基于水体指数的镜泊湖叶绿素a质量浓度反演研究

结合2015年9月镜泊湖30个有效采样点的实测叶绿素a质量浓度和同步Landsat 8 OLI数据,通过分析叶绿素a的光谱特征,在Landsat8OLI数据11个波段中,选择前7个波段(B1、B2、B3、B4、B5、B6、B7)单独或组合建立叶绿素a质量浓度反演模型。利用多元统计分析法分析发现,波段组合B5/B3、(B3+B4)/B5、B3/(B1+B5)模型精度较好,决定系数R2分别为0.754 1、0.774 3、0.739 6。作为对比,另外选取典型的水体指数建立叶绿素a质量浓度反演模型;其中归一化水体指数(NDWI)、改迚归一化水体指数(MNDWI)、增强型水体指数(EWI)模型较好,R2均大于0.7,分别为0.747 6、0.726 7、0.763 5。选取上述6种模型,利用剩余采样点迚行精度检验,结果预测值与实测值之间的R2为0.0711～0.8094,其中,NDWI模型反演R2值为0.7614,平均相对误差为13.0%,最大相对误差为22.4%,最小相对误差为1.4%;均方根误差为0.20μg/L。与波段组合模型相比,水体指数模型虽然精度没有较大的提高,但其模型摆脱了波段的随机组合,更适合用来作为镜泊湖叶绿素a常用的监测方法。通过NDWI模型对镜泊湖叶绿素a质量浓度的反演,发现镜泊湖叶绿素a质量浓度分布具有一定的空间差异性,大体趋势为靠近岸边的浅水区叶绿素a质量浓度高于湖心的深水区,有河流注入的来水区高于其他湖区。     

基于Landsat影像的博斯腾湖水质参数反演模型研究

以内陆博斯腾湖为研究区,通过实测数据和遥感数据,分析了单波段数据、归一化数据、波段组合数据与溶解性总固体、矿化度之间的相关性,建立并筛选获得了最优模型,以期为博斯腾湖溶解性总固体和矿化度两个指标的大面积遥感反演提供理论依据。结果表明,对溶解性总固体与矿化度浓度进行反演,单波段最优分别为B3与B2,最佳模型皆为指数模型;归一化处理后最优波段为B3与B2,最佳模型分别为二次模型与指数模型;波段组合最优为B2×B3与B2-B7,最佳模型为指数模型与指数、线性模型。通过模型的验证与比较,研究发现,归一化法对于溶解性总固体浓度的反演能达到较好的效果,而波段组合法能较好的反演矿化度浓度。     

地形调节植被指数及其在森林动态监测中的应用

森林一般分布在复杂地形山区,消除地形影响成为提高森林遥感监测精度必须解决的基本问题之一。本文提出一种无需DEM数据支持、仅依据光学遥感影像近红外波段与红光波段数据就能有效消除山区地形影响的地形调节植被指数（TAVI）。以1998年与2008年两期LandsatTM影像为实证研究数据,进行TAVI抗地形影响性能验证并采用...     

基于1D-CNN的植被等效水厚度反演研究

[目的]为实现高等级公路路域植被等效水厚度(EWT)快速、连续、高效监测需求。[方法]以叶片尺度高光谱为数据源，首先对辐射传输模型PROSPECT-D模拟数据和实测光谱数据分别进行标准正态变量变换、归一化等光谱变换。应用相关性分析提取各变换光谱特征波段，基于PROSPECT-D模拟数据特征波段分别构建一维卷积神经网络(1D-CNN)、支持向量机路域植被叶片EWT反演模型，并用实测光谱数据进行模型验证。[结果]植被EWT最优反演路径为对光谱进行归一化预处理后，构建PROSPECT-D与1D-CNN组合模型，测试决定系数(R²_c)为0.645、均方根误差(RMSE_C)为2.367,精度较高，满足应用需求。[结论]该研究为利用高光谱数据对南方丘陵地区高等级公路植被EWT定量反演奠定了基础。     

