高光谱遥感土壤质量信息监测研究进展

高光谱遥感具有波段多且光谱连续等特点,在土壤质量信息的监测方面,利用高光谱遥感数据,能够实现对土壤特性的定量分析。总结了利用高光谱遥感技术获取土壤质量信息的方式和特点,以及影响土壤光谱反射特性的主要因素,回顾了国内外基于遥感的土壤质量信息提取的定量研究,并对研究中的问题进行了分析和展望。     

新疆不同类型土壤有机质含量的高光谱监测

利用高光谱遥感对土壤进行监测已成为精准农业的重要技术之一。本文对新疆不同土壤类型土壤样品有机质含量进行理化分析,并高光谱反射率测定,获得不同类型土样有机质含量及对应高光谱反射率曲线,通过分析高光谱反射率曲线与土样有机质含量关系,对特定波长下的土样光谱反射率和有机质含量进行相关分析和曲线拟合,对高光谱遥感监测土壤质量的可行性进行分析。研究发现,有机质在350~2 500 nm波长范围内光谱反射率与有机质含量呈负相关关系,在675 nm附近的相关性最强。该研究为利用遥感技术进行土壤属性的快速监测奠定了研究基础。     

不同植被覆盖下土壤水分遥感监测方法的比较研究

为了研究不同植被覆盖程度下多种土壤水分遥感监测模型的适用性,提高大面积土壤水分遥感监测的可行性和精度,本研究利用辽宁省52个气象站2008—2010年土壤相对湿度人工观测资料以及对应时段的卫星遥感资料,采用热惯量、能量指数、植被供水指数法进行土壤水分的遥感监测,在低、中、高植被覆盖条件下对比3种定量反演土壤水分的遥感模型,并与人工观测资料建立线性、指数、对数拟合。结果表明：在中低植被覆盖期,热惯量法最适合,与0~20 cm的平均土壤相对湿度的对数相关最好;高植被覆盖期,能量指数法稍好于植被供水指数法,与0~10 cm的平均土壤湿度的对数相关最好。     

基于高分辨率遥感的耕地质量指标与评价进展

耕地质量作为反映耕地不同性状的综合性指标,对农业可持续发展有重要意义,文章综述了高分辨率遥感数据在耕地质量评价中的应用情况。当前耕地质量评价信息采集技术中存在监测范围小、监测时间跨度短、成本高、效率较低等问题,难以实现耕地质量的快速、准确评价。高空间分辨率、高时间分辨率、高光谱分辨率的遥感影像为长时序、大范围的耕地质量评价提供了技术支撑和数据基础。文章总结了国内外应用高分辨率遥感数据对地形特征、田间基础设施、生物多样性、土壤性状、农田环境状况等指标识别方法。文章在介绍耕地质量等级评价方法基础上,归纳了植被指数协同评价法,结合主成分分析法提出了基于高分辨率遥感的耕地质量评价方法,探索基于高分辨率遥感的耕地质量评价指标获取方法和评价体系,以期为快速、准确耕地质量评价研究提供参考。     

海洋盐度卫星农业遥感应用研究进展

海洋盐度卫星具有在海洋渔业和耕地土壤水分等领域开展全球遥感监测应用的潜力。[方法]本文从盐度卫星发展现状、海洋渔业和耕地土壤水分遥感应用3个方面出发,对以往盐度卫星农业遥感监测与反演研究进展进行了概述,并对其农业遥感监测应用前景进行了展望。[结果]通过总结认为：在海洋渔业遥感研究领域,盐度卫星应用仍然是以温度、盐度等反演算法研究为主,这些基础性的研究为海洋渔业遥感监测应用提供了必要的因子;在土壤湿度研究领域,盐度卫星的应用相对成熟,基于不同地表覆盖条件下精度分析,开发的适用于土壤湿度产品生产的反演算法,是耕地土壤墒情遥感监测的基础。[结论]在总结当前海洋盐度卫星农业遥感应用进展的基础上,展望了其发展方向,并可为中国新一代海洋盐度卫星的研制提供农业应用依据。     

基于无人机高光谱影像的玉米地上生物量反演

【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%;外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。     

耕层土壤含水量间接光谱估测模型

为克服光学卫星遥感只能获取表层土壤光谱信息而不能用于直接估测耕层土壤含水量的局限性,建立基于表层土壤高光谱的耕层土壤含水量间接估测模型。以山东省济阳县85个潮土样本的含水量及高光谱数据为基础,根据表层与耕层土壤含水量的内在关系,建立耕层土壤含水量间接光谱估测模型。结果表明,表层土壤光谱反射率的对数变换效果较好,以1339、1457、1745、1969、1996 nm波段的对数变换值为估测因子,采用多元线性回归模型建立的表层含水量估测模型的决定系数为R ²=0.8911,平均相对误差为13.67%;土壤耕层与表层含水量之间存在着显著的相关性,R ²=0.8131;耕层土壤含水量间接光谱估测模型的精度较高,决定系数R ²=0.8138,平均相对误差为9.66%。研究表明,山东省济阳县潮土表层、耕层含水量之间存在着显著的相关性,利用表层土壤光谱间接估测耕层土壤含水量是可行有效的。     

