SPOT-5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT-5和HJ-1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价.结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT-5影像的最优模型植被指数为GNDVI(绿色归一化植被指数),HJ-1B影像的最优模型植被指数为NDVI(归一化植被指数),SPOT-5影像在监测精度上优于HJ-1B影像,但差别不大.填图结果表明,除地块较破碎地带外,利用HJ-1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT-5影像结果比较一致.说明利用SPOT-5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT-5等遥感影像的监测效果.     

基于Landsat/TM遥感的冬小麦长势分级监测研究

为给遥感技术在冬小麦长势分级监测预报中的应用提供依据,以江苏省兴化市为例,利用TM卫星遥感影像,提取冬小麦的种植面积并分析了长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行TM影像校正、非监督分类和人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,信息解译精度在95%以上。结合NDVI指数反演的叶面积指数数据进行小麦长势分级分类,并制作了兴化市冬小麦长势分级监测图。     

基于Landsat-8和LSMM的冬小麦面积提取研究——以皖北为例

美国国家航空航天局（NASA）成功发射了最新系列的陆地卫星（Landsat-8）,搭载的陆地成像仪（OLI）对波段进行了重新调整,从而避免了大气吸收干扰,能够更好地区分植被和无植被特征,为农业遥感提供了全新的高质量数据。本文选取皖北（阜阳、蚌埠、宿州）为研究区域,以Landsat-8遥感影像为研究数据,经缨帽变换得到遥感影像的主成分信息,并用其分量甄选出不同地物的端元,最后建立线性混合像元模型（LSMM）,并对皖北地区冬小麦进行提取。与历史统计数据对比,冬小麦种植面积的提取精度达到了90%以上,说明利用Landsat-8和LSMM开展大尺度范围的小麦种植面积提取具有明显的优势。     

基于生态因子的冬小麦产量遥感估测研究

为提高冬小麦遥感估产的精确性与适用性,在河南省的孟州市和沁阳市利用GPS定位布设田间试验,利用P-6卫星数据进行了冬小麦遥感估产研究.通过对遥感植被指数和冬小麦长势与产量GPS定位数据的综合分析,基于遥感影像信息获取的瞬时性和准确性,结合小麦灌浆期生态条件对小麦产量形成的影响,利用开花期遥感影像归一化植被指数(NDVI)和灌浆期生态因子(气温、日照、氮素营养、土壤水分)建立了冬小麦产量遥感估测模型,并检验了该模型的可靠性.结果表明,模型预测值与实测值较为一致,利用开花期遥感影像NDVI和灌浆期生态数据估测冬小麦产量的RMSE值为369.27 kg·ha-1,相对误差为6.45%.模型估测性能好,且具有一定的解释性.     

基于CBERS卫星遥感的冬小麦产量估测研究

对冬小麦产量进行遥感监测预报,有利于农业管理部门及时获取冬小麦区域产量信息,便于其制定有效的栽培管理措施,达到增产的目的。中巴资源卫星（CBERS-02）CCD影像具有较高的空间分辨率和较丰富的光谱信息,对植被及作物长势信息具有较强的探测能力。以江苏省泰兴市为例,进行了基于CBERS-02卫星遥感和小麦估产模型的冬小麦产量监测预报研究。在利用计算机分类结合人机交互式判读解译的基础上,结合GPS样点信息校验,进行冬小麦种植面积提取;利用影像提取的冬小麦NDVI数据,反演叶面积指数、生物量信息等,结合冬小麦估产模型,计算单点产量信息。经过线性转换,对整个区域的冬小麦产量进行分级监测预报,叠加样点的产量信息检验,最终制作了区域的冬小麦产量分级专题图。结果表明,冬小麦种植面积解译精度在90%以上,分级估产精度达到85%以上。中巴资源卫星影像数据基本能满足冬小麦长势监测和产量预报的需要,可以在实际农业生产中推广应用。     

利用HJ-1A卫星遥感影像进行水稻产量分级监测预报研究

以江苏省盱眙县、金湖县和洪泽县为例,利用我国的环境减灾卫星(HJ-1)遥感影像,开展了水稻产量分级监测预报研究。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-1A卫星影像精校正,将GPS样点数据校验贯穿到整个水稻种植面积分类与解译过程中,面积信息解译精度在90%以上。分别利用水稻抽穗期归一化植被指数和比值植被指数反演了叶面积指数和生物量数据信息。结合水稻遥感估产模型进行产量估算,并叠加样点产量信息验证,估产精度达到85%以上;依据预测的水稻产量数据进行产量分级预报,制作了盱眙县、金湖县和洪泽县水稻产量遥感分级监测预报图。结果说明,环境减灾卫星影像基本能满足水稻种植面积提取和产量预报的需求,能够在遥感估产中推广应用。     

