基于RLPM模型的ET反演参数在时间尺度上的敏感性分析

为研究和提高RLPM模型反演ET精度,探究各项气象参数和遥感参数对于ET反演值就时间尺度变化规律的影响,基于RLPM反演模型,采用改进的摩尔斯分类筛选法,将黄土高原2010-2015年98个站点ET值结果对NDVI、相对湿度,日照时数、气温和太阳辐射在月尺度和年尺度变化进行敏感度分析研究。研究表明除相对湿度外,各项因子的敏感系数的绝对值在夏天达到最高值,而相对湿度的敏感系数在冬季达到最高值。ET反演值对于太阳辐射的敏感性最强,对NDVI和日照时数的敏感性次之,而对气温和相对湿度的敏感性最小。     

基于MODIS数据的济南市农田区土壤含水量模型

土壤含水量是监测土壤质量的重要指标,影响到一系列战略物资的生产,是旱涝等自然灾害发生的指示因子。以2011年4月下旬济南市农田区的MODIS遥感影像为基础,采用植被供水指数法反演土壤含水量,结合野外同步实测数据,建立土壤含水量预测模型,并利用实测和气象数据进行精度检验。结果表明,该模型预测结果与实际情况吻合度较高,模型具有一定的参考价值。     

基于MODIS与WOFOST模型同化的区域冬小麦成熟期预测

针对遥感技术只能获取作物的表征信息、对作物内在机理过程变化描述较为困难的问题,引入作物生长模型与遥感数据同化进行作物成熟期预测研究。以叶面积指数(LAI)作为耦合变量,以MODIS LAI(MCD15A3H产品)作为遥感数据源,结合2017—2018年实时气象数据以及气象预报数据,以2018年5月1日为预报时间节点,构建LAI归一化代价函数,采用复合形混合演化算法(Shuffled complex evolution-University of Arizona,SCE-UA)最小化代价函数,优化WOFOST作物模型的输入参数,用优化后的参数重新驱动WOFOST模型逐像元模拟冬小麦生长过程,得到研究区冬小麦成熟期的预测结果,并使用研究区内农业气象站点的观测数据进行验证。结果表明,冬小麦预测开花期、成熟期的均方根误差(RMSE)分别为2. 10、2. 48 d,预测精度较高。该方法能够为农作物的大区域成熟期预测提供重要理论基础。     

基于“星陆双基”的冬小麦叶面积指数反演研究

为建立准确、方便的叶面积指数监测方法,运用MODIS数据光学模型反演和星陆双基协同反演法分别对2015和2016年3月中旬鹤壁市冬小麦叶面积指数反演分析。结果表明,2种LAI反演方法均能较好地反映全市冬小麦长势差异性的空间分布特征;MODIS光学模型反演法稳定性较好,但其反演值明显偏低;星陆双基协同反演法估算值与观测值吻合性较好,反演精度优于MODIS反演法。     

基于GIS的水量平衡模型在黄土高原地区土壤水分模拟中的应用

应用修正后Vrsmarty水量平衡模型对黄土高原地区2001-2010年间的土壤水分变化规律进行模拟。该模型综合考虑了土壤质地、植被类型、蒸发、降水等因素。模拟结果表明:黄土高原地区平均土壤水含量年内呈"正弦"曲线的变化规律,6月份土壤水含量最低为36.9mm,随着雨季到来,10月达到最高为74.3mm,而后逐渐降低。土壤水变化趋势可分为西北和东南两个区。西北区降雨量少,蒸散量大,全年土壤水含量很低,为1～40mm;东南区受降雨和蒸散周期性的变化的影响,土壤水变化周期性明显,秋末最高达200～240mm,夏初最低为60～100mm。全区的年平均降水为435.8mm,从东南向西北逐渐减少。全区年平均参考作物蒸散量为1 072.7mm,呈现出西北和东南偏高,东北和西南偏低的趋势。     

