基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算

为了丰富大田尺度下冬小麦叶面积指数的遥感估算方法并提高估算精度,以关中地区冬小麦为对象,基于Sentinel-2多光谱卫星数据与地面同步观测的冬小麦叶面积指数样点数据,应用偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和随机森林(RF)法构建冬小麦叶面积指数估算模型,进行区域冬小麦叶面积指数遥感反演.结果表明...     

采用可拓学方法进行橡胶林风害影响评估 ——以1108号强热带风暴“洛坦”为例

海南橡胶生产期基本处于热带气旋活跃期,热带气旋带来的强风一直是海南岛橡胶业生产最大的自然灾害。本文选择橡胶风害多发区的海南岛作为研究区,通过对橡胶风害成因的分析,在橡胶风害形成环境背景和灾害数据库的基础上,建立海南岛橡胶台风灾害评估模型,将评估结果分为5级。并利用所建立的评估模型对1108号强热带风暴“洛坦”进行评估,得出的结果与实际灾情基本一致。     

夏玉米长势卫星遥感动态监测指标研究

通过野外样点布设获取地面农学参数平均株高、群体密度、干物重和叶面积指数,经过频数统计分析,获得夏玉米一、二、三类苗苗情农学指标。结合MODIS遥感数据,进行农学参数和归一化植被指数(NDVI)的相关分析,结果显示,NDVI和平均株高、叶面积指数以及生物量都呈显著正相关,其中NDVI和叶面积指数关系最为显著(各生育期R2>0.623),因此可通过建立叶面积指数和NDVI的关系确定夏玉米长势遥感指标,为大面积遥感监测夏玉米长势提供科学依据。     

海南岛天然橡胶风害评估系统研究

针对海南岛天然橡胶风害评估存在的问题,将长时间序列的数值天气预报数据,高精度、低时空分辨率的自动气象站数据应用到橡胶风害的评估中,为橡胶灾害的灾前预评估、灾后评估提供及时有效的信息源;以可拓方法为理论基础,从孕灾环境、承灾体、致灾因子等方面确定天然橡胶风害评估的影响因子,选择气象综合因子、橡胶因子和综合地形因子,建立橡胶风害评估模型,并基于ArcGIS平台开发天然橡胶风害实时评估系统,实现天然橡胶的灾前预估和灾后评估。该系统的应用将极大地提高天然橡胶风害防灾减灾的决策能力。     

基于成像高光谱仪的大豆叶面积指数反演研究

高光谱遥感能连续获取地物光谱图像,这一技术能大大提高估算叶面积指数的水平。利用无人机搭载成像高光谱仪获取作物光谱信息反演叶面积指数对精准农业生产与管理意义重大。通过灰色关联度排序、赤池信息量准则和偏最小二乘法(GRA-PLS-AIC)选择了三角植被指数(TVI)、比值植被指数(RVI)、红边植被指数(NDVI705)、归一化植被指数(NDVI)和重归一化植被指数(RDVI)5种植被指数,结合田间实测的叶面积指数数据,采用经验模型构建多指数反演模型。通过无人机为平台同步搭载数码相机和成像高光谱仪,在山东省嘉祥县一带获取了大豆生殖生长期内的遥感影像,同时利用LAI-2200C植物冠层分析仪进行叶面积指数测定,将获取到的遥感影像和地面实测数据进行叶面积指数的反演。结果表明:在大豆生殖生长期内建多指数模型,建模结果的预测值和实测值的R~2和RMSE分别为0.701和0.672,验证结果的R~2和RMSE分别为0.695和0.534,预测模型有比较高的精度和可靠性,利用该模型来反演LAI是准确的,生成的大豆LAI分布图能反映当地当时大豆的真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和成像高光谱仪组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,构建的多指数模型适用于大豆生殖生长期。     

基于GEE的东南亚主产区橡胶林分布遥感提取

为遥感监测全球橡胶主产区橡胶的长势,选取橡胶产量最大的泰国、马来西亚、印度尼西亚三国,开展基于Google Earth Engine（GEE）的橡胶林分布遥感提取研究。通过目视解译选择典型样本区,根据Landsat 7多波段光谱特征、MODIS NDVI反映的植被物候特征建立分类回归树CART分类模型提取橡胶林分布。精度评价显示模型总体分类精度为95.8%,Kappa系数为0.94,生产者精度达到94.8%,用户精度为88.2%,达到较高水平。模型提取结果显示：橡胶林在泰国中部、南部半岛,马来半岛的东部和南部地区,苏门答腊岛分布较为集中,而泰国北部、加里曼丹岛及其他岛屿橡胶林相对稀疏。     

小麦花后15 d主要苗情参数多光谱卫星遥感定量监测

为进一步探究小麦关键期苗情多光谱遥感监测机理与方法,提高多光谱遥感监测的定量化水平和可信度,结合两年定点观测试验,以环境减灾卫星HJ-CCD数据为多光谱遥感影像源,研究了小麦花后15 d主要苗情参数、籽粒品质参数和产量与多光谱卫星遥感变量间的定量关系,分别构建并评价基于HJ-CCD影像遥感变量的小麦花后15 d叶面积指数、生物量、SPAD和叶片含氮量的监测模型.结果表明,小麦花后15d时,结构加强色素植被指教(SIPI)、近红外波段光谱反射率(B4)、绿波段光谱反射率(B2)和归一化植被指数(NDVI)可分别作为监测小麦叶面积指数、生物量、SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数(R2)分别为0.84、0.81、0.73和0.83,均方根误差(RMSE)分别为0.89、2 425.2 kg·hm-2、3.17和0.27％.同时,对小麦不同等级的主要苗情参数进行遥感监测并制图分析,量化表达了小麦主要苗情参数的区域空间分布.     

