基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点,探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像,经过光谱预处理和特征工程后,采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合,基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法,建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve,AUC)分别为0.883 0和0.912 0,分类准确率均超过95%;提取出698和762 nm的特征波长组合,基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率,证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

3种遥感产品检测黄土高原森林变化及差异比较

基于Landsat Vegetation Continuous Fields（LVCF）、MODIS Vegetation Continuous Fields（MVCF）和MODIS Land Cover（MODLC）等遥感产品和森林清查数据（NFI）检测2000-2015年黄土高原森林分布及变化。结果表明:1）2000-2015年黄土高原森林覆盖度升高,基于LVCF和MVCF的全区森林覆盖度均值分别由2000年的7.8%和9.6%增加到2015年的9.7%和13.2%。2）遥感产品估算的森林分布空间格局和面积差异较大,基于LVCF、MVCF和MODLC估算的黄土高原森林面积在2000年分别为726.6×10⁴、604.7×10⁴ hm²和325.1×10⁴ hm²,2015年分别为926.2×10⁴、998.3×10⁴ hm²和400.1×10⁴ hm²。3）遥感产品估算的省级尺度上森林面积与NFI的不一致性因省份和年份而异,LVCF与NFI一致性整体略优于MVCF,MODLC与NFI差异最大且估算的森林面积远低于LVCF、MVCF和NFI。4）遥感产品检测的陕西和山西2省的森林面积增加值与NFI一致性高于宁夏;基于遥感产品估算的宁夏森林面积及增加幅度均远低于NFI。     

基于主被动遥感技术的地表覆被类型变化检测方法——以新疆西天山国家级自然保护区为例

旨在研究主被动遥感结合的地表覆被变化监测方法,使用高分数据和哨兵1号数据分别代表被动和主动遥感,对新疆西天山国家级自然保护区地表覆被变化情况进行检测,进而对得出的林地、草地、建筑物检测结果进行联合分析,最终得到主被动遥感联合变化检测结果。通过实地精度检验对主被动遥感联合变化检测结果进行验证。结果表明,该方法的变化检测结果精度达到90%以上。说明结合主动遥感和被动遥感既能克服天气的影响,又能在检测中保留光谱和纹理等丰富的信息,变化检测的精度较高;主被动遥感联合变化检测可以较为快速、准确地掌握地表覆被类型的变化,能够在一定程度上减少被动遥感数据的云量困扰。并且该方法在林地和建筑物上有较高的敏感性,适合森林自然保护区的森林变化和建筑监测。     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

农机远程智能管理平台研发及其应用

本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题,首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则,本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下,平台部分关键技术的实现方法,包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等,并提出了以地块为核心的管理平台建设思路;同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。     

北疆盐碱地空间分布特征分析

为了探究北疆盐碱地空间分布过程中盐碱化程度与经度、纬度及海拔高度之间的关系,基于1985年土壤调查结果,结合2015年Landest 8遥感解译去除人工绿洲结果,采用2 km×2 km网格单元,以盐碱地面积占总面积的比例作为检验区域盐碱化程度的指标,对盐碱地分布情况进行统计和分析。结果表明,北疆地区盐碱化程度受地形和降水的影响明显,特别是受土壤类型的影响更为密切;北疆地区盐碱化程度,由西向东呈增大趋势（P=0838）,主要集中分布在E90°～E96°范围内,盐碱土占总面积的比例为7562%;由南向北呈减小趋势（P=-0768）,主要集中分布在N40°～N43°范围内,盐碱土占总面积的比例为7782%;由低到高呈减小趋势（P=-0767）,主要集中分布在-160～500 m范围内,盐碱土占总面积的比例为4741%。北疆盐碱地空间分布特征的分析对于揭示北疆盐碱化程度的变化规律,促进北疆盐碱土资源的合理开发和维持地区生态安全具有重要的意义。     

升金湖湿地生态系统健康评价与越冬候鸟的响应

湿地生态环境及越冬水禽是升金湖自然保护区主要保护对象,其生态系统健康评价对生态系统修复及越冬水禽数量的恢复具有重要意义。利用ERDAS软件将1986、1990、1995、2000、2004、2008、2011及2015年共计8个年份冬季的TM影像数据解译划分为8种景观类型,用FRAGSTATS软件计算出各个年份的景观指标。根据升金湖湿地压力、状态、响应3方面选取10个指标,构建了升金湖湿地生态系统健康评价指标体系,利用逻辑斯蒂增长曲线模式(Logisticgrowthmodel)对这些单项指标进行评价,然后运用层次分析(AHP)的方法确定各个单项因子在指标体系中的权重,最后对1986到2015年升金湖湿地生态系统运用综合评价模型进行综合的评价分析。2015年升金湖生态系统健康综合评价值为0.430,属于亚健康的状态,应及时加强升金湖湿地生态保护措施。通过1995年与2015年对比得知人口密度增长10%以上,人类干扰指数增长了6.685,人类的干扰压力是导致湿地功能下降的主要因素;从状态分析与响应分析可以看出升金湖湿地修复功能处于不稳定的状态。通过越冬候鸟数量与湿地生态系统健康的关系可以看出越冬侯鸟数量的变化是随着湿地的生态系统健康评价状况变化而变化。     

高压直流接地极对埋地管道的干扰监测及影响规律

为了掌握高压直流输电工程接地极对埋地管道杂散电流干扰的影响规律,在17个高压直流输电工程接地极附近的12条管道上安装了电位远程监测系统,对管道电位进行长时间连续监测.通过管道电位变化分析接地极的干扰频次和干扰时间,以及管道受干扰程度、影响范围.监测结果显示:通过对管道电位长时间连续监测能够准确判断出接地极对管道的干扰影...     

基于遥感技术的土壤质地空间预测方法研究进展

土壤质地影响土壤持水持肥性和透气性,进而驱动一系列与土壤有关的物理化学过程,结合高效快速的遥感技术预测土壤质地空间分布,对土壤质量评价与农业生产规划具有重要的理论和实践意义。本文从遥感预测土壤质地的数据、方法和模型的应用出发,介绍了用于土壤质地遥感预测的雷达、地形和植被指数等辅助数据,提出了光谱响应、特征波长选择和遥感解译这三种基于遥感特征预测土壤质地空间分布的方法,梳理了统计学、地统计学和机器学习这三类模型与遥感结合对土壤质地空间预测的应用效果,总结了几种典型方法的优缺点与适用情况,并分析了遥感预测土壤质地的应用条件和精度验证方法,最后提出未来研究需侧重于深入提取各种遥感光谱特征、利用遥感技术获取多类型环境变量和开发土壤物理属性与数据驱动机器学习特征相结合的多算法混合模型,旨在为开展不同区域尺度下土壤质地空间预测研究提供依据与技术支撑。