冬小麦品质的影响因素及高光谱遥感监测方法

研究了小麦品质的分类及其构成因素与环境条件之间的关系，各品质因素之间的关系。运用相同栽培条件下不同品种品质指标间的关系和变化规律，研究了品种因素对小麦品质的影响程度以及品种因素与品质指标之间的相关性，得出相同环境条件下籽粒的蛋白质含量与湿面筋含量、沉降值、吸水率、形成时间和稳定时间之间存在极显著的相关性。并利用不同品种、不同肥水条件下的作物关键生育时期的生化参量与光谱指数进行分析，得出开花期冬小麦叶片的类胡萝卜素与叶绿素a的比值与结构不敏感植被指数(SIPI)之间存在极显著的正相关，决定系数达到0．7207，冬小麦体内的全氮含量与类胡萝卜紊与叶绿素口的比值之间存在极显著的负相关，决定系数为0．7245，并通过分析开花期冠层生化组分与籽粒品质指标间的相关性，得出开花期叶片全氮与籽粒蛋白质、湿面筋、干面筋和沉降值之间存在极显著的正相关，表面运用开花期光谱指数来反演叶片全氮含量，进而用来预测预报籽粒品质是切实可行的。     

不同株型夏玉米群体冠层反射光谱特征及其应用研究

比较不同株型夏玉米在不同时期的反射光谱差异性,研究分析了红边位置(λred)、红边振幅(Dλred)、最小振幅(Dλmin)及Dλred/Dλmin与叶片全氮含量(LTN),叶绿素含量(Chl)及叶面积指数(LAI)间的相关性,并建立预测模型。结果表明,光谱差异随生育进程呈不同程度的规律性变化。在全生育期,用Dλred/Dλmin能更好地推算LTN,尤其在吐丝期,在开花前用Dλred也佳,在拔节期和喇叭口期用λred也有较高的精度。估算Chl时,在开花前用Dλred较可靠,在喇叭口期和抽雄期用λred也可考虑。估算LAI时,抽雄期后用Dλred推算有较高的可信度,在抽雄期用λred较好,在开花期和吐丝期用Dλred/Dλmin推算更为可靠。     

基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究

根据高光谱遥感获得的冬小麦冠层数据,把由逐步回归方法和基于遗传算法(GA)的广义回归神经网络(GRNN)筛选到的光谱参数作为网络输入,冠层叶绿素含量作为网络输出,采用线性逐步回归方法、反向传播神经网络(BPNN)和GRNN来构建反演模型,模拟结果表明,GRNN和BPNN的预测精度要高于逐步回归方法,其RMSE分别为0.36 mg/g、0.52 mg/g和0.98 mg/g。由于GRNN可应用于小样本问题的学习,比BPNN对叶绿素具有更好的预测和泛化能力。     

基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究

遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。根据2005~2006年北京冬小麦不同物候期的Landsat TM影像和2006年Spot\|2影像,计算了各时期影像中主要植被类型的光谱可分性距离,分析了北京郊区主要植被物候差异和光谱可分性;对各生育期的遥感影像及其主要组合进行了监督分类,采用总体精度和分类效率指标两个参数,结合地面GPS调查数据,对分类结果进行了精度评价。结果表明：北京地区小麦监测最佳时相是4月上旬,影像分类的总体精度为92.9％,明显优于其它单时相影像的分类结果;发现北京郊区冬小麦光谱分类的最佳时相组合为4月上旬(起身期)和5月下旬(灌浆期),分类总体精度为94％。     

基于时序Landsat数据的三江平原植被地表类型变化遥感探测研究

Landsat 卫星遥感数据具有分辨率较高,数据积累时间长的特点,在探测地表覆盖变化和地物分类中得到广泛应用。首先,对获取的Landsat TM/ETM+时间序列数据进行了定量化处理,获取了三江平原七台河市1989~2012年时间序列Landsat地表反射率图像。其次,设计了林地指数和湿地指数,提取了三江平原七台河区域地物光谱和时序特征,同时设计构建了地表覆盖分类和植被地表类型变化探测的决策树算法,实现了1989~2012年七台河区域的植被地表覆盖变化的动态监测,提取了森林覆盖变化的空间分布与变化时间。最后,对七台河区域地表覆盖与植被地表类型变化进行了精度检验,分类总体精度达到90.04%,Kappa系数达0.88。研究结果表明:基于定量化的Landsat时间序列数据的分类算法能克服单时相影像分类的缺陷,实现区域地物自动分类和地表覆盖变化的动态监测。
     

