冻结状态下盐渍化土壤中水溶性盐基离子含量高光谱反演

为探究采用高光谱技术反演冻结状态土壤水溶性盐基离子含量的可行性,该研究针对河套灌区盐渍化土壤,测定土壤在冻结与未冻结状态下的光谱和主要水溶性盐基离子含量（HCO3-、Cl-、CO32-、SO42-、K+、Na+、Ca2+、Mg2+）,光谱经标准正态变量变换（standard normal variable,SNV）和变量投影重要性法（variable importance in projection,VIP）筛选出敏感波段后,采用偏最小二乘回归法（partial least squares regression,PLSR）、支持向量机回归法（support vector regression,SVR）和极限学习机法（extreme learning machine,ELM）构建基于特征光谱的土壤离子含量高光谱反演模型,并对比冻结与未冻结状态反演模型的精度。结果表明：在冻结状态下,不同离子的反演精度存在很大差异,其中Cl-和K+的预测精度极高（相对分析误差大于2.5）,SO42-、Ca2+和Na+预测精度较好（相对分析误差在2.0～2.5之间）,其余离子预测效果较差;3种回归方法中,ELM模型精度最高,SVM模型次之,PLSR模型最低。冻结和未冻结状态下离子的最优反演模型相同,但冻结状态下Cl-、SO42-、K+和Na+反演精度比未冻结状态高,而Ca2+和Mg2+反演精度比未冻结状态低且Mg2+的反演精度差别最大。各离子最优反演模型与未冻结状态下的相对分析误差相比变化为-34.45%～24.43%。该研究构建的VIP-ELM模型为季节性冻土区盐渍化土壤盐基离子的高光谱监测提供了一种可靠途径。     

中国水稻种业发展历程研究

通过无人机多光谱影像反演农作物理化参数、动态监测作物长势是精准农业发展的重要方向。然而,由于无人机影像多具有较高的空间分辨率,地面采样点与影像上对应像素的空间范围往往不匹配,导致所构建的反演模型精度降低。为确定利用无人机多光谱影像反演水稻叶绿素含量的最优空间窗口,该研究分别采集水稻孕穗期、抽穗期和成熟期多光谱影像,以不同大小和形状的空间窗口对影像进行处理并计算多种植被指数,将不同窗口处理的植被指数与地面实测SPAD（soil and plant analyzer development）值进行相关性分析,将相关性最高的一组植被指数所对应的空间窗口确定为最优空间窗口,并以该组植被指数与地面实测SPAD值为依据,分别构建支持向量机、随机森林、极限学习机、广义线性模型和多元逐步回归模型,分析各模型在水稻各生育期对SPAD值的反演精度。结果表明：经过空间窗口处理后各植被指数与SPAD值间的相关系数与处理前相比均有较大提升,圆形空间窗口下各生育期的最优窗口半径分别为35、25、25个像素,方形空间窗口下各生育期的最优窗口边长分别为71、41、61个像素,方形窗口处理效果与圆形窗口近似;利用支持向量机模型反演水稻SPAD值的效果最优,且在孕穗期反演精度最高,决定系数为0.718,均方根误差为1.849,平均绝对误差为1.465。研究结果可为其他作物理化参数反演的空间窗口选择提供参考,为无人机利用多光谱监测作物长势、发展精准农业提供技术支持。

     

基于无人机图像混合像元分解模型提高小麦基本苗数的反演精度

及时、精确地获取小麦基本苗数在田块内部的空间差异信息,有利于实施精准变量追施氮肥,实现化肥减量增效。传统的无人机农业遥感仅关注植被与土壤2类特征而忽略混合像元的影响,导致小麦基本苗数反演精度差、可靠性低。为解决上述问题,该研究利用大疆Mini 无人机获取麦田图像,基于不变目标法完成图像的相对辐射标定,并利用像元纯净指数提取植被端元与土壤端元。根据端元光谱特性建立混合像元的线性分解模型,求解混合像元中植被组分的丰度,基于像元统计法计算植被覆盖度,进而建立植被覆盖度与小麦基本苗数地面真值的线性回归模型。该研究方法获得的模型决定系数R2为0.87,均方根误差为1.97株/m2。而基于传统植被指数法分别利用可见光波段差分植被指数、绿红差分指数、绿红比值指数获取的相应植被覆盖度与小麦基本苗数地面真值的线性回归模型决定系数R2及均方根误差分别为0.79、0.56、0.47及6.06、7.04、4.43株/m2。由此可知,基于混合像元分解模型定量反演小麦基本苗数的方法具有较高的精度,研究成果可为小麦精准减量追施氮肥作业提供数据支持。     

控制过量生长对板栗开花结果影响的试验研究

采用疏芽、疏雄花、环剥倒贴皮等技术措施进行对比试验,结果表明:疏芽树比不疏芽的平均每一结果母枝抽生结果枝多0.6条,每一结果枝平均混合花序增加18.1%,每一混合花序上雌花簇增加8.6%;疏雄花比不疏雄花每667?平均产量提高27.4%;环剥倒贴皮比对照第2年每一结果母枝抽生结果枝多33.0%,每一结果母枝产量提高40.0%。     

