冬小麦生物量遥感监测模型的研究

本文利用１９９２－１９９４年乌兰乌苏农业气象试验站观测农学资料、光谱资料以及同步接收的ＮＯＡＡ／ＡＶＨＲＲ资料，计算了冬小麦生物量与比值植物指数（ＲＶＩ）和归一化差值植被指数（ＮＤＶＩ）的相关系数，并建立了冬小麦生物量的光谱监测模型和气象卫星遥感监测模型，为冬小麦长势的动态监测提供了理论依据。     

卫星遥感影像RPC参数求解算法研究

针对国内外在求解RPC模型参数算法上需要初值、迭代处理,且求解过程相当复杂的缺憾,提出了基于全球DEM的RPC模型参数求解算法,利用SPOT-5、CBERS-2以及ERS卫星影像进行实验,获得对卫星遥感影像几何处理有意义的结论,并对卫星影像在利用严格成像几何模型求解RPC模型参数时做了控制点格网大小及高程分层数对求解精度的影响实验,得出对卫星遥感影像,采用控制点的格网大小为20×20、高程分层为3可以达到精度和效率的平衡。     

基于作物模型模拟年际生物量变化的 冬小麦干旱监测研究

选择关中平原地区冬小麦为研究对象,在对农业技术转移决策支持系统(DSSAT)中的CERES-Wheat模型进行标定的基础上,根据距平的方法分析了模型模拟的冬小麦生物量的年际变化情况.结果表明:生物量距平为正值时,未发生旱情或旱情不明显;生物量距平为负值时,发生了干旱.据此建立了基于生物量距平的干旱监测模型.通过气象网站的降水量资料对该研究区域2000-2009年每年4月下旬的单点干旱监测结果进行验证,结果表明生物量距平与最近2旬至5旬的累计降水量距平的相关性较高,证实了应用该模型进行干旱监测的可行性和近实时性.将该模型与2000-2009年MODIS每8天的GPP产品相结合,得到了干旱的区域分布结果,结果表明:关中平原在2000、2003年和2007年4月下旬时发生干旱,在其余研究年份4月下旬时未出现旱情.     

冬小麦叶片叶绿素相对含量遥感估算模型研究

在分析前人对叶绿素含量监测方法不足的基础上，利用TM（Thematic Mapper）遥感影像探讨了估算冬小麦不同生育期叶片叶绿素相对含量的可行性。并基于遥感变量与地面实测叶绿素相对含量的相关关系分析结果，建立了冬小麦在拔节期和孕穗期叶片叶绿素相对含量的遥感定量估算模型，为利用遥感技术进行冬小麦的长势监测提供了依据。     

基于NOAA-NDVI的河南省冬小麦遥感估产

以河南省为研究区域,利用1982-2006年冬小麦生长关键期3-5月的NOAA-NDVI数据集,结合河南省18地市冬小麦产量数据,分析了研究区NDVI与冬小麦产量的时间动态变化特征,建立了基于NDVI的冬小麦产量估算模型,并对模型进行了验证与比较。结果表明:自1982-2006年,研究区冬小麦生长关键期的NDVI和小麦产量均表现出显著增长态势;利用3月、4月、5月NDVI分别建立的冬小麦产量线性预测模型相对误差均较小,分别为-7.56%、-6.10%、-2.63%;利用不同月份组合的NDVI累积和分别建立的冬小麦产量预测模型相对误差较小,平均误差为-5.08%;利用多个月份组合的NDVI分别建立的多元线性回归模型,虽然综合考虑了冬小麦生长期,但估测精度却低于基于单月NDVI和NDVI累积所建立的模型精度。通过误差对比分析后发现,利用5月NDVI建立的冬小麦估产模型误差最小。     

关中西部灌区冬小麦遥感估产初探

根据冬小麦生长特点与产量的关系,认为小麦扬花期至灌浆期为最佳监测时期,利用遥感影像(TM)进行了绿度指数(GDVI)计算与分析,建立了GDVI与小麦产量的关系,完成了小麦估产。通过与实际产量进行比较,其估产精度可达88.90%以上。     

