基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

海南岛橡胶林叶面积指数遥感估算模型比较研究

叶面积指数(LAI)是描述植被生长状况和冠层结构的一个重要参数,快速获取大面积植被与作物LAI对于生态系统科学研究、农林业生产指导具有十分重要的理论和实践意义.本研究选取海南岛典型热带作物——橡胶树为研究对象,构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律.结果表明,相较于归一化植被指数(NDVI)、绿...     

夏玉米叶面积指数遥感反演研究

利用LAI-2000的观测数据与基于HJ卫星遥感数据生成的植被指数,结合3种常用的回归模型,构造了夏玉米分别按全生育期、不同生育阶段和阈值分段的叶面积指数(Leaf area index,LAI)反演模型;获取了3种模式下LAI的最优反演模型;在验证和评价各模型可靠性之后,生成了夏玉米在营养生长期、抽雄期和生殖生长期的LAI分布图;并将基于HJ影像反演得到的LAIHJ与MODIS LAI产品(MOD15A2)LAIM进行了对比。研究发现,与各种通用植被指数相比,针对HJ CCD数据构造的环境植被指数HJVI与LAI的相关性在3种反演模式中均为最佳。HJVI与全生育期LAI的相关性达到0.875,在不同生育阶段与LAI的相关性也高于其他植被指数(营养生长期线性模型最佳,决定系数为0.769;抽雄期对数模型最佳,决定系数为0.783;生殖生长期指数模型最佳,决定系数为0.703)。普适性植被指数中,OSAVI适用于夏玉米生长前中期的LAI反演,NDVI适用于夏玉米生长后期的LAI反演。在夏玉米全生育期内,各植被指数与LAI的相关性整体较高,但最优回归模型出现在按不同生育阶段反演的模式中。LAI小于3时EVI为精度最佳指数(决定系数为0.358),LAI不小于3时OSAVI为精度最佳指数(决定系数为0.515)。在夏玉米3个生育阶段,LAIM与LAIHJ的相关性分别达到0.732、0.761、0.661。HJ遥感数据具有较强的LAI反演能力,其高时间和高空间分辨率的特征可以使其代替传统的中分辨率遥感数据而成为农业遥感研究的重要数据源。     

基于高光谱和连续投影算法的棉花叶面积指数估测

为实现快速、无损、实时监测不同灌溉处理下棉花植株叶面积指数,借助高光谱遥感技术获取了棉花植株4个生育期的冠层反射率,同时获取每株棉花的叶面积指数,用一阶导数、二阶导数、标准正态变换,多元散射校正、小波分析等光谱预处理方法,经过连续投影算法提取特征波段,用偏最小二乘法建立4个生育期（总体）和各生育期的高光谱估算模型。对比6种预处理方法在4个生育期和各生育期建模精度表明,4个生育期（总体）、蕾期、花期、花铃期的小波分解尺度为4、2、8、2,模型分别为CWT-SPA-PLS、CWT-FD-SPA-PLS、CWT-SPA-PLS、CWT-FD-SPA-PLS时可取得较好的精度;经二阶导数处理后,铃期可取得较好的结果,R2和RPD分别0.973、5.3295,优于其他预处理。试验结果表明,利用预处理方法尤其是小波分析方法得到的光谱信息可有效估测棉花4个生育期（总体）和各生育期的叶面积指数。     

石佛寺水库叶绿素a浓度高光谱遥感反演

在水质测量评价中,通常将水体中叶绿素a的含量大小作为一个非常关键的指标。为获取石佛寺水库水体叶绿素a浓度反演模型,对石佛寺水库的水体进行光谱测量,获取水体光谱特征,并对采集的水样进行检测,得出叶绿素a浓度。在此基础上分析叶绿素a浓度与水体反射率的相关性,得到如下结论:石佛寺水库水体叶绿素a的浓度与反射比R_(702)/R_(674)和595 nm波长处反射率的一阶微分值都有较为明显的相关性(r~2分别为0.724 4和0.745 0)。     

