系数(R~2)、绝对及相对误差、平均偏差(ME)、均方根误差(RMSE)、纳什(Nash-Sutcliffe)效率系数(NSE)和符合指数(IA),分析各模型估产精度,最终确定最佳估产模型。结果表明,研究区水田NDVI大致从6—8月处于增长阶段,之后到次年5月处于下降阶段。每年6、7、8月的NDVI均值与水稻产量的相关系数为0.690,显著性最高,为0.006。多项式估产模型的绝对误差、相对误差平均值仅为210.431 kg/hm~2、3.602%;平均偏差、均方根误差计算结果中,多项式的值最小,Nash-Sutcliffe效率系数、符合指数最接近1的模型为多项式函数模型,其中符合指数高达0.921,预测结果较准确。基于时间序列NDVI的多项式估产模型预测产量精度最高,能够实现对水稻产量的遥感估测。