基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于ASAR的冬小麦不同生育期土壤湿度反演

基于ASAR高级合成孔径雷达ASAR数据和地面调查数据,结合MIMICS模型分析方法,研究ASAR后向散射数据与土壤湿度及冬小麦结构参数之间的关系,构建冬小麦不同生育期土壤湿度反演模型。研究结果表明：冬小麦冠层散射影响ASAR信号探测土壤湿度的深度,冬小麦生长初期（起身期前）ASAR信号探测土壤湿度的最佳深度为0～20 cm,拔节期后ASAR信号探测土壤湿度的最佳深度为0～5 cm。冬小麦抽穗期前,ASAR IS2 VV模式后向散射系数与土壤湿度线性相关性较高,可以利用经验统计模型方法反演土壤湿度;冬小麦生长旺盛期（抽穗期）,经验模型土壤湿度反演精度较差,多角度ASAR数据模型能够提高土壤湿度反演精度。利用该土壤湿度反演模型,起身期、拔节期和抽穗期土壤湿度反演的均方根误差分别为0.0125、0.0247和0.0298 g/g。     

基于FY3热红外数据的地表温度反演方法研究

使用中分辨率大气辐射传输模式MODTRAN模拟风云三号卫星(FY3)热红外通道数据,基于模拟数据,利用分裂窗温度反演方法,建立地表温度反演模型。利用平均比辐射率方法确定像元比辐射率,并将该反演模型用于江苏省3个时次(2012年1月23日、2月3日和2月11日)的地表温度反演。将反演结果与MODIS的温度产品进行了对比分析,分析反演模型的系统偏差,并对反演模型进行修订。验证试验结果表明:修订后模型反演的地表温度与MODIS温度产品的平均相关系数为0.877,均方根误差为1.33 K;相比于同时期的FY3温度产品,所建模型反演的地表温度与MODIS温度产品更为接近。     

基于IKONOS高分辩率影像的城市草地信息提取研究

在IKONOS影像图上提取草地信息试用了2种方法进行探索,分别采用植被指数法和基于灰度共生矩阵的纹理量分类法.前者用MSAVI指数分类提取得到的精度为87.48%;后一种方法是通过从近红外波段提取灰度共生矩阵和灰度联合矩阵,计算并提取理想窗口的最能反映类别差异的纹理量值,试验发现取3X3窗口的CON纹理量可以较好地提取出草地信息,通过精度评估发现具有较高的精度(平均精度达90.56%).研究证明用该法提取草地信息可取得相对理想的精度效果.     

不同尺度冬小麦氮素遥感监测方法及其应用研究

该文以航空影像、地面冠层光谱数据及同步观测的植被生化数据为基础，探讨了冬小麦冠层氮素监测的遥感方法。该方法应用于Lukina变量施肥模型，研究了基于遥感影像变量施肥量的计算方法。为实现以上目标，首先采用矩匹配和反射率转换方法，对获取的机载实用模块化成像光谱仪(OMIS)影像进行辐射校正；然后结合航拍相片及地面高精度差分GPS定位点坐标对高光谱影像进行几何校正。以预处理后的反射率影像和冠层光谱数据为数据源，采用倒高斯模型拟合冬小麦红边光谱曲线，并构建红谷位置、红边位置和红边宽度等光谱特征参量。通过对红边光谱特征量和实测氮素进行统计分析，寻找相关性显著、拟合误差小的最佳光谱特征量，并用于预测冬小麦冠层的氮素含量。统计相关分析结果表明：拟合曲线和图像反射率曲线面积差和实测的氮素含量有最高的相关性，且相关性达到极显著。最后，把该氮素预测方法集成到Lukina变量施肥模型中，结合反射率影像数据生成变量施肥处方图。文中探讨的最佳氮素预测方法改善了氮素预测的精度；基于影像的面状信息获取技术克服了点状信息的不足，使变量施肥技术更利于实用和推广。     