基于MK—SVR模型的小麦叶面积指数遥感反演

提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。     

融合多源遥感数据的夏玉米土壤水分反演方法对比研究

为了解决在夏玉米植株高度较高(> 1.5 m)情况下,无人机遥感土壤水分反演过程中冠层与地表之间多次散射对微波后向散射的衰减问题,寻找合适的反演方法。通过融合运用无人机多光谱和热红外数据、Sentinel-1A SAR卫星数据,结合田间实测数据,对植被覆盖下的土壤水分反演与精度验证进行研究;采用温度植被干旱指数(TVDI)、水云模型(WCM)以及引入MIMICS模型参数的改进水云模型(Improved WCM) 3种方法进行土壤水分反演。其中,TVDI方法拔节期反演精度R²为0.50(10 cm)和0.42(20 cm),乳熟期反演精度R²为0.49(10 cm)和0.46(20 cm);WCM方法拔节期反演精度R²为0.53(10 cm)和0.44(20 cm),乳熟期反演精度R²为0.18(10 cm)和0.02(20 cm);Improved WCM方法拔节期反演精度为0.76(10 cm)和0.69(20 cm),乳熟期反演精度为0.78 (10 cm)和0.74(20 cm)。采用引...     

基于多光谱遥感的耕地土壤有机质定量反演

以重庆市江津区LandSat 8（L8）多光谱遥感影像和地面样点测土配方数据,开展了研究区L8地表反射率与土壤有机质的相关性分析,然后采用逐步回归分析的方法建立了研究区土壤有机质含量的遥感反演模型,最后利用模型计算了研究区土壤有机质含量分布。结果表明:研究区L8各波段地表反射率与土壤有机质含量均呈负相关,双侧显著性检验均＜0.01,其中,第6波段相关系数达到最大值为-0.840;以第4、5、6和7波段地表反射率建立的土壤有机质含量多元回归反演模型结果较好,模型判定系数R2=0.741;研究区土壤有机质含量遥感反演结果表明,研究区南部和北部边缘的土壤有机质含量较高,沿江浅丘阶地和中部深丘谷地的土壤有机质主要为10～30 g/kg,呈现不规律分布。      

基于无人机多光谱遥感的马尾松林叶面积指数估测

快速、准确、无损估测马尾松林叶面积指数对精准林业管理具有重要意义.以小型低空无人机为平台,搭载RedEdge多光谱传感器,获取福建省西部马尾松林多光谱影像,运用重采样的方式获取并计算不同空间分辨率(0.08、0.1、0.2、0.5、1、2、5 m)下的植被指数,结合地面实测LAI数据,分析其与植被指数的相关性,进而采用...     

基于EnKF-3DVar模型的海淀区地表温度模拟

以城市化程度较深的北京市海淀区为研究区,基于2005年、2010年和2015年的遥感影像数据,利用基于影像(IB)的算法反演城市地表温度空间分布。将数据同化算法EnKF-3DVar与CA/Markov模型集成,将海淀区的多年平均臭氧浓度空间分布数据同化进行城市地表温度的模拟预测。结果表明海淀区的城市地表温度10年间呈现先下降后上升的趋势,但总体呈现下降趋势,其中2015年的平均温度为31.139 3℃。引入EnKF-3DVar的预测模型能够显著提升模型的模拟精度,所预测的2015年的数据结果 Kappa系数达到0.821 6。在有城市公园绿地的模式下,地表温度高值区呈现缓解趋势,在无城市绿地公园的模式下,城市地表温度高值区呈现出明显的扩张趋势,最高温度达到了56.142 3℃,城市生态绿地对于城市地表温度的空间分布影响巨大,合理布局城市绿地公园意义重大。     

土地整治区田块空间形态变化遥感监测与评价

为了客观监测和评价土地整治项目建设成效,基于高空间分辨率遥感影像,以耕地图斑数据为约束,利用面向对象分类方法识别田块,并构建田块级和区域级田块空间形态评价指标体系,选取田块面积、规整度、紧致性和连片性等4个指标为田块层级评价指标,选取田块密度、平均田块面积、最大田块指数、景观形状指数和周长面积分维数等5个指标为区域层级评价指标,并分别对两个层级指标进行去量纲处理,构建综合指标。分别以广西丘陵区和海南平原区的土地整治区作为试验区,试验结果表明:广西研究区整治前田块层级耕地空间形态综合指标分布在50~70,整治后提升到70~90,海南研究区整治前在70~90,整治后提升到90~100;广西研究区整治前区域层级田块空间形态综合指标值为41,整治后提升到83;海南研究区整治前为63,整治后提升到92。表征经过土地整治,两个研究区的田块形态均得到了较大提升。研究提出的土地整治项目建设成效遥感监测和评价方法,可以为我国土地整治和高标准农田建设的监测和评价提供技术支撑。     

