基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数(NDVI)的冬小麦估产模型,结果表明:利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于AVHRR和MODIS数据的全球植被物候比较分析

AVHRR和MODIS卫星数据在全球和区域尺度植物物候对气候变化响应研究中起着重要的作用,然而两种传感器在全球尺度物候监测的一致性有待验证。首先利用时间序列谐波分析法(HANTS)对2005年全球GIMMS AVHRR NDVI和MODIS 13A2 数据进行滤波处理;然后基于改进的动态阈值方法,提取全球植被的返青期(SOS)、枯黄期(EOS)和生长季长度(DOS);最后分区域比较和评估两种传感器提取物候参数的潜力。研究结果表明：2005年全球大部分地区植被在第100～140 d开始生长,到第260～300 d逐渐停止生长,生长季长度集中在130～180 d,并且和区域研究结果具有一致性;两种传感器提取的植被关键物候期的空间变化趋势是一致的,随着纬度升高,返青期呈现推迟趋势,枯黄期呈现提早趋势,生长季长度呈现缩短趋势;AVHRR和MODIS提取落叶林和草地的SOS、EOS和DOS在欧亚大陆和北美洲区域的相关系数大部分达到0.9以上。     

基于MODIS大气产品的天宫一号高光谱成像仪数据大气校正研究

天宫一号(TG-1)搭载的高光谱成像仪获取了大量的高光谱数据,可用于国土资源、农林业和油气矿产等领域的研究。但由于遥感成像时会受到大气的干扰,因此需要首先进行大气校正,消除大气的影响,才能进行遥感定量分析与应用。利用准同步的中分辨率成像光谱仪MODIS(Moderate Resolution Imaging Spectroradiometer)大气参数产品,结合6S辐射传输模型对天宫一号高光谱成像仪数据进行大气校正,并利用地面测量光谱和同步MODIS反射率数据对结果进行了验证。结果表明:经过大气校正后,天宫一号高光谱成像仪数据和地面测量光谱一致性较好,所有样点的相关系数都大于0.97,最大均方根误差为0.088。和MODIS反射相比,各波段回归直线的斜率接近1,且R²都大于0.8。     

基于能量平衡原理的FPAR遥感反演研究

光合有效辐射吸收系数(FPAR)是描述植被结构以及冠层-大气物质与能量交换过程的基本生理变量。从能量守恒的原理出发,结合非线性混合像元模型,分析了太阳入射能量中的植被冠层反射、土壤吸收分量的光谱反演方法,建立了简化的FPAR遥感反演模型(FPEB)。分别应用2011和2013年西藏自冶区那曲实验数据\,2011年西藏自冶区当雄实验数据和2013年内蒙古自冶区海拉尔的实验数据,对建立的FPAR遥感反演模型进行了验证,并将FPEB模型反演结果与传统的植被指数统计模型反演结果进行了对比分析,结果表明:FPEB模型的FPAR反演精度优于NDVI统计模型,且与其他基于能量平衡原理提出的反演FPAR的模型相比具有输入参数少,模型简单的优势,在空间区域和时间上具有很好的普适性。     

利用温度和植被指数进行地物分类和土壤水分反演

首先利用地物表面温度和植被指数，成功地对北京精准农业示范区内生长旺盛小麦、稀疏小麦、池塘水体、水草、淤泥和裸露土壤等6种地物进行了分类，其次，利用地物表现温度（LST）和归一化植被指数（NDVI）作为坐标系，建立LST－NDVI三角形分布的散点图，分析了散点图的地物特征分布及其物理意义，与植被的红外和近红外两个特征波段构造的散射图相比，同类样本的离散度更小，不同类别样本之间的距离更大。最后，提出了植被指数－－表面温度的土壤水分反演模型，结合地面采样数据成功地反演了实验区内作物地块的土壤水分。     

