基于遥感影像植被指数变化量分析的冬小麦长势动态监测

为进一步探究利用中低分辨率影像监测小麦苗情的机理，丰富小麦长势动态监测的模式，结合2017-2018年定点观测试验，以GF-WFV数据为遥感影像源，研究了孕穗-开花期冬小麦主要长势变化量参数和产量及其与植被指数变化量间的定量关系，以逐步回归方法筛选目标长势变化量参数，分别构建及评价基于GF-WFV影像遥感植被指数变化量的孕穗-开花期叶片含氮量变化量和叶绿素含量变化量监测模型。结果表明，冬小麦叶片含氮量变化量（ΔLNC）和叶绿素含量变化量（ΔCHL）与产量密切相关，而孕穗-开花期的归一化植被指数变化量（ΔNDVI）、比值植被指数变化量（ΔRVI）分别与ΔLNC和ΔCHL相关性最好，因此选择这两个植被指数变化量作为敏感参量构建冬小麦长势监测模型。经验证，基于ΔNDVI和ΔRVI构建的长势线性模型可靠且精度高，其决定系数分别为0.70和0.64，均方根误差分别为0.39%和0.08 mg·L^-1FW。基于预测模型和实测数据分级量化表达冬小麦长势的空间分布状况，能够很好实现了基于GF-WFV时相影像长势不同等级的遥感监测。     

基于机载高光谱数据的田间尺度胡敏酸含量估算

以机载高光谱为数据源,对研究区土壤光谱分别进行去除包络线(CR)、倒数(IR)、对数(LR)、一阶导数(FDR)、二阶导数(SDR)、倒数&一阶导数(IFDR)、对数&一阶导数(LFDR)、倒数&对数(ILR)变换,并分别构建归一化光谱指数(NDSI)(分别相应记为NDSI-CR、NDSI-IR、NDSI-LR、NDSI-FDR、NDSI-SDR、NDSI-IFDR、NDSI-LFDR、NDSI-ILR)。对NDSI与胡敏酸含量的相关性进行分析,筛选出特征光谱,利用多元线性回归(MLR)、偏最小二乘(PLSR)、反向神经网络(BPNN)、支持向量机(SVM)方法构建模型,以决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)为评价指标,筛选最佳建模方法,用于田间尺度胡敏酸含量的高效估算。结果表明:NDSI-FDR、NDSI-SDR、NDSI-IFDR、NDSI-LFDR与胡敏酸含量的相关性更高。在396~1 000 nm,有3处与胡敏酸含量敏感的波段密集区域,分别位于480~550 nm与510~570 nm组合处、730~790 nm与740~800 nm组合处、880~930 nm与880~930 nm组合处。基于NDSI-LFDR建立的BPNN模型,建模集和验证集上的R²分别为0.916、0.805,RMSE分别为0.799、1.107,RPD值为2.189,可满足田间尺度胡敏酸含量估算的精度要求。     

清涧县典型退耕地植物群落多样性研究

以黄土高原清涧县丘陵沟壑区不同年限退耕地为研究对象,采用样方法对退耕地10 a的群落变化进行调查,应用物种组成、Margalef丰富度指数、Simpson多样性指数、Shannon-Wiener指数等指标分析群落的物种组成以及多样性变化的规律.结果表明,该区群落内共有48种植物,分属于17科40属,其中禾本科(Poaceae)7属7种、豆科(Leguminosae)8属8种、菊科(Asteraceae) 10属13种,分别占物种总数的14.6％、16.7％和27.1％;黄土高原丘陵沟壑区退耕地初期的优势种为菊科植物,随后依次为一年生草本植物、多年生草本植物;随着退耕时间的延续,群落物种的Margalef丰富度指数、Simpson多样性指数、Shannon-wiener 指数整体呈现上升趋势;坡向对群落的物种组成有一定的影响,但不显著.     

