北票市基于Landsat8遥感影像的归一化植被指数分析

归一化植被指数(NDVI)是反映植被长势和营养信息的重要参数之一,由近红外波段与红光波段的反射率值计算得到。Landsat8作为美国Landsat计划的第8颗卫星,遥感数据的准确性更高,时效性更新,采用美国地质勘探局(USGS)网站提供的Landsat8卫星遥感影像,利用ENVI软件计算2013年7月~2016年6月北票市NDVI,分析北票市3a的植被覆盖情况。结果表明:用遥感影像的时效性,通过计算NDVI可以有效监测区域内植被的覆盖情况,获取多年的遥感影像可以分析区域内植被覆盖规律,便于分析区域水土流失情况,制定水土保持计划与决策。     

基于实测高光谱和Landsat 8 OLI影像的土壤盐化和碱化程度反演研究

针对宁夏银北地区土壤盐碱化定量监测的需要,利用实测土壤高光谱和Landsat 8 OLI多光谱影像数据采用多项式、多元线性回归等方法进行土壤含盐量和pH值反演研究,并对影像光谱反演模型进行校正,以提高遥感定量反演精度。结果表明:(1)基于实测光谱的土壤含盐量反演精度均高于基于OLI影像反演精度;基于实测光谱敏感波段反射率反演精度高于实测盐分指数反演精度,其中实测光谱经平滑后敏感波段建立的模型效果最佳(R²=0.695)。(2)基于实测光谱平滑后敏感波段建立的pH值反演模型精度最高且最稳定(R²=0.545),基于OLI影像光谱反演精度低于实测光谱,但也通过了显著性检验和精度验证。(3)经实测光谱模型校正后的Landsat 8 OLI影像光谱的土壤含盐量反演模型R²从0.347提高到0.623。研究结果可以为准确、快速地定量监测当地土壤盐分含量、pH值的变化提供科学依据和技术手段。     

基于反射光谱与Landsat 8 OLI多光谱数据的艾比湖湿地土壤盐分估算

土壤盐渍化是农业生产中最关键的生态问题之一,是一种降低土壤质量,严重影响作物产出的缓慢土壤退化过程。因此,土壤盐分的监测及评估对干旱区的土地管理与恢复至关重要。选取艾比湖湿地为研究区,基于2016年干湿两季(5月/9月)的Landsat8 OLI遥感影像,147个土壤实测样点的电导率(Electrical Conductivity, EC)数据及其对应的室内反射光谱数据,通过光谱重采样技术,建立该研究区土壤EC的偏最小二乘(partial least-squares regression, PLSR)定量估算模型,并尝试对干湿两季的土壤盐渍化状况进行对比分析。结果表明:(1)艾比湖湿地土壤盐渍化较为严重,湿季土壤EC(23.90 mS·cm~(-1))高于干季(11.62 mS·cm~(-1));(2)基于重采样处理后的光谱数据及13个光谱指数所建立的PLSR模型具有较好的精度(R2=0.91,RMSE=6.48mS·cm~(-1),RPD=2.45),说明该模型可以有效地对区域尺度的土壤EC进行定量估算。(3)从2016年5月至9月,艾比湖湿地的中度和重度盐渍土面积增加,轻度盐渍土和盐土面积减少。本研究将两种不同分辨率的数据进行联合建模,既提升了传统光学遥感影像模型的精度,又将高光谱数据扩展至像元尺度上,为土壤盐分信息的遥感提取提供了科学参考。     

基于Landsat 8和Sentinel-2数据的砒砂岩区生物量估算的差异性

[目的]分析基于不同空间分辨率遥感影像估算的地上生物量(above ground biomass, AGB)差异,为遥感估算荒漠生态系统AGB的研究中不同空间分辨率影像的选择提供依据。[方法]在地面AGB调查的基础上,结合Landsat 8与Sentinel-2影像建立AGB-MSAVI统计模型,对砒砂岩区AGB进行了遥感估算,并分析不同植被覆盖区(高、中、低)AGB估算的差异性。[结果] Landsat 8与Sentinel-2影像均能较好地实现AGB估算,AGB估算结果在空间分布上具有相似性。基于Landsat 8和Sentinel-2数据估算AGB模型平均相对误差分别为13.41%和11.42%,基于Sentinel-2数据的AGB估算精度较高。[结论]不同植被覆盖区Sentinel-2与Landsat 8数据估算的AGB存在一定的差异,低植被覆盖和高植被覆盖区,两种遥感数据估算的AGB差异相对较小;中植被覆盖区,遥感数据受到空间分辨率的制约,空间异质性影响相对显著,两种遥感数据估算的AGB差异较大。高空间分辨率遥感影像对AGB估算精度的提高具有一定效果。     

