基于无人机影像的农情遥感监测应用

该文以中国农业科学院（万庄）农业高新技术产业园及周边地区4.2×3.1 km的范围为研究区域,利用无人机搭载RICOH GXR A12型相机进行了航拍试验,主要测试了定位定向系统（positioning and orientation system,POS）数据辅助下光束法区域网平差方法平面定位及面积测量精度,以及无人机影像的作物面积识别精度。结果表明,在无控制点约束条件下,直接采用POS数据进行光束法区域网平差后,以中误差表示的平面定位精度为X轴方向（东西方向）中误差为2.29 m,Y轴方向（南北方向）中误差为2.78 m,整体平面中误差3.61 m;采用3阶一般多项式模型进行几何精校正,X轴方向中误差为1.59 m,Y轴方向中误差为1.8965 m,整体平面中误差为2.32 m,符合《数字航空摄影测量空中三角测量规范》中对1∶10 000平地的平面精度要求,能够满足农作物面积遥感监测中作物面积调查定位精度的要求;采用监督分类和面向对象分类2种方法,对面积评价区域种植的春玉米、夏玉米、苜蓿和裸土4种地物类型进行分类,以差分GPS调查结果为评价标准,4种作物总体识别精度分别达到了88.2%（监督分类）和92.0%（面向对象分类）,单独分类精度分别为88.9%、86.7%、93.0%、86.6%和90.35%、92.61%、94.93%、93.30%。研究结果说明了无人机遥感影像获取小范围、样方式分布的作物影像方面具有广泛的应用前景,推广后能够满足全国农作物地面样方对高空间分辨率影像的需求,可以部分替代现有人工GPS测量的作业方式。     

全国冬小麦面积变化遥感监测抽样外推方法的研究

该文提出了一种可以用于业务化运行的全国冬小麦面积变化遥感监测方法。根据我国冬小麦生产的特点,采用分层抽样方法,以全国冬小麦种植面积以往的统计数据为分层指标,将全国1411个冬小麦生产县划分为6层,建立全国冬小麦面积变化遥感监测抽样外推模型;然后,以TM影像覆盖来近似随机地从各层抽取所需数量的冬小麦生产县,采用人工判读的方法解译冬小麦的变化,并以县为单位统计;最后利用外推模型得出全国冬小麦面积的变化。通过1999、2000年连续2年的运行试验,得到了满意的结果     

基于植物净初级生产力模型的区域冬小麦估产研究

该文以中国冬小麦主要种植区黄淮海平原典型县市的冬小麦为研究对象,以植物净初级生产力模型对冬小麦估产进行研究。其中光合有效辐射数据(PAR)主要通过TOMS传感器紫外反射率月数据来计算获得。并且通过投影转换和内插方法,将分辨率由经度1.25度、纬度1度转为250 m。光合有效辐射分量(fPAR)主要通过250 m分辨率MODIS的最大值合成法生成的NDVI月数据和fPAR之间的统计直线关系(fPAR＝a NDVI＋b)来反演。在研究中光能转化有机质效率(ε)被视为常数,其值通过前人研究结果确定。然后计算冬小麦净初级生产力(NPP＝ε×fPAR×PAR)。文中主要考虑冬小麦产量形成关键期内NPP的形成,然后将累积的NPP转化为作物干物质的量,最后通过冬小麦收获指数修正,得到估计的冬小麦产量。而且利用地面实际调查产量数据对所预测的植物净初级生产力NPP和所预测的产量进行了验证,通过NPP计算的冬小麦生物量与实际生物量间相对误差为-4.30%;预测冬小麦产量与实际小麦产量间相对误差平均为-4.41%,结果令人满意。     

