基于植被降水利用效率的荒漠化遥感评价方法

 在考虑荒漠化评价的空间尺度和基准以及潜在评价指标的尺度特征的基础上,以国内外对土地荒漠化过程中植被降水利用效率(RUE)变化的研究为依据,提出一种以植被的降水利用效率为主要评价指标、适合于荒漠化遥感监测应用的荒漠化评价方法。该方法可很大程度上克服以植被指标为主的评价方法受降水波动影响大的缺点。这种方法重视不同荒漠化类型的共性特征,适合在多种类型荒漠化遥感评价中应用。     

河北省2000-2017年荒漠化的时空演变及其气候驱动因子

[目的] 对河北省荒漠化进行遥感监测及驱动因子分析,为该区荒漠化防治提供可靠的理论依据和数据支持。[方法] 基于2000—2017年MODIS13A3的NDVI数据和气象数据,以荒漠化指数为评价指标,采用趋势分析、未来趋势变化分析、气候因子驱动分析的方法,分析了河北省荒漠化的时空演变及其驱动因素。[结果] ①2000—2017年河北省荒漠化呈减少趋势,减少速率为0.009/18 a,其中极显著减少（p<0.01）比重为11.13%,显著减少（p<0.05）比重为8.86%;②河北省未来荒漠化呈持续性和反持续性的比重分别为41.29%和58.71%,其中弱持续性与弱反持续性所占比例分别为37.43%,51.35%;在现有基础上,未来趋势变化以基本不变为主,持续性特征与反持续性特征所占比例分别为14.89%,19.6%;③研究区荒漠化指数与生长季气温、降水的偏相关系数较小,相关性不显著。[结论] 河北省2000—2017年荒漠化整体呈改善趋势,但具有明显的空间异质性,荒漠化区域主要集中在坝上高原地区,Hurst指数表明未来荒漠化在局部地区可能呈逆转态势;就气候因子而言,气温的升高和降雨的减少对研究区内荒漠化起到推进作用。     

库布齐沙漠土地荒漠化动态变化分析

 荒漠化的动态变化分析是荒漠化防治工作的前提和基础,利用RS及GIS手段对对库布齐沙漠地区不同时期的遥感数据进行分析处理,提取各类土地荒漠化类型的时空分布特征信息,从荒漠化面积变化,等级转移、空间变化等方面进行动态变化分析。结果表明,1989年以来荒漠化总面积减少的趋势很明显,荒漠化面积占地比例最低为77.89%(2002年),最高为91.18%(1989年),2002年比1989年荒漠化的总面积减少了13.29%。黄河沿岸大部分地区,荒漠化得到了治理,而研究区人口较为稠密的东南部、海子周边以及南部沙漠地腹荒漠化的治理出现再次恶化,荒漠化面积上升到83.72%(2007年)。为了治理荒漠化、巩固治理成果,除了一般的工程、生物措施外,还需要消除不合理人类活动产生的根源,维持生态系统与人文环境的动态平衡,从根本上治理库布齐沙漠地区的荒漠化问题。     

内蒙古西辽河流域荒漠化分析研究

内蒙古西辽河流域生态环境脆弱,土地利用类型复杂多样。近年来,随着社会经济的进一步发展,导致了西辽河流域严重的荒漠化,极大地制约着该区域社会经济的稳定、持续发展。通过利用该区域20世纪80年代末和2000年两期TM影像数据为信息源,在提取两期沙质荒漠化数据的基础上,深入分析了2000年西辽河流域沙质荒漠化状况,同时统计计算了该区十年内各沙质类荒漠化土地之间的转换面积,采用转移矩阵法和数学模型法,建立了20世纪80年代末到2000年沙质荒漠化土地转移矩阵和动态度。结果表明:风蚀荒漠化基本得到了控制,水蚀荒漠化土地增加了近1.5个百分点,盐渍化土地略有减少,但减少幅度不大。     

基于线性光谱混合模型分解MODIS多光谱影像的研究

为了获取多时相的土地覆盖基础数据以支持区域土壤侵蚀定量评价,基于线性光谱混合模型分解MODIS多光谱影像,并对分解结果进行了定性、定量评价。结果表明,结合像元年内植被指数变化特征,基于线性混合像元分解,可解译出耕地、林地、草地、裸地、水体、居民地等类型。分类结果与2006年TM分类结果的总体一致性为64.46%,Kappa系数为0.519 9,土地覆盖类型分类结果可靠;各类端元估算误差基本小于20%,且与对应TM分类结果具有相关性,总体精度较好;林地端元能够较好地反映植被盖度信息。基于LSMM分解MODIS影像可为区域环境研究提供可靠的土地覆盖类型图和植被覆盖信息。     

