基于SPEI和TVDI的河南省干旱时空变化分析

近年来干旱在中国频发且影响不断加剧,因此监测干旱对气候变化、农业生产都有重要意义。基于1961-2016年56年的气象资料,利用标准化降水蒸散指数(SPEI)定量地分析了河南省不同时间尺度(1、3、6和12个月)的干旱发生的时空变化特征和强度;另外采用温度植被干旱指数(TVDI)分析了河南省的区域面积上的干旱空间变化,并探讨了SPEI和TVDI的相关性。结果表明:1961-2016年56 a间,SPEI值在各时间尺度上都呈微弱的湿润化,随着时间尺度的增大,SPEI值波动幅度减小;河南省各地区干旱分布不均匀,发生干旱年的是1961、1965、1966、1968、1972、1976、1978、1981、1986、1988、1997、2001、2013共13年,与实际情况较为一致。在月时间尺度上,SPEI与TVDI的相关性分析表明,SPEI-1与TVDI呈负相关关系,即TVDI越小,SPEI的值越大,干旱程度越轻;TVDI越大,SPEI的值越小,干旱程度越严重。研究结果可为河南省干旱影响评估提供参照标准。     

基于HJ-1卫星影像的三大农作物估产最佳时相选择

对于农作物遥感估产,精确选择最佳估产时相是关键环节。该文利用中国自行研发的HJ-1卫星CCD影像对黑龙江八五二农场3大作物（水稻、玉米、大豆）进行遥感估产的最佳时相选择,通过构建小波变换滤波方法和移动平均法的时序NDVI曲线数据,并依据平滑后的时序NDVI曲线分别确定3大作物的遥感估产最佳时相。研究结果表明,从平滑后的时序NDVI曲线中识别出来的3大作物的关键生长期与当地作物的物候期相对比,水稻生长期拟合误差为-0.003356508,玉米生长期拟合误差为-0.001687117,大豆生长期拟合误差为-0     

基于机器学习融合多源遥感数据模拟SPEI监测山东干旱

以山东省为研究区,选择偏差校正随机森林BRF（Bias-corrected random forest）,支持向量回归SVR（Support vector regression）和Cubist模型三种机器学习方法融合多影响因子模拟3个月时间尺度的标准化降水蒸散指数SPEI-3,以期为精确监测山东地区干旱提供一种方法。将2001−2017年23个站点的SPEI-3值作为因变量,多源遥感数据包括降水量、地表温度、蒸散发、潜在蒸散发、归一化植被指数以及土壤湿度六类7个影响因子作为自变量,自变量和因变量构成数据集的80%作为训练集,20%作为测试集。根据BRF模型得到研究区各个站点的模拟值以及各影响因子的相对重要性,绘制SPEI-3的空间分布图,并进行验证。结果表明,综合因子比单一因子模拟效果好,BRF模型测试集中的模拟值和观测值的决定系数R2达到了0.856,均方根误差RMSE为0.359,BRF模型能较好模拟站点SPEI-3值。大部分站点模拟值与观测值反映的干旱趋势一致,反映站点不同程度旱情的月份个数基本相同。此外,BRF模型模拟的SPEI-3的空间分布与站点SPEI-3观测值表现的干旱程度基本一致,且SPEI-3空间分布站点之外栅格数据也可以较准确地反映旱情,说明根据BRF模型可在站点和空间尺度上较精确地监测山东地区干旱情况。     

于遥感的土地利用/覆盖信息动态变化监测分析——以扬州市为例

以正在高速发展的扬州市为例,利用不同时相的TM数据、CBERS-02的CCD数据和中国资源卫星二号星的全色数据,研究了城市主要地物信息快速准确提取的原理和方法,采用土壤调节植被指数(ISAV)与其它波段组合的方法对城市绿地信息进行提取;利用非监督分类法提取城市硬质建筑表面信息,决策树分类法提取城市水体信息,多重滤波处理对线性地物提取方面的优势提取道路信息.完成主要地物信息的提取后,对各项提取指标进行动态变化识别及分析,并结合扬州市社会经济指标寻求城市扩展的驱动因子.     