基于半球摄影法的LAI自动组网测量系统设计与应用

针对叶面积指数地面测量工作量大、效率低等问题,研制基于半球摄影法的叶面积指数组网观测系统。该系统基于半球摄影技术和无线传感网络技术,改进图像自适应分割算法,对复杂条件下植被冠层图像进行准确分割,从而实时获取LAI等冠层结构信息;针对5min采集频率原始数据波动的问题,提出“最稳定窗口”精校正算法,提取每日LAI代表值。与LAI-2200C对比试验结果表明,两者LAI测量值具有极显著相关性,玉米、林地和草地植被类型下相关系数分别为0.95、0.69和0.87;在江苏溧阳、吉林长春多植被类型试验中两种仪器测量结果的相关系数分别达到85%和81%,均为极显著水平;与MODIS MOD15A2H长时间序列产品对比试验也表明,两者的相关系数达到0.98,准确反映小麦从返青到成熟期叶面积动态变化趋势。系统具有快速准确、经济方便、使用范围广、可实现多站点长期监测的优点,已在多个观测站得到应用,其研制将对遥感产品真实性检验及农业、生态、气候变化等领域的科研与实践提供有力支撑。     

基于时序过程的沿黄粮食主产区土地利用分异研究

探查粮食主产区土地利用变化规律,能够发现土地利用行为异常、实现粮食生产优化配置,但相关研究在时空过程解析上重格局轻过程、重模拟轻度量,定量分析仍显不足。本文基于多期土地利用序列数据等,从时序过程视角构建累积动态度模型,并采用时空栅格建模、空间点模式分析等方法,定量揭示1980年以来河南省沿黄粮食主产区土地利用变化过程特征,深化土地利用变化内在规律挖掘和多维表达研究。结果表明：1980—2020年,河南省沿黄的原阳县、封丘县等6县以耕地利用为主且面积占比均超过79%,城镇建设用地剧烈扩张而农村居民点面积增长平缓,城乡二元化发展显著,水域、林地受国家政策调控影响较大,面积波动变化。变化时序过程受距离线性要素(黄河和主干道路)远近的影响较大,但影响类型和范围存在差异。距离较近范围的累积变化类型Ⅰ、Ⅱ、Ⅲ均处于聚集状态,且随着缓冲区扩大,类型Ⅰ的聚集程度先增后减,类型Ⅱ、Ⅲ则持续减弱。变化时序过程的空间尺度性效应显著。累积变化强烈的地区受空间尺度影响较小,空间尺度1 km下各类型均处于离散状态,但随着空间尺度增加,聚集性逐渐提高,并至9 km处达到极值。土地利用累积动态度能较好揭示长时间序列土...     

基于红边优化植被指数的寒地水稻叶片叶绿素含量遥感反演研究

水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有695、507和465nm 3个高光谱特征波段的红边优化指数（ORVI）。与Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括ND_528,587、SR_440,690、CARI、MCARI的反演结果进行了对比分析,结果表明：IDB数据库中的已有4种植被指数叶绿素含量反演模型的决定系数R₂分别为0.672、0.630、0.595和0.574;ORVI植被所建立的叶绿素含量反演模型的决定系数R₂为0.726,均方根误差RMSE为2.68,精度高于其他植被指数,说明了ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。     

融合时序遥感分析的国土空间生态保护修复关键区识别

国土空间生态保护修复是落实国家生态文明建设的重要措施,也是构建国家生态安全格局和统筹山水林田湖草沙系统治理的重要举措。而生态保护修复关键区识别,是生态保护修复规划编制、生态保护修复工程时空布局等系列工作的前置条件和基础保障,对国土空间生态保护修复至关重要。本文以河南省某生态保护修复工程为研究区域,开展融合时序遥感分析的生态保护修复关键区识别研究和实践,首先,基于Google Earth Engine（GEE）云平台,采用Mann-Kendall方法对研究区2011—2020年时序归一化植被指数（NDVI）开展趋势分析,形成时序分析结果;其次,基于气象、地形、土壤、植被净初级生产力（NPP）等数据,开展基于生态系统服务协同和权衡计算的生态系统健康分析评估,选择生态源地;最后,基于时序分析结果和生态源地选择结果,采用叠置分析,开展生态保护修复关键区域识别。结果表明,提出的“基于生态系统服务协同权衡计算的生态系统健康评估——时序遥感趋势分析”的研究框架不仅顾及了研究区域内“静态”的生态系统服务、生态系统健康属性,同时衡量了“动态”的生态系统变化趋势,可以有效识别国土空间生态保护修复关键区。研究成果可为国土空间生态保护修复本底调查、问题识别、规划和工程布局等提供技术支撑。     