风云三号气象卫星在海南橡胶林遥感监测中的应用

基于近4 a的FY-3晴空遥感数据,采用Savitzky-Golay滤波方法计算海南橡胶林种植区逐旬的NDVI,建立橡胶林不同年份的橡胶周年生长植被指数变化曲线。在植被指数序列的基础上,通过NDVI值的变化值与此时段橡胶NDVI值的变化值的标准方差的比较,建立了海南橡胶气象灾害损失等级标准。实现了FY-3气象卫星数据在海南天然橡胶林遥感长势动态监测中的应用。     

联合主成分分析与最小二乘支持向量机估测冬小麦叶面积指数

利用单一植被指数估测叶面积指数存在高光谱遥感丰富的波段信息易丢失和外界因素干扰大的缺点,但若将波段信息全部引入模型又会增加建模难度。为解决利用多波段信息估测叶面积指数的问题,利用主成分分析法(PCA)对光谱数据进行降维,之后将提取的主成分与最小二乘支持向量机(LS-SVM)模型相结合,构建冬小麦叶面积指数的高光谱估测模型,并与以4类植被指数作为LS-SVM输入参数建立的模型进行比较。结果表明,以主成分作为LS-SVM模型的输入参数建立的模型精度最高,模型检验集R2为0.71,检验集RMSE为0.56,估测结果较使用植被指数作为输入参数建立的模型精度高,稳定性好。该方法可为利用多波段信息进行大范围冬小麦叶面积指数的无损测定提供参考。     

河南新乡地区冬小麦叶面积指数的动态模型研究

为给小麦高产栽培提供理论依据,依据2004～2006年度田间试验数据,研究了新乡地区冬小麦叶面积指数变化规律,及其与有效积温的关系,并利用线性方程和Logistic曲线修正方程,分段建立了以气温估算冬小麦叶面积指数的半经验公式.结果表明,对叶面积指数和有效积温归一化后,冬小麦连续两个生长年度的相对叶面积指数动态变化与相对有效积温相关关系较好.通过对2003～2004年度冬小麦叶面积指数模拟值与实测值比较,平均绝对误差0.1572,相关系数0.98,相关达极显著水平(P＜0.01),这表明该方法可很好地反映叶面积的动态变化规律.     

基于气候适宜度的橡胶树产胶年景预测模型

为准确评估不同橡胶树种植区的年产胶潜力的变化,根据2000—2015年遥感和气候数据,分别建立了橡胶产量气象影响指数和橡胶树气候适宜性指数序列,通过统计分析和利用ArcGIS空间分析功能,研发了基于年综合气候适宜度指数的橡胶树产胶年景评估模型,模型空间分辨率1 km×1 km,实现了橡胶树种植区产胶潜力精细化评估,克服了传统意义上依靠单站数据预测橡胶产胶年景的缺陷。结果表明：该模型实现了依靠气候数据客观、定量预测种植区橡胶树在不同区域的年产胶能力变化,能从宏观上区分不同区域的差异,为橡胶树精细化气象决策服务提供技术支撑。     

冬小麦返青期主要生长指标的HJ-1A/1B遥感影像监测

为进一步深化作物长势遥感监测机理与方法,给大田管理及时提供信息与技术,结合2011-2013年定点观测试验,以HJ-1A/1B数据为遥感影像源,研究了返青期冬小麦主要生长指标、籽粒品质参数和产量间及其与遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的返青期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,返青期,归一化植被指数（NDVI）、比值植被指数（RVI）、蓝光波段反射率（B₁）和RVI可分别作为监测冬小麦叶面积指数、生物量、SPAD和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数（R²）分别为0.62、0.56、0.46和0.58,均方根误差（RMSE）分别为0.42、452.3 kg·hm^-2、4.39和0.54%。同时,对冬小麦不同等级主要生长指标进行遥感监测并制图,量化表达了主要生长指标区域空间分布。     

