绿叶对根的思念

市场现有的树叶影像由摄影暗房药剂配制而成,其价值和意义都不大。这里介绍的绿叶影像是采用新鲜绿叶与摄影技术融汇在一起的技术。其技术工艺:1.将采摘的新鲜绿叶用渗透剂浸泡半小时取出凉干。再用毛蓬纸包好绿叶压在1.2厘米厚的白玻下整平备用。2.取出涂过渗透剂的绿叶放在影像仪内直接着色(影像仪感光材料厂有售)约1分钟,彩色人物树叶像即制作成功,再装饰于镜框中即可。3.每个树叶像综合制作成本0.3—0.8     

川西南山地区土地资源,土壤侵蚀遥感

采用多级遥感信息源和多种资料综合分析对川西南山地区的典型地段西昌市进行大比例尺土地资源和土壤侵蚀遥感调查，同时研究土壤侵蚀与土壤，植被坡度，土地利用，水保措施等因子的数量关系，提出土壤侵蚀定量评价的实用方法。     

理化复合参数和神经网络结合的冬小麦长势遥感监测

准确、及时地监测区域作物长势状况对农业规划和政策的制定与调整具有重要的意义。遥感技术作为一种收集大面积作物长势信息的有效手段,正日益受到关注。为提高冬小麦长势遥感监测的准确性和全面性,该研究基于田间实测的冬小麦拔节期地上鲜生物量（aboveground fresh biomass,AFB）、叶面积指数（leaf area index,LAI）、叶片叶绿素相对含量（soil and plant analyzer development,SPAD）和叶片氮含量（leaf nitrogen content,LNC）4种生长相关理化参数,利用熵值法获取各参数权重构建冬小麦理化复合参数（physico-chemical composite parameter,PCCP）。利用显著性检验和籽粒产量数据分析复合参数在量化冬小麦长势方面的性能。然后,以Sentinel-2A作为数据源,分析不同遥感指数与LAI、SPAD、AFB、LNC和PCCP的相关性。选取相关性较高的遥感指数作为反向传播（back propagation,BP）人工神经网络（artificial neural networks,ANN）的输入,建立冬小麦长势遥感监测模型,对PCCP进行估计。评价模型精度并用于监测研究区冬小麦长势分布特征。赋权结果表明,作物物理参数的权重大于生化参数,其中LAI的权重最大,为0.387,AFB和SPAD次之,LNC的权重最小,为0.105;PCCP性能评估结果表明,与单一理化参数相比,PCCP值能更好地揭示作物长势状况的差异,其与最终籽粒产量的相关性更好, 决定系数提高0.035～0.468,均方根误差减少46.2～520.0 kg/hm²;在遥感监测过程中,PCCP比单一理化参数有更好的应用潜力,BP-ANN长势遥感监测模型模拟PCCP精度较高,在测试集中决定系数为0.830,均方根误差为0.080;研究区冬小麦总体长势稳定且分布集中,呈现"中部差,南北好"的空间分布特征。因此,构建作物理化复合参数用于量化作物长势是提高长势监测可靠性和准确性的一种有效方式,可为冬小麦田间管理提供科学依据,服务于发展智慧农业和建设农业强国的战略需求。     

矿区生态监测的地理加权遥感生态指数构建及评价

矿区生态是陆地生态系统的重要组成部分,准确监测矿区生态对保护生态环境、维持生态平衡具有重要意义。遥感技术为矿区生态监测提供了有效手段,针对遥感生态指数（remote sensing ecological index,RSEI）在矿区生态监测中存在监测精度低、针对性弱和指标权重空间上均一化问题,该研究对RSEI进行了改进。首先,考虑矿区特殊的生态成因,在绿度、热度、湿度、干度的基础上加入煤尘污染因子构成矿区遥感生态指数;然后,利用地理加权主成分分析法确定各指标的空间权重,构建了地理加权遥感生态指数（geographically weighted-remote sensing ecological index,GW-RSEI）;最后,以山西省大同煤田为例,基于多期遥感影像对GW-RSEI在矿区生态监测中的有效性、适用性进行了验证。结果表明：GW-RSEI能准确捕捉矿区大气中的煤尘污染,从整体和局部尺度实现了矿区生态的精准监测,有效提高了矿区生态监测的精度;地理加权主成分分析法能够明确表征矿区生态的空间异质性和生态环境变化的空间连续性;2000—2020年大同煤田的GW-RSEI均值分别为0.51、0.48、0.46、0.59、0.56,整体生态环境经历了先恶化后改善的过程,其东南部生态环境变化趋势与整体一致,而西北部生态环境呈现先改善后恶化的变化趋势。研究成果为准确监测矿区生态提供了一种更加科学、有效的方法。     

