新疆北部天然草地产草量遥感监测预测模型研究

应用１９９１～１９９４年乌鲁木齐、阜康试验区不同草地类型的光谱观测资料和乌鲁木齐、阜康、阿勒泰试验区牧草产量资料及ＮＯＡＡ／ＡＶＨＲＲ资料,建立了新疆北部各地天然草场光谱监测模型、卫星遥感监测与预测模型,为建立草地遥感监测业务服务系统奠定基础．     

主要气候因子对天然草地产草量的影响评价

为了解影响青海省共和盆地天然草地产草量的主要气候因子,以天然草地产草量为参考数列,以牧草生长季4-9月≥0℃积温、平均温度、降水量、日照时数、水热综合配合(降水量与气温的比值)以及上年度9-11月的降水量等气候因子做比较数列,用主成分分析法和灰色关联度分析法对影响青海省天然草地产草量的气象因子进行了综合评价.结果表明,温度、水分、光照3个综合因素对牧草生长具有协同作用,在水分、光照充足的情况下热量因子对牧草产量起着主要作用.主成分和灰色关联度2种评价方法均可作为评价天然草地产草量的影响因子,二者评价结果基本一致.     

新疆北部地区冬小麦种植面积和产量遥感监测模式研究

对新疆北部冬小麦区进行了分层，然后利用1992—1993年NOAA气象卫星的AVHRR资料分层建立了冬小麦种植面积与产量的遥感监测模式。     

新疆北部地区积雪信息遥感反演研究

针对不同区域归一化雪被指数值(NDSI)上下浮动的问题,提出以对积雪响应敏感的NDSI和归一化植被指数(NDVI)为特征向量构建特征空间,建立基于MODIS数据的积雪丰度反演模型——NN模型。以高分辨率的Landsat TM数据对反演结果进行精度检验,NN模型反演积雪丰度值与获取自Landsat TM数据的NDSI值的相关系数R2为0.827。结果表明,通过建立NDSI—NDVI特征空间构建积雪丰度反演模型是可行的,且精度较高。因此,该方法对于了解干旱区积雪情况、评估其对新疆农业生产发展的影响具有一定现实意义。     

新疆裕民县退牧还草工程效益遥感监测与评价

本研究以"3S"技术为支撑,结合遥感影像及地面监测数据,通过建立遥感—地面数据的数学模型,对裕民县实施退牧还草工程5年后工程建设效益及植被恢复情况进行了分析评价。结果显示:裕民县2006年度工程整体效益明显,与工程实施前相比,禁牧区盖度和鲜草产量分别提高9个百分点和33.5%;休牧区盖度和鲜草产量分别提高6个百分点和28.2%,工程效果显著。     

区域干旱遥感监测研究综述

介绍了几种干旱遥感信息模型,结果表明:卫星遥感技术可以在较短时间内连续获取大范围的空间信息,具有空间宏观性、多分辨率(光谱和空间)、周期性以及信息丰富等特点,能实现信息的快速收集和定量分析,大幅度减少野外工作量,提高工作效率,是目前最为有效的对地观测技术和信息获取手段。     

锡林郭勒草原产草量与碳储量的遥感估测

利用锡林郭勒草原2008年生长季159个地面实测样方数据和2008年空间分辨率500 m MODIS植被指数NDVI数据以及同期的研究区气象数据,在对各种遥感估产模型进行对比分析的基础上,利用遥感—气象综合模型对锡林郭勒草原产草量的空间分布与碳储量进行了遥感估测研究,结果表明,2008年锡林郭勒盟产草量鲜重估计值为59 355 014.0 t,平均单产为257 607.0 kg/km2,产草量空间呈现自西向东逐渐增加的趋势;锡林郭勒草原地上植被的碳储量为8 408 187.5 t,不同草原类型的碳储量存在显著差异。上述研究成果可以为指导锡林郭勒草原的畜牧业生产、开展草原区气候变化规律研究提供科学依据。     

土壤生物量碳含量的遥感反演研究

土壤生物量碳是评价土壤肥力的重要指标,本研究旨在研究ASTER影像结合地面实测数据分析吉林省土壤生物量碳含量的可行性。结果表明:建立模型的判定系数为0.8272;模型对生物量碳含量有较好的预测效果(R2=0.78375)。     

土壤生物量碳含量的遥感反演研究

土壤生物量碳是评价土壤肥力的重要指标,本研究旨在研究ASTER影像结合地面实测数据分析吉林省土壤生物量碳含量的可行性。结果表明:建立模型的判定系数为0.8272;模型对生物量碳含量有较好的预测效果(R2=0.78375)。     