利用光谱-盐分指数监测棉田土壤盐分

通过对棉田土壤盐分的光谱反演研究,为土壤盐渍化遥感动态监测提供可能。利用ASD地物光谱仪测定新疆兵团第六师共青团农场盐渍化棉田土壤光谱,结合土壤化学参数分析确定反映棉田土壤盐渍化程度的敏感波段,构建最佳盐分指数对棉田土壤盐分进行监测。结果表明,随盐渍化程度(0.084~1.659 g·kg-1)的加重,土壤光谱反射率呈上升趋势,在近红外区(1350~1850 nm)差异尤为显著,该波段范围光谱反射率与土壤盐分呈极显著相关(r=0.880**),且对土壤盐分响应敏感,为识别盐渍化土壤的敏感波段;选择盐渍化光谱敏感波段建立了盐分指数SI1,BI,SI2,NDSI,SI3监测棉田土壤盐渍化的模型,其中SI1和BI的RMSE分别为0.151和0.149、RE为7.5%和6.3%,预测能力强,可推荐为棉田土壤盐分监测的最佳模型。     

不同遥感传感器监测森林虫害研究进展与展望

森林约占陆地面积的1/4,是全球生态系统重要组成部分。近年来害虫侵袭致使林木大量死亡,森林生态安全遭到破坏,亟需探寻一种简洁、高效的森林虫害监测方法。通过分析与总结国内外学者的研究,并查询相关书籍资料,对比多光谱、高光谱和微波等遥感传感器在森林虫害监测中的应用,对其优劣势进行分析。研究发现多光谱遥感空间分辨率高,但光谱分辨率较差,难以感知林木内部细微变化;高光谱遥感光谱分辨率高,可以感知林木内部细微变化,但其空间分辨率较低,且数据量大不易计算;微波遥感具有很强的穿透性,可进行全天候、全天时监测且不易受天气影响,但其空间分辨率低,难以获取林木光谱信息。未来应提高害虫区分能力、早期监测能力以及通过多源数据构建星空地协同的森林虫害遥感监测系统等发展趋势。为森林虫害遥感监测研究提供一种新思路。     

克钦湖叶绿素a的高光谱定量模型研究

水中叶绿素a浓度是衡量水体富营养化程度的最基本的指标,为了监测扎龙湿地克钦湖水体叶绿素a的浓度,笔者利用高光谱地物光谱仪对克钦湖进行了现场光谱测量和同步采样分析,通过分析克钦湖水体反射光谱特征,利用一阶微分法、归一化反射率和反射率比值法分别建立了叶绿素a的遥感定量模型。结果表明：利用697 nm一阶微分建立的线性模型,其R2为0.703;利用归一化反射率建立的模型中,精度最高的是采用604 nm反射率的线性模型,R2为0.794;利用R703/R677反射比建立模型精度进一步提高,R2为0.879。经过模型验证表明,所建模型可以用来实现对克钦湖叶绿素a的定量估算,为今后进行克钦湖叶绿素a遥感反演提供了研究基础。     

地面资料稀缺区域的农田土壤水分微波与光学遥感协同反演方法研究

[目的] [方法]大尺度区域范围的地表粗糙度因子难以获取是微波反演土壤水分的难点所在。对此,从协同微波和光学遥感数据在土壤水分监测中的优势以提高土壤水分反演精度的角度出发,进行了地表粗糙度参数稀缺区域的大范围农田土壤水分遥感反演方法研究,即利用高分三号和Landsat8光学遥感数据,通过水云模型消除植被对雷达后向散射系数的影响,获取土壤直接后散射系数,然后结合入射角、PDI、TVDI和NDWI指数共同作为模型输入参数分别建立了HH和HV两种极化方式下的土壤水分反演模型。[结果]采用相关系数(R2)、一致性指数(IA)和均方根误差(RMSE),对两种模型应用于江汉平原农田土壤水分反演的实验结果进行了对比分析,结果显示HH极化方式下的土壤水分反演精度整体上优于HV极化方式(HH极化方式R2=0.6864,IA=0.8895,RMSE=6.979%)。[结论]在空间分布上,温度较高和植被覆盖较低区域,土壤水分含量较低,如钟祥市的北部、江陵县的东北部、荆门市的东部、仙桃市的西部和天门市的西北部;温度较低和植被覆盖较高区域,土壤水分较高,如监利县以及天门市的南部。     