用NOAA图像监测冬小麦面积的方法研究

冬小麦种植面积是农情监测中一个重要的监测因素,对生产管理与产量预测有重要意义。该文在冬小麦与同期主要大宗作物绿度－时相曲线对比分析的基础之上,建立反映冬小麦种植区域的差值植被指数图像,采用遥感－统计的方法,对利用ＮＯＡＡ图像进行冬小麦种植面积遥感监测进行了初步研究。通过对我国冬小麦主产区的河北、河南和山东三省的监测实验证明,该方法适用于大范围的冬小麦种植面积遥感监测。     

吉泰盆地农业生态环境现状分类技术的研究

吉泰盆地间我省自然灾害频发区,农作物产量水平居全省最低。以吉安地区为研究区域,在遥感、地理信息系统和全球定位系统的技术支持下,利用美国陆地资源卫星Ｔｍ资料,采用野外调查和计算机监督分类相结合的方法对吉安地区的农田、有林地、居民区和水体进行解译。根据历年各乡（镇）双季水稻和粮食总产资料,采用ＧＩＳ中的空间分析方法从分类后的农田中提取吉泰盆地中低产田面积及其分布状况。分类结果可为吉泰盆地生态环境治理和     

作物遥感估产的现状及其展望

 总结了国内外作物遥感估产的状况，并对作物遥感的技术集成和便利化服务、数据处理、农业标准化、农学机理、扩大用户需求共4个方面作了展望。     

基于AMSR-E数据估测华北平原及东北地区土壤田间持水量

对田间持水量的遥感获取方法进行了探讨,基于传统的田间持水量测定方法--围框淹灌法的思路,利用AMSR-E(Advanced Microwave Scanning Radiometer,即高级微波扫描辐射计)数据高时间分辨率的特点,提出了基于AMSR-E数据估测田间持水量的方法,并采用2003~2007年的AMSR-E数据制作了我国华北平原及东北地区的田间持水量分布图。结果显示东北地区北部、河南东部、安徽北部以及江苏北部等地区的田间持水量较高;由AMSR-E数据获取的田间持水量明显小于气象站点的测定值,与实测值的相关系数R2为0.522,与实测值有显著的相关关系,表明AMSR-E数据具有正确反映田间持水量的潜力。     

基于高光谱遥感的小麦叶片糖氮比监测

 【目的】碳氮代谢反映植株生理状况和生长活力,是小麦籽粒产量与品质形成的生理基础,因而叶片糖氮比的实时无损监测对小麦生长诊断和氮素管理具有重要意义。本研究的主要目的是通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型。【方法】采用不同蛋白质含量的小麦品种在不同施氮水平下进行了连续3年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶片糖氮比值,进而分析建立冠层高光谱参数与叶片糖氮比的回归模型。【结果】小麦叶片糖氮比随施氮水平的提高而下降,随生育进程呈“高-低-高”动态变化模式。利用高光谱对叶片糖氮比进行监测的适宜时期为拔节期至灌浆中期,其中开花期最好。水分特征参数FWBI和Area980与叶片糖氮比关系密切,指数方程拟合决定系数（R2）分别为0.762和0.768,估计标准误差（SE）分别为1.27和1.28。色素特征参数（R750-800/R695-740）-1和VOG2为变量,指数方程拟合决定系数（R2）分别为0.718和0.712,估计标准误差SE分别为1.87和1.95。经不同年际独立试验数据的检验表明,以参数FWBI、Area1190、（R750-800/R695-740）-1和VOG2参数为变量建立的叶片糖氮比监测模型表现很好,预测精度R2分别为0.627、0.618、0.691和0.795,预测相对误差RE分别为19.2%、18.7%、17.9%和18.3%。【结论】与色素指数和水分指数相关的特征光谱参数可以有效地评价小麦叶片糖氮比的变化状况,利用FWBI、Area1190、（R750-800/R695-740）-1和VOG2 4个参数可以对生长盛期的小麦叶片糖氮比进行可靠的监测。     

遥感技术在土地沙化监测中的应用

利用SPOT5卫星遥感影像,采用遥感数据处理技术,对漳浦县沿海沙化土地进行遥感目视解译.通过对沙化监测分类体系的研究,建立沙化监测的遥感目视解译分类系统和目视解译标志,并进行目视判读.通过目视解译结果和实地检验,验证研究成果的正确性,为福建省沿海土地沙化监测提供了遥感目视解译方法.