无人机遥测技术在水土保持生态果园改造监测中的应用

以江西水土保持生态科技园为研究区,通过无人机遥测技术以及地理信息系统,对生态果园水土保持措施进行图斑化、信息化管理研究.结果表明:无人机遥测技术获取的不同阶段的航飞影像可用于生态果园改造的动态监测;利用Agisoft photoscan软件处理航飞影像可生成高分辨的数字正射影像(DOM)以及数字地表模型(DSM)数据;利用生成的DOM,结合地理信息系统,可获取生态果园水土保持措施的分布、数量、长度等信息,建立生态果园水土保持措施数据库,并输出报表和专题图.经与实际量测长度验证,基于DOM提取的长度平均精度为97.99％;与实测坡度验证,基于DSM数据提取的坡度平均精度为88.91％.无人机遥测技术能够快速、准确、自动获取地物的面积、长度、坡度等指标数据,可满足当前水土保信息化的要求,提升综合治理项目实施监测的信息化水平,提高施工监测的质量和效率.     

新疆西昆仑地区泥石流灾害分析与评价

[目的]评价研究区泥石流的危险性,找出适合新疆西昆仑地区泥石流灾害研究的技术和方法。[方法]以新疆西昆仑山脉西段马尔洋地区为研究对象,在充分收集、研究前人资料和有效利用其他信息源的基础上,通过对研究区ETM+影像数据的研究,对研究区泥石流灾害点进行了判读。结合DEM数据,对该区地形地貌进行了研究。[结果]选取了合适的泥石流灾害危险性评价指标体系。一般危险区、中度危险区、高度危险区、极度危险区,面积分别为:31.69,40.70,38.31,25.83km2,所占比例分别为:23.21%,29.81%,28.06%,19.92%。[结论]研究区泥石流灾害极度危险区和高度危险区占总面积的47.98%,主要分布在研究区的中部和西北部区域,为泥石流灾害高度危险性易发区。     

无人机遥感解析田间作物表型信息研究进展

田间作物表型信息是揭示作物生长发育规律及其与环境关系的重要依据,传统的田间试验取样和车载高通量平台测定作物性状参数的方法耗时耗力,且空间覆盖不全,限制了作物科学研究的快速发展,而以无人机为代表的近地遥感高通量表型平台凭借机动灵活、成本低、空间覆盖广的优势成为获取田间作物表型信息的重要手段。该文根据国内外无人机遥感平台解析作物表型信息的最新研究成果,针对不同传感器类型分析了无人机遥感解析作物表型信息的应用及其不足,总结了遥感定量反演作物表型信息的方法体系,展望了无人机载遥感技术在作物表型信息解析方面的应用前景。该项研究成果对推广无人机遥感平台获取田间作物表型信息、提高复杂农田环境作物长势信息的解析和辨识能力具有重要意义。     

基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。     

基于MCR模型的城镇生态安全格局构建和建设用地开发模式

近年来,在中国城市土地开发的顶层设计中越发强调生态空间的重要性,充分识别城市生态安全格局并探讨建设用地空间扩展格局成为划定生态保护红线、确定城市开发边界和"三规合一"空间管制等政策实施的迫切需求。该文以唐山市为例,基于"生态过程—格局"理论和GIS的空间相关性分析、距离分析和叠加分析等方法,从综合水安全、地质灾害预警、生物生境保护、水土保持、游憩安全5个方面,整合构建了底线安全格局、缓冲安全格局和最优安全格局3种不同等级的综合生态安全格局。该文在MCR模型算法引入不同等级"源"的权重系数,以综合生态安全格局为阻力因子,并结合城镇中心的吸引力、主要道路的吸引力和政策调控(区域开发重点)等城镇用地扩展影响因素,得到在不同约束条件下的区域空间扩展阻力面,分别确定了唐山市在"生态安全约束型""经济增长主导型"和"生态与经济并重"3种模式下城镇空间可能的发展范围,经过多方案比较,"生态与经济并重"城镇建设用地空间发展模式是未来城镇健康有序发展的最优模式,这种发展模式既有利于减少大规模、高强度的城镇化和工业化过程所造成的城市发展和环境保护之间的用地冲突,也可为城市用地布局规划和生态红线划定提供科学依据。     

