耕地植被人为干扰格局动态变化特征及其尺度效应

为探究耕地植被人为干扰格局动态变化特征及其尺度效应,该研究以黑龙江省大庆市为研究区,通过遥感与地理信息系统相结合的方法计算和识别耕地植被人为干扰,分析5个时段(1990-1995年、1995-2000年、2000-2005年、2005-2010年和2010-2016年)耕地植被人为干扰格局动态变化特征;并采用滑动格窗法和ISODATA聚类算法,对耕地植被人为干扰格局的尺度效应进行了研究。结果表明:1)当耕地植被受到的人为干扰增多时,研究区耕地植被人为干扰的分布趋向于集中;反之则趋向于分散。2)研究期内占耕地植被人为干扰面积50%以上的地区的尺度效应并不明显,但仍有占面积11.81%～18.33%的地区人为干扰的尺度效应十分显著,这些地区是人为干扰分布最集中和最不均匀的地区。3)在耕地植被人为干扰尺度效应显著地区中,土地利用类型未发生变化的地区所占的面积比例呈上升趋势,说明耕地保护政策产生了较好的效果;但耕地植被人为干扰的主要来源是农业生产行为,应将未来政策关注的重点转为对耕地土壤理化性质稳定性的维护。4)从多尺度空间聚类类型可以看出,在大部分尺度效应显著地区,尺度越小耕地植被人为干扰越显著,说明发展适度规模农业是降低人为干扰、提高粮食产量的有效途径。研究对于实现耕地保护和粮食稳定生产具有重要意义。     

基于地形特征的无人机遥感梯田影像边缘提取方法

梯田具有蓄水固沙的作用,是旱作农业区重点建设的高产稳产农田设施,为粮食增产、农民增收提供了有力保障。因仅基于影像数据采用边缘提取方法进行梯田区域分割效果不理想,及时准确地掌握梯田信息较为困难。无人机遥感技术的不断发展为高精度梯田地形信息的获取提供了新方法。本研究以甘肃省榆中县为例,首先从数字高程模型DEM数据中提取坡度,将正射影像与坡度数据融合,并通过基于Canny算子的粗边缘提取方法和基于多尺度分割的精细边缘提取方法,对比分析坡度对无人机遥感梯田影像边缘提取的影响。试验结果表明,正射影像和坡度融合的提取效果均优于单一的正射影像数据提取效果,粗边缘提取方法中正射影像和坡度融合的数据源精度平均提高了23.97%,精细边缘提取方法中正射影像和坡度融合的数据源精度平均提高了17.84%。研究表明,在无人机遥感梯田影像边缘提取中加入一定的地形特征,可以取得更好的边缘提取效果。     

基于MERSI和MODIS资料的鄱阳湖水体面积遥感监测及其变化特征

针对鄱阳湖重要国际湿地水体面积变化,以MERSI/FY-3和MODIS/EOS资料为主信息源,采用植被指数、多波段运算方法对鄱阳湖水体面积进行遥感监测。比较分析了MERSI与MODIS资料的光谱特点及对水域面积监测的差异,根据水体在近红外和红光波段反照率的特点,建立了鄱阳湖水体遥感监测指标,动态监测鄱阳湖水体面积变化。研究表明,近几十年来,鄱阳湖水体面积季节变化明显。近16年来,鄱阳湖丰水季与枯水季水域面积相差1倍以上;春季平均为2 210 km2,夏季3 360 km2,秋季2 300 km2,冬季1 510 km2。有关成果为鄱阳湖生态经济区建设和鄱阳湖湿地生态保护提供科学依据,为湖区防洪救灾提供决策参考。     

基于Sentinel-2多光谱数据的棉花叶面积指数估算

棉花叶面积指数(leaf are index, LAI)的快速、准确获取对棉花长势监测、发育期诊断、面积提取以及产量估算等遥感监测具有重要意义。该研究利用2017年和2018年的Sentinel-2多光谱卫星数据及大面积田间试验观测获取的棉花不同发育期LAI实测数据,构建了基于单波段反射率及各类植被指数的棉花不同发育期及全发育期LAI估算模型,并采用留一验证(LOOCV, leave-one-out cross validation)和交叉验证对模型精度进行了检验。结果表明:1)对于单波段反射率,基于中心波长为842 nm波宽为145 nm的B8近红外波段对不同发育期LAI估算精度最优均方根误差(RMSE, root mean square error, RMSE=0.378);2)对于各类植被指数,花蕾期(20170616)和花铃期(20170802)时增强植被指数(EVI, enhanced vegetation index,)表现最佳(RMSE分别为0.352和0.367),开花期(20180623)时校正土壤调节植被指数(MSAVI2, modified soil adjusted vegetation index 2,)估算精度最高(RMSE=0.323);3)单波段反射率和各类植被指数对全发育期LAI的估算均要优于对单个发育期LAI的估算,其中基于IRECI指数的(invertedred-edge chlorophyllindex)全发育期LAI估算模型精度最佳,LOOCV检验RMSE=0.425,交叉检验RMSE=0.368;将基于IRECI的全发育期LAI估算模型应用到单个发育期LAI估算并与各单个发育期LAI估算模型精度对比,发现交叉验证RMSE平均值仅比LOOCV验证RMSE平均值高0.07,反映了全发育期LAI估算模型良好的普适性。该研究为农作物LAI估算提供了新的数据选择,完善了Sentinel-2卫星数据在LAI估算中的应用领域。     