基于高光谱成像的水稻穗瘟病害程度分级方法

为了快速、准确地进行水稻穗瘟病害程度分级,以实现水稻品种抗性评价或精准的田间化学防治,该研究提出了一种光谱词袋(bag of spectrum words,Bo SW)模型分析方法,分析稻穗的高光谱图像,自动评判穗瘟病害程度。首先,稠密规整地将高光谱图像分割成小立方格,计算每个立方格像素的平均全波段包络矢量,用K-Means算法聚类形成典型光谱包络词典。词典中光谱包络"词"(word)用作高光谱图像表达的"基",直方图统计各光谱"词"在高光谱图像样本中的出现频度,形成光谱图像的词袋表达。采用Hyper SIS-VNIR-QE光谱成像仪获取田间采集的170株稻穗样本高光谱图像,用Bo SW方法生成其词袋表达;植保专家根据病害程度类别确定光谱图像样本标签。随机选择2/3"词袋表达-病害程度等级标签"数据对构成训练集,采用卡方-支持矢量机(chi-square support vector machine,Chi-SVM)分类算法建立穗瘟病害程度分级模型。余下的1/3样本构成测试集,测试穗瘟病害等级模型的预测性能,分类识别精度为94.72%,高于主成分分析(principle component analysis,PCA)、敏感波段选择等传统光谱分析方法,其识别精度分别为83.83%和79.83%。该研究提高了穗瘟病分级的自动化程度和准确率,也可为其他病害分级检测提供参考。     

基于高光谱的土壤不同颗粒含量预测分析

以典型黄河下游冲积平原区的土壤为研究对象,分析土壤高光谱特征,探讨土壤质地不同粒级颗粒含量的统一估测途径,为土壤质地快速监测评价提供技术支持.选择原始光谱,及其倒数、对数、标准正交变换、多元散射变化、一阶微分、二阶微分共7种光谱变换形式,首先主成分降维,然后分别建立土壤黏粒、粉粒和砂粒含量的支持向量机预测模型,采用决定...     

基于GIS的黑龙江省西部荒漠化范围界定方法研究

以湿润指数为指标,利用GIS的扩充模块结合气象水文资料计算出黑龙江省西部半干旱和亚湿润区域,界定黑龙江省西部荒漠化范围。并初步探究了GIS相应算法的精度。     

绿洲景观多季相特征的线性光谱混合分解方法研究

因干旱、半干旱区生态环境的脆弱性和社会经济的干扰,区域景观季相间具有显著变异,但该类区域季相景观异质性研究相对薄弱。加上遥感数据空间分辨率的约束,表征荒漠化状态的异质性景观特征以一定程度的混合像元存在,传统的景观信息提取方法具有一定的局限性。以甘肃省民勤县为例,进行了荒漠化异质性季相景观特征的线性光谱混合分解方法研究,包括端元类型确定,多季相代表性端元选择和光谱值优化等关键步骤。结果表明,多季相线性光谱混合分解模型考虑了端元在季相之间的可比性和分解结果的物理意义,可以直接进行物理解译,有效模拟民勤绿洲的景观要素分布,多季相端元丰度可以描述各类端元的季相变异,为土地荒漠化监测评价提供保障。     

基于荒漠化差值指数(DDI)的精河流域荒漠化研究

利用精河流域1990和2011年TM-5影像数据,基于荒漠化差值指数(DDI)构建了精河流域反照率(Albedo)-植被指数(NDVI)特征空间下的荒漠化遥感监测模型。结果表明,1990-2011年精河流域土地荒漠化类型转化以恶化为主;年蒸发量和年均温是导致研究区荒漠化面积增加的主要自然因素,该区也存在潜在风蚀荒漠化风险;由气候变化导致的荒漠化发展,近些年来正被政府的积极措施部分抵消,但人口压力大,水资源低效利用等问题仍是未来荒漠化防治过程中需要解决的重点问题。     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

基于多季相光谱混合分解和决策树的干旱区土地利用分类

该文利用2015年Landsat 8多季相数据,以民勤县为例探讨了干旱区土地覆被/利用分类方法。首先进行了研究区多季相遥感数据的主成分变换,确定了Landsat OLI光谱空间的内在维数。其次通过对各季相主成分空间的分析,确定了光谱混合分解的端元类型及各自的代表性季相。获取端元光谱之后,采用全约束线性光谱混合模型分解各个季相的遥感影像,估计各端元组分占像元的面积百分比（端元丰度值）。最后利用端元丰度值的多季相估计结果,依据先验知识和训练样本建立决策树分类规则进行土地覆被/利用分类。分类方法的总体精度达到90.94%,Kappa系数为0.90。研究表明：将物理意义明确的端元丰度值作为分类变量,能够快速、有效地获取分类规则,生成树的结构简单、合理、清晰,对训练数据的依赖性较低,因此具有应用于整个旱地系统土地覆被/利用分类的潜力。     