陕西清涧县药用植物资源的保护与开发利用研究

通过野外实地调查以及对当地居民、药材收购公司的走访,采集并鉴定该区的药用植物26科,42种,在对清涧县自然环境和药用植物资源植物分类学分析的基础上,进行了药效的分析,并且针对开发利用现状,提出了保护药用植物资源的必要可行的开发保护措施。     

基于机载多光谱的冬小麦返青期土壤墒情反演

准确快速得获取冬小麦地块的土壤墒情,可为高效利用水资源、实现精准灌溉提供参考。为此,特在江苏省张家港市获取返青期冬小麦种植区的无人机多光谱遥感数据,并同步测定2个深度（10 cm和20 cm）的土壤墒情,通过遥感图像提取光谱反射率,计算归一化植被指数（NDVI）、增强型植被指数（EVI）和垂直干旱指数（PDI）,进行共线性分析后,分别运用逐步回归法、岭回归法和偏最小二乘法,构建针对不同深度土壤墒情的反演模型,并基于最佳反演模型绘制试验区不同深度土壤的墒情反演图。结果表明,用逐步回归法构建的模型在10、20 cm深度土壤墒情反演中的决定系数分别达到了0.885、0.782,建模精度最优,且针对10 cm深度土壤墒情的反演效果优于20 cm。研究结果可为冬小麦返青期土壤墒情监测方法的选择提供参考。     

倒伏水稻特征分析及其多光谱遥感提取方法研究

倒伏水稻的识别对灾后农业生产管理、灾害保险、补贴等工作有重要意义。为应用高分辨率遥感影像准确提取倒伏水稻面积,本文利用2019年9月27日获取的哨兵2号多光谱遥感影像,研究黑龙江省同江市倒伏水稻的光谱、纹理特征,并基于光谱与纹理特征建立倒伏水稻的遥感提取模型。研究结果表明水稻倒伏后可见光-近红外-短波红外等8个波段的反射率均升高,其中短波红外、红光和红边1等3个波段的反射率上升大于0.06。倒伏水稻的典型植被指数中,归一化植被指数、比值植被指数、增强植被指数和红边位置指数均降低,但差值植被指数升高。倒伏与正常水稻在红光、红边1和短波红外等3个波段的均值纹理数值差距明显,红光波段的纹理均值差异最大。利用归一化植被指数、地表水分指数、比值植被指数和差值植被指数以及红光波段的纹理均值构建决策树分类模型,监测结果表明农场内倒伏水稻分布较散,其西部和南部水稻受灾面积较大,北部受灾面积较小,中部偏北和东部基本未倒伏。将本文模型所提取的结果与实测面积对比,正常与倒伏水稻的面积识别误差分别为3.33%和2.23%。利用随机验证样本与模型验证结果进行混淆矩阵分析,倒伏水稻的用户精度和制图精度均为92.0%,Kappa系数为0.93。该方法能够适用于大区域倒伏水稻提取,可为高分辨率多光谱遥感数据调查水稻倒伏面积提供相关依据。     

基于机载高光谱影像的南方水稻土有机质含量估算

水稻土中有机质光谱常常受到水分、秸秆等土壤背景的影响，为了减弱或去除非有机质组分对有机质光谱的影响，构建南方水稻土有机质估算模型。利用机载高光谱（GaiaSky Mini2 VN）作为数据源，对原始反射率进行单一和组合变换（去除包络线、倒数、对数、一阶微分、二阶微分单一变换和倒数一阶微分、对数一阶微分、倒数对数组合变换）提取一维特征光谱；通过对变化后光谱进行比值和归一化处理，提取二维特征光谱；构建基于特征光谱的线性（多元回归、偏最小二乘）和非线性（反向传播神经网络、支持向量机）有机质预测模型，监测南方水稻土有机质含量。结果表明：一维光谱变换能显著增强光谱对有机质响应的敏感度，二维光谱变换能充分挖掘光谱信息，增强有机质与光谱之间的内在联系，提高建模精度。非线性模型（BPNN、SVM）尤其是BPNN对土壤有机质拟合性好，建模精度高。基于原始反射率比值指数建立的BPNN模型建模精度达到0952，检验精度达到0889，建模效果最优。该结果适用于南方水稻土有机质监测，对机载高光谱在土壤有机质监测中的特征波段提取和建模方法选择具有重要借鉴意义，对现代农业发展管理提供新的思路。     

