基于无人机影像的冠层光谱和结构特征监测甜菜长势

甜菜是中国北方地区重要的经济作物。快速、准确、高通量的获取甜菜的地上部和块根鲜质量、块根含糖率、叶绿素含量对甜菜生产具有重要意义。该研究采用无人机搭载数码和多光谱相机,获取甜菜叶丛快速生长期、块根及糖分增长期和糖分积累期的数码影像和多光谱影像,提取了冠层的结构特征和光谱特征。选择随机森林回归（Random Forest Regression,RFR）和偏最小二乘回归（Partial Least Squares Regression,PLSR）2种建模方法基于获取的冠层特征,构建甜菜全生育期的地上部和块根鲜质量、块根含糖率和SPAD（Soil and Plant Analyzer Development）值估算模型。研究结果表明,随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.9～0.94、0.88～0.9,rRMSE范围分别为7.6%～17%、8.8%～20%。对SPAD值的预测均较弱,R2分别为0.66和0.67。为了减小输入变量集的大小以及去掉对预测不敏感的变量,该研究采用置换重要性（Permutation Importance,PIMP）来筛选冠层光谱特征和结构特征中对预测有重要影响的变量。结果表明基于筛选出的重要性特征构建的随机森林回归模型和偏最小二乘回归模型对地上部和块根鲜质量、含糖率都做出较好的预测,R2范围分别为0.89～0.94、0.74～0.91,rRMSE范围分别为7.3%～19%、7.6%～19%。对SPAD值的预测均较弱,R2分别为0.65和0.68。进一步表明随机森林回归模型在精度上略好于偏最小二乘回归模型。同时基于PIMP筛选变量的方法在保持原有精度的同时能实现降低数据收集复杂性的目的。研究结果为基于无人机遥感技术快速、准确监测甜菜长势和估测块根类作物的根部活性物质提供了参考。     

基于网络RTK的离心式无人机变量施药可行性初探

针对植保无人机施药准确性和作业效率需求的提高,验证网络实时动态(Real-Time Kinematic,RTK)载波差分技术在无人机施药上的可行性,设计了一种基于网络RTK的离心式变量施药系统。采用STM32F103为控制核心,通过串口获取GPS定位信息,并连接DTU模块实现网络RTK技术,通过脉冲宽度调制(Pulse Width Modulation,PWM)技术调节占空比的大小,从而调节离心喷头的转速以及蠕动泵的流量。系统在工作时,通过农情信息完成处方图构建,通过高精度GPS模块获取经纬度信息,在施药过程中系统实时检索无人机所在位置,调出处方决策信息,按照处方信息调节离心喷头和蠕动泵的输出比例,从而控制无人机的施药粒径大小和施药量大小,并将作业数据上传至监控平台。通过试验表明系统能正确执行变量施药任务;在使用离心喷头进行变量施药任务时,受到系统稳定性和离心喷头特性的影响,在处方交界区域会存在一个不稳定区域;离心喷头在较高转速下进行变化时,在处方交界区域粒径大小的变化越平滑。该结果满足预期试验设计,可为植保无人机变量施药技术改良提供基础与参考。     

基于GF-1和Sentinel-2时序数据的茶园识别

由于茶园大多分布在地形复杂的山区,地块破碎,分布零散,形状差异大、植被混杂且茶园所处环境长期受到云雨的影响,增加了茶园遥感识别的难度与不确定性,针对这一问题,该研究提出了利用高分1号(GF-1)和哨兵2号(Sentinel-2)时序数据提取茶园的方法,以浙江省武义县王宅镇为研究区,采用GF-1号为主要数据源,并利用MODIS地表反射率产品和Sentinel-2反射率数据,基于时空融合算法得到时间分辨率5 d的10 m Sentinel-2完整的时序数据。综合利用GF-1在空间细节方面的优势和重建的Sentinel-2高观测频率时序数据在反映茶树生长过程方面的优势,分别基于GF-1的光谱和纹理特征及GF-1的光谱、纹理特征和Sentinel-2时序特征两种特征组合方式,采用随机森林算法提取茶园。结果表明,GF-1光谱、纹理信息结合Sentinel-2时序信息分类结果的准确率、错误率、精确率、召回率和F1分数分别为96.91%、3.09%、89.00%、83.09%和0.86,仅基于GF-1光谱和纹理信息的分类准确率、错误率、精确率、召回率和F1分数分别为94.72%、5.28%、73.09%、84.61%和0.78,添加时序信息分类结果总体优于未添加时序信息的分类结果。表明高空间分辨率结合高频率时序遥感数据是提高茶园分类精度的有效手段。     