基于GEE和Landsat时间序列数据的海南岛土地利用分类研究

土地利用/覆盖变化（land use/cover change,LUCC）是当前全球变化研究的核心内容之一。土地利用遥感监测是土地利用变化相关研究的重要技术手段,尤其是高分辨率遥感技术和谷歌地球引擎（Google Earth Engine,GEE）云计算平台的出现,为土地利用空间信息的获取提供了新的途径和方法。本研究基于GEE云平台提供的Landsat-8 OLI时间序列卫星影像数据,采用随机森林（random forest,RF）和支持向量机（support vector machines,SVM）分类算法,对海南岛土地利用类型进行了遥感分类研究。结果表明：RF与SVM算法对海南岛土地利用中水体和建筑用地的分类精度均较高,对耕地、园地和林地分类精度较低。与SVM方法相比,RF分类方法能够更准确识别各类地物信息,更适于海南岛土地利用分类的研究。海南岛林地（包括天然林、橡胶林等）所占比例最大,主要分布在海南岛中部;耕地和园地面积接近,相间分布于海南岛大部分区域;水体和建筑用地面积较小,在海南岛均呈零散的分布状态,以沿海地区为主。GEE平台对于开展大区域土地利用分类与遥感动态监测具有重要的意义。     

基于MIMICS模型的麦田地表土壤含水量反演研究

为尝试联合应用光学与微波遥感数据反演小麦覆盖区土壤含水量的可行性,收集了2014年3月28日RADARSAT-2微波数据和2014年3月24日Landsat8光学数据,同时开展了地面同步试验,测量了49个点的地面数据.首先根据地面实测数据优化了光学遥感反演地表小麦含水量模型,然后利用MIMICS 模型和AIEM模型模拟研究区后向散射系数生成训练数据集,再以Matlab为平台建立BP神经网络、SVM(Support Vector Machine)、MEA-BP (Mind Evolutionary Algorithm-Back Propagation)神经网络、LS-SVM(least squares support vector machine)方法模型,构建小麦覆盖区地表土壤含水量反演模型,最后利用地面实测数据对反演模型进行了精度验证.结果表明,以LS-SVM方法构建的小麦覆盖区地表土壤含水量反演模型的精度最好,其RSME为0.010,相对误差为6.57％.说明联合应用光学与微波遥感数据,并结合简化MIMICS模型构建小麦覆盖区地表土壤含水量反演模型,其反演精度较高且具有可行性.     

基于TM影像的海南岛橡胶种植面积信息提取

以ERDAS IMAGINE为操作平台,利用2008年Landsat-TM卫星数据作为遥感信息源,通过监督分类方法和实际调查,提取海南岛天然橡胶种植面积信息,并与2008年年鉴中橡胶面积数据进行对比分析。结果表明:利用TM遥感影像调查橡胶种植面积的准确率约为91%,基本能反映区域橡胶种植分布情况。     

基于支持向量机模型的冬小麦全蚀病为害等级遥感监测

为了解利用高光谱遥感技术对小麦全蚀病进行有效监测的可行性,对感染不同发病等级全蚀病的冬小麦冠层光谱反射率数据进行采集分析,选取监测敏感波段,在Matlab和Libsvm工具箱支持下,利用支持向量机分类方法构建小麦全蚀病病害等级预测模型。结果表明,在不同程度小麦全蚀病的为害下,小麦冠层光谱反射率存在明显变化。通过对数据分析,选择700~900nm波段作为敏感波段进行训练建立模型的结果最好;经检验,基于此波段构建的预测模型预测值与实际值相关系数可达0.943,均方根达0.63,因此生产上可利用波段光谱特征对小麦全蚀病进行监测。     

基于GF-1影像面向对象分类方法的水稻种植信息提取研究

应用遥感技术提取水稻种植信息是农业遥感的重要内容。GF-1卫星WFV数据为农业信息提取提供了新的途径,面向对象的分类方法是遥感解译的重要方法。本研究以扬州市为研究区域,基于GF-1影像WFV数据,采用面向对象的分类方法,提取水稻种植信息,并实地调查验证试验结果,试图探讨GF-1数据面向对象分类方法在水稻种植信息提取中的可行性与影响提取精度的因素。结果表明,应用GF-1数据,采用面向对象的分类方法能够很好地完成扬州市水稻种植信息的提取,2016年扬州市有水稻种植面积214 524 hm~2,总体精度达到98.5%,Kappa系数0.95,面积精度达97.5%;实地考察能够提高提取精度,地形破碎程度越低,提取精度越高。     

利用RADARSAT-2雷达数据与改进的水云模型反演冬小麦叶面积指数

利用微波遥感反演植被参数往往受到植被分布不均、稀疏植被覆盖、地表裸土等因素影响,导致微波遥感用于农业参数估计的效果不佳。为解决微波遥感反演地表植被参数的问题,本研究在原有的水云模型基础上引入植被覆盖度以及裸土对于雷达后向散射系数的直接作用信息,提出一种改进的水云模型,并充分考虑地表植被的覆盖分布情况,结合地面实测数据及RADARSAT-2雷达数据对改进模型进行验证,然后根据改进模型通过查找表法反演出植被含水量,最后利用叶面积指数与植被含水量的经验关系间接得到叶面积指数的估测值。结果表明,改进的水云模型对后向散射系数的模拟精度比原有的水云模型精度高,模拟的决定系数在HH和VV极化时分别为0.850和0.739,均方根误差分别为0.918dB和1.475dB。由此可见,改进的模型对研究区植被条件更为敏感,能够较好地分离出植被与土壤信息对雷达后向散射系数的影响,同时利用其反演得到的叶面积指数精度较高,决定系数达到0.841,均方根误差为0.233。