农作物遥感识别中的多源数据融合研究进展

农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000-2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据集的需求是多源数据融合的农作物遥感识别研究的重点发展方向和亟待解决的问题。研究结果有助于更好地理解多源遥感数据融合的技术和模式,为摸清多源数据融合在农作物识别中总体进展提供支撑,同时也为其他多源数据融合研究提供借鉴。     

城乡交错带空间边界界定研究进展

摘要: 随着城市化进程的加剧,城乡交错带的空间变化剧烈。本文分析了前人对城乡交错带空间边界界定的相关研究,从划分指标角度提出城乡交错空间界定的三个主要方面：城市发展、人口角度、综合分析;归纳了城乡交错带空间界定研究具有：研究区域突出、研究方法较少、数据差异较大、深入研究不足等特征;探讨了未来的发展方向并首次提出在传统的“3S”：GIS、RS、GPS技术的广泛应用中合理的与二小“2S”： Statistic、Survey相结合,形成一个数据来源丰富,完善,处理技术先进的“5S”体系的理念。     

基于粮食生产能力的APEC地区粮食安全评价

 【目的】以具有典型代表性且在世界粮食供给体系中占据重要地位的亚太经合组织（Asia-Pacific Economic Cooperation,APEC）地区为研究区域,开展基于粮食生产能力的粮食安全评价研究。【方法】利用机制法模型测算区域的土地生产潜力和粮食生产潜力,并以此作为粮食安全评价的基础;分别从粮食生产与消费、粮食增产潜力、人口承载等方面建立指标体系,应用层次分析法（AHP）分析APEC各成员体的粮食安全形势。【结果】APEC地区粮食生产潜力总和为17.39亿t,其中中国的潜力总产5.69亿t,为区域内最高。比照当前的粮食现实产量,总体来说,各成员体均具有一定的增产空间,但如果综合考虑人口承载、粮食消费等情况,各成员体的粮食安全形势呈现分化态势,除日本、韩国外,发达成员体总体上略好于不发达成员体。【结论】如何最大限度地挖掘区域粮食生产潜力并有效控制人口增长将是保障APEC地区粮食安全的重要途径和重要挑战。     

水肥耦合下西芹生育期内硝酸盐含量变化规律分析

为了探索水肥耦合对西芹生育期内硝酸盐含量的变化规律,采用三因素五水平二次通用旋转组合设计,在冀西北高寒半干旱区开展了旱棚试验研究.试验表明:随生育期延长西芹硝酸盐含量先升后降,且收获期最低:水肥高中低不同组合下西芹生育期硝酸盐含量除低肥低水和对照因缺水在收获前期有波峰出现外,其他水肥不同组合下,硝酸盐曲线均表现为先升后降.从卫生学角度评价,只有处理7(N109.5P36W5692)和处理20(N270P90W4500)即低肥高水和中水中肥处理西芹硝酸盐含量符合安全标准.不同因子组合下各效应(单因子效应、双因子效应及3因子效应)的西芹生育期硝酸盐动态变化规律表明,氮、磷、水对西芹硝酸盐主效应分析依次表现为增加、不确定性和减少.结果表明:不合理的氮、磷、水施用是限制西芹正常生长,造成西芹硝酸盐积累的主要原因.     

黑土土壤水分高光谱特征及反演模型

应用高光谱技术阐释土壤含水率光谱规律及对土壤含水率进行定量分析,为精准农业地表土壤水分的快速测定提供参考。该文以吉林省黑土土类中的黑土亚类土壤为研究对象,利用ASD FieldSpec FR便携式光谱仪在室内环境下对不同含水率的土壤样本进行光谱反射率测量和特征分析;通过对土壤样品高光谱反射率进行对数、倒数、一阶微分以及反射率倒数的一阶微分、反射率对数的一阶微分变换,运用统计分析中的相关系数计算进行了光谱反射率与土壤水分的相关分析,并提取了土壤光谱特征波段;采用逐步多元线性回归方法和指数模式分析法,进行了高光谱土壤含水率定量反演。研究结果表明,在低于田间持水率状况下,黑土土壤光谱反射率及其反射率一阶微分和反射率对数一阶微分变换的敏感波段主要集中在400～410、1 400～1 850和2 050～2 200 nm范围内,其中2 156 nm处与土壤水分相关系数最高,达0.89;在波长1 328、1 439、1 742和2 156 nm处,采用反射率对数一阶微分所建立的黑土土壤含水率预测方程的预测精度最好,决定系数为0.931。黑土土壤含水率高光谱反演模型的建立为土壤水分的快速测定提供了新的途径。     