针对TM/ETM+遥感数据的地表温度反演与验证

利用2001、2004、2005年水体、裸地、农田、草地上红外辐射计的观测数据,结合大气下行辐射与比辐射率数据,通过多种方法分别获取了像元尺度的地表温度实测值,并对基于TM/E1M<' >数据的3种遥感反演算法得到的地表温度进行地面验证.结果表明:3种遥感反演算法得到北京地区地表温度的空间分布趋势一致.与地面实测数据相比,辐射传输方程算法的结果略高于地面实测值,单窗算法的结果与地面实测值一致性最好,而普适性单通道算法的结果明显低于地面实测值.从单窗算法反演的北京市地表温度分布图中可以看出,北京城市热岛效应显著,总体上城区地表温度高于郊区,水体温度最低,而且不同下垫面的地表温度差异明显.     

基于OLI遥感影像的叶绿素a质量浓度反演研究

为探究研究区叶绿素a质量浓度分布,更好的应对水体富营养化对东张水库水源安全的威胁。采用数学回归模型,利用OLI遥感影像,根据长期定点监测的叶绿素质量浓度数据与遥感影像光谱信息特征值的内在联系,构建叶绿素a质量浓度反演数学模型,应用GIS得出东张水库连续空间、离散时间上叶绿素a质量浓度的分布。结果表明,东张水库叶绿素质量浓度7月份明显高于11月份与3月份;东张水库沿库岸及进口位置叶绿素a质量浓度明显高于库心位置质量浓度;环东张水库截污工程前后相同月份叶绿素质量浓度有着明显的改善。遥感数据在空间、时间维度分布有差异的情况下,反演结果误差较小,精度满足管理决策需要,有着较好的适用性。     

基于差分理论的混凝土 温度参数反演模型的GA算法研究

混凝土温度参数对于混凝土温控防裂具有重要意义,采用差分算法,对混凝土温度场进行仿真计算,依据实测温度数据,对仿真计算进行误差分析,并建立基于实测数据的反演模型,针对反演模型的具体特性,构建了GA算法,通过反演模型的求解计算,可以确定更符合实际情况的混凝土温度参数,从而为混凝土温度参数的合理确定以及后续温控计算提供参考.     

典型喀斯特山区的森林蓄积量遥感估算

[目的] 通过森林蓄积量的遥感监测了解喀斯特地区森林生态系统的健康状况和生态功能,为该地区碳汇监测与评估以及森林管理与决策提供理论依据。 [方法] 本研究选取典型喀斯特山区为研究对象,基于Sentinel-2A影像和样地调查数据,结合随机森林(RF)、K近邻回归(KNN)和BP神经网络3种机器学习模型,在山地坡度条件约束下开展森林蓄积量反演研究。 [结果] ①单波段反射率、植被指数和纹理特征等遥感因子在不同地形约束条件下的表现不同,建立模型的最优子集均不同,不同立地条件下建立蓄积量估测模型均有差异。 ②在喀斯特山区森林蓄积量估算中,RF相比KNN和BP模型鲁棒性和适应性最强。在缓坡、斜坡、陡坡立地条件下,RF模型精度分别达到80.1%,79.0%,80.5%。 [结论] 喀斯特山区空间异质性强,不同坡度立地条件下参与蓄积量遥感估测的建模自变量因子均不相同。坡度的划分可以细化复杂场景遥感估算模型,提高蓄积量遥感估算精度。     

基于GF-1/2卫星数据的冬小麦叶面积指数反演

叶面积指数(leafareaindex,LAI)是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期(起身期、拔节期、开花期)实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明, GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR(modifiedsimpleratio)、GNDVI(greennormalizeddifference vegetationindex)、EVI(enhancedvegetationindex)与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVI_GF-1、GSR_GF-1 (green simp...     

基于时间去相关的三阶段森林高度估计方法

[目的]在利用极化SAR数据反演树高时,时间去相关因子是影响反演精度的主要因素;目前,地面随机运动模型(RMoG)是该领域最有效的模型之一,但地面随机运动模型有着反演困难、耗时过长的缺点。为了改善这个问题,提出了简化RMoG模型。[方法]首先忽略地面运动,只保留植被冠层运动,重新改写植被体散射公式;然后对多个相干系数直线拟合出地面相位;再次通过PD极化相干最优方法来估计纯体散射去相干值;最后利用改写后的植被体散射公式建立查找表,在固定消光系数的基础上通过查找表反演得到植被高度。为了验证本研究方法的有效性,以瑞典南部的Remingstorp地区为研究区,以BioSAR2007项目的遥感数据进行试验,并以决定系数(R2)和均方根误差(RMSE)对4种模型的反演结果进行比较评价。[结果]表明:本研究方法可以很好地改善三阶段算法的高估问题。在精度比较方面:三阶段算法的R²为0.78,RMSE为8.52;RMoG模型的R2为0.47,RMSE为4.17;RMoG_L模型的R²为0.48,RMSE为2.50;本方法的R2为0.53,R...