基于高光谱遥感的花生叶片氮积累量监测模型的研究

作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义。本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系。结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小;叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰。花生冠层光谱反射率在740～1 100 nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,"红边"区域表现最为显著。通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数(RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797。经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29%和3.59%。NDVI[Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42%和7.41%。比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况。     

土壤墒情遥感监测方法与模型研究综述

土壤墒情对作物生长和区域生态环境的影响极大。为了解学界对土壤墒情遥感监测方法与模型的研究进展,在收集和分析大量文献的基础上,对相关内容进行综述,重点对比分析光学遥感和微波遥感在土壤墒情监测中的应用优势和不足;提出将光学遥感和微波遥感融合应用,以提供更全面、准确的土壤墒情信息,发挥其在农业灌溉管理、干旱监测和水资源管理等方面的重要价值;展望未来,提出探索高分辨率遥感、机器学习和人工智能的应用,以及时空动态监测和开放数据共享与合作等研究发展趋势,从而为农业生产和水资源管理提供更精确的信息支持。     

千岛湖水体叶绿素浓度高光谱遥感监测研究初报

以千岛湖为研究对象，利用高光谱地物光谱仪在库区进行了反射光谱测量和同步水质采样分析．通过研究水体藻类叶绿素浓度与其高光谱反射特征之间的关系，建立了叶绿素a的遥感定量模型，结果表明：光谱反射率比值P701nm/R516nm、IKONOS的红光与蓝光波段反射率之比与叶绿素a线性相关程度都比较高，决定系数分别为0．87和0．83，可以用来估计叶绿素a浓度；而微分光谱、单波段以及其它波段比与叶绿素a的相关性不及前两．所以．遥感估算千岛湖叶绿素a浓度，采用比值法最准确．由于TM波段与IKONOS波段范围几乎完全相同．而分辨率不同，从经济实用的角度考虑，可以用TM数据对整个库区进行大范围遥感监测，而对其支流和小范围水面，用分辨率较高的IKONOS数据才能满足精度要求．     

宁夏盐池县天然草原生产力遥感监测

以盐池县天然草原为研究对象,应用MODIS卫星数据结合地面样方调查,对盐池县天然草原生产力进行动态监测。研究结果表明：2009年盐池县全县草原鲜草总产量为81.84万吨,折合干草产量34.24万吨,按照天然草地合理载畜量的计算方法（中华人民共和国农业行业标准）推算,盐池县适宜载畜能力（理论载畜量）为52.12万个羊单位。     

基于遥感数据的植被物候监测进展

总结了当前国内植物物候遥感监测的数据和方法,介绍了国内外最新的研究成果,针对目前研究中存在的问题,指出未来植被物候遥感监测研究的主要方向.     

遥感作物物候监测方法研究

分析了阈值法、Logistic函数拟合法、谐波分析法、滑动平均法、斜率最大值法等目前遥感物候监测方法的优点及存在的不足,并讨论了相应改进措施,对遥感作物物候监测方法进行了展望。     

农业气象灾害遥感监测研究

本文针对农作物产量变化趋势特征和农作物生长发育过程进行遥感反演,建立了农作物产量预测模型,实现了作物生长发育过程中天气条件、土壤墒情、光照条件以及温度的精细化预测。最后通过研究发现,农作物生长过程中气象因子对作物生长影响较大,不同区域的气象条件对作物生长也有不同程度影响,通过研究得到的天气预测模型可实现对不同区域的气象条件进行精细化实时监测并预测预报,为防灾减灾提供依据。     

土壤盐分遥感监测研究进展

采用遥感技术监测土壤盐分是获取土壤盐渍化程度的一个重要手段。本文综述了土壤盐分遥感监测中光谱特征指标选择、反演方法和反演模型适用性等方面的研究进展。研究指出,随着空间信息技术的迅速发展,遥感技术在土壤盐分预测中应用前景广阔。土壤盐分遥感反演模型对土地覆盖/利用模式、土壤湿度、地下水埋深、土壤类型的适用性,光谱特征指标的选择,遥感和电磁感应技术相结合,国家甚至全球尺度监测模型的建立将是土壤盐分监测今后的发展研究方向。     

江西省干旱遥感监测研究

针对江西省干旱大面积发生和丘陵地形与植被覆盖的特点,以极轨气象卫星资料为信息源,对干旱遥感监测方法进行研究.结合江西省干旱发生特点、天气条件和遥感信息源等分析,并对多种干旱遥感方法比较,认为采用植被供水指数法最适合本区域的干旱遥感监测应用.通过对2003年江西省特大干旱进行研究,结果表明,干旱发生期,植被供水指数主要分布在6～15,这个指数范围主要是针对有植被覆盖的下垫面发生的干旱,对于裸地或没有植被覆盖的下垫面,不适用.