基于物候模型的作物种植面积变化监测方法

在利用多时相数据进行作物变化监测中,通常根据日历选取同一天或相近日期的遥感数据来减小植物季相变化所导致辐射差异所带来的“伪变化”。但是物候存在着年际变化,且与日历日期并不完全一致,不同年份的作物的生长发育状况可能不同。该文利用气候数据建立了作物物候指标模型,利用该模型计算出的熟度指数作为选择季相差别最小的两时期遥感数据依据,选择了用于顺义地区冬小麦播种面积变化信息提取的两时期数据,并利用NOAA AVHRR/NDVI序列数据对选择结果进行了验证。结果表明利用该物候模型选择的两时期遥感数据季相匹配较好。该方法为消除或减小变化监测过程中植被季相差异所导致的辐射误差提供了新思路并进行了有益探索。该文还利用该方法,以北京顺义地区为研究区,采用图像差值法提取1999～2000年冬小麦播种面积变化信息,其中变化像元提取精度达到90%。     

中国农村居民点研究进展

分析了农村居民点研究中主要存在的问题,提出了该领域未来的发展方向,以对农村居民点研究提供参考。研究方法：随着我国社会经济的快速发展,农村居民点发生了一系列变化,大量文献对这种变化进行了阐述,对目前的研究成果进行总结梳理。研究结果：根据农村居民点的研究进展情况,从农村居民点空间结构及其变化、农村居民点演变驱动力机制、城乡一体化过程中有关农村居民点问题、农村居民点土地整理及其他有关农村居民点的研究等五个方面系统地总结农村居民点的研究进展。.研究结论：农村居民点研究的理论体系还需完善,空间分布提取方法有待提高,农村居民点土地整理方法尚需整合。     

冬小麦鲜生物量估算敏感波段中心及波宽优选

开展高光谱作物生物量估算敏感波段中心和最优波段宽度筛选对提高作物生物量估算精度具有重要意义。该文以冬小麦为研究对象,利用小麦关键生育期内350～1000 nm 冠层高光谱数据和实测地上鲜生物量,研究任意两波段构建的窄波段归一化植被指数 N-NDVI（narrow band normalized difference vegetation index）与冬小麦地上鲜生物量间的相关关系,构建拟合精度 R2二维图,并以 R2极大值区域重心作为高光谱估算鲜生物量敏感波段中心。通过对敏感波段中心进行波段扩展和相应生物量估算验证,最终确定敏感波段最佳波段宽度。在此基础上,开展基于敏感波段最优波段宽度下冬小麦地上鲜生物量估算和精度验证。结果表明,在 N-NDVI 与冬小麦鲜生物量间拟合 R2≥0.65的二维区域内,确定了401 nm/692 nm、579 nm/698 nm、732 nm/773 nm、725 nm/860 nm、727 nm/977 nm 5个鲜生物量估算的高光谱敏感波段中心;在高光谱估算生物量归一化均方根误差 NRMSE≤10%、相对误差 RE≤10%条件下,上述5个敏感波段中心的最优波段宽度分别为±21 nm、±5 nm、±51 nm、±40 nm 和±23 nm。通过与实测鲜生物量数据对比,利用上述敏感波段中心最优波段宽度进行作物生物量估算,精度在 P<0.01水平上均达到极显著水平,且 RE、NRMSE 分别在8.15%～9.14%、8.69%～9.65%范围内。可见,利用作物冠层高光谱进行冬小麦地上鲜生物量估算时,N-NDVI 与鲜生物量间拟合 R2极大值区域重心的作物高光谱敏感波段筛选和最优波段宽度确定具有一定可行性,为开展作物高光谱数据波段优选提供了新思路,也为多光谱遥感波段设置及遥感数据应用潜力评价提供一定依据。     

基于Worldview-2影像的玉米倒伏面积估算

为应用高分辨率遥感影像准确调查玉米倒伏面积,该文使用2012年9月14日获取的Worldview-2多光谱影像研究灌浆期倒伏玉米的光谱、纹理特征及其最优的面积估算方法。通过对影像进行大气校正后得到正常玉米和倒伏玉米的反射率,结果显示玉米倒伏后8个波段的反射率均升高,其中红边、近红外1和近红外2等3个波段的上升数值超过0.1。通过对反射率数据进行滤波得到正常、倒伏玉米的均值纹理特征,统计结果显示各波段纹理特征有差异,其中绿色、红边、近红外1及近红外2等4波段的均值纹理特征数值差距更明显。比较使用不同波段数量、特征及分类方法的倒伏面积估算值,结果表明基于最大似然分类法使用红边、近红外1和近红外2等3波段光谱反射率的倒伏面积估算方法最优,其最小误差为2.2%,最大误差为8.9%,平均误差为4.7%。该研究结果为应用高分辨率多光谱遥感数据调查玉米倒伏面积提供了相关依据。     

