引入地形因子的黑土区大豆干生物量遥感反演模型及验证

为了对田块尺度农作物地上干生物量进行估测,提高大豆地上干生物量反演模型的精度和稳定性,该文获取了研究区地块2016年7、8月份的SPOT-6多光谱数据,并测定不同地形坡位的大豆地上干生物量,以归一化植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)为输入量,建立田块尺度大豆地上干生物量一元线性回归模型;加入与地上干生物量相关的地形因子,建立逐步多元回归和神经网络多层感知反演模型.结果表明:1)使用传统的单一植被指数模型预测大豆地上干生物量有可行性,但模型精度和稳定性不高.2)加入地形因子(海拔、坡度、坡向)的神经网络多层感知器模型,有较高的精度和可靠性,模型准确度达到90.4％,验证结果显示预估精度为96.2％.反演结果与地块的地形、地貌、气温和降水特征基本吻合,反映了作物长势的空间分布特征,可以为田块尺度大豆地上干生物量动态监测和精准管理,提供借科学依据.     

基于无人机和卫星遥感影像的制种玉米田识别纹理特征尺度优选

制种玉米田在高空间分辨率遥感影像上呈现的明显条带状纹理,是有效区分光谱值相近的大田玉米和制种玉米的重要信息.该文在新疆维吾尔自治区奇台县玉米种植区以高空间分辨率的无人机遥感影像为数据源,针对制种玉米识别的纹理特征计算尺度问题,首先采用最近邻内插法对制种玉米和大田玉米样本田块的无人机影像进行重采样,得到不同分辨率的样本;然后用融合Uniform-LBP(local binary pattern)和GLCM(gray level co-occurrence matrix)方法得到提取玉米田块纹理特征合理GLCM参数,其中方向参数为0°、45°、90°和135°这4个方向上的纹理特征值的平均值、距离为5~7像元、灰度级为8;通过多尺度对比分析,得到最适宜区分制种玉米与大田玉米的纹理辨率为0.6~0.9m.最后采用奇台县的0.7m分辨率的Kompsat-3遥感影像进行验证,在多时相EVI(enhanced vegetation index)光谱信息识别玉米的基础上,利用本文确定的纹理分析方法,通过决策树建立规则识别制种玉米,识别精度达90.9%.通过该文的研究,可为高空间分辨率遥感制种玉米田监管提供支撑.     

基于遥感的泾河流域日蒸散量估算

蒸散发是陆地水分和能量循环过程中的重要环节。利用遥感数据与传统蒸散发模型相结合的方法,对泾河流域2006年3—10月日实际蒸散量进行动态模拟,并利用LAS站实测数据对模拟结果进行了验证。结果表明:1)基于遥感的P-T方法估算地表实际蒸散发可获得较好的效果。2)泾河流域蒸散发空间上,总体趋势为"南高北低;东西两侧山区高,中部平原低";林地蒸散量最高,其次为农田,最低的是草地。3)时间上,泾河流域蒸散发呈单峰型分布,7月、8月份的蒸散发量最高。4)月均气温、月降雨量和月均植被指数与月均蒸散发量的相关系数分别在0.8,0.5,0.7左右,表明温度、降水和植被是影响泾河流域蒸散发的关键因素。     

基于Landsat TM影像的半干旱牧区天然打草场面积的遥感监测

天然打草场是中国草地畜牧业的物质基础,也是中国内陆的生态屏障。目前中国打草场分布状况、分布面积、产量高低等信息十分缺乏,严重制约饲草储备和救灾应急功能发挥。为解决这些问题,该文基于2009－2011年的Landsat TM5影像数据,并借助野外调查点和目视解译方法对中国半干旱牧区天然打草场状况进行监测分析。结果表明,中国半干旱牧区天然打草场面积达800.35万hm2,目视解译结果的平均解译精度达到76.78%。其中,内蒙古天然打草场面积居首位,面积为688.04万hm2,其次是松嫩平原草原区,打草场面积为91.80万hm2,河北半干旱农牧交错区的打草场面积最小,为20.51万hm2。在内蒙古,呼伦贝尔草甸草原天然打草场约为180.89万hm2,科尔沁沙化草原天然打草场约为96.44万hm2,锡林郭勒典型草原天然打草场面积约为395.40万hm2。研究区天然打草场的植被类型以温性草原类、温性草甸类、低地草甸类为主,少量分布在山地草甸类和温性荒漠草原类。该研究结果可为进一步分析全国半干旱区域打草场变化提供数据支撑。     