基于中分辨率遥感影像的湿地土壤水分提取方法

利用中分辨率的TM遥感影像反演湿地土壤水分,探寻湿地土壤水分和非湿地土壤水分提取的不同之处,对湿地监测具有重要意义。建立地表温度(Ts)与归一化植被指数(NDVI)之间的二维特征空间,用IDL编程在特征空间内提取对应的特征点,拟合温度植被干旱指数(TVDI)法需要的干湿边方程,能快速反演出野鸭湖湿地的土壤水分情况。反演结果与实测值的相关系数为0.860,呈极显著相关,均方根误差为0.104 2,平均绝对误差为0.084 5。结果证明利用温度植被干旱指数(TVDI)法进行野鸭湖湿地这样的小尺度范围的反演土壤水分含量,方法可行,且中分辨率影像的土壤水分反演精度高于低分辨率影像的反演精度。     

猕猴桃叶片叶绿素含量高光谱估算模型研究

【目的】研究猕猴桃叶片叶绿素含量的高光谱估算方法,为猕猴桃长势的遥感监测提供理论依据。【方法】以陕西杨凌蒋家寨村2018年不同生育期(初花期、幼果期、膨果期、壮果期、果实成熟期)的猕猴桃叶片为研究对象,分别测定其高光谱反射率和叶绿素含量(SPAD值),分析原始光谱和5个常见的植被指数(归一化植被指数、归一化叶绿素指数、改进的叶绿素吸收反射率指数、MERIS地面叶绿素指数、土壤调整指数)与叶绿素含量之间的相关关系,提取各生育期的特征波段,分别建立基于特征波段和植被指数的单波段叶绿素含量一元线性估算模型。利用主成分分析对原始光谱数据进行降维,将得到的主成分得分作为随机森林模型的输入变量,建立基于多波段信息的叶绿素含量多元估算模型,并对模型进行精度验证和分析。【结果】不同生育期猕猴桃叶片光谱反射率变化趋势基本一致,整体趋势为可见光波段反射率低,近红外波段反射率高;在可见光波段,光谱反射率随着叶绿素含量的升高而降低;在近红外波段,光谱反射率则随着叶绿素含量的增加而升高。通过相关性分析可知,初花期、幼果期、膨果期、壮果期、果实成熟期原始光谱的特征波段分别为729,548,707,707和712 nm,估算模型决定系数(R~2)分别为0.18,0.85,0.54,0.85和0.82,其中初花期估算模型未通过显著性检验,其余生育期均通过极显著性检验。在5个常用植被指数中,初花期与叶绿素含量相关性最高的是归一化叶绿素指数(NPCI),但是估算模型决定系数R~2只有0.1,未通过显著性检验;其他生育期与叶绿素含量相关性最高的是MERIS地面叶绿素指数(MTCI),所建立的估算模型拟合效果好,预测精度高。基于主成分分析和随机森林回归建立的不同生育期猕猴桃叶片叶绿素含量估算模型的R~2在0.91～0.98,均通过极显著性检验,其拟合效果和预测精度远高于单波段一元线性回归和基于植被指数的一元线性回归模型,是估算猕猴桃叶片叶绿素含量的最优模型。【结论】基于主成分分析的随机森林模型包含了更完整的波段信息,对不同生育期猕猴桃叶片叶绿素含量具有较好的预测能力。     

农田洪涝灾害信息遥感自动提取方法研究

为提高农田洪涝灾害信息提取效率,探索了有效的遥感影像水体自动提取方法,以2021年7月下旬河南省浚县农田洪涝灾害为研究对象,在灾前、灾中和灾后以Sentinel-2遥感数据归一化水体指数（NDWI）、改进的归一化水体指数（MNDWI）、多波段水体指数（MBWI）和B12波段作为多维特征,采用多维非监督水体自动提取方法提取水体面积。同时利用Canny-Edge-Otsu水体自动提取方法分别对MBWI、MNDWI、NDWI 3种水体指数和GF-3数据的HV极化波段进行阈值分割,提取农田洪涝灾害信息,并对不同数据源和不同方法提取农田洪涝灾害信息的精度进行对比分析。结果表明,多维非监督水体自动提取方法集成了多种水体指数和波段作为多维特征,灾前和灾后水体提取误差分别为6.99%和7.45%,低于Canny-Edge-Otsu水体自动提取方法;MBWI、MNDWI与NDWI 3种水体指数相比,MBWI水体提取误差最小,NDWI提取误差最大,但均易将建筑物和云阴影地区误判为水体;灾后基于GF-3的洪水提取误差为15.57%,高于Sentinel-2影像,但GF-3遥感影像不受云雨天气影响,能够在洪涝...     