Sentinel-2 MSI和Landsat 8 OLI数据在玉米秸秆覆盖度遥感估算应用中的比较研究

秸秆覆盖度（Crop residue cover, CRC）的遥感估算可以在短时间内获取大范围耕地秸秆覆盖度数据,对于政府部门监测保护性耕作的实施情况有重要的现实意义。本研究基于Sentinel-2 MSI和Landsat 8 OLI数据,分别计算了多种光谱指数,并与野外实测的秸秆覆盖度数据进行相关性分析,挑选出极显著性相关的光谱指数。在此基础上,构建其与秸秆覆盖度之间的相关模型,并通过决定系数（R2）和均方根误差（RMSE）所表征模型的精度比较Sentinel-2 MSI和Landsat 8OLI数据由于光谱和空间尺度的差异对秸秆覆盖度反演模型的影响。结果表明：6种光谱指数与CRC的相关性系数均大于0.4,相关性较高的是Sentinel-2 MSI 20 m分辨率数据获取的NDTI和STI,相关系数分别为0.878、0.894,相关性最低的为Sentinel-2 MSI 10 m分辨率数据获取的NDSVI,相关系数为0.476;利用一元线性回归法构建模型时,Sentinel-2 MSI 20 m分辨率数据构建的光谱指数STI和NDTI,模型精度最高,R2分别为0.810和0.800,...     

基于PLSR方法的马铃薯叶片氮素含量机载高光谱遥感反演

作物氮素状况是评价土壤肥力和作物长势的重要指标,叶片氮素状况的实时无损估测对合理氮素管理、提高产量和改善品质具有重要意义。本文选择不同氮处理条件下的马铃薯作为研究对象,利用AISAEagle机载高光谱成像系统获取试验区的高光谱图像,在对图像进行精确的几何、辐射校正和反射光谱重建基础上,提取每个处理马铃薯冠层的高光谱数据。选取波长430-910nm范围内原始光谱R及其D1(R)、D2(R)、Log(1/R)、DLog(1/R)、D2Log(1/R)5种变式数据,根据田间同步采样叶片的氮素含量数据,利用偏最小二乘回归法(PLSR)构建了马铃薯叶片氮素含量的光谱预测模型,并进行全氮含量填图。结果表明:基于一阶导数光谱D1(R)的偏最小二乘回归模型的效果最优,决定系数(R2)和校正均方差(RMSEC)分别为0.82、0.38%。将该最优估算模型应用到整个高光谱图像上,得到试验区马铃薯叶片全氮分布图,图像上氮的值域为3.35%~5.95%,与地面实测结果3.59%~5.89%基本一致,且叶片全氮值的大小分布与马铃薯长势分布一致。研究结果可为研制和开发基于高光谱成像技术的马铃薯叶片氮素预测方法提供理论和技术支持。     

基于Landsat8卫星影像的厦门市水土流失动态变化分析

基于2014-2016年三期Landsat8影像数据,通过土地利用转移矩阵、像元二分模型、DEM数据,分别分析厦门市区土地利用变化机制,以及植被覆盖度和坡度分布情况。基于ArcGIS平台,将土地利用分类图、植被覆盖度分级图、地形坡度分级图进行叠加分析,获得厦门市2014-2016年水土流失数据。监测结果表明,2014-2016年厦门市建筑用地持续增加,林地、耕地持续减少;低植被覆盖区面积逐年减小,而高植被覆盖区面积明显增加;轻度及其以上侵蚀面积逐年减少,尤其是强烈及其以上侵蚀面积减少明显;各行政区中,水土流失最严重的是同安区,其次是翔安区,相对来讲,思明区和湖里区水土流失较轻。     

基于机器学习和全极化雷达数据的干旱区土壤湿度反演

雷达遥感是区域土壤湿度监测最为有效的技术手段之一,为深入探讨全极化雷达特征参数和不同机器学习算法对干旱区土壤湿度反演的潜力,该研究以黑河下游的居延泽为研究区,基于全极化Radarsat-2数据,通过标准强度和相位处理提取后向散射系数(Backscattering Coefficients,BC),并通过Cloude-P...     