冬小麦红边参数变化规律及其营养诊断

研究了冬小麦冠层光谱红边参数随作物生育期的变化规律,并进行了红边参数与各组分间的相关分析,发现可利用用红边位置反演叶片可溶性糖和叶绿素含量,利用红边振幅反演叶片全氮含量,利用红谷反演叶面积指数。建立了基于红边参数的各组分的统计回归模型,可为生产上利用遥感手段大面积、无破坏、及时评价冬小麦生长状态及营养诊断提供重要依据。     

基于分区和多时相遥感数据的山区植被分类研究

山区地形的特殊性导致了山区植被分类的复杂性。位于不同光照区域的同种植被,其光谱亮度值具有较大差异,分区使分类规则及阈值的设计更具针对性。多时相遥感数据能够充分利用不同植被类型间光谱特征时间效应。基于此提出了利用分区和多时相遥感数据进行山区植被的分类研究。研究表明,该方法在山区植被分类中具有明显的技术优势,分类总体精度和kappa系数分别为81.3%和0.72。     

基于GA的GRNN高光谱遥感反演冬小麦叶片氮含量模型的建立与验证

基于人工神经网络理论,针对高光谱遥感中数据冗余问题,本文建立了基于遗传算法(GA)的广义回归神经网络(GRNN)模型,利用回归分析问题中参数筛选方法,对表征冬小麦叶片全氮的光谱参数进行了筛选,并和线性回归方法对比,线性回归方法的均方根误差(RMSEP):在冬小麦叶片氮含量为34.0g kg-1~62.5g kg-1预测范围内,逐步回归模型为14.4g kg-1,后向选择为11.8g kg-1,而广义回归神经网络为3.40g kg-1。说明神经网络方法所筛选到的光谱参数更能反映小麦叶片全氮含量,且神经网络模型预测精度高。     

基于TM影像的冬小麦苗期长势与植株氮素遥感监测研究

叶面积指数和叶片氮素含量是决定小麦群体长势的重要生理指标,也是制定栽培管理措施的必要依据。利用遥感监测小麦返青后的叶面积指数和叶片氮素含量,便于及时采取施肥、灌溉、中耕等调控措施,达到优质、高产稳产、高效的目的。本文使用TM影像数据与实地GPS定位相结合的方法,研究了冬小麦返青后叶面积指数及植株氮素含量的变化态势。结果表明:(1)TM影像的NDVI的地域性差异较大,且随纬度呈现极明显的线型负相关变化态势;(2)将用NDVI反演的LAI与实测的LAI进行比较,二者较为一致,其均方差根(RMSE)为0.111;(3)利用NDVI监测的小麦植株氮素含量与实地观测的植株氮素含量较为相近,二者的RMSE为0.085。总之,利用TM影像的NDVI可以快速、精确地监测返青期小麦的LAI和植株氮素营养状况。同时,本研究结果也可为冬小麦返青期的苗情诊断和管理决策提供及时、准确的信息支持。     

1985～2020年上海市不透水面时空特征演化分析

不透水地表的分布与变化是城市发展过程的直观标志和重要指示因子,在城市生态功能、城市规划和可持续发展研究等方面发挥着重要作用。利用中国科学院空天信息创新研究院研发的1985～2020年长时序30m不透水面动态数据集(GISD30),结合GIS空间统计方法,研究分析了过去35 a上海市不透水面时空特征演化。结果表明：(1)35 a来,上海市不透水面面积从878.07 km²增长至2 849.90 km²,面积扩张到原来的3.25倍,随着1990年浦东新区的开发开放,上海城市化进程明显加快,1990～2010年上海市不透水面扩张最为显著,2010年以后不透水面扩张速度和扩张强度开始显著下降。(2)从区位分异特征来看,不透水面迅速扩张的行政区主要位于城市郊区,其中,浦东新区在各个研究时段的扩张速度均大于其他区划。(3)基于紧凑度和分形维数发现,中心城区不透水面空间分布结构趋于疏散,上海市整体不透水面边界复杂程度降低,城市空间形态更加规则。(4)“南北两翼”的上海城市扩张特点较为明显,南部郊区的高强度扩张带动了不透水面空间重心的持续南移,发展至2010...