东北黑土区侵蚀沟普查结果实测验证

通过典型区侵蚀沟实地测量,对2013年国家公布的基于遥感解译的东北黑土区沟蚀普查结果进行验证,为黑土区沟蚀危害评价和防治提供科学依据.选取沟蚀严重的450 km2的漫川漫岗黑土区为实测调查区域,采取人工实地判断并系统测量侵蚀沟立体形态特征参数、记录侵蚀沟背景信息,将实测结果与所在区域国家普查公告结果比对分析.结果表明:...     

广东省森林资源“天-空-地”一体化监测构建与应用

充分利用卫星遥感、无人机、互联网等先进技术,搭建森林资源监测平台,结合森林生长模型,构建了广东省森林资源“天—空—地”一体化监测体系。在多年的生产实践过程中,该体系及时的掌握广东省森林资源消长变化,实现了对森林资源变化的快速提取、现场取证和实时在线更新,并为各级林业主管部门决策提供准确的数据支撑,进一步提高了森林资源管理和信息化水平。     

遥感和作物模型技术耦合现状和发展趋势

随着科学技术不断发展,遥感技术与作物模型的耦合可以预估作物产量,具有非常重要的研究价值。本文目的是应用科学的计量学方法来统计遥感和作物模型领域中重要的研究成果,通过CiteSpace软件进行可视化分析,并对这些数据进行分析,所得结论不仅了解遥感领域和作物模型研究领域的作者之间联系,并且结论极大有助于对作物模型和遥感技术耦合领域的探索研究。结合当前的研究现状,通过对CiteSpace软件进行数据化分析并对其未来发展趋势做出展望。     

基于Landsat-8OLI数据的植被覆盖度反演模型研究——以西安市雁塔区为例

植被覆盖度遥感反演模型是用定量的方法来估算研究区范围内植被的覆盖分布。本文主要利用Landsat-8OLI遥感数据分别提取3类常用植被指数包括归一化植被指数NDVI、增强植被指数EVI、比值植被指数RVI,根据像元二分模型建立植被覆盖度反演模型。同时利用交叉验证的方式对其估算模型进行验证,来反映估算模型的精度。     

基于GF-6/WFV卫星遥感的大田冬小麦叶片氮素含量估测

为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（RED_ref）、近红外波段反射率（NIR_ref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r²=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm²,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。     

基于无人机RGB影像的染条锈冬小麦花青素含量监测

小麦植株感染条锈病后叶片花青素含量会发生明显变化。为了在地块尺度上利用冬小麦花青素值实现条锈病害的直观、快速监测,通过监测叶片花青素含量评估小麦条锈病严重程度,2021年获取感染条锈病的小麦田块的无人机RGB影像和采集地面病害区域的花青素含量数据,利用影像提取采样点感兴趣区的光谱特征参数和基于灰度共生矩阵的纹理特征参数,采用连续投影算法(SPA)结合相关性分析优选特征参数,分别采用单一光谱特征参数和组合参数,结合主成分回归(PCR)、拉索回归(LR)、随机森林回归(RFR)、梯度提升回归(GBR)和误差反向传播神经网络(BPNN)等方法构建了小麦花青素含量估算模型,并利用最优模型反演了田块的花青素含量。结果表明,图像光谱特征结合纹理特征后,花青素估算模型的R²增大,RMSE减小,模型精度显著提升。基于组合特征参数构建的随机森林模型精度最高,验证集R²、RMSE和MAE分别为0.801、0.026、0.021。该模型具有良好的花青素含量估算能力,得到的花青素值分布图与条锈病的空间分布具有一致性,能够定量化、可视化地反映病害严重程度。