基于垂直植被指数的东北黑土区玉米LAI反演模型研究

本文旨在探讨以不同波段组合垂直植被指数所建立的高光谱模型对玉米叶面积指数(Leaf Area Index,LAI)的反演精度。在不同水肥耦合作用条件下,实测玉米冠层的高光谱反射率与叶面积指数数据以及裸土的高光谱反射率数据,在高光谱红光波段(631~760 nm)与近红外波段(760~1050 nm)逐波段构建土壤线,并在此基础上构建垂直植被指数(Perpendicolar Vegetation Index,PVI),找出与LAI具有最佳相关性波段组合PVI,建立玉米LAI估算模型。结果显示,采样波段间隔越窄,反演精度越高,在采样波段间隔1.4 nm的PVI(R677,R918)反演2004年的玉米LAI模型中,最佳回归方程是指数函数,精度达91.1%,标准差为0.1997,RMSE=0.0399,通过了0.01极显著验证。采用高光谱数据构建的PVI植被指数对玉米LAI的估算可以取得较高的精度。     

基于高光谱的渭北旱塬区棉花冠层叶面积指数估算

以棉花冠层高光谱反射率与冠层叶片叶面积指数(LAI)为数据源,在分析LAI与原始高光谱反射率、一阶微分光谱反射率、光谱提取变量和植被指数相关性的基础上,采用一元线性与多元回归的方法构建了棉花LAI高光谱估算模型,并进行精度估算。结果显示,在可见光范围内随着生育期的推进及施氮量的增加冠层光谱反射率逐渐降低,在近红外范围内从苗期到花铃期随着施氮量增加反射率逐渐增加,花铃期到吐絮期反射率明显降低;各生育期冠层光谱的提取变量与LAI的相关性不强,全生育期各种光谱提取量及植被指数与LAI的相关性高于不同生育期;棉花冠层叶片LAI在反射光谱1 461 nm处相关系数达到最大值(r=-0.726);对于一阶微分光谱,LAI的敏感波段发生在742 nm处,r=0.744;以敏感波段742 nm一阶微分光谱反射率建立的逐步回归估算模型精度最高,RMSE=0.94,RE=26.27%,r=0.78。说明以全生育期为基础,采用一阶微分光谱敏感波段,并根据实际条件选择有效的估测模型,可以进行棉花LAI的预测。     

基于地面高光谱遥感的稻纵卷叶螟为害下的水稻LAI估算模型研究

为了有效监测稻纵卷叶螟的为害状况及其对水稻生长发育产生的危害,本研究通过开展连续的定点大田观测实验,对稻纵卷叶螟虫情及其为害状况进行调查,通过观测水稻冠层光谱反射率和叶面积指数（LAI）等,分析水稻冠层光谱反射率、植被指数与LAI的相关性,筛选出与LAI相关系数高的光谱特征波段和植被指数,构建了多因子LAI估算模型,并利用实测数据进行验证。结果证明模型拟合效果理想,可为我国更好地开展水稻生产监测提供参考。     

基于无人机多光谱遥感估算西北半湿润区葡萄基础作物系数研究

为提高西北半湿润区葡萄园蒸散量的估算精度，以波文比系统实测蒸散量ET_c为基础，基于彭曼公式法计算参考作物蒸散量ET_o,得到葡萄作物系数K_c后，采用FAO-56双作物系数法计算土壤蒸发系数K_e与水分胁迫系数K_s,获得基础作物系数K_cb;同时利用无人机多光谱遥感影像获取葡萄光谱数据，提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄K_cb与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄K_cb的精度。结果表明：(1)相同建模方法下，植被指数与K_cb的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期，利用一元线性回归建模得到的K_cb-VI_s模型拟合精度表现为NDVI>RVI>SAVI...     

改进FPAR的煤矿区植被NPP损失研究

基于遥感的CASA模型是测算植被NPP的主要方法之一,当前CASA模型中普遍以月内某一时刻或几个时刻的植被NDVI值计算光合有效辐射吸收比例(FPAR),这一方法忽略了月内FPAR的整体性和连续性,在计算中会产生较大误差.文中以煤矿区为例,首先通过时空自适应反射率融合模型构建高时空分辨率的矿区遥感影像,改进CASA模型中FPAR的计算方法,以FPAR连续函数均值代表月FPAR,并评价改进效果.通过FPAR损失量测算各植被NPP变化量,为煤矿区生态环境变化做出科学的判断.     

