青稞黑穗病的发病规律与防治方法

为了深层次推进有关青稞的研究进展,同时使其保持良好的质量及产量,需要了解与掌握青稞常见病,并创新监测手段与防治方法。笔者在调研中发现,传统模式下对于青稞黑穗病的防治存在监测手段单一滞后、效果不尽如人意的缺点。对此,需要创新应用新的技术方法。笔者在分析青稞黑穗病发病规律的基础上,从基于近地高光谱平台的遥感监测、基于航空遥感平台的遥感监测、基于卫星平台的遥感监测三方面入手,着重分析了不同平台遥感监测青稞黑穗病的内在联系,为进一步研究大尺度范围的航空航天遥感监测青稞黑穗病奠定了理论基础。     

基于地表覆盖分类的IKONOS影像融合算法分析与评价

不同的遥感影像融合算法有不同的优点和局限性,因此难以单纯评价某种算法的优劣,融合算法的选择与研究对象和应用目的有着密切的关系。在概略介绍IHS变换、Brovey变换、PCA变换、SFIM变换及Gram-Schmidt变换5种图像融合算法原理的基础上,对IKONOS全色和多光谱数据进行像元级融合,并对融合效果进行了定性和定量评价。在此基础上,对融合影像进行最大似然法分类,利用混淆矩阵对分类结果进行精度分析,以期找出适合于地表覆盖分类的IKONOS影像融合算法。结果表明,在图像空间信息提高和光谱信息保真方面,以SFIM变换和Gram-Schmidt变换相对较好,其中Gram-Schmidt变换对图像微小细节反差的表达能力优于SFIM变换。在上述5种变换中,SFIM及Gram-Schmidt变换后融合影像地表覆盖分类精度较高,总体精度均超过98%,Gram-Schmidt变换的分类精度略高于SFIM变换,IHS变换后融合影像的分类精度最低,其总体精度和Kappa系数分别为83.14%和0.76。因此,利用Gram-Schmidt变换和SFIM变换得到的IKONOS融合影像更有利于提高地表覆盖分类精度。