基于环境减灾卫星时序归一化植被指数的冬小麦产量估测

依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。     

利用HJ-1-A/B CCD2数据反演冬小麦叶面积指数

叶面积指数是十分重要的作物生理生态参数,为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度,该文以5种常用的植被指数(归一化差值植被指数(normalized difference vegetation index,NDVI),增强植被指数(enhanced vegetation index,EVI),双波段增强植被指数(2-bands enhanced vegetation index,EVI2),比值植被指数(ratiovegetation index,RVI),土壤调节植被指数(soil-adjusted vegetation index,SAVI)为基础,结合3种常用的回归模型,按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明,除生殖生长阶段外,叶面积指数和5种植被指数之间均有较强的相关关系;指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型;EVI在全生育期拟合时的表现好于其他4个指数(R2=0.9348),SAVI则是营养生长阶段表现最佳的指数(R2=0.9404)。该研究为进一步利用植被指数反演叶面积指数提供了参考。     

基于环境减灾卫星CCD数据的海南岛洪涝灾害监测

洪涝灾害监测是农情监测的主要任务之一,遥感监测可以弥补地面观测耗人、耗财、信息滞后等诸多不足,已成为洪涝灾害研究领域的重要发展方向。该文基于HJ-1A/1B-CCD数据,以海南岛为研究区,选取研究区内400个训练样本,利用区分度（division degree,DD）对归一化差异水体指数（normalized difference water index, NDWI）、基于蓝光的归一化差异水体指数（normalized difference water index based on blue light, NDWI-B）和混合水体指数（combined index of NDVI and NIR for water body identification, CIWI）3种水体指数进行比较分析。分析结果显示,在应用HJ-1CCD数据进行纯水体、湿地识别时,NDWI-B模型效果最好（综合区分度分别为31.30%、28.13%）,是海南岛洪涝灾害监测的最优模型。经验证,NDWI-B模型的水体识别总体精度达91.50%。通过对采样点的水体指数值与地物类型的反复对比确定NDWI-B模型的水体识别阈值为－0.015。利用NDWI-B模型对海南岛2010年9月25日至10月25日的洪涝灾情进行监测。结果表明,10月12日的灾情最为严重,全岛洪水淹没面积达到监测期内最高值,为120.22km2,除东方、昌江、乐东外所有市县均出现新增水体,新增水体主要分布于村庄、耕地、道路、城镇居民地等。从区域上看,东部的文昌、琼海、海口、定安为洪涝重灾区,西部的东方、昌江、乐东为洪涝轻灾区。全岛洪涝影响最大的土地利用类型为水田,其次为旱地。10月12日,水田、旱地的淹没面积分别为61.46和29.59 km2,耕地（水田和旱地）淹没面积占总淹没面积的比例分别为75.73%。NDWI-B模型具有水陆区分度较大和水体面积提取精度较高的优点外,还能够识别小范围水体和湿地,是海南岛洪涝灾害监测较为理想的模型。该文为海南岛水资源管理、洪涝灾害动态监测及防灾减灾提供参考。     

冬小麦冻害遥感监测

冻害是冬小麦常见自然灾害之一,进行遥感监测具有重要经济意义。过去对作物冻害的遥感监测研究不多。冻害不但与气温有关,也与生育期有关。该文以整个山东省为样区,收集了全省76个气象台站的由1995年3月1日至4月30日逐日最低气温、最低地面温度资料,及此期间气象卫星NOAA-AVHRR的所有晴空数据,共21个时相。根据植被指数NDVI突变的特征,并考虑到作物的生育期,提出了实用的遥感冻害监测方法。这一方法可以及时监测冻害的发生与范围     