基于MODIS的青藏高原亚像元积雪覆盖反演

针对积雪遥感监测中常用的二值分类算法误差较大的问题,根据青藏高原的地理环境特征,并在考虑地表覆盖的情况下,以MODIS数据作为数据源、TM/ETM+数据作为"真值"影像,选用7个不同雪盖子区建立了青藏高原MODIS像元雪盖率与雪盖指数之间的线性关系模型,并用其它4个雪盖子区对模型的稳定性和精度进行分析。结果表明:该方法能有效的提取青藏高原MODIS亚像元尺度的积雪信息,反演结果与MO-DIS/NASA雪产品数据相比,精度得到明显改善。     

基于MODIS资料的遥感干旱监测业务化方法研究

MODIS在波段设置和探测精度方面较AVHRR有较大的优势,如何将传统的基于AVHRR数据的遥感干旱监测模型转移到MODIS数据平台是遥感干旱监测领域非常关注的问题。我们从可业务化的角度,在借鉴陕西省农业遥感信息中心近年研究开发的NOAA/AVHRR遥感干旱监测业务化模型的基础上,结合陕西的地形、气候、植被覆盖特征,建立了基于MODIS数据的区域性干旱遥感监测的业务化模型和资料处理流程,并在陕西2005年3-5月发生的较严重的春旱过程中进行了监测试验。结果表明:使用基于MODIS数据的热惯量和植被供水指数两种模型进行区域性遥感干旱监测是可行的,修改后的植被供水指数模型在干旱面积估算精度和图像的可视化效果方面有了明显提高。     

几种方法在粮食总产量预测中的对比

根据吉林省1978~2007年的农业数据,选定了14个影响农业生产的因素作为研究对象,分别采用了主成分分析法、BP神经网络法、灰色预测法和逐步回归分析法4种分析预测方法,通过SPSS和Matlab工具将原始数据进行处理,得到4种不同的预测模型,进而基于这4种模型对吉林省的粮食产量进行预测,并将各种预测产量和实际产量进行拟合分析。研究结果表明,拟合性最好的是BP神经网络法,其拟合确定性系数为0.899;其次是主成分分析法(拟合确定性系数为0.834)和逐步回归法(拟合确定性系数为0.787);拟合效果最差的是灰色预测法(确定性系数为0.744)。粮食总产量估算精度最高的是BP神经网络法,达到93.67%;其次是主成分分析法,为90.45%。     

棉花全生育期叶片SPAD值的遥感估算模型

叶绿素含量是评估棉花生长状况的重要参数,估算叶绿素含量对于棉花生长监测具有重要意义。以渭北旱塬区种植的棉花为试验材料,测量全生育期棉花叶片SPAD值与冠层反射率光谱,将原始高光谱反射率、一阶微分光谱反射率、不同波段组合的遥感光谱参数分别与SPAD值做相关性分析,用传统回归分析方法构建五种重要光谱参数的SPAD值预测模型,同时,采用PLSR方法建立全生育期SPAD值的估算模型。最后对模型进行检验,筛选出精度最高的模型。建模结果表明,基于多种光谱参数的全生育期PLSR预测模型精度最高、预测效果最好,估算模型的决定系数R~2为0.733,验证模型R~2为0.737。PLSR方法建立的多光谱参数的SPAD值估算模型预测效果显著,利用高光谱技术对棉花SPAD值进行监测,可为全生育期棉花长势遥感监测提供依据。     

基于Sentinel-2A遥感数据对吉林白城市土壤含盐量的反演

基于Sentinel-2A遥感数据,结合白城市表层土壤采样的全盐含量化验值,利用统计与拟合分析的方法,建立土壤盐渍化遥感监测模型,对研究区表层土壤含盐量进行反演分析。结果表明:①研究区土壤的反射率与含盐量呈正相关,相关系数在Sentinel-2A第5波段(中心波长为0. 705μm)达到最大值,为r=0. 902,利用第5波段反射率建立的土壤含盐量反演模型TSC=50. 776R_5-8. 262,模型的决定系数R~2=0. 813,检验样本的均方根误差RMSE=0. 814 g·kg~(-1);②将反射率进行指数、幂、S曲线等数学变换后,可以显著提高拟合精度,其中,第8波段反射率的幂函数变换后,建立土壤含盐量的单波段反演模型TSC=77. 51x~(2. 346)精度最好,模型的决定系数R~2=0. 888;③利用多元逐步回归分析的方法建立土壤含盐量的多波段反演模型TSC=-13. 810+38. 973R5-14. 122e~(R_5)+23. 896R_8~(2. 248)+1. 743ln(R_9),模型的决定系数为R~2=0. 924,检验样本的均方根误差为RMSE=0. 736 g·kg~(-1)。     