砒砂岩区水土流失治理措施调研

通过对砒砂岩区治理水土流失的生物措施及工程措施进行调研,本文对最适合砒砂岩区生长的油松、沙棘、柠条的特点进行了详细的调查分析,给出砒砂岩区植被建设的几点建议.提出了砒砂岩区综合治理的总体思路,并总结了不同类型砒砂岩区的措施空间配置模式.生物措施方面以沙棘作为砒砂岩区生物措施治理的突破口,在立地条件较好的地方栽种油松、柠条,在造林方式上宜采用混交造林;在工程措施方面要结合沙棘植物"柔性坝"技术,以大、中型拦泥库为骨架,以淤地坝为主体,建设支流坝系.实现淤粗排细,改善进入下游河道的水沙条件及泥沙组成.     

Google Earth Engine平台支持下的南流江流域生态环境质量动态监测

为探究南流江流域2000—2019年生态环境质量的时空变化,利用Google Earth Engine（GEE）平台对2000—2019年南流江流域Landsat影像进行优化重构,并耦合植被绿度、湿度、地表温度、土壤干度等生态环境指标,构建遥感生态指数（RSEI）模型对南流江流域生态环境质量进行监测和评价。结果表明：2000—2019年南流江流域生态环境质量呈现逐年好转的态势,RSEI均值从2000年的0.543 4增长至2019年的0.636 4;南流江流域生态环境质量面积变化主要以中等生态风险等级向良生态等级转移为主,其中流域上游的中生态等级面积占比减少29.90个百分点,下游的良生态等级面积占比增加28.11个百分点。研究表明,使用GEE平台重构年度无云影像,可以对常年多云覆盖区的生态环境质量进行长时序的监测和评价。     

黑土小流域沟道分布遥感监测及主控因素研究

为了对典型黑土区小流域沟道分布进行遥感监测,并解析影响其发育的主控因素,选择黑龙江省海伦市光荣村为研究区,通过对遥感影像和地形图的目视解译判读和空间分析,量化汇水区面积、坡长等12个变量,结合对264条切沟与等高线分布关系的地貌学分析、统计分析和野外详查,解译地表径流和机耕道作用等6种情形,对典型黑土区小流域切沟发育主控因素进行探讨。结果表明,研究区林地面积大小不能直接控制切沟发育,林地内活跃沟长占活跃切沟总长的46.2%。小流域汇聚坡是切沟发育的典型地形,沟长占总长的68.1%,汇聚坡导致地表集中径流,沟长占总长的63.0%。汇水区面积和坡长是影响沟长的最主要因素,而小流域坡度是影响沟密度的显著因素。同时,切沟侵蚀多伴生于农田机耕道路一侧,机耕道旁沟长约占其总长的23.3%。研究表明,黑土区切沟侵蚀主要与机耕道促进地表径流的作用密切相关,侵蚀沟综合治理必须考虑小流域景观布局和山水林田湖草综合治理,应将农田机耕道路周边大型活跃切沟防控作为黑土区保护的重中之重。     

利用动态阈值决策树分类的华北平原冬小麦动态监测

华北平原是中国最大的粮食生产基地,准确监测其冬小麦种植面积及其变化对粮食产量预测和国家粮食安全具有重要意义。然而,不同土地利用产品所估算的小麦面积、空间分布及其动态均存在较大分歧,不能有效反映出冬小麦的长期变化特征。该研究结合作物物候特征和已有小麦专题数据产品,首先构建动态阈值决策分类算法,以降低传统方法在阈值设定和样本筛选方面的不确定性;进而分析了2003—2022年华北平原区冬小麦播种面积的长期变化规律。结果表明：1）该研究提出的动态阈值决策分类算法能准确地提取冬小麦面积,平均总体精度为93.44%,且与统计数据具有较高的一致性;2）2003—2022年华北平原冬小麦种植面积整体呈上升趋势,不同地区变化类型差异较大;3）研究时段内,持续种植冬小麦的耕地面积仅占各年份种植范围总面积的5%,种植次数低于10 a的面积占比达55%;4）河北中南部、山东省西部和河南省中北部冬小麦种植面积相对稳定,京津冀地区以及山区冬小麦播种面积变化相对频繁。该研究可为大尺度冬小麦动态监测提供了新的方法视角,并对科学制定耕地调控策略具有重要意义。     