基于MODIS数据的土壤水分空间变异规律

以沧州地区为例,利用MODIS数据计算得到植被供水指数,分析构建植被供水指数与实测土壤含水率之间的相关模型,进而反演得到整个沧州地区的墒情状况,以此为基础运用经典统计学和地统计学理论,研究3种尺度下土壤含水率的空间变异性,确定各尺度下土壤水分监测点的合理采样数目。结果表明,小尺度下(采样间距250m)土壤水分具有较强的空间相关性,而大尺度(采样间距4 000m)和中尺度(采样间距1 000m)的土壤水分均呈中等的空间相关性;随着研究尺度的增大,土壤含水率的空间相关性减弱,由随机因素引起的空间变异性逐渐增强;根据空间变异规律,分别得到置信度为0.10、0.05情况下不同尺度的土壤水分监测点的合理采样数目,并发现采用数目随研究尺度的增大而增加。     

基于CERES-Wheat和遥感数据的土壤水分供给量反演

以关中平原为研究区域,以冬小麦为研究对象,基于2007—2008年TM遥感数据反演的和CERES-Wheat模型模拟的生物量和叶面积指数,将由离散积分思想计算的日均分摊系数和由冬小麦各生育阶段生长特点划分的分段蒸腾系数引入土壤水分平衡方程,建立土壤水分供给量反演模型。利用该模型进行研究区域2007—2008年冬小麦全生育期的蒸散量和土壤水分供给量的单点和区域尺度的定量反演。选取拥有多时相遥感数据的2000—2001年进行模型验证,结果表明,在充分获取降水、灌溉信息和多时相遥感数据的条件下,土壤水分供给量的反演结果准确度较高。区域尺度的土壤水分供给量呈现出西高东低和北高南低的分布特征,自西北部向东南部逐渐递减,与关中平原冬小麦受水分胁迫程度的区域性变化趋势基本一致,表明应用模型反演冬小麦全生育期的土壤水分供给量是可行的。     

基于MODIS数据的区域蒸散发估算研究

应用遥感方法计算区域蒸散发具有很多常规方法所没有的优势.在基于地表能量平衡原理的SEBAL模型基础上提出了将新一代对地观测数据MODIS应用于反演区域地表蒸散的计算方法,并对新疆焉耆盆地的日蒸散发与月蒸散发情况进行了计算模拟,获取了相关地面特征参数.通过与基于ETM数据的SEBAL模型计算结果进行对比分析,验证了MODIS数据计算结果的合理性,并利用研究区实测水面蒸发值与区域水均衡方法对MODIS计算结果进行进一步的验证,说明了利用MODIS数据反演区域蒸散发的方法是切实可行的.     

基于Landsat和MODIS数据融合的农牧区NPP模拟

天山北坡是中国重要的农牧业发展基地,利用遥感数据准确获取植被净初级生产力(Net primary productivity,NPP)的时空信息,对于合理分配农牧业草地资源具有重要意义。由于受到天气影响及卫星传感器受到时间分辨率和空间分辨率的限制,获取既具有中空间分辨率、又具有高时间分辨率的遥感数据比较困难。本文基于中空间分辨率Landsat 8 OLI数据与高时间分辨率MODIS数据,采用遥感数据时空融合STARFM算法,获取中空间分辨率和高时间分辨率序列的遥感数据,以天山北坡中段区域为实验区,结合CASA模型,对区域内植被NPP进行模拟。结果表明,2016年内8个时期,融合后的NDVI数据与对应时刻的Landsat 8 OLI NDVI数据的相关系数不小于0.759,偏差在0.006 2～0.009 4之间,均方根误差在0.074～0.135之间;利用融合数据与CASA模型协同模拟的NPP具有良好的空间细节信息,NPP模拟值与野外实测值决定系数R~2为0.860 1,表明两者具有较好的相关性。本研究为多源遥感影像融合技术与光能利用率模型协同模拟NPP提供了新的思路。     