退耕还林过程中的经济生活及农业产业结构调整——以清涧县为例

以陕西省清涧县为研究对象,通过走访、问卷对信息进行收集整理,对农村经济的变化情况进行调查,着重对比退耕还林前后农民个人收入,剩余劳动力转移,农、林、牧、渔业产值变化,从而分析退耕还林对清涧县农民经济生活及农业产业结构调整的影响。结果表明：随着退耕年限的推移,①人均耕地逐渐减少,人均收入呈增加趋势;②农业人口在总人口中所占的比例逐年减少,剩余劳动力开始向第二、三产业转移;③第一产业总值变化大致经历两个时间段：2001-2003年,2004-2008年,第一阶段全县农林牧渔业总产值呈下降趋势,第二阶段总产值逐年上升。     

利用自制压差装置测定水样含沙量的方法研究

[目的] 开展基于压差测定水样含沙量的方法研究,旨在寻求一种新方法以实现含沙量在野外的快速准确测定。[方法] 试验基于压差原理,选取4种土壤(土、风沙土、盐碱土与水稻土)分别预制11个含沙量梯度的含沙水样,使用数字式压差计测定含沙水样压强与大气压强之间的差值(简称压差),建立含沙量与压差的函数关系式。[结果] 含沙量与压差在0.01的水平下呈极显著线性正相关;对于其中3种含沙水样(土水样、盐碱土水样与水稻土水样),压差结合理论公式计算含沙量的方法具有可行性,最大相对误差绝对值小于15%,但不适用于风沙土水样。风沙土水样含沙量的测定最大相对误差绝对值高达39%。因此,为了缩小误差,试验通过测定纯水与含沙量为500 kg/m³的水样压差建立修正方程,再结合测定的压差值计算含沙量,发现最大相对误差绝对值小于8%。[结论] 基于压差测定水样含沙量的方法能较为准确地测定水样含沙量,可为水土保持监测等领域在野外便捷测定含沙量提供一种新思路与方法。     

太湖流域果树提取的光谱和纹理特征选择研究

准确获取果树的空间种植分布信息,对于开展果树长势监测、产量估算等具有重要意义。为提取太湖流域金庭镇果树的空间分布,本研究以冬夏时期的两景高分二号（GF-2）遥感影像为数据源,利用归一化植被指数（NDVI）和归一化水体指数（NDWI）结合纹理特征构建了基于光谱指数和纹理特征的决策树模型,提取了金庭镇2017年果树的空间分布信息。通过分析研究区各地类的光谱曲线发现,植被与非植被区分明显,但果树与茶树的光谱存在混淆。GF-2影像包含丰富的纹理信息,果树与茶树在GF-2影像上纹理特征明显,易于区分。纹理可作为果树提取的重要特征。为了确定最佳纹理窗口的大小,研究中提出了累计差（Δf）的方法。通过比较每一个纹理变量在15种不同尺度窗口（3×3,5×5,7×7,9×9,11×11,13×13,15×15,17×17,19×19,21×21,23×23,25×25,27×27,29×29,31×31）下的Δf,确定了最佳纹理窗口为15×15。在最佳纹理窗口下根据累计差选取了5大纹理组合：均值（mean）、方差（variance）、对比度（contrast）、信息熵（entropy）和相关性（correlation）。研究结果表明基于光谱指数NDVI和NDWI结合纹理特征构建的决策树模型可有效区分果树与茶树。累计差的方法能够快速确定最佳纹理窗口和纹理组合。提取结果说明果树分布于金庭镇的各个位置,主要分布在平原区,种植比较整齐,南部种植面积多于北部。本研究果树的提取精度为95.23%,模型总体分类精度为89.57%,Kappa系数为89.00%,果树的生产精度为90.00%,用户精度为87.30%。与单一光谱、纹理模型相比,本文模型总体分类精度更高,精度分别提升了10.65%和12.04%。该方法能够适用于大区域果树的遥感提取,可为亚米级遥感影像研究果树的纹理特征提供重要参考和借鉴价值。此外,文中提出的累计差可为选取最佳纹理窗口提供一种新的思路。