利用组合水体指数(NCIWI)提取水体信息研究

在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,利用改进的归一化植被指数(MNDVI)和近红外波段6组合,构建了新型组合水体指数NCIWI(new combined index for water body identification),明显增强了水体与植被、土壤、城镇等其他信息的区分度,能够有效提取水体信息。应用2015年的MODIS数据在巢湖地区的水体信息遥感监测实验表明,NCIWI水体识别效果优于其他水体指数模型。     

基于TM数据提取竹林遥感信息的方法

利用LandSat5-TM对竹林遥感信息提取方法进行了研究:将归一化植被指数NDVI、结构效应指数CVI、综合效应指数MVI以及主成分变换的前3个分量PCA1、PCA2、PCA3与TM数据的6个波段(除第六波段)合成一个具有12波段的新数据;在最佳波段组合的基础上,结合地形图、土地利用图和野外调查数据,采用光谱特征模型、支持向量机、光谱角填图以及最大似然法对竹林信息进行了提取。研究表明:叶冠结构指数、综合指数、主成分变换等新波段对竹林信息提取很有帮助;与支持向量机、光谱角填图和最大似然法3种监督分类方法相比,基于光谱特征模型的竹林遥感信息提取方法具有一定的适应性,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果。     

多时相Sentinel-2影像在浙西北茶园信息提取中的应用

利用Sentinel-2遥感影像研究一种快速、准确提取茶园空间分布的新方法,可为茶园经济林资源及其动态变化的快速检测提供新的手段。以浙江省西北部为研究区,根据实地调查选取6类典型植被,基于4个季节的Sentinel多光谱影像分析不同植被物候及光谱特征。茶园在5月经历修剪后与其他植被区别较大,根据红边与短波红外波段构建归一化茶园指数（NDTI）。基于新指数建立决策树模型提取茶园,通过谷歌地球对结果进行验证。结果显示:归一化茶园指数可以最大限度扩大茶园与其他植被之间的差距。基于该指数提取茶园的总精度达93.83%,Kappa系数为0.917,成功实现了浙西北茶园信息的提取,证明了使用红边波段提取茶园的潜力。     

新型水体指数的构建及在滨海湿地水域提取中的有效性验证

湿地是“地球之肾”,对地球生物生存具有重要意义。由于湿地水域面积的破碎化程度高,常规利用遥感技术提出的水体指数不够有效,简单快速的实时监测技术还需完善。以2009年杭州湾湿地的Landsat TM影像为基础数据,选择不同水域类型,构建新型水体指数（water zscore-band5,WZ5）,与常用的改进的归一化差异水体指数（modified normalized difference water index,MNDWI）,混合水体指数（combined index of NDVI and NIR for water body identification,CIWI）进行对比,分析各指数湿地水域信息提取的准确性和完整性。结果表明:所构建的指数WZ5水体信息提取精度优于MNDWI和CIWI,特别是含有大量塘基且分布复杂的水产池塘破碎区,WZ5计算水体与塘基的区分度为41.78%,大于MNDWI（21.59%）和CIWI（34.56%）;总体识别精度为82.00%,也大于MNDWI（58.00%）和CIWI（77.00%）。利用WZ5对遥感影像进行水体增强的方法,不仅能够很好地提取出湿地开阔水域的水体信息,边缘清晰可靠;对于破碎水域,WZ5水体提取精度最高,并且相比基于复杂数学理论的分类提取过程,操作相对简单,易于推广,能够较好地提高湿地水域实时监测的精度。     