使用单窗算法研究北京城区热岛效应

随着全球变暖和城市化进程的加快,大城市城区的热岛效应日益严重。城市下垫面对地表能量交换的影响巨大,引起地表温度分布的不均一性。遥感技术的发展为地表温度的反演提供了可能。近年来人们使用劈窗算法对均一的海面温度的反演很成功,但是受空间分辨率的限制以及陆面的不均一性,陆面温度的反演一直是一个没有解决好的问题。覃志豪提出了一种TM热红外波段单窗算法,可以利用辅助气象资料快速计算出地表温度。本文以北京市城区为研究区,采用LandsetETM第6波段的单窗算法,反演了亮度温度和地表实际温度,分析了城市下垫面情况下NDVI与地表温度的相关关系,并解释了北京城区热岛在空间上的分布及其可能的原因。结果表明:北京市城区热岛效应显著;地表温度与NDVI相关性显著;城区绿地和水体在区域的温度分布中起到重要作用。     

中国区域2007~2018植被荧光时空变化与气候响应模式研究

基于GOME-2 卫星日光诱导叶绿素荧光（SIF）产品数据集,对2007~2018年中国区域SIF进行时空变化分析,探讨了中国区域SIF对气温、降水、辐射等气候变化的响应。结果表明：①中国植被区域SIF总体上呈现从东南向西北递减的空间分布,12 a间年均SIF增加了20.2%,增幅达0.034 mW/m²/sr/nm,增加区域占比为80.3%,呈显著增长区域占比25.7%,增长区域主要分布在植被较为密集的中国东部、南部和东北部。②季节尺度上,夏季SIF增加的区域和幅度最大,增幅达0.065 mW/m²/sr/nm,增加区域占比为82.1%,呈显著增长的区域占比19.4%,SIF增长区域与年均SIF的趋势基本一样。春季和秋季SIF总体也是呈增长的趋势,而冬季只在中国南部增长趋势明显。③与气候因子的偏相关响应分析表明,在寒温带针叶林区域,气温是SIF增长主要的影响因子;在暖温带及温带植被区域,降水是SIF增长主要的影响因子;在亚热带常绿阔叶林区域,影响SIF增长的更可能是人类活动;对处于较低纬度地区的热带季风雨林区域来说,辐射是SIF增长的主要影响因子。研究结果揭示了2007~2018年间的中国区域植被荧光时空变化规律及其与气候变化间的响应关系,可为全球碳循环研究提供必要的数据支撑。     

基于RS的区域植被景观格局研究

遥感影像以其覆盖范围广、信息量大、更新快等特点,在环境监测方面得到了广泛的应用.该研究应用遥感技术,以1979年和2005年的Landsat TM影像为数据源,采用归一化植被指教和改进的像元二分模型,对北京市门头沟区的植被覆盖进行了监测,结果表明该区植被覆盖总体呈下降趋势.在此基础上,结合当地基础地理信息数据,利用GIS技术和生态景观指标分析方法,对植被变化进行了景观生态学评价,结果表明植被覆盖的景观破碎度急剧增加,景观生态质量下降显著;2005年的景观及各植被覆盖景观类型被边界切割程度及其破碎化程度均高于1979年,且景观尺度上的斑块形状更为复杂,由于斑块形状及分维数受地形、地貌、其他自然及人为因素的影响,地形地貌等自然因素相对固定,因此,影响景观斑块形状及其分维数的因素主要来自人为因素.     

光谱法预测烟叶中的烟碱、钾和氮素

利用实测烟叶的反射率、透过率和吸收率光谱曲线,分析和解释了烟叶的典型光谱特征,研究了可见至短波红外波段的烟叶光谱反射率、透过率、吸收率与烟叶的烟碱、钾、氮素含量的统计相关特性,分析了烟叶生化组分的敏感波段,并利用NRI和PPR光谱指数建立了烟叶氮素、烟碱、钾离子含量的光谱预测模型。     

基于日光诱导叶绿素荧光与反射率光谱的小麦条锈病探测研究

综合利用反射率光谱在作物生化参数探测的优势和叶绿素荧光在光合生理诊断的优势,开展了日光诱导叶绿素荧光(SIF)和反射率光谱指数协同的小麦条锈病光谱探测研究,以期提高小麦条锈病病情严重度的预测精度。利用O_2-A波段(760 nm)的SIF信号和对小麦条锈病病情严重度敏感的7种反射率光谱指数,基于支持向量机(SVM)、逐步回归(SR)以及神经网络(BP)算法,定量分析了反射率光谱指数和反射率光谱指数与SIF协同的小麦条锈病病情严重度(DI)光谱探测模型的预测精度。结果表明:①SIF与小麦条锈病病情严重度之间存在极显著的负相关关系,SIF与DI间的响应能有效地应用于小麦条锈病的遥感探测;②SIF结合反射率光谱指数的小麦条锈病病情严重度光谱模型探测精度均高于反射率光谱指数模型,SIF能够显著提高小麦条锈病病情严重度的光谱探测精度;③无论是利用反射率光谱指数还是SIF结合反射率光谱指数作为小麦条锈病病情严重度预测模型的输入参数,训练模型以BP模型的预测精度最高,但验证结果表明SVM与SR方法构建的病情严重度预测模型效果较优。