基于关键发育期的冬小麦长势遥感监测方法

利用遥感方法识别中国冬小麦关键发育期并基于识别发育期进行长势监测。通过冬小麦主产区271个气象站2005-2010年的农业气象资料和同期MODIS-EVI(增强植被指数)遥感资料,综合分析EVI时间序列与冬小麦返青、抽穗和成熟期的关系,使用最大变化斜率法、窗口转折点法和简单转折点法识别冬小麦关键发育期。然后基于遥感识别抽穗期数据,使用相邻年抽穗期EVI值比较方法对冬小麦2006-2010年长势进行遥感监测。遥感识别冬小麦主要发育期均方根均值为14.61d,平均绝对偏差均值为11.2d;冬小麦遥感长势监测结果显示基于识别抽穗期的遥感长势监测方法监测效果好于传统长势监测方法。     

基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演

【目的】考虑到利用单一植被指数（VI）反演叶面积指数(LAI)时,存在着不同程度的饱和性和易受土壤背景影响的问题,提出通过分段的方式选择敏感植被指数形成最佳VI组合以提高LAI反演的精度。【方法】通过ACRM辐射传输模型模拟数据,结合地面实测光谱数据,选择常用的植被指数进行土壤敏感性分析以及饱和性分析确定LAI的分段点,并在此基础上分段选择最佳植被指数形成组合VI来实现LAI的最终反演,并利Landsat5 TM开展区域条件下冬小麦LAI反演应用。【结果】以LAI=3是较为适宜的分段点,利用植被指数最佳分段组合OSAVI(LAI≤3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响因素以及饱和性问题,联合反演的结果明确优于单一植被指数反演精度。【结论】通过分段选择最佳植被指数形成联合VI可以有效提高LAI反演精度。     

多极化多角度ASAR数据反演裸露和小麦地表土壤湿度

为了更好地监测地表土壤湿度,利用多极化、多角度ASAR-APP影像数据,研究了裸露和小麦地表土壤湿度反演方法。对裸露地表,基于AIEM（advance integral equation model）模型,建立多项式半经验模型反演土壤湿度;对小麦地表,小入射角HH极化ASAR数据与土壤湿度相关性更好,大入射角HH极化ASAR数据与小麦含水率相关性更好。基于水云模型,首先利用大入射角HH极化ASAR数据去除小麦冠层对雷达后向散射的影响,然后利用多角度ASAR数据推导建立小麦地表土壤湿度反演半经验模型;实测数据验证了裸露和小麦地表土壤湿度反演模型的适用性,利用验证数据反演裸露和小麦地表土壤湿度精度（RMSE）分别为3.55%、3.81%。结果表明,该文半经验模型具有较高的反演精度。     

基于空间连续性聚类算法的精准农业管理分区研究

该研究在K均值算法KM的基础上，根据空间单元位置的相互依赖关系，提出了一种新的空间连续性聚类算法SCKM。以北京精准农业示范基地获取的OMIS图像为数据源，选用K均值算法、等间隔法、分位数法、自然断点法等传统分区方法和SCKM算法，对肥水需求关键时期的小麦的长势差异进行了管理分区提取研究，并引入了权重方差和聚集度两种分区效果评价指标，对分区结果进行了比较和评价。结果表明：SCKM算法与传统分区方法分区结果相比，区内方差差异不显著；而空间聚集度远好于后者，利用SCKM法分区能够有效地去除大量的孤立单元或碎片。     

基于多年产量数据的精准农业管理分区提取与尺度效应评价

 本研究利用带有差分全球定位系统（DGPS）接收机和产量监测传感器的联合收割机获取的4年产量数据进行精准农业管理分区的提取研究。对经过一系列处理后的4年的产量数据进行栅格平均运算，得到分辨率为4 m的综合产量图。分别采用尺度为12、20、28、36、44、52、60 m 的正方形窗口对分类后的综合产量图进行众数过滤，并从方差减少率、差异显著性、空间破碎化、空间一致性4个角度进行了尺度效应评价。结果表明，分类后众数过滤法有效地去除了由随机变异造成的孤立像元或碎片，保留了实际的产量变异，增加了管理分区的有效面积，提高了管理分区的连续性。分区结果可以直接作为精准农业目标产量分区图，用于作物种植前或产中适时肥料推荐管理决策。