环境减灾卫星数据在干旱监测中的应用

环境减灾卫星是首个以防灾减灾和环境监测为直接应用目标的小卫星星座。本文尝试利用环减星HJ-1B上的CCD相机的红光和近红外波段计算归一化植被指数,用IRS光谱仪热红外波段反演地表温度,采用植被供水指数建立干旱监测模型。通过对2010年初广西隆林、田林、西林3县的干旱情况的遥感监测研究,结果表明：遥感干旱监测结果与旱情实况分布基本一致。说明该方法比较可靠,再加上环减星重访周期短、空间分辨率高,据此可以为广西抗旱救灾工作提供快速准确的信息服务。     

基于地块特征基元与多时相遥感数据的冬小麦播种面积快速提取

冬小麦播种面积监测是农情遥感的重要研究内容之一,及时、准确地获取冬小麦的播种面积对冬小麦产量估算具有重要的意义。该文在面向对象技术的支持下,首先利用融合的高空间分辨率SPOT5遥感影像提取农田地块专题层信息;然后在专题层控制下对多时相的ETM+遥感数据统一尺度分割,得到不同时相遥感影像相同形状的地块特征基元;通过光谱特征规则集构建不同时相的冬小麦信息提取模型,实现对各个时期冬小麦播种田块对象的提取;最后通过交叉验证,确定最终的冬小麦播种面积。结果表明,该方法能够快速获得冬小麦播种面积,总体精度达到90%以上,基本上能够满足农情遥感监测的需求,为冬小麦种植面积遥感快速监测提供了一种可行的方法。     

基于多时相合成孔径雷达与光学影像的冬小麦种植面积提取

小麦是中国最重要的农作物之一,准确、及时掌握小麦种植面积具有重要意义。以探索合成孔径雷达(synthetic aperture radar,SAR)与光学数据对种植结构复杂地区冬小麦识别的能力,提高识别精度为目的。该研究以多时相SAR(Sentinel-1A)和光学影像(Landsat-8)为数据源,选取种植结构复杂的都市农业区为研究区。构建不同特征向量组合,利用支持向量机(support vector machine,SVM)提取冬小麦种植面积。通过对比分析基于不同特征向量组合的冬小麦识别精度,结果表明:1)使用SAR后向散射数据得到85.7%的制图精度和87.9%的用户精度;2)添加SAR数据纹理信息,总体精度高达90.6%,比单独使用后向散射数据在制图精度和用户精度上分别提高7.6%和6.7%;3)当SAR数据和光学影像结合时,总体精度高达95.3%(制图精度97%,用户精度98.4%),比单独使用SAR数据在制图精度和用户精度上分别提高3.7%和3.8%。因此,基于SAR数据的都市农业区冬小麦分类,有着较高分类精度,纹理信息和光学影像的添加能有效提高识别精度。研究结果可为SAR数据的农作物识别和应用提供理论基础。     

基于地块尺度多时相遥感影像的冬小麦种植面积提取

针对仅利用单一遥感影像数据获取农作物信息精度不够问题,该文选择冬小麦主产地河南省兰考县乡镇作为研究区,以2017年多时相中分辨率Landsat8 OLI影像和Google earth上下载的亚米级高分影像为遥感数据源,结合光谱差异和农田地块信息实现冬小麦的精确提取。该算法首先构建不同时相决策树模型,分别实现2个时相的冬小麦区域初步提取;其次通过将对高分影像多尺度分割产生的地块信息分别与2个时相冬小麦播种面积初步区域相互叠加,完成地块单元控制下的冬小麦播种面积分地块统计,并通过设定不同统计阈值,分析落在每一地块单元下的冬小麦区域,生成基于地块单元的冬小麦播种面积分布图;最后通过多时相交叉验证,获取最终冬小麦播种区域。结果表明：该方法能更加准确提取冬小麦种植面积,保持较低的误判率（1.3%）水平下,得到较高的提取正确率（95.9%）,较通过对比单一Google earth高分辨率影像获取冬小麦精度（85.6%）高,该研究对通过融合多源多时相影像数据获取农作物提供参考。     