基于TM影像的小麦全蚀病危害信息提取

为给小麦全蚀病危害监控提供依据,利用ASD Fieldspec HandHeld 高光谱仪测量并分析了受小麦全蚀病危害后的光谱特征,并根据TM卫星遥感影像,采用归一化植被指数(Normalized Difference Vegetation Index,NDVI)和MPA(masking, principal components transformation, and analysis)方法提取和分析了小麦全蚀病危害信息.结果表明,全蚀病发病前麦田的NDVI相近;全蚀病发病期健康麦田NDVI值高于发病麦田; 主成分变换后第3主分量在发病前灰度值接近,发病期受害田灰度值大幅上升.利用此技术可简单、快速提取小麦全蚀病危害信息,克服传统手段的局限性,对于实时监控全蚀病危害和改进作物病害监测方法具有重要意义.     

基于面向对象分类的冬小麦种植面积提取

为探索冬小麦种植面积的多源遥感提取方法,以江苏省中部宝应、高邮和兴化三市为研究区域,对冬小麦拔节期Land/TM和ERS/SAR遥感影像进行数据融合,基于波段最佳指数和地物光谱可分性,选择3-4-5波段进行分类,针对传统的基于像素分类方法结果易受"同物异谱"和"异物同谱"现象影响的问题,采用面向对象分类方法,以影像对象为处理单元,结合地物丰富的空间、纹理信息进行小麦面积提取,并与基于像素分类方法(SVM分类)结果进行了比较。结果表明,面向对象分类精度达到了94.16%,较准确地提取出研究区内冬小麦种植面积,比SVM分类结果具有明显优势。该方法可为南方冬小麦种植面积信息的快速获取提供技术支持。     

基于GeoEye-1高分遥感影像的冬小麦氮肥推荐应用

为给大区域范围的冬小麦氮素营养遥感诊断及其精准施肥决策提供参考,将GeoEye-1高分辨率遥感影像数据与氮肥优化算法(NFOA)相结合,开展了冬小麦氮肥推荐应用研究。首先,基于多年地面实测冬小麦冠层高光谱数据,利用光谱响应函数生成GeoEye-1卫星遥感模拟数据,计算得到归一化植被指数NDVI,并结合当季估产指数INSEY构建了冬小麦潜在产量预测模型;通过定义可表征小麦氮素丰缺的氮素响应指数RINDVI,结合潜在产量模型,计算得到氮素需求量;最后,利用GeoEye-1高分辨率遥感影像数据进行验证分析,将氮素推荐模型与高分辨率遥感数据相结合生成施肥推荐处方图,实现了冬小麦的氮素营养诊断及施肥推荐。结果表明,当季估产指数INSEY可很好地估算冬小麦的潜在产量(r2=0.606,RMSE=0.704t·hm-2),基于GeoEye-1高分遥感影像提取NDVI预测的潜在产量与实测产量显著相关(r2=0.722,RMSE=0.451t·hm-2)。氮素响应指数RINDVI与氮营养指数NNI的倒数也显著相关(r=0.915),可以用RINDVI来诊断冬小麦氮素的丰缺状态。以上结果说明,在没有地面实测小麦氮含量、生物量、地面光谱等数据的情况下,利用高分辨率遥感数据与气象数据构建模型可估算冬小麦的潜在产量,并能实现对冬小麦的氮营养诊断及生成推荐施肥处方。     

基于SVM的县域冬小麦种植面积遥感提取

冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有着重要的支撑作用。本研究在对Landsat-8卫星15 m×15 m空间分辨率遥感影像进行预处理的基础上,基于最佳波段指数(OIF),采用支持向量机(SVM)算法中四种核函数进行影像分类,并比较分类精度,选择精度最高的核函数作为SVM最优核函数对盐城市大丰区冬小麦种植面积进行提取,与最大似然法、最小距离法的结果进行对比。结果表明,四种核函数中,Linear核函数分类精度最高,达到98.56%。将Linear核函数作为SVM最优核函数对大丰区冬小麦种植面积进行提取,提取到的种植面积为71 834.4 hm~2,提取精度、分类精度和Kappa系数分别为91.25%、98.56%和0.98。基于SVM的冬小麦面积提取效果明显好于传统监督分类方法,说明使用支持向量机与影像光谱特征进行影像分类能够准确提取县域冬小麦种植面积。     