基于MODIS的改进型组合水体指数(MCIWI)提取复杂水体信息的试验

在分析MODIS数据与水体识别相关的1~7波段典型地物光谱图像特征及相关水体指数模型的基础上,对莫伟华等提出的组合水体指数(CIWI)提出了改进,用归一化建筑指数(NDBI)与归一化植被指数(NDVI)组合,构建了改进型组合水体指数MCIWI(Modified-Combined Index for Water Body Identification),增强了河流、湖泊等水体与城镇、植被等其他信息的区分度,能够有效提取水体信息,特别是城市水体信息.通过应用2009年的MODIS资料在重庆主城区与长寿湖区的水体信息遥感监测实验表明,MCIWI水体识别效果要优于其他水体指数模型.     

砂姜黑土土壤有机碳高光谱特征与定量估算模型的研究

有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。     

基于星载高光谱数据的南京新济洲湿地土壤有机质估测研究

在高光谱数据预处理、土壤有机质高光谱敏感波段提取基础上, 建立多元线性回归、最邻近法、装袋算法、多元感知器、随机森林5种遥感估测模型。用10折交叉验证方法, 借助相关系数、绝对误差、均方根误差、相对误差、相对均方根误差5个指标, 对遥感估测模型结果进行精度评价, 选择精度最高的模型进行湿地土壤有机质遥感估测和空间分析。结果表明:土壤有机质高光谱敏感波段主要集中在925、1 144、1 477、1 780 nm 4个波段; 在预测土壤有机质的5种模型中, 多元线性回归模型预测精度最高, 随机森林次之; 土壤有机质空间分布呈现由洲滩中间向四周逐渐增加的带状分布格局; 新济洲沼泽地土壤有机质含量最高, 为2.22%;靠近沼泽的林地次之; 植被覆盖度较低的农地和裸地的土壤有机质最低, 为0.43%;这种土壤有机质空间分布格局与研究区土壤类型的带状分布存在密切联系。     

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像,快速提取果树分布位置,为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象,计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数,使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上,结合数字表面模型作为识别模型的输入变量,进行对比试验。结果 相比使用单一光谱指数,结合数字表面模型提高了果树和非果树像元的提取精度,6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高,为98.77%,Kappa系数为0.956 7,植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量,为影像中色调相似地物的提取提供参考。     

基于RF-VR的紫丁香叶片叶绿素含量高光谱反演

利用高光谱技术精确估测植物叶片叶绿素含量,对植物生长趋势和营养状况的监测和管理具有重要意义。本文以紫丁香为研究对象,针对高光谱所含波段数量大、波段间相关性强导致数据中冗余信息增多的现象,通过卷积平滑和二阶微分(SG-SD)处理光谱数据,应用随机蛙跳(RF)算法筛选特征波段,最后结合偏最小二乘(PLSR)和投票回归器(VR)建立了植物叶片叶绿素含量反演模型,并与全波段光谱法和5种经典变量提取方法进行了比较。结果显示,相比于原始光谱数据,SG-SD是一种有效的提高建模精度的光谱预处理方法;相比于全波段光谱和经典变量提取方法,RF算法筛选出的敏感波段建模效果最佳;相比于PLSR模型,VR模型的预测精度和预测稳定性能更优。本文对原始光谱数据进行SG-SD预处理后,对经RF算法筛选出的特征波段建立VR模型,变量数由全波段数204个减少为35个,建模集决定系数0.944 2,验证集决定系数0.951 4,最后利用RF-VR模型结合伪彩图技术得到紫丁香叶片叶绿素分布反演图,为紫丁香叶片养分分布提供更直观的信息表达。结果表明,该方法可为紫丁香叶片营养含量诊断和长势监测提供技术支持。     

基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测

[目的]强化冬小麦长势遥感监测机制,为田间生产管理提供信息支撑.[方法]以2007-2009年试验实测数据为基础,以Landsat TM影像为数据源,分析试验样点拨节期冬小麦主要长势参数与品质、产量以及卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦拔节期叶面积指数(LAI)、生物量、SPAD值和叶片氮含量(LNC)的模型.[结果]冬小麦拔节期,选用中红外波段的反射率(B5)、归一化植被指数(NDVI)、DSW5和绿波段的反射率(B2)等遥感变量分别反演冬小麦的SPAD值、生物量、LAI和LNC是可行的;SPAD值,生物量、LAI和LNC遥感监测模型的精度较高,以此为基础,制作出了具有实际农学意义的冬小麦拔节期不同等级SPAD值、生物量,LAI和LNC遥感监测专题图,实现了主要长势参数空间分布量化表达.[结论]研究结果可为广大农学家、农业部门决策者和田问管理人员提供及时的农情信息.     