刈割与非刈割处理下紫花苜蓿叶片光合作用的差异

分析了刈割对紫花苜蓿叶片光合作用的影响。结果表明,刈割对生长第5年的紫花苜蓿叶片的光合速率无显著影响,而对当年生长的紫花苜蓿叶片的光合速率有显著影响。对当年生长的紫花苜蓿而言,9月份刈割处理叶片光合速率上午比不刈割处理高,而下午则比不刈割处理低,并且峰值有延迟的趋势;10月份刈割处理叶片光合速率普遍比不刈割处理高。     

高光谱遥感土壤质量信息监测研究进展

高光谱遥感具有波段多且光谱连续等特点,在土壤质量信息的监测方面,利用高光谱遥感数据,能够实现对土壤特性的定量分析.总结了利用高光谱遥感技术获取土壤质量信息的方式和特点,以及影响土壤光谱反射特性的主要因素,回顾了国内外基于遥感的土壤质量信息提取的定量研究,并对研究中的问题进行了分析和展望.     

黑龙江省宾县农作物格局时空变化特征分析

【目的】农作物时空格局特征分析是微观层面农户农作物选择影响机制研究的基础。通过分析宾县乡镇尺度农作物格局的时空变化特征,为农作物种植结构变化机理机制研究提供依据。【方法】基于黑龙江省宾县1996—2010年乡镇级统计数据,运用数理统计和GIS空间分析等方法,分析宾县过去15年玉米、大豆、水稻3种主要粮食作物和经济作物播种面积数量变化及空间变化特征。【结果】1996—2010年宾县农作物总播种面积增加22.86%,主要是由粮食作物播种面积变化引起。粮食作物播种面积增加32.80%,经济作物减少52.84%,粮经比从88﹕12调整到96﹕4。玉米种植面积大幅增加73.82%,种植比例不断提高,大豆种植面积减少1.05%,水稻种植面积减少29.78%。主要粮食作物空间变化呈现较强的规律性,即玉米种植在全县范围内分布较均衡,大豆种植中心向东南部集中,水稻种植集中到宾县北部和西部地区。【结论】过去15年宾县农作物格局时空变化明显,分析掌握其变化特征,有助于进一步探究其变化的原因,为科学调整县域农作物种植结构、提升农业综合生产能力提供科学依据。     

基于MODIS温度/植被指数的东北地区土地覆盖分类

该文采用MODIS NDVI时序数据对东北区土地覆盖分类进行研究,以验证MODIS区域土地覆盖制图的可靠性。通过试验发现经过Savizky-Golay滤波处理能有效去除云、缺失数据及异常值的影响,使得NDVI时序曲线能更好的反映植被季相变化特征,分类结果表明NDVI时序数列能较好的区分植被与非植被、草本(一年生)与木本(多年生)覆盖类型。但研究区内一年一熟的农作物与高盖度草地、落叶针叶林与落叶阔叶林具有相似的物候特征,混分现象比较严重。该研究通过添加地表温度(land surface temperature, LST)数据解决这一问题,利用所得温度/植被指数TVI对研究区进行土地覆盖分类。所得结果用363个野外调查样区进行验证,NDVI及TVI时序数据的分类精度分别为62.26％与71.63％。结果表明TVI比NDVI对土地覆盖类型中的植被类型识别更有效。     

利用Terra/MODIS数据提取冬小麦面积及精度分析

利用遥感技术提取作物播种面积是农情监测研究中一种实用而可行的方法。以河北省藁城市为研究区域,研究利用多时相Terra/MODIS数据提取2004年冬小麦播种面积的技术方法。在分析MODIS波谱特性与冬小麦生物学特征,并考虑了有关植被指数图像对面积提取精度的影响基础上,选择将MODIS数据的Red、Blue、NIR和ESWIR波段作为基础工作波段。利用4种方法提取了2004年藁城市各乡镇的冬小麦播种面积,并利用2004年各乡镇统计数据及土地利用数据进行了精度评价。结果表明：4种方法提取的冬小麦播种面积总体上都与参考值比较吻合,总体误差和平均误差均小于5%。可见,利用Terra/MODIS数据提取冬小麦播种面积是完全可行的。研究还发现,最佳的MODIS数据是冬小麦抽穗期的Red、Blue、NIR、ESWIR波段图像和冬小麦播种期与抽穗期EVI差值图像的组合。