基于主成分分析的叶面积指数尺度效应

为描述多空间尺度观测数据在表达同一区域农作物叶面积指数(LAI)分布特征时存在的差异,该文提出了一种基于主成分分析(PCA)的LAI尺度效应分析方法。该方法充分考虑了多尺度数据的相关性与差异性,从统计分析角度出发,采用PCA进行数据挖掘和信息重组,引入动态多元线性回归模式基于主成分信息(PCs)反演估算LAI,进而定量描述尺度效应。选取大麦和玉米为试验对象,先以地面最细空间尺度观测数据为基准,通过尺度上推构建一系列不同空间尺度数据;再依据上述尺度效应分析方法进行有效信息提取和LAI估算,并纳入有效主成分个数(NEPCs)、决定系数(R2)和平均相对精度(MRA)等参数定量描述尺度效应。理论分析和数值实践证实了该方法在农作物LAI尺度效应定量分析中的可行性和有效性。     

中国种植制度时空变化及驱动力综述

种植制度是影响粮食安全的重要因素.种植制度的时空变化规律及其驱动力研究对于深刻认识农业土地利用的过去和现在并预测将来可能的发展趋势,评估我国粮食安全风险具有重要的意义.通过对近年来我国种植制度重要组成要素:熟制、种植结构等方面的变化及驱动力进行系统的总结和分析,分别归纳了熟制变化及主要驱动因素以及种植结构调整及主要驱动因子等方面的相关文献,并总结了熟制变化、种植结构调整的现状和可能的发展趋势以及应注意的主要问题,以期为种植制度调整策略提供借鉴.     

基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于多时相和多角度光谱信息的作物株型遥感识别初探

作物群体具有一定的冠层几何结构(株型),对于不同株型的品种,在相同的叶面积指数时冠层反射光谱往往不同,使得利用冠层反射光谱来反演叶面积指数等生物物理和生物化学参数时存在不同株型产生的误差,该文定量研究了不同叶面积指数条件下,作物株型对冠层反射光谱的影响,并提出运用波长800 nm处起身期的冠层反射光谱与该波长处拔节期和起身期冠层反射光谱的比值,可以初步实现高密度披散型品种、低密度披散型品种、高密度中间型品种、低密度中间型品种、高密度直立型品种和低密度直立型品种的遥感识别,结合一定条件下选取的15°、30°和45°观测天顶角下,与可见光和近红外波段(波长)处的二向反射冠层反射光谱数值大小进行结合,可以初步实现作物株型的遥感识别。     

基于ESTARFM模型的区域农田高时空分辨率影像产生与应用

多时相遥感影像特别是关键生育期数据是农业物候、长势及产量监测的重要数据源,然而可见光影像易受云雨干扰,在特定区域关键时间窗口缺少高时空分辨率数据的现实情况下,遥感影像时空数据融合方法变得尤为重要。增强型自适应反射率时空融合模型 ESARFM (Enanced Spaial and emporal Adapive Reflecance Fusion Model)是一种小区域合成高时空分辨率影像的较好方法,该算法在我国不同农业种植区的适应性及应用工作尚未充分展开。本文以河北、黑龙江、新疆典型农区为研究区域进行大面积应用检验分析,基于 MODIS 与 Landsa 影像,利用ESARFM 生成具有高时空特征的 Landsa 模拟影像,将其与真实 Landsa 影像进行对比,并在新疆地区展开ESARFM 算法在 NDVI 方面的应用。结果表明, ESARFM 对 3 个不同区域状况的地区都有较好的影像预测能力,并且在新疆地区可以很好地生成 30 m 空间分辨率的多时相 NDVI,用于作物分类和长势监测。     

基于数字照片特征的小麦覆盖度自动提取研究

植被覆盖度是农作物的一个重要参数.本文利用数字相机获取田间小麦冠层影像,通过基于特征的自动影像分类估测覆盖度和叶面积指数.在分析数字影像中小麦和背景特征的基础上设计了小麦覆盖度的提取算法,并开发了一个对影像进行自动分类提取小麦覆盖度的程序包.该方法综合 ISODATA无监督分类的快速、操作简便的优点和最大似然法监督分类精度高的优点,分类精度达90%左右.此外还分析了自动分类的误差来源,提出了改进办法,指出了自动分类方法的适用范围.     

基于高分辨率影像的蔡家河流域人工林Crop Science单木提取与缺失检测

以北京市延庆区蔡家河流域人工林为研究对象,以蔡家河流域平原造林区的高分辨遥感影像为数据源,利用ENVI 5.4的Crop Science工具包分别对阔叶林和针叶试验林样区进行单木提取、缺失单木检测,并对研究结果进行精度评价和对比分析。结果表明:Crop Science对人工幼林进行单木提取效果较好,总体精度达到94%以上;缺失单木的识别受林木排列规整程度影响较大,排列越规整,提取效果越好。本研究探索了一种基于高分辨率遥感数据进行人工林地单木定位、计数及缺失单木查找的简便可行的方法,有利于林业管护人员快速获取高精度林木监测信息。     

用多角度光谱信息反演冬小麦叶绿素含量垂直分布

由于作物叶片具有一定的叶位空间垂直结构(倒一叶、倒二叶、倒三叶、倒四叶、倒五叶等)，且存在不同叶位叶绿素等生化组分垂直分布的特性，该研究提出利用遥感数据反演作物养分垂直分布，尤其是作物中、下层信息的方法。运用多角度光谱信息，通过不同角度条件下，反映的作物上层、中层、下层信息的差异等通过构建基于不同观测天顶角条件下的冠层叶绿素反演指数的组合值，形成上层叶绿素反演光谱指数、中层叶绿素反演光谱指数和下层叶绿素反演光谱指数来反演作物叶绿素的垂直分布，达到了极显著的水平。表明运用基于多角度光谱信息的光谱指数组合能够较好的反演作物叶绿素含量的垂直分布。对于生产上迫切需要对作物中、下层叶片氮素或叶绿素状况的监测来指导适时和适量施肥，保证获得既定的作物产量和品质目标，提高肥料利用率有重要意义。     

全国县域复种指数时空变化特征研究

复种指数是衡量耕地资源集约化利用程度的基础性指标,提高复种指数是粮食持续增产的重要途径之一.为分析全国复种指数变化特征、空间差异、重心迁移,系统收集耕地面积、农作物总播种面积等数据,基于GIS空间展示与分析,应用重心分析法、全局空间自相关、局部空间自相关等方法,研究全国复种指数时空变化特征.结果显示:(1)1998年,全国复种指数最高,达到165％,目前保持在123％左右.(2)从空间上看,复种指数呈现从北到南逐渐增加的趋势;从时间上看,复种指数大多数地区呈现"上升—降低—上升"的趋势.1995年,复种指数在201％～300％之间的区域范围最大,之后2005年和2015年不断减少,同时有向西北方向移动的趋势.1985—2015年,全国复种指数上升区域主要集中在东北、黄淮海、西南、四川盆地农作区,下降区域主要集中在北部低中高原、长江中下游(东南部)、江南丘陵、华南农作区.(3)1985—2005年空间上的聚集态势增加,2005—2015年降低.与1985年相比,2015年全国复种指数重心向西南移动33 km,其中复种指数<100％的重心向东南移动433 km,复种指数100％～200％的重心向东北移动104 km,复种指数>200％的重心向东北移动319 km.我国复种指数存在空间上的自相关性,南方地区复种指数降低、重心向西南迁移,是我国复种指数变化的最重要特征.     

基于遥感数据与作物生长模型同化的作物长势监测

遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。