基于MODIS的改进型组合水体指数(MCIWI)提取复杂水体信息的试验

在分析MODIS数据与水体识别相关的1～7波段典型地物光谱图像特征及相关水体指数模型的基础上,对莫伟华等提出的组合水体指数(CIWI)提出了改进,用归一化建筑指数(NDBI)与归一化植被指数(NDVI)组合,构建了改进型组合水体指数MCIWI(Modified-C0mbined Index for water Body Identification),增强了河流、湖泊等水体与城镇、植被等其他信息的区分度,能够有效提取水体信息,特别是城市水体信息.通过应用2009年的MODIS资料在重庆主城区与长寿湖区的水体信息遥感监测实验表明,MCIWI水体识别效果要优于其他水体指数模型.     

基于PROSPECT模型的植物叶片干物质估测建模研究

为了快速、准确估测植物叶片干物质含量,为作物长势及健康状况监控提供数据支撑,利用光谱分析技术探讨了干物质含量敏感光谱波段提取方法及其估测建模方法。试验数据由叶片辐射传输模型PROSPECT在干物质含量(0.001~0.02)g·cm~(-2)范围内进行模拟,随机产生1000条400~2500nm的光谱曲线,其中600条光谱曲线用于建模研究、400条光谱曲线作为模型验证数据,同时应用叶片光学特性数据库LOPEX93中325条叶片光谱-干物质含量数据进行进一步验证。首先应用试验数据进行局部敏感性分析,初步得到叶片干物质敏感波段范围,再运用改进Sobol算法进行全局敏感性分析,提取了干物质含量敏感的光谱波段范围,在此敏感波段范围运用波段组合算法计算归一化植被指数NDVI与叶片干物质含量相关系数,优选了4组相关性大的波段组合建立归一化干物质指数NDMI_((1644,1719))、NDMI_((1871,2294))、NDMI_((2150,2271))、NDMI_((1496,2282))用于干物质含量估测建模。结果表明:NDMI_((1644,1719))和NDMI_((1871,2294))模型中三次多项式形式(cubic)效果最佳、NDMI_((1496,2282))模型中幂指数形式(power)效果最佳,三者中NDMI_((1871,2294))的三次多项式模型最优,决定系数R~2为0.837,对叶片干物质含量具有较好的估测能力。     

气候变化对东北沼泽湿地潜在分布的影响

东北地区是我国沼泽湿地分布最广泛的地区。为研究沼泽湿地对气候变化的响应,选取了对沼泽湿地分布可能存在影响的26个环境因子,利用最大熵(Maximum Entropy, MaxEnt)模型模拟了沼泽湿地基准气候条件下的潜在分布,并预测了气候变化情景下2011-2040 年、2041-2070 年和2071-2100 年3个研究阶段东北沼泽湿地潜在分布。研究结果表明:最大熵模型预测精度较高(平均AUC(Aera Under Curve)为(0.826±0.005))。基准气候条件下东北沼泽潜在分布区主要为大小兴安岭和三江平原地区。随着时间的推进,东北地区沼泽湿地原有潜在分布面积明显减少,而新增潜在分布面积较少,总面积呈现急剧减少趋势。至2071-2100年,原有沼泽湿地潜在分布面积将减少99.80%,新增潜在分布面积仅2.48%,总潜在分布面积减少97.32%。空间分布上,东北沼泽湿地潜在分布呈现由东向西迁移,南北向中心收缩的趋势。研究结果可为东北地区沼泽湿地保护政策的制定提供参考。