基于定量遥感反演与生长模型耦合的水稻产量估测研究

作物遥感估产是农业遥感技术应用与研究的重点领域.在黑龙江省不同的种植区域下,采用GPS定位调查、定量遥感反演与产量形成过程模型相偶合的研究方法,进行了水稻产量估测研究.结果显示,水稻产量的预测值在6740～9600kg/hm2之间,实测值在6500～9500kg/hm2之间,二者总体上表现较为一致,预测水稻产量的RMSE为494.62kg/hm2,相对误差在0.23%～12.39%之间,平均为5.13%.表明采用定量遥感反演与生长模型耦合的模式可以对不同区域的水稻产量形成情况进行监测预报.     

高光谱遥感土壤湿度信息提取研究

精准农作管理中土壤水分、土壤养分等的空间信息分布 ,可通过高光谱遥感传感器获得。本文通过对土壤的光谱反射率与土壤的表面湿度进行分析 ,比较 5种方法在反演土壤表面湿度的能力 ,并对小汤山精准农业试验区的土壤表面湿度进行高光谱填图 ,建立了较为精细的土壤水分空间分布图 ,对高光谱遥感在精准农业中深入应用进行了有效探索。     

基于MODIS植被指数时间谱的华北平原土地覆盖分类

中分辨率成像光谱仪(MODIS)已在全球资源环境监测中发挥了重要作用，但是它的低分辨率成为提高分类精度的阻碍。利用MODIS的高时间分辨率弥补其低空间分辨率的不足，设计分类器改善分类精度。利用2003年23个时相的MODIS_EVI图像，构建华北平原植被指数图像时间立方体。在谐波分析去噪标准化基础上，从EVI时间谱上提取5个表征物候差异的特征向量，结合表征地气交互作用差异的地表温度(LST)信息及表征地表固有的空间分异特征的坡度信息，建立分类二叉树进行土地覆盖分类。结果表明，与2000年TM分类结果的总体一致性为75.5%，Kappa系数为0.68。而NASA USGS基于MODIS分类精度为66.0051%，Kappa系数为0.3209。进一步与2003年耕地面积的官方统计资料的比较表明，该文的估算误差为34.0507 khm²，而NASA USGS的估算误差高达66.1205 khm²。研究表明利用高时间分辨率的MODIS植被指数时间序列获得较高精度的土地覆盖分类结果是可能的。     

应用气象卫星图象资料进行草场生物量测量方法的初步研究

新疆草场面积有7.6亿亩,是我国主要牧业基地之一。因此测量草场生物量和掌握其动态变化可以为合理规划、利用和改良草场以及发展畜牧业提供科学依据。测量草场生物量的方法很多。传统的方法是人工割下单位面积的草,秤其重量来估算生物量,此法繁琐费时,而且是一种破坏性的测量方法,同一块草场采样不能重复进行。非破坏性测量生物量的方法也有多种,如视觉估算法、园盘法、电容法、β衰减法和遥感测量法等。这些方法均受各种因素的影响,但是影响遥感测量法的各种因素是可以控制的,是一种可行而又可靠的方法,尤其是利用NOAA资料测量草场生物量较陆地卫星的遥感测量更为     

利用新型光谱指数改善冬小麦估产精度

基于冬小麦返青期至乳熟期8次采样的地面光谱数据和收割时的产量数据,首先,利用光谱反射率与产量进行了统计分析,可见光波段的光谱反射率与产量在起身后期才达到稳定的显著负相关水平;近红外波段的光谱反射率与产量在所有生育期都表现出稳定的显著正相关;短波红外波段的光谱反射率与产量在进入灌浆期后才达到稳定的显著负相关水平.其次,根据冬小麦冠层光谱的波形特征,利用近红外波段890 nm反射峰、980 nm和1 200 nm两个弱水汽吸收谷、短波红外1 650 nm和2 200 nm反射峰,设计归一化差值光谱指数,并与冬小麦产量进行相关分析,结果表明:利用上述波段组合定义的归一化差值光谱指数与产量在各个生育期都达到了显著或极显著相关水平,而归一化差值植被指数(NDVI)与产量间的相关在营养生长阶段不显著.最后,以(890 nm,1200 nm)弱水汽吸收光谱指数为例,建立了各个生育期的产量预报模型,为实现冬小麦营养生长期长势监测与更早、更可靠的产量预报提供了依据.