基于时间序列MODIS LST产品的重构研究

利用遥感数据可以对地球资源环境进行大面积连续监测,得到更为精确的研究结果,MODIS LST数据因其优化的时空分辨率成为较理想和常用的数据源。同时,遥感数据由于受到云、气溶胶以及传感器角度等影响均存在不同程度的噪声污染、数据缺失等问题。针对该现象,以河南省为研究区域,以MODIS LST数据为研究对象,利用谐波分析方法对河南省2011年全年每天四个时刻的MODIS LST 时间序列数据进行重构。结果表明,利用该方法重构的数据可对MODIS缺值70%以上的影像进行弥补,并且60%以上影像误差可控制在3℃以内,能得到较好的重构结果;同时重构LST数据与相应气温数据相关性大部分在0.8左右,能够较好拟合LST的变化趋势。     

冬小麦关键物候空间分布遥感监测方法研究

物候信息对农作物生长的动态监测、田间管理具有重要意义。归一化植被指数(normalized difference vegetation index, NDVI)能够在大范围覆盖区域内准确地反映农作物物候信息。以河北省为研究区域,选用2000至2009年的SPOT/VEGETATION NDVI旬合成产品数据集,尝试结合气象站点的气温,利用Savitzky-Golay(S-G)滤波重构NDVI时序曲线,以动态阈值法监测研究区冬小麦的返青期开始和抽穗期开始,并对监测结果进行了分析。空间分布上,河北省冬小麦物候期总体上呈现由南到北逐渐推迟的空间分布规律,从各具体年份来看,冬小麦遥感监测结果符合实际的物候地面观测结果,并在因异常气候变化物候期发生变化的年份也有较好的反应,结果表明,通过NDVI时序曲线结合气温的方法可以准确监测河北省冬小麦关键物候期。     

基于GPS和GIS的土地整理现场调查技术开发与应用

该文研究针对土地整理传统现场调查方法存在定位难、测量难、记录难等种种问题,围绕土地整理项目科学管理目标,将GPS技术、移动GIS技术进行集成,整合开发了一套支持土地整理现场调查的低成本、高效率、便携式、便利用的先进技术工具,为土地整理现场调查工作中存在的问题提供了一个系统的解决方案。研究成果先后在青海、北京、云南、广东、甘肃等地的土地开发整理项目实施检查和占补平衡项目考核工作中得到了应用,大大提高了现场调查工作的质量和效率,使复杂的现场调查工作变得更高效、更主动。研究及实践表明,对GPS、移动GIS技术进行整合开发是解决土地整理现场调查工作中所存在问题的有效手段,可大大提高现场调查工作的质量和效率。     

基于四维变分和集合卡尔曼滤波同化方法的冬小麦单产估测

为了通过数据同化方法提高冬小麦的估产精度,以陕西省关中平原为研究区域,采用标定的CERES-Wheat模型模拟8个典型样点冬小麦整个生育期的叶面积指数(LAI),通过四维变分(4DVAR)和集合卡尔曼滤波(En KF)2种同化算法同化CERES-Wheat模型模拟的LAI和遥感数据反演的LAI,获得单点尺度的LAI同化数据,将单点尺度的LAI同化值扩展到区域尺度,对两种同化方法的单点尺度和区域尺度的同化结果进行对比与分析。结果表明,两种同化方法均能综合遥感反演LAI和模型模拟LAI的优势,使LAI同化值更符合冬小麦LAI的实际变化规律;在单点尺度和区域尺度上,En KF-LAI均更能反映关中平原冬小麦的实际生长状况。采用En KF-LAI构建关中平原冬小麦估产模型估测2008年和2014年的冬小麦单产,通过实测单产对估产模型进行验证,结果表明,2008年样点估测单产与实测单产的相对误差均小于15%,部分县估测单产与实测单产的相对误差均小于10%;与2014年模拟单产与实测单产间的相对误差相比,估测单产与实测单产间的相对误差降低0.57%~9.30%,RMSE降低217 kg/hm2,其中,8个样点的估产精度达到94%以上,表明组合估产模型的估产精度较高。     

基于GF-1 WFV数据的玉米与大豆种植面积提取方法

准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。     

基于Landsat数据的条件植被温度指数升尺度转换方法

以陕西省关中平原为研究区域,应用点扩散函数、混合像素面积权重法和中值像素变异权重法将基于Landsat卫星遥感数据反演的分辨率为30 m的条件植被温度指数(VTCI)干旱监测结果上推至930 m的干旱监测结果,并与Aqua MODIS数据反演的分辨率为930 m的VTCI干旱监测结果进行对比分析,以期为两种空间尺度的干旱监测结果的综合应用提供技术支持。以MODIS数据反演的VTCI为参考,应用相关系数、均方根误差、半变异函数的估计值和图像纹理特征等对尺度上推的VTCI进行评价。结果表明,点扩散函数和混合像素面积权重法的尺度上推效果均较好,而中值像素变异权重法的尺度上推效果较差,说明点扩散函数和混合像素面积权重法均适用于研究区域VTCI干旱监测结果的尺度转换,且点扩散函数的数据处理过程更为简单。典型样点VTCI的尺度上推结果表明,空间异质性越小,尺度上推的结果越好。     

