“3S”技术在美国林业研究中的最新进展及其应用

本文主要介绍了航天遥感、高分辨率商用卫星、航空遥感、地理信息系统和全球定位系统等高新技术在美国林业资源管理中的应用现状以及发展趋势。     

基于无人机遥感影像的盐碱地信息的精准提取方法

为探索在无人机遥感影像下可以对盐碱地信息精确分类的方法.选取甘肃省景泰川电力提灌灌区一期灌区为研究区,通过运用Trimble UX5固定机翼无人机采集研究区遥感数据,结合ENVI软件应用监督分类的五种分类器(平行六面体、最小距离、神经网络、最大似然、支持向量机)执行分类,对分类结果进行精度对比,并将典型区域盐碱地面积进...     

天峻县草地地上生物量遥感监测模型

【目的】快速、准确和大范围地对天峻县草地地上生物量（Above-Ground Biomass,AGB ）进行监测。【方法】利用天峻县 Landsat 8 OLI 遥感图像数据和同期 43 处样点实测生物量数据,分别建立了归一化植被指数（Normalized Difference Vegetation Index,NDVI）、土壤调节植被指数（Soil-Adjusted Vegetation Index,SAVI）、修改型土壤调节植被指数（Modified Soil - Adjusted Vegetation - Index, MSAVI）、比值植被指数（Ratio Vegetation Index,RVI）与草地地上生物量的遥感统计模型,分析遥感植被指数与草地地上生物量之间的相关性。【结果】天峻县遥感植被指数与草地地上生物量之间存在较好的相关性,但不同的统计模型的拟合效果不同;由 4 个自变量建立的多元线性回归模型的比一元线性回归模型有更好的拟合效果;遥感植被指数与草地地上生物量建立的三次项回归模型在拟合精度上较一元线性和多元线性高,为 y=116. 12x³ –898. 48x² +1 672. 1x–1 003. 4。【结论】 RVI 与草地地上生物量三次项模型适用于监测天峻县地区的草地地上生物量。     

芦苇和白刺空间格局对青土湖生态输水的响应

石羊河尾闾湖——青土湖位于腾格里沙漠和巴丹吉林沙漠边缘,是阻隔两大沙漠合围的生态屏障。自2010年开始连续5年向青土湖进行生态输水并形成一定规模的水面,对促进区域植被恢复和保护民勤湖区绿洲具有重要的生态意义。本研究选用2008年、2010年、2011年、2012年、2013年、2014年的高分辨率遥感影像资料同时结合研究区的实地调查资料,对形成人工水面的面积和输水前后的芦苇(Phragmites australis)、白刺(Nitraria tangutorum)群落面积进行了统计分析和对比。结果表明,5年连续输水形成叠加效应,水面面积成倍增加,芦苇相对频度逐年增加和白刺相对频度逐年减少,芦苇群落(Form. P. australis)面积增加了8.43倍,临接水域和水域中的白刺群落(Form. N. tangutorum)消失,白刺面积减少了68.00%。人工输水促进了芦苇群落依水蔓延,镶嵌于水域成片分布;距水面50 m范围的白刺群落由连续成片成点状。输水促进了湿生植物生长,导致荒漠植物种退化。     

冬小麦生物量及氮积累量的植被指数动态模型研究

利用遥感技术实时监测小麦生长状况,依据监测结果适时促控,可提高产量。本研究以高产小麦品种周麦27为试验材料,在不同试验地点设置了水氮耦合的大田试验,筛选出了适宜监测冬小麦地上部氮积累量和生物量的植被指数,并构建了不同产量水平下优选植被指数的动态模型。结果表明,(1)不同的水氮耦合模式显著影响小麦冠层光谱变化,在350~700nm和750~900nm表现相反的反应特征;(2)对2个农学生长指标反应敏感且兼容性好的植被指数主要有修正型红边比率(mRER)、土壤调整植被指数[SAVI(825,735)]、红边叶绿素指数(CIred-edge)和归一化差异光谱指数(NDSI),其与产量间相关性较好的时期为拔节至灌浆中期;(3)双Logistic模型可以很好地拟合植被指数的动态变化,高产和超高产水平下拟合精度较高(R^2>0.82),而低产水平下相对较低(R2=0.608~0.736)。比较而言,CIred-edge和SAVI(825,735)用于评价小麦长势较为适宜。研究结果对作物因地定产、以苗管理、分类促控具有重要意义。     

土壤及铁氧化物对马尿酸的吸附解吸特性研究

为了探明土壤及针铁矿、水铁矿对马尿酸(HA)的吸附解吸特性,并为其在环境中的风险性评价提供理论依据。通过批平衡吸附试验,对马尿酸(HA)在土壤、针铁矿、水铁矿中的吸附解吸行为进行了研究。结果表明,Langmuir模型可以对马尿酸在物质上的吸附和解吸数据进行良好的非线性拟合,平均拟合系数为0.992,试验中马尿酸在3种物质上的吸附和解吸不同程度地偏离线性模型;通过拟合得出的水铁矿和针铁矿对HA的最大吸附量分别为434.5 mg/kg和103.5 mg/kg,为土壤最大吸附量的20.89倍和5.22倍,而水铁矿是针铁矿的4.20倍;吸附容量lgKf顺序为水铁矿 > 针铁矿 > 土壤;HA在土壤、针铁矿、水铁矿中的解吸存在滞后现象。由此可见,水铁矿对马尿酸(HA)吸附能力及吸附强度均最强。     

遥感监测土壤湿度的方法综述

通过对生态环境水热因子的遥感监测回顾,总结出定量地遥感监测土壤水分的方法主要有：微波遥感监测法、热惯量法、作物植被、亮温综合指数法和热红外法等,并对各方法的原理和具体的适用领域做了介绍和比较。     

基于GF-1卫星遥感数据识别京津冀冬小麦面积

省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积, 该文以北京市(京)、天津市(津)和河北省(冀) 3个省域范围为例, 以国家标准地形图分幅为分类的图幅单元, 利用国产GF-1/WFV数据, 构建冬小麦面积指数, 实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源, 依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理, 以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数, 将冬小麦面积指数按照1%的比例等分, 并将面积指数从0到100%分割为101个提取节点, 将提取节点的NDVI值依次与类型确认样本比较, 精度最高的则确认为冬小麦面积提取阈值, 同时将该阈值应用于图幅单元内冬小麦面积指数影像, 获取冬小麦种植分布。最后冬小麦面积识别的精度表明, 以标准地图分幅作为计算单元, 在GF-1影像基础上, 利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异, 且冬小麦的总体识别精度达到89.6%, 用户精度达到89.8%, 制图精度96.5%, Kappa系数0.72。在典型区域, 本文算法与监督分类算法精度结果较为一致, 除制图精度相差4.77%外, 总体精度与用户精度差都在1.00%以内, 说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点, 能够满足省级尺度农情遥感业务监测的需要。