毛乌素沙地中间锦鸡儿生物量估测模型

以毛乌素沙地中间锦鸡儿(Caragana intermedia)为研究对象,采用株高和冠幅参数及其组合为自变量,分别构建了其枝条、叶、地上部分、根和整株生物量预测模型。通过综合分析各预测模型的判定系数、回归检验显著水平、总相对误差和平均相对误差绝对值等指标,筛选出中间锦鸡儿最佳生物量估测模型,且以幂函数为主。枝条生物量WB=1.054H3.124,叶生物量WL=0.096e0.496HC,地上生物量WA=1.339H2.989,根生物量WR=1.302H2.368,总生物量WT=0.159e2.685H。     

多植被指数组合的冬小麦遥感估产方法研究

为了提高大面积冬小麦农田产量快速估算的准确率,选取Landsat 8 OLI卫星遥感数据,计算归一化植被指数NDVI、比值植被指数RVI、绿度植被指数GVI、增强植被指数EVI,分别建立4种植被指数组合与地面冬小麦实测产量的回归方程或神经网络和SVM模型。结果表明:单植被指数的非线性回归方程估产精度高于线性回归方程,冬小麦实测产量与遥感植被指数表现为非线性关系;线性回归方程估产时多植被指数组合精度高于单植被指数,多植被指数组合可实现信息互补,提高遥感估产精度;建立多植被指数组合与实测产量的非线性遥感估产模型时,SVM模型的均方根误差RMSE为339.6kg·hm~(-2),决定系数R~2为0.7852,估产精度高于BP神经网络模型、RBF神经网络模型,可应用于冬小麦遥感估产的快速、准确实现。     

乌梁素海芦苇湿地遥感生物量估算研究

以定量遥感的手段实现对内蒙古乌梁素海湿地生物量的估算。在定点监测芦苇生长周期内的生物量基础上,分析了各监测点生物量(鲜重和干重)实测数据与同期4种植被指数NDVI、DVI、PVI、RVI的相关关系。建立一元线性估算模型及多种非线性估算模型并进行对比分析。结果表明:对于乌梁素海而言,芦苇地上生物量(鲜重与干重)与所选4种植被指数均存在显著正相关关系,鲜重、干重的最优模型均是基于NDVI的三次多项式估算模型。精度检验结果显示:用NDVI三次多项式估算模型计算出的鲜重和干重的预测值与实测值较接近,鲜重的平均误差为19.90%,拟合精度达到80.10%;干重的平均误差为18.71%,拟合精度达到81.29%,可以满足乌梁素海地区芦苇生物量宏观估测的需要。通过分析2013年7月研究区芦苇总生物量干鲜重的空间分布图可得,乌梁素海地区芦苇干重在1 000~1 500 g·m~(-2),鲜重在3 000~4 500 g·m~(-2),且高生物量和低生物量相对较少。     

基于同化叶面积指数和条件植被温度指数的冬小麦单产估测

应用数据同化方法将遥感信息与作物生长模型融合,是估测区域作物产量的重要方法之一。以2008—2014年越冬后的冬小麦为研究对象,选择与作物长势、产量及水分胁迫信息密切相关的叶面积指数(LAI)和条件植被温度指数(VTCI),采用粒子滤波算法对CERES-Wheat模型模拟和遥感数据观测的LAI和VTCI实施同化,分别基于观测LAI和VTCI、同化LAI和VTCI构建冬小麦单产估测模型。结果表明,同化LAI变化趋势更加符合关中平原冬小麦的实际生长状况,同化VTCI能更好地反映冬小麦的水分胁迫程度。应用观测LAI和VTCI构建的估产模型决定系数为0.402,而单独应用LAI或VTCI单变量构建的估产模型决定系数分别为0.279和0.339,说明应用LAI和VTCI双变量构建的估产模型的精度优于单独应用LAI或VTCI单变量的精度。相比于观测LAI和VTCI构建的估产模型,基于同化LAI和VTCI构建的估产模型的决定系数从0.402提高到0.547。表明基于同化LAI和VTCI构建的估产模型的精度明显提高。     

小麦条锈病卫星与近地光谱反射率的比较

通过人工接种诱发小麦条锈病,在病害大面积发生后,利用ASD手持式野外光谱仪(325～1075nm)测定小麦条锈病近地冠层高光谱数据,并获取该试验田同一时相SPOT-2卫星遥感数据,进而对卫星及近地小麦条锈病光谱反射率进行比较分析.结果显示,两者在SPOT-2卫星的3个波段上表现一致;1、2波段发病区的冠层光谱反射率分别为19.02%和15.40%,比对照区的18.61%和14.90%高,而在3波段中,发病区和对照区的反射率分别为34.65%和35.90%.由此可见,3波段发病区与对照区的光谱反射率差异更大,可用3波段进行小麦条锈病卫星遥感监测.     