基于SHAW模型的冬小麦近地面层气温模拟

利用一维多层水热耦合SHAW（The simultaneous heat and water）模型,在田间实验的基础上,模拟河南省商丘地区2015年冬小麦拔节后近地面层0~40 cm垂直方向上的每小时气温变化特征。结果表明,冬小麦近地面层气温模拟整体效果较好,其中48%模拟的绝对误差低于1℃,75%模拟的绝对误差低于2℃,不同高度上模型效率ME均大于0.94;夜晚气温的模拟效果优于白天的模拟效果,白天11:00—14:00气温被过低估计,并随着近地面层高度的增加,模拟值误差越大;近地面层内3种气温特征值模拟效果的优劣依次为：日平均气温、日最低气温、日最高气温,其中,日平均气温模拟值与实测值基本吻合,日最低气温被略微高估,日最高气温被过低估计。此外,SHAW模型在冬小麦拔节后6个生育期的模拟效果均存在差异,拔节期、灌浆期和乳熟期模拟效果较好,孕穗期和开花期次之,抽穗期模拟效果相对较差。     

基于SupReMe影像重建和RF的玉米冠层LAI反演

针对Sentinel-2卫星影像拥有3个对植被生长状况非常敏感、空间分辨率为20m的红边波段（705、740、783nm）,其空间分辨率与可见光和近红外波段10m的空间分辨率不一致,使Sentinel-2影像应用受到限制的问题,基于多光谱多分辨率估计的超分辨率（Super-resolution for multispectral multiresoltion estimation, SupReMe）算法将空间分辨率20m的6个波段重建为10m;以重建后的影像为数据源,耦合PROSAIL辐射传输模型和随机森林模型反演玉米冠层叶面积指数（LAI）,并以野外实测LAI验证其反演精度。结果表明,采用SupReMe算法对Sentinel-2影像进行重建后,在保持光谱特性不变的同时提高了影像的空间细节;基于重建影像和原始影像的LAI反演决定系数R2分别为0.70、0.68,均方根误差RSME分别为0.240、0.262。研究表明,利用SupReMe算法重建后的Sentinel-2卫星影像,能够在提高玉米冠层LAI反演空间分辨率的同时提高反演精度,在挖掘高分辨率农作物生长信息方面具有很大潜力。     

基于条件植被温度指数的冬小麦主要生育时期干旱监测效果评价Ⅲ——干旱对冬小麦产量的影响评估

选取关中平原2002-2009年冬小麦越冬后每年3-5月9旬的条件植被温度指数（CVTI）遥感干旱监测结果,基于归一组合赋权法确定的冬小麦越冬后四个主要生育时期干旱对产量影响的最优权重,建立关中平原4市（不包括铜川）冬小麦每年的加权CVTI与单产间的一元线性回归模型,并对冬小麦的单产进行了估算。结果表明,2002-2009年关中平原冬小麦单产在波动中呈上升趋势,中部单产较高,西部次之,东部最低。基于关中平原4市的整体产量估算模型预测西安市部分区县2010年的单产,取得较好的结果,验证了关中平原4市的整体产量估算模型具有较好的精度,能够较准确地反映关中平原干旱对冬小麦产量的影响。     

基于WOFOST-SHAW耦合模型的冬小麦冠层气温模拟

以河南省商丘地区为研究区域,在田间实验的基础上,对WOFOST模型和SHAW模型进行本地化标定,利用WOFOST-SHAW模型模拟2016年冬小麦拔节期-成熟期冠层0~80 cm高度每小时气温的变化特征,并将其模拟结果与实测数据进行对比。结果表明,利用WOFOST-SHAW模型模拟的冬小麦冠层,除了80 cm高度,气温的模型效率均大于0.90,超过75%的模拟气温的绝对误差在-1.5~2.5℃之间,说明冠层气温的整体模拟精度较高。WOFOST-SHAW模型对冬小麦冠层各高度的日最低气温的模型效率平均值为0.86,日最低气温模拟值偏高0.53℃,说明冠层日最低气温的模拟值与实测值吻合度较高。同时冬小麦易受冻高度层模拟气温能准确地反映0℃以下的冠层日最低气温,因此,WOFOST-SHAW模型可以很好地模拟冠层气温,提升SHAW模型的适用性,可为冬小麦晚霜冻害的监测提供参考依据。