基于波谱分析技术的遥感作物分类方法

为获取东北三省作物类型分布信息,精确地进行粮食估产,该文以250mMODIS时间序列NDVI数据为主要数据源,以东北三省主要粮食作物水稻、玉米、大豆、小麦为研究对象,利用波谱分析方法对东北三省作物类型的空间分布进行研究。研究结果表明,大豆的遥感反演面积和统计面积的相关性最好(R2=0.770),其次是玉米(R2=0.710),水稻(R2=0.686)。该文使用的作物分类方法适用于试验条件有限,实测数据较难获得并以遥感数据为主要数据源且研究区域较大、作物类型单一、种植面积广的情况。     

基于Android的车载式土壤电导率和光谱反射率检测系统

This paper aims to develop a vehicular integrated system collecting soil electrical conductivity(EC) and spectral reflectance.The system could collect soil EC and spectral reflectance automatically when the vehicle moves and save these measurement results with GPS.The information could reflect the characteristics of soil parameters such as soil salinity and water content.Hence, an Android-based vehicular detection system for soil conductivity and spectral reflectance information was developed.Soil electrical conductivity measurement was performed based on improved "current-voltage" four-terminal method.A STS-NIR spectrometer was used for collecting near-infrared spectral reflectance.The system collected the information of soil electrical conductivity and soil spectral reflectance while collecting GPS, which could be used for precision agriculture.The system was tested in a farm of Beijing on March 25, 2014.Soil electrical conductivity of the farmland was measured and soil samples were collected.Water content and soil electrical conductivity were measured in the laboratory.The result of these experiments showed that the system could work stably in farmland and had good prospects.     

基于混合像元分解模型的森林叶面积指数反演

在叶面积指数（LAI）遥感估算中,常用的基于统计的遥感反演方法难以处理"同物异谱,同谱异物"的难题,该文从研究地物组分物理结构着手,采用像元分解的方法建立LAI的遥感反演模型,不仅能很好的解决这个难题,而且反演方法简便可行、具有普适性。该研究先对TM数据做最小噪声分离（MNF）并基于影像本身选择端元,经混合像元分解得到研究区植被覆盖度,再根据植被覆盖度与LAI的关系,用多次散射过程冠层模型求解迭代的方法逐步逼近准确的LAI值。最终选择植被、土壤、水体和水泥建筑4个端元,采用非限制性线性混合像元分解模型来分解影像,4个端元分解影像的平均误差为0.0028,端元质量好,分解效果较好。结果证明：混合像元分解模型和多次散射过程冠层模型相结合来反演森林叶面积指数的方法,能很好的预测森林LAI;研究区样点实测值与预测值的拟合度R2为0.8219,均方根误差RMSE为0.368,两者存在很强的相关性。该研究可为森林资源遥感定量估算提供技术支撑,为森林资源空间配置的优化调整与辅助解决方案的提出提供参考。     

Application of spectral mixture modelling to the regional assessment of land degradation: A case study from basilicata,Italy

Mapping and monitoring of land degradation processes such as soil erosion has become an important task for both agricultural and environmental planners. The potential of using SPOT-HRV data for assessing the types of soil erosion and land degradation is obvious. The spectral information and the spatial resolution of the multispectral data allow a high accuracy in local mapping and rapid regional assessment. In Basilicata, southern Italy, spectral mixture modelling (end-member techniques) has been applied to extract relevant information for assessing soil erosion. This method allows an estimate of the proportion of surface cover types (end-members) within the pixel. From the data sets average spectral responses were extracted for growing vegetation, non-green sclerophylous vegetation mixed with dry grasses and bare soil. Using these spectra as end-members in the model, it was possible to decompose the spectral information of all pixels into the three surface components, giving the percentage cover of the three types within every pixel. Classification of the pixels according to the percentage of surface cover or bare soil allows an assessment of erosion or erosion risk.     

融合光谱形态特征的苹果霉心病检测方法

针对轻微霉心病和健康苹果光谱差异较小,致使基于可见/近红外特征光谱的检测方法对轻微霉心病检测准确率较低的问题。该研究将光谱形态特征与光谱特征融合的方法引入霉心病模型构建,建立了融合光谱形态特征的判别模型。以215个苹果可见/近红外光谱为样本,分析了不同预处理和特征提取组合对建模效果的影响,并完成了光谱特征的提取;分析健康果和霉心病苹果平均光谱的差异性,提取波峰、波谷等差异明显的光谱形态特征点,对比波段比、波段差和归一化强度差三类形态特征获取方法;最终建立光谱形态特征参数和光谱特征融合的苹果霉心病模型。试验结果表明,归一化预处理后提取的特征光谱和归一化强度差形态特征融合后模型判别准确率最高,在支持向量机模型中训练集、测试集判别准确率分别为98.6%和96.3%。特别是当发病程度小于10%时,该研究的判别模型准确率高于95%,表明通过融合光谱形态特征可以提升轻微病变霉心苹果的判别准确率。