GF-1影像遥感监测指标与冬小麦长势参数的关系

为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R~2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R~2:0.689 4],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R~2:0.543 8],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R~2:0.448 6],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R~2皆低于0.360 0,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。     

桃树遥感辨识的最佳时相与方法

利用35景卫星影像,探寻桃树遥感辨识的最佳时相与方法。首先对各景影像分别进行预处理,随后利用6类探试性辨识方法(即地物反射光谱比较、波段差分或比值分析、光谱指数求算与分析、光谱指数变化追踪、影像复合与辨识方法协同分析)对探试组影像进行辨识分析,并从中选出3种较佳的辨识方法,最后利用优选的3种辨识方法对验证组影像进行辨识验证。结果表明:(1)在10月初的影像中,桃树具有较高的NDVI×ρ_(NIR)值,利用其阈值可以较高精度识别桃树(桃树分类正确率可达94.8%,总体分类精度可达91.33%);(2)在4月初(桃树盛花期)的影像中,利用NDVI、1/ρ_(GREEN)-1/ρ_(RED)与ρ_(BLUE)+ρ_(GREEN)+ρ_(RED)的三重阈值也可以较高精度识别桃树(桃树分类正确率可达85.2%,总体分类精度可达80.13%);(3)在上述两期数据融合、所用辨识方法协同的情形下,可进一步提高桃树的辨识精度(桃树分类正确率可提高到96.53%,总体分类精度可提高到93.37%);(4)桃树遥感辨识的最佳时相为10月初,较佳时相为4月初。     

2007—2017年呼伦贝尔沙地植被覆盖度变化及驱动因素研究

利用呼伦贝尔沙地及周边区域2007-2017年生长期遥感和气象数据,结合第五次全国荒漠化和沙化监测数据,对区域内植被覆盖度变化及气候因素的响应进行了研究。结果表明:2007—2017年呼伦贝尔沙地植被覆盖度呈现先上升后下降的趋势,2007-2013年植被覆盖度呈现整体增加的趋势,年均增加2.76%,显著增加的区域所占面积比例为20.52%,2013—2017年植被覆盖度呈现整体下降的趋势,年均下降6.57%,显著下降的区域所占面积比例为15.69%;区域植被覆盖度年际变化与降水量呈现显著正相关关系,与温度呈现非显著性负相关关系,与日照的相关性不明显。     

作物生长模型的应用研究进展

作物生长模型不仅能够进行单点尺度上作物生长发育的动态模拟,而且能够从系统角度评价作物生长状态与环境要素的关系。本文通过梳理当前作物生长模型应用的诸多研究成果,剖析模型在气候变化对农业生产影响研究、作物生长模型区域应用中的关键问题,总结了当前以作物生长模型为核心的农业决策支持系统开发的研究情况,意在促进作物生长模型在生态、农业、区域气候资源和气候变化等研究中更广泛地应用。结果表明,作物生长模型在国内外的研究与应用广泛而深入,在气候变化背景下,应用作物生长模型进行历史时期气候条件和农业气象灾害对作物生产状况和产量的影响研究已相当广泛且相对成熟。利用全球气候模式（GCM）或区域气候模式（RCM）构建未来气候变化情景,再与作物生长模型耦合已发展成为评估未来气候变化对农业生产影响的重要手段。通过集成与整合多作物生长模型、多气候模式集合模拟、优化气候模拟数据订正方法可有效降低气候变化对农业生产影响评估的不确定性。遥感数据同化技术能够将站点模型运用到区域尺度上评价不同环境因子对农业生产的影响,拓宽了作物生长模型的应用尺度范围并有效提高作物产量估算的精度。以作物生长模型为核心的农业决策支持系统的研究与应用越来越多元化,是辅助农业生产管理和决策的重要工具。然而,由于作物生态系统的复杂性,作物生长模型模拟结果仍存在很大的不确定性,今后对作物生长机理及过程间耦合机制的探索还需加强,以便进一步完善和改进模型,促进作物生长模型更广泛地应用。     

区域土壤侵蚀遥感与核素示踪联合评价技术

土壤侵蚀遥感调查具有宏观、快速、信息量大等优点,但是实际应用中有3大制约因素：1）廉价高分辨率影像的获取;2）科学准确的判读和解译方法;3）成熟的土壤侵蚀评价模型或系统的观测数据。我国普遍缺乏土壤侵蚀评价模型和长期观测数据,技术问题比较突出。土壤侵蚀遥感调查中,采用经验分级指标法得出土壤侵蚀现状或强度,影响了土壤侵蚀评价的精度、准确性和应用范围。利用土壤侵蚀核素示踪技术测算不同土地利用单元的土壤侵蚀量,能够突破了遥感土壤侵蚀调查依赖模型和观测数据的限制,实现土壤侵蚀评价的宏观与微观、点与面、估算与实测的结合,为区域土壤侵蚀快速评价提供一条高效途径。     

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作...