利用无人机遥感技术监测松材线虫病的应用研究

松材线虫病是松树的一种毁灭性病害,科学准确监测其发生与蔓延,有利于及时采取防治措施,对于有效控制疾病具有重要作用。研究使用无人机搭载多光谱传感器的一体化飞行平台,获取空间分辨率为0.1m的数字正射影像（DOM）、归一化植被指数（NDVI）、5个波段的遥感影像和数字表面模型（DSM）。构建深度学习模型自动识别提取监测区共计733株不同受害类型的松材线虫疫木,自动识别的正确率达到96%。     

基于回归分析的黄河三角洲湿地植被生物量研究

湿地植被生物量是衡量湿地生态系统健康状况的重要指标,在全球生物多样性受到威胁的背景下,是生态环境与遥感的研究热点之一。针对地上生物量的估算,本文基于Landsat 8遥感影像数据与湿地植被生物量实测数据对黄河三角洲保护区植被生物量的反演进行研究,建立生物量干重与波段、植被指数的一元非线性、多元线性以及多元逐步回归模型,并通过可决定系数(R²)、均方根误差(RMSE)对模型进行精度评价。结果表明：利用B2、B3、NDVI、EVI为自变量达到最优估算效果,模型R²为0.72,RMSE=341.58g·m^-2。通过改进估算方法,提高湿地植被生物量干重估算精度,为黄河三角洲生态系统的维护提供一定的理论参考。     

基于Landsat-8OLI数据的植被覆盖度反演模型研究——以西安市雁塔区为例

植被覆盖度遥感反演模型是用定量的方法来估算研究区范围内植被的覆盖分布。本文主要利用Landsat-8OLI遥感数据分别提取3类常用植被指数包括归一化植被指数NDVI、增强植被指数EVI、比值植被指数RVI,根据像元二分模型建立植被覆盖度反演模型。同时利用交叉验证的方式对其估算模型进行验证,来反映估算模型的精度。     

遥感技术在农作物种植结构的研究现状

农作物种植结构信息是农业生产管理和决策的重要基础,遥感技术在此领域的应用逐渐成为研究热点。以遥感数据源、分类特征变量和分类算法为论述框架,首先介绍了不同的遥感数据源,然后从分类特征变量和分类算法两方面对遥感数据源在农作物种植结构提取中的应用现状进行综述,最后展望未来遥感发展方向。有利于提高农作物种植结构信息提取的精度和效率,为农业高效发展和乡村振兴提供重要支持。     

基于TVDI指数的冬小麦旱情动态研究——以河北省邢台市为例

以重大干旱年份2010年为例,采用冬小麦生长期的MODIS数据,提取邢台市归一化植被指数(NDVI)和地表温度数据(LST),计算温度植被干旱指数(TVDI),制定农业干旱监测等级,利用该指标对邢台市2010年重大旱情进行分析,并利用降水数据和20 cm土壤湿度数据进行结果验证。结果显示:利用MOD11A2数据反演的地表温度与实测地表温度对比平均误差为0.295℃,反演结果能够代替实地温度进行计算;利用实测20 cm深度土壤相对湿度数据与该地区计算的TVDI值做线性拟合,拟合度R2最高为清河县站点0.722,最低是任县站点0.598,整体效果较好;从验证结果来看,TVDI能够较好地反映出邢台市整体的实际旱情。邢台市2010年冬小麦主要生长阶段中返青拔节阶段整体旱情等级较高,而且出现大面积重旱区域,进入抽穗阶段重旱区域减少,正常或湿润区域范围扩大,整体旱情减轻。     

应用MODIS-NDVI对草原植被变化监测研究--以锡林郭勒盟为例

利用新一代卫星遥感数据MODIS,进行草原植被专题信息的提取,同时结合地面调查数据,分析2002、2003年5月30日归一化植被指数(NDVI),并根据其分级图,对天然草原植被长势的时间和空间变化特征和变化规律进行研究,从而对引起草原植被发生变化的可能原因,特别是由于禁牧、休牧的影响进行分析评价.     

VDVI与AKAZE结合的无人机森林影像匹配方法

[目的]无人机森林航摄影像的主体内容为颜色较单一的林冠,其纹理重复率高,而且存在非刚体性变换等导致影像的匹配难度高于普通测绘无人机航摄影像.如果直接采用普通特征算法进行影像匹配时,经常出现提取的特征点数量少、误匹配率高、特征点分布不均匀等问题.本研究探索了一种可见光植被指数(VDVI)与AKAZE结合的无人机森林影像匹...     

基于无人机遥感影像的马铃薯产量估算

马铃薯产量的精准预测对于保障粮食安全具有重要作用。为实现快速精准获取马铃薯产量信息,研究利用无人机搭载可见光相机和多光谱相机,分别于马铃薯现蕾期、初花期、盛花期和终花期进行无人机RGB和多光谱影像的采集,并于收获期测定马铃薯产量。基于RGB和多光谱影像特征,对马铃薯产量与RGB指数和植被指数分别进行相关性分析,结合样本数量,筛选出相关性最高的前五个光谱指数作为模型输入变量,采用多元线性回归(Multiple linear regression,MLR)和随机森林(Random forest,RF)2种方法构建不同生育期和全生育期的估算模型,并进行对比,筛选出马铃薯产量估算的最优模型。通过RGB指数与植被指数结合可以提高马铃薯产量的估算效果,并且多元线性回归模型的反演效果要优于随机森林模型。最终产量的估算效果从高到低分别是盛花期>全生育期>终花期>初花期>现蕾期,马铃薯产量最优估算模型为盛花期以RGB指数与植被指数结合作为模型输入变量的MLR模型。测试集R²和RMSE分别为0.77、0.64 kg/m²;验证集R