Hargreaves模型在黄土高原地区的应用与改进

利用黄土高原地区55个气象站30年的气象资料,以Penman-Monteith(PM)公式作为计算ET0的标准,探讨了Hargreaves公式在黄土高原地区的适用性,并对Hargreaves公式进行了修正。结果表明,Hargreaves公式不宜直接应用于黄土高原地区,但修正后的Hargreaves公式计算的3d或更长时间尺度的ET0与PM公式计算的结果吻合度较高。可见,修正后的Hargreaves公式在黄土高原地区具有可行性。     

基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。     

基于MODIS数据的土壤水分预测方法研究

针对目前应用MODIS数据进行土壤水分预测研究现状,综合分析现有文献,依据使用遥感光谱波段的不同,分别讨论了基于热红外遥感的温度法、基于可见光-近红外遥感的植被指数法以及综合温度和植被指数的特征空间法,分析了几种主要方法在精度、适用范围、实时性等方面的优缺点,认为在裸土或低植被情况下使用热惯量法,而在植被覆盖地区应选择特征空间法来预测土壤水分。在此基础上,提出了未来基于MODIS的土壤水分监测的发展趋势,即多源遥感数据融合技术是提高反演精度的主要手段,MODIS数据与GIS和高光谱数据的结合是今后的研究重点。     

基于动态模拟的作物系数优化蒸散量估算研究

通过作物生长模型动态模拟的冬小麦全生育期潜在蒸散量和实际蒸散量计算冬小麦各生育时期的模拟作物系数,并与FAO提供的冬小麦各个生长阶段的标准作物系数对比,验证了其数值和变化趋势的准确性。基于地面实测和遥感反演的叶面积指数,建立了作物系数与叶面积指数的经验对数模型,根据遥感反演的叶面积指数获取冬小麦全生育期以天为步长的区域尺度的作物系数。利用冬小麦各生育时期模拟作物系数与以天为步长的区域尺度作物系数的比值优化蒸散量模型,获取关中平原2013—2014年冬小麦全生育期优化前后的蒸散量反演结果。通过与实测数据对比,发现优化前最大相对误差为14.36%,优化后最大相对误差为9.89%,优化后的蒸散量反演模型比未优化的蒸散量反演模型能够更加准确地反演冬小麦全生育期的蒸散量,特别是在低植被覆盖条件下的反演精度有明显的提升。     

基于多源数据的武陵山区干旱监测研究

由于地表复杂性和气候环境等因素影响,针对采用遥感指标进行旱情监测具有一定局限性,利用EOS/MODIS数据建立遥感旱情监测指标———温度植被干旱指数(TVDI),结合地面气象因子的降水量距平指数(PPAI),构建线性加权形式的综合干旱监测指数(IMDI),应用该指数和TVDI指数在2010年4月中旬和2011年4月下旬对武陵山区进行了干旱监测试验研究,通过与10 cm深度土壤水分拟合及标准化降水指数(SPI)关系对比分析,认为IMDI和TVDI能够进行该区域的干旱监测,IMDI较TVDI更具稳定性,而SPI在干旱发生时易加重旱情判定结果。     

基于混合象元分解的Landsat8与MODIS数据融合反演土壤墒情方法研究

【目的】及时准确地获取灌区土壤墒情信息。【方法】以河南省焦作市广利灌区为研究对象,利用Landsat8及MODIS遥感数据分别以表观热惯量及植被供水指数法反演土壤墒情,以混合象元分解的植被和土壤的丰度作为权重因子,对2种方法反演的土壤墒情进行了融合计算。【结果】利用植被供水指数法和表观热惯量反演的土壤含水率与实测含水率相关系数分别为0.47和0.51,同时将2种方法相结合得到的反演结果精度更高,实测含水率与计算的土壤含水率相关系数达到0.73。【结论】融合方法可以更好地计算灌区非均匀覆盖区的土壤墒情。     

基于陆面能量平衡方程的遥感模型

介绍了卫星遥感反演水文气象模式所需的一些基本地面参数,进而得到整个流域尺度上的ET的方法,特别是基于陆面能量平衡方程的SEBAL模型的原理及工作流程,指出了模型的优点和不足,并研究探讨了利用SEBAL模型在海河流域水资源管理中的应用。     