农田环境下无人机图像并行拼接识别算法

为改善在农田环境下无人机图像计算速度和效率,该研究提出了一种农田环境下无人机图像并行拼接识别算法。利用倒二叉树并行拼接识别算法,通过提取图像拼接中的变换矩阵,实现拼接识别同时进行。根据边缘设备的CPU核心数和图像数量自动将图像拼接识别任务划分为多个子进程,并分配到不同核心上执行,以提高在农田环境下的计算效率。试验结果表明：相同试验环境和数据集条件下,倒二叉树并行拼接算法的拼接耗时相较于商业软件平均减少了60%～90%左右;在农田环境下,倒二叉树并行拼接识别相较于串行拼接识别的耗时减少了70%,图像识别的平均像素交并比提升了10.17个百分点,说明在农田环境下采用多线程倒二叉树并行算法可以更好地利用农田环境下边缘设备的计算资源,大幅提升无人机图像的拼接和识别的速度,为无人机的快速实时监测提供技术支撑。     

融合光谱混合分解与面向对象的土地利用/覆被分类

错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面,混合像元模糊了地物的光谱信息,影响了分类精度。另一方面,如何高效利用地物的光谱、形状和纹理特征是当前土地利用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度,该研究基于Sentinel-2A遥感影像,开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先,基于地物的光谱、形状和纹理特征,在3个分割尺度通过NDWI（Normalized Difference Water Index)、NDVI（Normalized Difference Vegetation Index）、SBL（Soil Background Level）等8个特征参数构建了不同地物信息的提取规则。其次,利用光谱混合分解模型提取研究区基质（SL;岩石和土壤）、植被（GV;光合作用叶片）和暗色物质（DA;阴影和水）3类通用端元。最后,尝试融合3端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息提取规则,使用模糊函数、阈值法进行土地利用/覆被分类,获得了较高的分类精度,总体精度为80.83%,Kappa系数为0.76。2）融合3端元的光谱特征的提取规则将分类精度提升至90.00%,Kappa系数提升至0.88。3）具有明确物理意义的3端元的融入增强了像元内各组分信息的差异性,弥补了传统光谱指数对植被与土壤间的亮度信息解析度不足的缺陷。该方法能充分利用影像的光谱信息,是一种由易到难、对不确定因素进行逐层剥离的土地利用/覆被信息提取技术。因此,对中高分辨率的多光谱遥感影像十分友好,在土地利用/覆被的精细化分类中有较大应用潜力。     

泛第三极典型地区土地利用和水保措施解译精度分析

[目的]进行泛第三极典型地区抽样单元土地利用和水土保持措施遥感解译精度评价,提高高分辨率影像的解译正确率,分析解译结果的区域代表性。[方法]于2018—2019年在中国西藏、泰国清莱和巴基斯坦地区分别选取9个、18个、15个抽样单元进行野外调查。以野外调查的土地利用结果作为参照,通过混淆矩阵、土地利用变化转移矩阵分析基于Google Earth影像进行土地利用和水保措施判读的精度;通过与参考数据集土地利用结构的对比,分析解译结果的区域代表性。[结果]①3个典型样区土地利用解译精度较理想,总体分类精度在80%以上,平均kappa系数分别为0.74,0.75和0.82;②与野外调查结果相比,3个典型样区水土保持措施解译结果比较理想;③遥感抽样解译的结果与GLC 30 m,GLC 10 m数据集的土地利用结构相似度较高。[结论]基于高分影像解译土地利用类型和水土保持措施的结果与野外调查的结果一致性较好,且符合参考数据集的土地利用结构,抽样单元遥感解译结果对于土地利用的宏观特征结构有较好的区域代表性表达。