基于无人机高光谱遥感的冬小麦叶面积指数反演

叶面积指数(leaf area index,LAI)是评价作物长势和预测产量的重要依据。光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要;然而,围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。该文利用ASD Field Spec FR Pro 2500光谱辐射仪(ASD Field Spec FR Pro 2500 spectroradiometer,ASD)和Cubert UHD185 Firefly成像光谱仪(Cuber UHD185 Firefly imaging spectrometer,UHD185)在冬小麦试验田进行空地联合试验,基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据,估测冬小麦LAI。该文选择同步获取的冬小麦冠层ASD光谱反射率数据作为评价无人机UHD185高光谱数据质量的标准,依次从光谱曲线变化趋势、光谱相关性以及目标地物光谱差异三方面展开分析,结果表明458~830 nm(第3~96波段)的UHD185光谱数据可靠,可使用其探测冬小麦LAI,这为今后无人机UHD185高光谱数据的使用提供了参考。该文研究对比分析了UHD185数据计算的红边参数和光谱指数与冬小麦LAI的相关性,结果表明:12种参数中比值型光谱指数RSI(494,610)与LAI高度正相关,是估测LAI的最佳参数;基于比值型光谱指数的对数形式lg(RSI)构建的线性模型展现出lg(RSI)与lg(LAI)较优的线性关系(决定系数R2=0.737,参与建模的样本个数n=103),且lg(LAI)预测值和lg(LAI)实测值高度拟合性(R2=0.783,均方根误差RMSE=0.127,n=41,P0.001);该研究为利用无人机高光谱遥感数据开展相关研究积累了经验,也为发展无人机高光谱遥感的精准农业应用提供了参考。     

基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。     

Model-Based Integrated Methods for Quantitative Estimation of Soil Salinity from Hyperspectral Remote Sensing Data:A Case Study of Seffected South African Soils

Soil salinization is a land degradation process that leads to reduced agricultural yields. This study investigated the method that can best predict electrical conductivity (EC) in dry soils using individual bands, a normalized difference salinity index (NDSI), partial least squares regression (PLSR), and bagging PLSR. Soil spectral reflectance of dried, ground, and sieved soil samples containing varying amounts of EC was measured using an ASD FieldSpec spectrometer in a darkroom. Predictive models were computed using a training dataset. An independent validation dataset was used to validate the models. The results showed that good predictions could be made based on bagging PLSR using first derivative reflectance (validation R2 = 0.85), PLSR using untransformed reflectance (validation R2 = 0.70), NDSI (validation R2 = 0.65), and the untransformed individual band at 2257 nm (validation R2 = 0.60) predictive models. These suggested the potential of mapping soil salinity using airborne and/or satellite hyperspectral data during dry seasons.     

基于多波段MODIS遥感数据的乌审旗土壤含水量监测研究

[目的]探究内蒙古自治区乌审旗地区土壤含水量与表观热惯量的响应关系,提高土壤含水量遥感监测精度,使观测分析结果更具说服力和可靠性。[方法]选取多波段MODIS遥感数据和表观热惯量法,采用重复的地面采样方案设计,减弱单点采样代表性差的影响。[结果]该方案设计较单点采样方法相关系数有明显提高,对0—10cm,0—20cm,0—30cm土壤含水量相关系数分别为0.587,0.658和0.650。对回归模型进行精度验证,得其含水量平均相对误差为21.53%,26.67%,22.83%。[结论]重复的地面采样方案下,基于表观热惯量的乌审旗土壤含水率监测结果更加科学、可靠。     

Removing Moisture Effect on Soil Reflectance Properties: A Case Study of Clay Content Prediction