基于遥感数据的新疆开-孔河流域农业区种植结构提取

农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Landsat 8 OLI影像,构建主要作物提取知识规则,基于决策树方法开展农作物的分类识别。开―孔河农业区2016年主要作物种植面积为5.07×10^5hm^2,其中棉花种植面积最大,为1.97×10^5hm^2,玉米、小麦次之。博斯腾湖和开都河农业区以辣椒、玉米和小麦为主要作物,种植结构比较零散;孔雀河农业区种植结构比较单一,以棉花和香梨为主要作物。与仅利用时间序列的MODIS数据进行作物分类识别的结果对比表明,综合利用MODIS和Landsat数据的作物识别精度有显著提高,总体分类精度从62.58%提高到88.37%,kappa系数从0.53提高到0.86。该方法综合利用了MODIS数据的时序特征和Landsat数据较高的空间分辨率特征,有效地避免了MODIS数据空间分辨率不足而导致分类精度较差的情况,又避免了Landsat数据时间分辨率不足所引起的时相选择盲目性或数据冗余,在干旱区农业种植结构的提取领域具有一定的应用价值。     

Land surface temperature retrieval for arid regions based on Landsat-8 TIRS data:a case study in Shihezi,Northwest China

Scientific interest in geophysical information about land surface temperature （LST） is ever increasing, as such information provides a base for a large number of applications, including environmental and agricultural monitoring. Therefore, the research of LST retrieval has become a hot topic. Recent availability of Landsat-8 satel- lite imagery provides a new data source for LST retrieval. Hence, exploring an adaptive method with reliable ac- curacy seems to be essential. In this study, basing on features of Landsat-8 TIRS thermal infrared channels, we re-calculated parameters in the atmospheric transmittance empirical models of the existing split-window algorithm, and estimated the ground emissivity with the help of the land cover classification map of the study area. Further- more, a split-window algorithm was rebuilt by virtual of the estimation model of the updated atmospheric transmit- tance and the ground emissivity, and then a remote sensing retrieval for the LST of Shihezi city in Xinjiang Uygur autonomous region of Northwest China was conducted on the basis of this modified algorithm. Finally, precision validation of the new model was implemented by using the MODIS LST products. The results showed that the LST retrieval from Landsat-8 TIRS data based on our algorithm has a higher credibility, and the retrieved LST is more consistent with the MODIS LST products. This indicated that the modified algorithm is suitable for retrieving LST with competitive accuracy. With higher resolutions, Landsat-8 TIRS data may provide more accurate observation for LST retrieval.     

干旱区精河流域地表温度的模型反演研究

以精河流域绿洲为研究区,使用Landsat ETM⁺数据,采用单窗算法和普适性单通道算法对研究区地表温度进行反演,并将这两种算法的反演结果与研究区MODIS温度产品(MODIS LST)进行比较。结果表明：(1) 单窗算法和普适性单通道算法反演的结果总体趋势比较接近,研究区整体的平均温度相差约2k;(2) 采用改进型土壤调整植被指数(MSAVI)代替归一植被指数(NDVI)计算地表比辐射率可有效提高反演精度,并且同等条件下单窗算法的反演精度高于普适性单通道算法,两种算法的反演结果与MODIS LST的相关系数分别是0.9255和0.8651;(3) 在城镇区域,普适性单通道算法反演结果与MSAVI的相关性高于单窗算法,相关系数为0.8136,说明普适性单通道算法更适合干旱区大范围城镇地表温度的反演研究。     

Monitoring recent changes in snow cover in Central Asia using improved MODIS snow-cover products

Snow cover plays an important role in the fields of climatology and cryospheric science. Remotely-sensed data have been proven to be effective in monitoring snow covers. Improved methods to process the 8-day snow-cover products derived from MODIS Terra/Aqua data can dramatically increase the data quality and reduce noise. A five-step algorithm for removing cloud effects was designed to improve the quality of MODIS snow products, and the overall accuracy of the MODIS snow data without cloud(defined as cloud-free snow-cover dataset) was enhanced by more than 90% based on direct and indirect validation methods. The snow-cover frequency(SCF) and snow-cover rate(SCR) of Central Asia were analyzed from 2000 to 2015 using trend analysis and empirical orthogonal functions(EOFs). Over the plain regions, the SCF displayed a significant north-south declining trend with a rate of 0.03 per degree of latitude, and the SCR showed a similar north-south gradient. In the mountainous areas, the SCF significantly increased with altitude by 0.12 per kilometer. Within the study area, the SCF in 65% of the study area experienced an increasing trend, but only 4.3% of the SCF-increasing pixels passed a significance test. The remaining 35% of the area underwent a decreasing trend of SCF, but only 5.2% of the SCF-decreasing pixels passed a significance test. For the entire Central Asia, the inter-annual variations of snow-cover presented a slight and insignificant increase trend from 2000 to 2015. However, the change trends of snow cover are different between the plain and mountainous regions. That is, the annual mean SCR in the plain areas displayed an increasing trend, but a decreasing trend was found in the mountainous areas.     