多时相遥感影像监测冬小麦种植面积的变化研究——以河北省三河市与大厂回族自治县为例

利用多时相遥感影像监测研究分析河北省三河市和大厂回族自治县冬小麦种植面积变化结果表明,该研究区域冬小麦种植面积总体呈现下降趋势,而同一年份内不同地域冬小麦种植面积却增减不一。冬小麦种植面积增加是因对河流两岸进行新的开垦所致,而冬小麦种植面积减少是因建设用地占用耕地以及农作物种植结构调整所致。     

利用多时相HJ-CCD遥感影像监测玉米粘虫灾情空间分布

为了探索运用遥感技术监测玉米粘虫灾情的方法,该文通过分析粘虫发生前期、中期和后期的多时相环境减灾卫星CCD影像和野外定位观测的叶片生物量数据,计算并比较了多种植被指数与叶片生物量的相关关系,最终构建了基于重归一化植被指数（renormalized difference vegetation index,RDVI）多时相的叶片生物量定量模型,并采用野外另一组样本对监测结果进行精度验证。结果表明,玉米叶片生物量遥感监测模型的决定系数为0.7376,均方根误差为43.26g/m2 。根据叶片生物量与粘虫灾害严重度的关系,进行玉米粘虫灾情严重度及空间分布监测,结果与当地农业部门实际调查结果基本一致。因此,运用多时相HJ-CCD遥感影像可以实现玉米粘虫灾情程度及空间分布的有效监测,为农业部门客观评价玉米粘虫灾害损失提供了方法支持。     

基于HJ-1B数据的冬小麦留茬覆盖度遥感估算

作物茬作为农田生态系统的重要组成部分,影响着农田生态系统中的营养物质、碳、水和能量的流动与循环。建立了基于HJ-1B数据的冬小麦留茬覆盖度遥感估算模型,为区域作物留茬覆盖度遥感监测提供技术支撑。以山东禹城市冬小麦为例,分析了冬小麦留茬覆盖度与HJ-1B CCD数据各波段反射率、红外多光谱成像仪IRS数据的近红外和短波红外波段反射率及三种归一化光谱指数之间的相关关系,选取IRS归一化指数构建冬小麦留茬覆盖度光学估算模型。使用独立的地面观测数据对模型进行检验,模型估算的最大相对误差为24.96%,平均相对误差为9.28%,达到了一定精度。     

基于多时相环境星数据的甘蔗收割过程遥感监测

广西是中国最大的蔗糖产地,种蔗面积和蔗糖产量均占全国的约60%.及时、准确地监测广西甘蔗种植和收割信息,对于甘蔗生产具有重要的意义.该文采用多时相HJ-1 A、B星CCD图像开展广西扶绥县甘蔗种植和收割信息提取及面积估算示范研究.选取从2009年11月5日到2010年2月19日共四个时相CCD图像,逐时相提取甘蔗信息,...     

Estimation of protein contents in winter wheat grain using satellite remote sensing

(Jpn. J. Soil Sci.Plant Nutr., 77, 317–320, 2006)     

基于HJ-1A/1B数据的冬小麦成熟期遥感预测

基于遥感数据获取作物成熟度信息,制订收割顺序,是遥感在精准农业中的一个重要应用课题,目前的作物物候监测在空间分辨率和预测的时效性上尚无法满足精准农业的要求。以山东禹城市为研究区,选取观测点,分析冬小麦成熟期临近过程中水分和叶绿素的动态变化,获取基于遥感监测小麦成熟期的依据。以HJ-1A CCD数据构建的植被指数来反映作物绿度的变化,以HJ-1B IRS数据构建的归一化水指数来反映作物含水率的变化,通过回归分析建立了冬小麦成熟期的遥感预测模型,实现了禹城市冬小麦成熟期的遥感监测。小麦成熟期预测值与观测值的相关性达极显著水平,预测与观测小麦成熟期的先后顺序较为一致,在以误差小于1 d作为成功预测衡量标准的情况下,预测结果的准确度为65%。提出了使用HJ-1A/1B数据开展冬小麦成熟期预测的模型,而使用不同时相遥感数据预测成熟期的通用模型将成为下一步研究重点。     