县域冬小麦生物量动态变化遥感估测研究

为给生产管理中及时掌握县域冬小麦长势的动态变化提供有效手段,以江苏省沭阳县为研究区,基于冬小麦生物量形成的生理生态过程,重构冬小麦生物量遥感估测模型。选用两景不同时相的HJ星影像数据,利用植被指数反演的LAI数据,对冬小麦生物量模型进行参数修订,并对县域冬小麦拔节期生物量的空间分布进行估测。在此基础上,进一步估测冬小麦抽穗期生物量分布特征及其动态变化特点。结果表明：（1）冬小麦拔节期生物量估测值和观测值范围分别为2 054.3~4 828.3 和1 962.5~4 568.4 kg·hm^-2 ,平均值分别为3 148和3 045.5 kg·hm^-2 ,RMSE为214.8 kg·hm^-2 ,决定系数为0.919 1,表明冬小麦生物量模型模拟精度较好;（2）冬小麦抽穗期生物量较拔节期发生明显变化,其中长势变化快的田块面积为20 108.7hm,占总种植面积的23.4%。春季气候因素的转好以及肥水措施的实施对冬小麦营养与生殖共生阶段的生长起到明显促进作用。说明本研究提出的基于遥感反演信息与生长模型协同的冬小麦生物量估测方法能有效估测县域冬小麦不同生长时期生物量的空间分布及其动态变化。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。     

SPOT 5与HJ遥感影像用于冬小麦氮素监测的效果对比

为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT5和HJ1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价。结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT5影像的最优模型植被指数为GNDVI（绿色归一化植被指数）,HJ1B影像的最优模型植被指数为NDVI（归一化植被指数）,SPOT5影像在监测精度上优于HJ1B影像,但差别不大。填图结果表明,除地块较破碎地带外,利用HJ1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT5影像结果比较一致。说明利用SPOT5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT5等遥感影像的监测效果。     

基于HJ 1B遥感数据的冬小麦旱情监测研究

为确定植被干旱指数(TVDI)法在苏北地区冬小麦干旱监测中的适用性,利用HJ-1B星CCD、IRS数据,建立地表温度(Ts)-归一化植被指数(NDVI)特征空间,并提取TVDI,对2012年3月26日宿迁市土壤水分信息进行遥感监测,以地面样点实测数据进行验证,评价了地表温度及植被指数信息对TVDI指数变化的敏感性.结果表明,宿迁市较干旱区域主要集中在市、县的城区附近,较湿润区域主要分布在水体周围;TVDI与土壤湿度的相关性随土层深度增加而降低,其中在10 cm、20 cm深度的相关性达到极显著水平;由于Ts直接影响土壤含水量,而NDVI为间接影响,因此TVDI对Ts的敏感性大于NDVI.基于HJ-1B数据的TVDI指数法对冬小麦干旱具有较好的监测效果.     

基于适宜尺度选择的冬小麦赤霉病遥感监测

为快速、准确获取江淮麦区县域冬小麦赤霉病发生信息,选用中、高空间分辨率卫星遥感影像做多尺度信息融合研究。在筛选适宜冬小麦田块分布特征的空间尺度遥感影像基础上,通过分析冬小麦长势指标和赤霉病病情指数之间的互作关系,构建基于多农学参数的冬小麦赤霉病估测模型,并对县域冬小麦赤霉病空间变化进行遥感监测。结果表明:(1)2m×2m、8m×8m和16m×16m三种空间尺度融合影像的均值相差不大,平均梯度和标准差存在明显差异。16m×16m融合影像的清晰度最好,信息量也多,比较适合研究区域冬小麦田块分布特征。(2)16m×16m融合影像提取的归一化植被指数(NDVI)和比值植被指数(RVI)值明显高于2m×2m和8m×8m融合影像,说明16m×16m融合影像光谱信息量较丰富,有利于冬小麦的识别。(3)冬小麦叶面积指数、叶片叶绿素含量和地上部生物量是影响赤霉病发生的主要长势指标。基于主要长势指标构建冬小麦赤霉病估测模型,平方根误差(REMS)为10.5%,相对误差为14.6%。该方法可以实现对县域冬小麦赤霉病空间变化的有效监测。