Visible, near-infrared and shortwave-infrared (VNIR-SWIR) spectroscopy is an efficient approach for predicting soil properties because it reduces the time and cost of analyses. However, its advantages are hampered by the presence of soil moisture, which masks the major spectral absorptions of the soil and distorts the overall spectral shape. Hence, developing a procedure that skips the drying process for soil properties assessment directly from wet soil samples could save invaluable time. The goal of this study was twofold:proposing two approaches, partial least squares (PLS) and nearest neighbor spectral correction (NNSC), for dry spectral prediction and utilizing those spectra to demonstrate the ability to predict soil clay content. For these purposes, we measured 830 samples taken from eight common soil types in Israel that were sampled at 66 different locations. The dry spectrum accuracy was measured using the spectral angle mapper (SAM) and the average sum of deviations squared (ASDS), which resulted in low prediction errors of less than 8% and 14%, respectively. Later, our hypothesis was tested using the predicted dry soil spectra to predict the clay content, which resulted in R² of 0.69 and 0.58 in the PLS and NNSC methods, respectively. Finally, our results were compared to those obtained by external parameter orthogonalization (EPO) and direct standardization (DS). This study demonstrates the ability to evaluate the dry spectral fingerprint of a wet soil sample, which can be utilized in various pedological aspects such as soil monitoring, soil classification, and soil properties assessment.     

基于NDVI分区的全国草地生态系统覆盖区土壤水分遥感反演

为了建立土壤水分遥感反演模型,反演2016年全国草地生态系统土壤水分并分析其时空变化特征,通过结合表观热惯量(ATI)和温度植被干旱指数(TVDI)的混合模型反演2016年全国草地生态系统的土壤水分,并在实测数据与反演结果精度验证的基础上确定归一化植被指数(NDVI)阈值。结果表明:(1)NDVI≤0.2的像元区域,采用ATI模型反演精度较高; NDVI≥0.78的像元上,基于增强型植被指数(EVI)的TVDI反演精度较高; 0.2相似文献   

基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用

[目的]对基于细菌觅食优化算法的支持向量机在土壤墒情预测中的应用进行探讨,为现代农业研究中土壤墒情预测及农业生产提供支持。[方法]基于支持向量回归机方法建立土壤墒情预测模型,利用细菌觅食优化算法优化支持向量机预测模型的相关参数。根据从种植区采集的田间数据对模型进行建模和测试。[结果]与仅利用支持向量回归机和利用粒子群优化的支持向量回归机分别建立的模型进行对比,发现本研究所提算法建立的预测模型的预测效果更佳。[结论]该模型预测效果较好,所建模型已应用于实际项目,预测精度基本满足要求,且运行稳定。进而证明了该研究所提算法的有效性和可行性。     

宁夏银北地区盐碱化土壤水分光谱特征及模型拟合精度分析

[目的]通过分析宁夏银北地区盐碱化土壤水分光谱特征及模型拟合精度,为及时了解该区地表水分状况进而实施田间精准灌溉提供科学依据。[方法]以宁夏银北地区重度盐渍土壤为研究对象,对土壤原始光谱反射率(raw spectral reflectance,R)进行多种数学变换,运用逐步回归(stepwise regression, SR)和灰色关联度(grey correlation degree, GCD)筛选敏感波段,然后采用多元线性回归(multiple linear regression, MLR)、偏最小二乘回归(partial least squares regression, PLSR)和支持向量机(support vector machine, SVM)进行土壤含水量(soil moisture content, SMC)模型拟合精度计算。[结果](1)SMC较低时,随SMC增加土壤反射率逐渐下降,当SMC超过26.34%后,土壤反射率随水分增加而增大,在近红外波段反射率变化幅度整体大于可见光波段;经连续统去除(continuum removed,CR)处理光谱特征曲线在1 460 nm和1 950 nm处出现明显水分吸收带。(2)不同反射率转换方式计算出的MLR,PLSR和SVM模型拟合精度不同,SVM模型的整体拟合能力优于MLR和PLSR模型,除反射率倒数(Reciprocal reflectance, RR)变换建立的GCD-SVM模型外,其余SVM模型R■和R■介于0.943 7～0.999 5,模型的整体拟合精度很高。(3)在SVM模型中,基于对数一阶微分(first derivative of logarithmic reflectance, FLR)变换计算的GCD-SVM模型决定系数最高(R■和R■分别为0.987 4, 0.999 5),为重度盐渍化地区SMC的最佳拟合模型。[结论] SVM模型为供试土壤水分拟合的最佳模型,能够准确获取研究区重度盐渍化土壤水分状况。     