基于高光谱数据提取土壤养分信息的研究进展

主要综述了利用高光谱遥感技术提取土壤养分信息的研究进展,论述了当前国内外学者通过高光谱遥感技术获取土壤养分信息的研究现状、存在的问题以及应用前景展望。旨在探索新疆绿洲农区如何应用高光谱遥感技术,分析、模拟、评价、预测土壤养分含量,促进高光谱遥感技术在田间农情监测、土壤诊断、水肥分区管理、作物科学种植中的应用,为新疆及兵团实施精准农业提供科学理论参考。     

基于HJ1A-HSI超光谱影像的县域耕地土壤盐渍度预测研究

针对目前干旱半干旱地区存在的土壤盐渍化问题,以北疆典型盐渍化地区玛纳斯县为研究区,以HJ1A-HSI超光谱影像为主要数据源,结合实测耕地土壤含盐量,分析光谱反射率及其变化形式与盐分含量的相关性,筛选耕地盐分响应的敏感波段,利用多元回归分析方法,建立基于环境卫星影像的耕地含盐量定量反演模型。结果表明,盐分的HSI影像响应波段均位于可见光与近红外波段间,以500~549 nm和696~776 nm范围最佳,相关系数均大于0.5;HSI反射率对数(lgP)预测模型精度最高,可实现对研究区耕地土壤盐分遥感反演。     

FY3-B/MWRI土壤湿度产品在藏北的适用性研究

藏北草原地广人稀,遥感监测土壤湿度在这一地区有广阔的前景。利用2014年7月28日-2015年8月1日野外试验数据对FY-3B/MWRI土壤湿度产品进行验证,结果表明：秋季实测土壤湿度平均值与MWRI反演平均值最为接近,仅相差0.002 cm3/cm3。实测土壤湿度和MWRI反演土壤湿度两者的均方根误差在春季为0.067,而两者的相关性在春季和秋季最好,R2分别达到了0.4337和0.3444,在春、秋两季完全可以用FY-3B/MWRI土壤湿度产品监测藏北高原土壤湿度。     

作物类型遥感识别研究进展

及时获取作物种植面积是研究粮食区域平衡,预测农业综合生产力和人口承载力的基础。遥感技术已经成为提取作物种植面积的重要手段,而前提是识别作物。为了理清当前该领域的国内外研究现状,以遥感在作物类型识别中的应用为主线,归纳了国内外作物类型识别研究中常用的各类遥感数据,如资源遥感影像、气象遥感影像、高分辨率影像、高光谱影像和微波影像等,分析其优缺点和适用性;同时总结了利用遥感进行作物类型识别的3 类研究方法,包括基于光谱的识别方法、基于物候差异的识别方法以及光谱与物候相结合的方法,分析了各种方法的特点;指出目前作物类型遥感识别中存在的主要问题,如影像空间精度与价格的平衡问题,多分辨率遥感数据的综合应用问题,物候差异对作物识别的影响问题等;认为不同分辨率遥感数据的结合可以弥补各自不足,遥感影像的时相选择是提高精度的关键,另外需要应用除光谱和物候以外的更多解译标志;建议进一步深入研究作物识别机理和多尺度数据融合方法。以期为遥感技术在作物类型识别中的深入研究提供参考和借鉴。     

基于WorldView 2影像杉木叶面积指数与植被指数相关性研究

为了探究基于高分辨率遥感影像杉木叶面积指数与植被指数的相关性,以湖南省攸县黄丰桥国有林场为研究对象,采用地面实验与遥感技术相结合的方法,利用WorldView 2遥感数据提取NDVI、SAVI、SARVI、RVI、MSAVI、ARVI等6种植被指数,通过LAI-2000测量的杉木叶面积指数(LAI)建立相关关系,开展WorldView 2遥感影像在估测杉木叶面积指数中的应用研究,分析植被指数对杉木LAI的影响.对不同植被指数分别进行线性模型、二次曲线模型、指数曲线模型和对数曲线模型的LAI反演.结果表明:除DVI与LAI相关性稍低一点外,其他植被指数与LAI都有很高的相关性,高于中低分辨率遥感影像提取的植被指数与LAI的相关性,土壤调节植被指数(SAVI)与LAI的相关性与土壤影响因子L无关.在线型模型中,RVI与ARVI更适合于杉木LAI建立一元线性回归模型,相关系数R分别为0.931、0.895,判定系数R2分别为0.866、0.800,均达到较好的拟合效果.在非线性模型中,反演模型最好的是二次曲线模型,其次是指数模型,最差的是对数模型.拟合效果较好的是NDVI、SAVI和RVI;拟合效果最差的是DVI;最好的拟合模型,其R2高达0.884.杉木LAI具有较佳拟合效果的非线型模型是NDVI和SAVI的二次曲线模型.