基于遥感影像的县域冬小麦种植信息提取

冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明：（1）在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;（2）运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;（3）武功县2017年冬小麦种植面积为21 181.97 hm²,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。     

基于多源卫星数据的3种干旱遥感监测效果比较

基于MODIS/TERRA、FY-3B/MERSI和HJ/CCD监测数据,结合研究区同步土壤湿度实测资料,利用垂直干旱指数（PDI）,对比分析了各传感器在干旱时空动态中对旱情响应的敏感性和可靠性。结果显示：在黄土高原半干旱区各遥感卫星监测到的PDI指数与土壤相对湿度呈显著负相关,与0～20 cm相对湿度相关最为密切;MODIS的PDI监测信息与实际春旱发展前期状况最为接近,HJ的PDI监测信息对干旱后期效应性相对较差, HJ、MODIS和FY3B的PDI监测信息都能够比较真实的反映干旱缓解后的实际情况。     

不同覆盖条件下冬小麦作物系数试验研究

试验共设置裸地(CK)、秸秆覆盖(JF)、地膜覆盖(DF)3个处理,基于冬小麦2013—2014年实测数据及气象数据,利用Penman-Monteith公式计算杨凌地区冬小麦全生育期内参考作物蒸发蒸腾量,利用农田水量平衡方程计算冬小麦全生育期实际作物蒸发蒸腾量,由此计算冬小麦各生育阶段的作物系数。结果表明:秸秆覆盖和地膜覆盖可以减少冬小麦全生育期的作物需水量,减少量分别为13.07 mm和17.86 mm;秸秆覆盖处理对水分比较敏感;作物系数在全生育期呈双峰变化,峰值出现在分蘖~越冬期和抽穗~灌浆期,其中CK为0.82和1.16,JF为0.89和1.05,DF为0.87和1.13;冬小麦作物系数与种植后天数和大于0℃积温呈现良好的四次多项式和二次多项式关系,其中JF与DF的相关系数均在0.88以上。     

基于热红外遥感的小麦条锈病菌越夏区精准勘界

为减少小麦条锈病菌越夏区勘界的人力作业成本和劳动强度,实现大尺度、精准勘界,本研究采用一套基于卫星和地理信息技术的新方法进行小麦条锈病菌越夏区勘界,利用2009年7月的Landsat-5卫星图像,截取甘肃省陇南地区热红外遥感影像,利用辐射传输方程对影像进行地表温度反演,通过反演温度实现对该区域的小麦条锈病菌越夏区精准勘界。结果表明:辐射传输方程L_λ=[ε·B(T_s)+(1-ε)L↓]·f+L能较好地反演Landsat-5卫星的热红外遥感影像,建立辐射温度与气温温度的拟合方程t=0.81T-216.52,拟合度较好,R~2为0.61。使用ENVI和Google Earth软件能将反演的温度和地理信息实现图层叠加,并能精准定位到小麦条锈病菌越夏区范围内的村庄及田块。这一技术可实现跨省份、跨地区大面积的遥感监测与调查,并且不受时间、空间限制。随着卫星技术和信息技术的发展,这一方法能使与温度相关的勘界调查精度更高。     

综合遥感与气象信息的小麦白粉病监测方法

<正>小麦白粉病是小麦生产过程中的主要病害之一,常在小麦生育后期爆发,造成严重的减产和品质降低。对该病的准确监测是植保工作的一个重点,对病害的有效防治具有重要意义~([1,2])。近年来,遥感数据的空间连续观察能力及其包含的丰富信息引起作物病害监测领域的广泛关