基于高光谱数据的土壤全氮含量估测模型对比研究

构建基于高光谱数据的土壤全氮含量估测模型,为快速、准确监测农田土壤全氮含量,判断作物生长发育情况和评价土地质量提供新的技术和方法.以新疆南疆地区主要类型土壤为研究对象,于室内测定土壤全氮含量和光谱反射率数据,利用偏最小二乘回归(PLSR)、支持向量机回归(SVM)、随机森林回归(RF)与光谱反射率(R)及其4种数学变换...     

基于差异化光谱指数的盐渍土水分含量预测——以滨海盐土为例

以滨海盐土为研究对象,通过添加不同浓度的盐溶液并模拟蒸发过程,获取不同含水、含盐量的土壤样品,并测定土壤光谱和土壤含水量,分别运用光谱指数法和偏最小二乘回归法(PLSR)对土壤含水量进行预测。结果表明：由2027 nm和1878 nm构建的土壤水分差异化光谱指数(NDMI2027,1878)是预测土壤水分的最优指数,且适用于任何等级的盐渍化土壤,其建模集和验证集的预测结果均优于PLSR方法,验证集R2达0.99,RMSE仅为21.84 g/kg,可比较准确地预测盐渍化土壤的含水量。     

藏北高原土壤湿度MODIS遥感监测研究

利用Terra与Aqua两颗卫星的MODIS地表温度和植被指数数据,分别构建LST-NDVI与LST-EVI共四种不同组合的Ts-VI特征空间,并依据该特征空间提取温度植被干旱指数(TVDI)作为反映土壤干湿状况的指标,探讨一种合适的遥感监测藏北高原土壤湿度的方案,并基于同步的实地土壤表层含水量采样数据进行验证评价。研究表明,四种数据组合方案提取的TVDI分布图均能较好反映藏北土壤湿度,且Terra MODIS LST-EVI构建的特征空间提取TVDI指标效果最佳。在此基础上获得的藏北高原土壤湿度分级图表明,从东南到西北土壤湿度逐渐降低,并呈现明显的空间分异规律。     

Use of different chemometric approaches for an estimation of soil properties at field scale with near infrared spectroscopy

Visible and near infrared spectroscopy (vis‐NIRS) may be useful for an estimation of soil properties in arable fields, but the quality of results are often variable depending on the applied chemometric approach. Partial least squares regression (PLSR) may be replaced by approaches which employ supervised learning methods or variable selection procedures in order to increase the proportion of informative wavelengths used in the estimation procedure, to reduce the noise of the spectra and to find the best fitting solution. Objectives were (1) to compare the usefulness of PLSR with either PLSR combined with a genetic algorithm (GA‐PLSR) or support vector machine regression (SVMR) for an estimation of soil organic carbon (SOC), total nitrogen (N), pH, cation exchange capacity (CEC) and soil texture for surface soils (0–5 cm, n = 144) of an arable field in Bangalore (India) and (2) to test and optimize different calibration strategies for GA‐PLSR for an improved estimation of soil properties. PLSR was useful for an estimation of SOC, N, sand and clay. In the cross‐validation (n = 96), accuracies of estimated soil properties generally decreased in the order GA‐PLSR > SVMR > PLSR. However, the order of estimation accuracies for the random validation sample (n = 48) changed to SVMR > GA‐PLSR > PLSR for SOC, N, pH, and CEC, whereas for clay the order changed to SVMR > PLSR > GA‐PLSR. A sequential procedure, which used the most frequently selected wavelengths of the GA‐PLSR runs, proved to be useful for an improved estimation of SOC and N. Overall, SVMR especially improved estimations of SOC and clay, whereas GA‐PLSR was particularly useful for SOC and N and it was the only approach which successfully estimated CEC in cross‐validation and validation.