基于GF-1/WFV与MODIS时空融合的森林覆盖定量提取

森林作为陆地生态系统的重要组成部分,因其巨大的碳储量和固碳能力而备受关注,利用高分1号卫星的NDVI数据(GF-1 NDVI)可实现森林覆盖的定量提取。然而,由于受阴雨天气、运行成本等因素的影响,难以形成GF-1 NDVI时间序列数据,无法满足森林覆盖高精度提取的需求,为此,以河南省嵩山部分地区为实验区,应用STAVFM算法融合GF-1/WFV NDVI与MODIS NDVI,生成8 d步长的GF-1/WFV NDVI时间序列数据,在此基础上,提取NDVI特征并与GF-1/WFV的光谱特征进行组合,最后,采用SVM分类方法实现研究区森林覆盖的定量提取。研究结果表明,利用STAVFM算法生成的GF-1/WFV NDVI时序数据效果理想,很好地解决了GF-1 NDVI时序数据的缺失问题,由其NDVI特征与GF-1/WFV光谱特征构成的组合能够实现森林覆盖的有效提取,基于SVM分类后的总体分类精度为94.72%,与未融入NDVI特征的GF-1/WFV原始影像的分类结果相比,提高了4.90个百分点。     

基于Landsat 8的节水改造背景下盐渍化土壤含盐量反演

为探明沈乌灌域节水改造后因渠道衬砌、引排水量减少引起的土壤含盐量时空分布特征及变化规律,采用区域土壤信息定点监测,结合经典统计学、空间插值以及机器学习建模反演等技术手段,利用Landsat 8卫星获取光谱数据,通过对实测土壤含盐量、光谱指数及波段反射率进行处理,运用Adaboost回归、BP神经网络回归、梯度提升树回归、KNN回归、决策树回归、随机森林回归方法构建了沈乌灌域土壤含盐量空间反演模型。采用最优反演模型对沈乌灌域土壤含盐量空间分布特征进行了遥感反演。结果表明： 通过全变量单一回归法筛选出相关系数大于0.55的9个光谱因子,使用SPSS PRO软件构建6种机器学习反演模型,对比6种反演模型精度,验证集决定系数R2由大到小依次为随机森林回归、梯度提升树回归、Adaboost回归、KNN回归、决策树回归、BP神经网络回归。其中随机森林回归模型的拟合精度最佳,训练集与验证集的决定系数R2分别为0.834和0.86,说明随机森林回归模型的反演效果较好。反演结果表明：节水改造后非盐渍土面积增加391.7km2,占灌域总面积的21%,中度盐渍土面积、重度盐渍土面积、盐土面积分别减少95.61、63.37、45.7km2,分别占灌域总面积的5%、3%、2%。综上所述,节水改造工程完成后,沈乌灌域土壤盐渍化程度减轻,作物生长安全区面积增加,但由于渠道衬砌以及引排水量减少,土壤盐分淋洗效果减弱,土壤盐分在灌域内部运移,整体土壤环境得到改善,局部地区出现盐分聚集。     

小型无人机在农田信息监测系统中的应用

根据我国国情,分析了目前农田信息监测领域中获取遥感信息的主要方式及其存在问题,指出了发展以小型无人机为平台的新型低空遥感系统是对传统农田信息获取方式的有力补充。同时,对国内外无人机发展历程与现状进行了分析,简述了小型无人机在农田信息监测系统中应用的特点、意义和关键技术;最后展望了小型无人机在农田监测系统应用中应解决的关键问题。     

基于MODIS数据的济南市农田区土壤含水量模型

土壤含水量是监测土壤质量的重要指标,影响到一系列战略物资的生产,是旱涝等自然灾害发生的指示因子。以2011年4月下旬济南市农田区的MODIS遥感影像为基础,采用植被供水指数法反演土壤含水量,结合野外同步实测数据,建立土壤含水量预测模型,并利用实测和气象数据进行精度检验。结果表明,该模型预测结果与实际情况吻合度较高,模型具有一定的参考价值。