T-M水量平衡模型在流域产流计算中的应用

[目的]旨在通过研究流域各月度产水量,对水资源管理和农业灌溉用水调度进行指导。[方法]以锦阳川流域为研究对象,运用遥感(remote sensing,RS)和地理信息系统(geographic information system,GIS)提取和处理空间土地利用、土壤及数字高程模型数据,结合降雨、气温及不同植物的根深数据,采用Thornthwaite and Mather(T—M)模型计算了水分亏缺与剩余,土壤水分补给与利用的周期及月度产流量。[结果]研究区2011年平水年全年总径流量为281.0mm,在1,3—4,6和10月,存在水分亏缺及土壤水分利用,面积加权的水分亏缺值为5.8mm;2月,11—12月降水对土壤水分进行补给;5和7—9月,存在水分剩余,面积加权的剩余值为286.2mm。丰水年(25%)、平水年(50%)和枯水年(75%)多年平均产水量分别为8.3×107,4.8×107及2.2×107 m3。[结论]研究区在丰水年(25%)的2,7—11月,平水年(50%)的2—3,7—9月和枯水年(75%)的12—2,7—9月存在水分剩余。     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

基于HJ时间序列数据的农作物种植面积估算

通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。     

玛纳斯流域生态需水变化与景观格局的响应关系研究

选取西北干旱区水土开发的典型区域玛纳斯河流域为研究对象,基于遥感和GIS技术,与气象站点实测资料相结合,采用FAO56Penman-Monteith法,在ArcGIS建好彭曼模型计算研究区生态需水。利用TM数据解译出1990年、2000年、2010年3期土地利用分类图对玛纳斯河流域进行景观生态学研究,最后尝试性分析生态需水与景观格局关系。结果表明:(1)各区域生态需水变化趋势存在差异,主要表现在山区生态需水增加,平原区生态需水减少。景观格局分析发现2000—2010年中部平原的西面和北面成片出现连通现象,是生态环境恶化较为严重区域。(2)空间上,山区生态耗水量增加,植被多样性指数上升,蔓延度指数下降。时间上,生态耗水量增加,周边的蔓延度指数上升,多样性下降;(3)空间上,绿洲景观格局指数变化与生态需水定额无明显关系,时间上,生态需水定额减小,但在人类活动影响下,周边的景观连通性下降,多样性上升,与山区的结论相反。生态需水定额的减少,将有利于植被的生长,但由于人类活动的影响,生态环境遭到破坏。     

基于无人机数码影像的冬小麦叶面积指数探测研究

叶面积指数(LAI)是评价作物长势的重要农学参数之一,利用遥感技术准确估测作物叶面积指数(LAI)对精准农业意义重大。目前,数码相机与无人机系统组成的高性价比遥感监测系统在农业研究中已取得一些成果,但利用无人机数码影像开展作物LAI估测研究还少有尝试。为论证利用无人机数码影像估测冬小麦LAI的可行性,本文以获取到的3个关键生育期(孕穗期、开花期和灌浆期)冬小麦无人机数码影像为数据源,利用数字图像转换原理构建出10种数字图像特征参数,并系统地分析了3个生育期内两个冬小麦品种在4种氮水平下的LAI与数字图像特征参数之间的关联性。结果表明,在LAI随生育期发生变化的同时,10种数字图像特征参数中R/(R+G+B)和本文提出的基于无人机数码影像红、绿、蓝通道DN值以及可见光大气阻抗植被指数(VARI)计算原理构建的数字图像特征参数UAV-based VARIRGB也有规律性变化,说明冬小麦的施氮差异不仅对LAI有影响,也对某些数字图像特征参数有一定影响;在不同条件(品种、氮营养水平以及生育期)下的数字图像特征参数与LAI的相关性分析中,R/(R+G+B)和UAV-based VARIRGB与LAI显著相关。进而,研究评价了R/(R+G+B)和UAV-based VARIRGB构建的LAI估测模型,最终确定UAV-based VARIRGB为估测冬小麦LAI的最佳参数指标。结果表明UAV-based VARIRGB指数模型估测的LAI与实测LAI拟合性较好(R2=0.71,RMSE=0.8,P0.01)。本研究证明将无人机数码影像应用于冬小麦LAI探测是可行的,这也为高性价比无人机遥感系统的精准农业应用增添了新成果和经验。     

基于地统计与遥感反演相结合的有机质预测制图研究

土壤水分对土壤光谱反射率有显著影响,而以往有机质遥感反演制图中却很少将水分作为预测建模的变量。为了使遥感制图更加符合野外实际环境,提高有机质预测制图精度,在充分考虑土壤样点空间自相关、异相关与野外复杂环境特点的基础上,通过地统计获得研究区水分的空间分布数据,结合遥感反射率,建立多因子预测模型,得到了吉林省黑土区土壤有机质空间分布图。结果表明,有机质遥感制图中,水分因素的加入,使模型的建立更加符合野外实际情况,显著提高了有机质预测制图的精度。