病害胁迫下玉米LAI遥感反演研究

为了在病害发生条件下进行玉米LAI的遥感估算,针对41个不同抗性的玉米自交系品种,通过人工接种方法,获得了不同病害严重程度(1～9级)的LAI数据,同时采集了地面高光谱和无人机多光谱数据,构建了K近邻算法、支持向量机、梯度提升分类树和决策分类树分类模型对病害进行分类,对玉米种质资源抗病性进行了划分。基于不同玉米病害胁迫程度分类结果,采用随机森林回归、梯度提升回归树、极端梯度增强算法、轻量梯度提升机4种机器学习模型对玉米LAI进行反演,讨论了不同模型在病害胁迫下的鲁棒性。研究结果表明,对不同生育期玉米病害程度进行划分,基于地面高光谱识别精度分别为84.72%(梯度提升分类树)、47.67%(支持向量机)、55.05%(K近邻算法)、83.02%(决策分类树)。基于病害分类结果,本文利用无人机多光谱数据估算了不同病情等级胁迫下的玉米LAI。构建了4种集成学习模型对不同病情等级的LAI进行估算,4个LAI反演模型的总体反演精度(rRMSE)分别为：19.11%(梯度提升回归树)、15.94%(轻量梯度提升机)、14.51%(随机森林回归)和15.45%(极端梯度增强算法)。其中极端梯度增强算...     

基于SEBAL模型的北京市日蒸散发区域分布规律

为了对北京市地表水转换过程中的分量-蒸散发进行定量研究，基于Landsat7 ETM+遥感影像信息并结合气象数据，通过ERDAS构建了SEBAL模型，并通过模型计算得到北京市2014 年7 月26 日的平均蒸散发为2.49 mm，同时利用彭曼公式和MOD16 产品数据对SEBAL 反演结果的可靠性进行验证。结果表明，通过SEBAL 模型计算得到的蒸散发与彭曼公式法和MOD16 数据产品的误差分别为3.2%和3.3%，其结果具有一定的可靠性，且通过Landsat7 数据反演具有数据获取便捷、空间分辨率高的优点。通过对比各区域蒸散发分布，得出北京市蒸散发整体呈现西北山区高、东南平原低的趋势，西北山区林草植被覆盖率较高是导致这一趋势的主要原因。通过统计分析，水域的蒸散发最高，硬化面积及建筑物的蒸散发接近于0，在除去水体及硬化面积后，蒸散发的大小与NDVI呈现极显著的正相关关系，两者的决定系数达到0.9233，故下垫面类型是影响某一时刻区域蒸散发大小的主要因素之一。