基于GF-1卫星遥感的冬小麦面积早期识别

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。     

中高分辨率遥感协同反演冬小麦覆盖度

为了开展高精度、高时空分辨率的植被覆盖度(fraction vegetation cover,FVC)监测,该文以华北地区冬小麦地为研究对象,采用4期高分一号卫星多光谱(GF1-PMS)、多光谱宽幅(GF1-WFV)与环境一号卫星多光谱(HJ1-CCD)3种传感器同期影像数据集,基于像元二分法模型,研究多源中高分辨率遥感影像协同估算FVC方法.以基于高空间分辨率GF1-PMS影像反演的FVC作为检验数据,对单源直接获取法、多源全生育期法、多源分期法3种反演模型进行了分析比较.研究结果表明:HJ1-CCD、GF1-WFV数据与GF1-PMS数据的FVC直接反演结果具有较高的一致性,但在冬小麦的初期生长阶段,受卫星观测角度效应的影响,GF1-WFV与HJ1-CCD的FVC结果偏高,偏差随冬小麦的成熟封垄而逐渐减弱;多源分期法的时空反演得到的FVC精度最高,GF1-WFV的决定系数为0.984,均方根误差为0.030;HJ1-CCD的决定系数为0.978,均方根误差为0.034;而在缺少GF1-PMS匹配数据时,可通过多源全生育期法提高GF1-WFV与HJ1-CCD数据的反演精度,GF1-WFV的决定系数为0.964,均方根误差为0.044;HJ1-CCD的决定系数为0.950,均方根误差为0.052.通过多传感器的联合反演获取时间序列的高精度的FVC数据,可为研究植被生长状况及生态环境动态变化提供数据基础.     

基于HJ-1卫星的农田土壤有机质含量监测

土壤状况是决定农田潜在生产力的主要因素,土壤性状及肥力状况信息可以为精准农田管理提供响应依据。利用遥感技术监测土壤养分含量是一种快速、准确、高效、经济的方法。以农田土壤有机质为研究对象,以HJ-1卫星数据为数据源,采用多元线性回归分析方法,构建有机质含量地面监测模型,通过直方图匹配方法求地面监测模型与HJ-1卫星监测模型之间的傅里叶转换函数,将地面监测模型应用到HJ-1卫星数据,并构建有机质含量遥感监测模型。实现了利用HJ-1卫星遥感数据对试验区土壤有机质含量进行监测。该模型监测结果与地面实际养分具有良好的线性关系,其决定系数0.93,标准差0.57%。在保持了较高精度的同时,避免了其他高光谱模型数据过于昂贵的问题,实现了有机质含量快速、经济监测,易于在农业中应用。     

利用HJ-1B遥感数据反演西北地区近地表气温

近地表气温是一个重要的气候参数,为了给农业研究提供空间上连续的气温信息,以西北地区为研究区,利用HJ-1B数据运用温度-植被指数方法（temperature-vegetation index, TVX）反演近地表气温。首先采用修正普适性单通道算法反演地表温度,并利用同一地区的MODIS温度产品进行了对比验证,然后利用2010年7月20日、2010年8月28日、2011年8月8日3景影像结合研究区气象站点观测的气温资料推算饱和NDVI值,最后将推算结果应用到2011年8月28日影像,利用气象站点观测资料对TVX方法反演的气温进行了精度验证。结果表明,反演地表温度与 MODIS 温度产品空间分布趋势基本一致,符合研究区的地表覆盖状况;反演气温与反演地表温度空间分布格局具有较好的一致性,可以提供比气象站点观测数据更理想的空间异质性信息;反演气温值比观测值偏高,二者平均绝对误差MAE为2.16 K,均方根误差RMSE为2.72 K。为快速有效获取大范围的气温时空信息提供了一种新思路,对科学指导农业生产、合理利用农业资源具有一定的可参考性。