呼伦贝尔草原生物量估算的光谱模型

采用美国ASD公司Fieldspec3光谱仪,在内蒙古呼伦贝尔草原区进行了高光谱遥感地面观测与地上干物质量测定,并获取与试验同期的Terra/MODIS遥感数据。运用回归分析方法,构建实测归一化植被指数(ASD NDVI)与地上干物质量(ANPP)之间的地面光谱模型,分析ASD NDVI与Modis NDVI相关关系,建立基于Modis NDVI预测地上干物质量的Modis光谱模型。研究表明:呼伦贝尔草原的区域最优地面光谱模型为指数函数(n=49,R2=0.7496,P<0.001),ASD NDVI与Modis NDVI为线性相关关系(n=49,R2=0.7939,P<0.001),所建立Modis光谱模型的标准误差SE=62g/m2,平均预测精度为68.86%,该模型为呼伦贝尔草原区区域产草量测定提供了新方法。     

基于混合型线性双源遥感蒸散模型的南疆绿洲地区干旱研究

利用MOD16蒸散产品数据以及2001—2014年新疆气象站点数据,基于混合型线性双源遥感蒸散模型估算南疆绿洲地区地表蒸散,并对比验证MOD16蒸散产品、反演蒸散量与研究区气象站蒸发皿实测蒸发量之间的关系。定义了蒸散干旱指数EDI,计算EDI距平,分析绿洲地区干旱分布特点,同时对比降水距平来检验干旱监测的准确程度。结果表明:MOD16蒸散产品蒸散量、模型估算蒸散量与蒸发皿实测蒸发量数据的相关性较好,说明利用MOD16蒸散产品数据估算蒸散量可行,也说明估算的蒸散量可信度高;由于绿洲地区北部水分供应更充足,EDI值空间上由南至北呈减小趋势,EDI值年际变化明显且均大于0.6;EDI距平与EDI同向变化,与降水距平反向变化;南疆绿洲地区在2001、2007、2008、2009、2014年的EDI值大于0.66。因此,EDI距平定义了干旱轻重程度界限:EDI临界值为0.66;EDI值越大,EDI距平越大,降水距平越小,干旱程度越严重。     

基于GIS的南疆地区人居环境适宜性评价

人居环境适宜性评价是个综合的多学科集合,它不但包括人居环境自然适宜性评价还包括社会经济适宜性。文中借助GIS平台,系统的归纳了国内外人居环境评价研究的理论基础和应用研究成果,采用综合评价模型,基于DEM数据、NDVI数据、多年平均气温、降水量、人口和GDP等要素的栅格数、以1km×1km的栅格尺度直接反映了南疆地区适宜性的空间分布特征。结果表明:1)植被、地形、气温等各种自然因素与社会经济因素在空间上的适当结合分布对南疆人居环境的发展和分布具有重要的决定作用;2)南疆地区大部分地区受到自然环境条件的限制,人居环境适宜性中一级适宜区(最好适宜区)的面积最少,占全研究区的3.092%,二级适宜区占7.15%,三级区占8.39%,四级适宜区和五级适宜区的面积最广,占全研究区的81.17%,表明自然环境基础十分恶劣;3)研究区内除了现已开发利用的绿洲面积以外现未开发的交错带具有较好的自然环境条件和人居环境发展的潜能,但是此地区的生态环境相当脆弱,在今后的发展规划当中需要大量的关注。     

MODIS及ASTER卫星数据在林火面积估算中的应用

用于火点监测的MODIS数据的分辨率是1km,不可避免地存在有混合像元。本文使用Dozier提出的方法,利用卫星数据不同波段对高温目标的不同响应来获取子像素火点温度及面积,并使用同时相高分辨率的ASTER数据进行了验证。结果表明在背景温度估计准确的情况下,MODIS数据可以比较准确地获得子像素火点的面积,对于判断火情火势具有重要意义。     

基于单时相MODIS数据的土地覆盖三种分类方法对比研究

以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度。