黑土区田块尺度土壤有机质含量遥感反演模型

为了对田块尺度土壤有机质进行空间反演并提高模型精度和稳定性,该文以黑龙江省黑土带41.3 hm~2田块为例,获取2016年5月中下旬两期(受限于拍摄周期和天气原因而选择不同卫星影像,2016年5月17日Landsat 8影像和5月25日Sentinel-2A影像)裸土时期遥感影像和4 m分辨率DEM数据;分析单期影像与土壤有机质(soil organic matter,SOM)的关系,两期影像所包含的土壤含水量变化信息与地形因素对SOM预测模型精度的影响,建立基于BP神经网络的SOM遥感反演模型。结果表明:该田块内SOM含量差异较大;利用单期影像预测SOM时,基于红波段和785~899 nm波段建立的预测模型精度(建模均方根误差RMSE 1.033,检验RMSE 1.079)和稳定性(建模决定系数R2 0.677,检验R20.644)较高;两期影像时,基于红波段和1 570~1 650 nm波段建立的预测模型精度(建模RMSE 0.855,检验RMSE 0.898)和稳定性(建模R2 0.792,检验R2 0.797)显著提高;在两期影像模型基础上,加入地形因子作为输入量,模型精度(建模RMSE 0.492,检验RMSE 0.499)和稳定性(建模R2 0.917,检验R2 0.928)进一步提高。研究成果可为土壤碳库估算和农田精准施肥提供理论与技术支持。     

引入时相信息的耕地土壤有机质遥感反演模型

土壤有机质(soil organic matter,SOM)是土壤质量评价的重要指标。监测SOM含量及其空间分布对土壤利用与保护、土壤有机碳库估算等具有重要意义。该文以松嫩平原典型区为研究区,采集4种主要土壤类型样本共147个,获取裸土期多时相MODIS地表反射率8 d合成产品,以单期、多期影像所构建光谱指数作为输入量,构建包含含水量变化与有机质含量信息的多光谱指数,建立SOM线性回归遥感反演模型,揭示SOM空间分布规律。结果表明:由于土壤含水量空间差异随时间变化,基于单期影像构建的模型主要输入量发生规律性改变,其中年积日137 d裸土条件最好,反演模型最优;比值光谱指数R61与SOM显著相关,而和含水量相关性极小,适于作为反演模型输入量;基于多期影像构建的模型引入时相信息后,精度与稳定性较单期影像模型显著提高,其中基于年积日137、105 d两期影像光谱指数所建立的多元线性模型最优;松嫩平原SOM呈现由东北向西南递减趋势。     

基于GF-1 WFV数据的玉米与大豆种植面积提取方法

准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。     

基于产量的稻田肥力质量评价及障碍因子区划——以进贤县为例

土壤肥力质量评价及土壤肥力障碍因子分析,对于区域土壤利用和改良、指导农业生产结构布局具有重要意义。以江西省进贤县为研究区,通过水稻遥感解译测产,结合主成分分析进行土壤质量评价;采用综合指数法表征土壤肥力质量水平,分析该区域低肥力质量区域主要障碍因素,并进行障碍因子区划。结果表明,该地区土壤肥力质量评价的最小数据集(MDS)指标包括:有机质、阳离子交换量(CEC)、全钾(TK)、交换性钙(Ex.Ca)、容重、粉黏比;土壤质量综合指数与水稻产量相关系数达到0.73(p0.01),以当地水稻平均产量7.215 t hm~(-2)确定土壤质量综合指数阈值为0.65。分析得出,该地区影响土壤肥力的主要障碍包括有机质含量低和容重较大反映的低熟化度障碍、中量元素缺乏反映的酸化障碍、全钾含量低和高粉黏比反映的结构障碍等。根据障碍因素将研究区域划分为三大障碍区:东南部丘陵区主要障碍因子为酸化和土壤结构障碍;中西部低岗平原主要为土壤酸化障碍;北部滨湖区主要障碍为水稻土熟化程度低。通过对不同区域施行针对性改良措施有益于提高土壤肥力。     

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.