基于SPOT遥感数据的甘蔗叶面积指数反演和产量估算

利用SPOT遥感数据进行甘蔗叶面积指数LAI反演,建立最佳NDVI-LAI反演模型,同时结合不同生育期甘蔗叶面积指数的时序变化规律,建立各生育期甘蔗叶面积指数LAI与产量的相关关系,得到甘蔗叶面积指数LAI 产量最佳估产模型.在验证甘蔗叶面积指数LAI的基础上,利用遥感反演的甘蔗叶面积指数LAI进行甘蔗单产估算.结果表明:甘蔗叶面积指数LAI与NDVI之间存在显著的正相关关系,全生育期二者的相关性最高,以二次函数模型拟合效果最佳,决定系数R2为0.8429.将遥感数据反演得到的平均叶面积指数LAI数据代入甘蔗叶面积LAI-产量模型得到全县平均单产,与统计数据相比,相对误差仅为2.6％.说明该模型具有较好的估产效果,可以为甘蔗区域估产提供重要参考.     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。     

基于电磁感应数据的电导率反演模型研究

【目的】土壤盐渍化是限制新疆南部棉花高产的主要因子,准确获取区域尺度土壤剖面盐分信息。【方法】以南疆阿拉尔垦区为研究区,以田间尺度采集的30个不同盐渍化程度棉田的540个样点的0~0.375、0~0.750、0~1.000 m的土壤剖面电导率数据和对应的电磁感应数据为数据源,采用线性模型和非线性模型分别构建了田间尺度和区域尺度的土壤剖面电导率的电磁感应反演模型,并采用缩减建模样本量方法进一步检验了区域尺度模型的可靠性和稳定性。【结果】多元线性回归(MLR)、偏最小二乘回归(PLSR)和主成分回归(PCR)建模方法的田间尺度模型R²在0.88~0.95,而对应的区域尺度模型R²在0.34~0.53。基于随机森林(RF)、神经网络(NN)和支持向量机(SVM)非线性建模方法构建的土壤剖面电导率的区域尺度电磁感应反演模型R²在0.60~0.85,其中RF模型的精度最高。0~0.375、0~0.750、0~1.000 m土壤剖面电导率的RF反演模型R²分别为0.80、0.85和0.84,相较于线性建模方法的区域尺度模型精度有明显的提高。RF区域尺度模型的样本数量由540个缩减到240个,模型精度没有明显变化,表明采用区域尺度模型,可大幅度降低土壤剖面样本采集数量,从而可显著提高采样效率和降低采样成本。【结论】区域尺度下构建土壤剖面电导率反演模型时,随机森林建模方法效果较优,模型预测能力具有较高的可靠性。     

应用中值融合模型的条件植被温度指数降尺度转换研究

为获得基于Landsat卫星遥感数据更为精确的定量化干旱监测结果,以陕西省关中平原为研究区域,基于Aqua MODIS数据反演的1 km空间分辨率的条件植被温度指数(VTCI)的定量化干旱监测结果(MODIS-VTCI)和Landsat OLI/TIRS数据反演的30 m空间分辨率的VTCI相对干湿监测结果(Landsat-VTCI),应用降尺度的中值融合模型(MFM)将基于MODIS数据反演的VTCI降尺度至30 m空间分辨率的VTCI定量化干旱监测,并对其结果进行验证。结果表明,应用降尺度的中值融合模型转换的VTCI定量化干旱监测结果(MFM-VTCI)与Landsat-VTCI的空间分布及纹理特征相似,两者间的相关系数和结构相似度均较大,均方根误差、差值影像及差值频数分布图所呈现的结果与定量化干旱监测结果和相对干湿监测结果间的系统误差相符,表明Landsat-VTCI与MFM-VTCI间的可比性较强。MFM-VTCI与累计降水间的相关性和MODIS-VTCI与累计降水间的相关性相近,均大于Landsat-VTCI与累计降水间的相关性,表明MFM-VTCI是定量化的干旱监测结果。