基于红外结构光三维技术的土壤表面粗糙度测量

土壤表面粗糙度是一项重要的土壤物理参数,已有的各种测量方法存在测量效率和误差难以兼顾的问题。为了在一定精度下提高野外测量工作效率,该研究基于红外结构光技术设计了一套便携的土壤表面粗糙度测量系统。该系统主要包括红外结构光扫描仪、便携式计算机、支架等,具有3.2 mm空间分辨率和3 mm的距离分辨率的性能。通过水平面板测量试验,发现本系统相对误差较小,相对误差最小区域中0.5个测量单位以内的误差（e≤1.5 mm）占87.87%,1个测量单位以内的误差（e≤3 mm）占99.58%,而大于1个测量单位的误差仅占0.42%。通过土壤表面粗糙度测量试验,发现本系统绝对误差较明显,其测量结果低于1 mm 分辨率的土壤粗糙度值。通过误差分析发现：该系统的测量误差包括固有误差和随机噪声,呈特定的规律性分布;导致绝对测量误差的主要原因为该系统的性能;由于系统的随机噪声,基于水平面板距离图像的土壤表面距离图像校正存在不确定性。该研究结果为进一步降低红外结构光三维技术测量土壤表面粗糙度的误差提供了依据。     

近20年来东北三省春玉米物候期变化趋势及其对温度的时空响应

利用1990至2009期间的东北三省46个农业气象台站的观测记录,通过计算玉米出苗期、成熟期和生育期长度等物候期特征的年变化率(θ),分析了气候变化背景下东北三省玉米物候期对生长季气温条件变化的响应特征。结果表明:(1)研究期间,东北三省大部分地区5月和9月均温都出现了上升趋势,温度生长期天数持续增加;(2)在气候增温背景下,玉米主要物候期均出现了不同程度的变化与响应,其中出苗期表现为提前态势(0.02< θ < 0.15 d/a)、成熟期推迟(0.18< θ < 0.38 d/a)和生育期长度增长(0.22< θ < 0.44 d/a)的趋势,生育期长度的增加反映了为了充分利用增温带来的适宜发育期,作物熟型从中早熟型调整为中晚熟型的适应过程;(3)由于种植区的空间差异,物候期的响应和变化亦体现出区域差异,其中松嫩平原北部、吉林省中东部和辽宁省中部的响应关系较为明显。总体上,东北三省生长季气温条件变化使作物生长期内温度适宜程度偏好,有利于早种晚收、生育期长的玉米品种。     

白菜苗期对不同硫处理的光谱反应

本文以盆栽试验的方法,通过对不同土壤硫处理情况下的白菜苗期光谱曲线及其生长状况、叶绿素含量和体内营养元素含量的对应分析,结果表明:不同硫处理情况下,白菜苗期的反射光谱曲线在形状上基本相同,绿峰出现在560nm处、红端位于720nm处、近红外平台出现在780~924nm。不同土壤硫处理情况下没有“红移”和“蓝移”现象;反射光谱曲线对白菜苗期的植株生长状况的敏感有四处,可见光区为500nm和690nm,近红处区在1900nm处,2400nm波长以后,对植株含水量的敏感性增强;不同的叶绿素含量表示方法在光谱相关曲线上的反映完全不同,其中光波反射值对单位叶面积上的总叶绿素含量、叶绿素A含量和叶绿素B含量敏感点在“绿峰”和“红端”两处,而光波反射值对干基表示的总叶绿素含量、叶绿素A含量和叶绿素B含量敏感区域地2400nm以后;植株反射光谱对白菜苗期植株体内不同营养元素种类和含量均有不同的反映,根据不同营养元素的光谱相关曲线,可将白菜苗期植株体内营养元素分为三类,一类是Ca、K、Cu、Fe和N,另一类是P、Mg和Mn,Zn元素的光谱相关曲线最为特别;白菜苗期植株性状值相关性高的性状,在光谱相关曲线中最接近。