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。     

基于植被指数融合的冬小麦生物量反演研究

作物群体生物量是形成产量的物质基础,遥感技术是高效、客观监测作物地上生物量的重要手段,对农业生产管理具有重要意义。以安徽省龙亢农场为研究区,通过PROSAIL模拟光谱分析了4个LAI相关的可见光-近红外植被指数、2个叶片干物质相关的短波红外植被指数和8个融合植被指数与冬小麦地上生物量的关系,并建立反演模型。模拟结果显示,干物质植被指数与作物生物量的相关性高于LAI相关的植被指数,两者融合的植被指数增强了常用植被指数冬小麦生物量的探测能力。利用实测冬小麦数据对生物量反演模型进行验证,结果显示：融合植被指数普遍提高了单一植被指数的地上生物量反演精度,其中MTVI2×NDMI精度最高（RMSE=606.8 kg/hm²）,并为作物地上生物量的高精度反演提供新的技术途径。     

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MODIS数据的锡林郭勒草原植被覆盖变化及驱动因子分析

防治荒漠化管理往往需要掌握人类因素对植被生长动态影响的关键数据,气候变化背景下的干旱半干旱地区草原植被覆盖多属于缓慢量变,这种变化很难通过土地利用/覆盖类型的转换来分析.旨在掌握2001—2014年内蒙古锡林郭勒草原植被覆盖变化时空特征,定量掌握关键区域气候因子与植被的动态关联关系,进而分离和评估气候和人类因素对区域植被覆盖变化的贡献.结果表明:研究区植被覆盖2001—2014年总体呈增加趋势,年内最大的归一化植被指数(normalized difference vegetation index,NDVI)每年增幅为0.001 8;气温和降水对锡林郭勒草原植被变化均有显著作用,两者共同驱动的NDVI预测模型决定系数(R2=0.65)大于气温(R2=0.46)或降水(R2=0.54)单要素驱动的结果;气候和人类因素对区域植被覆盖增长总体均呈现积极的作用,人类因素特别是生态治理保护措施对草原植被覆盖的贡献远大于气候因素变化.耦合遥感数据的植被变化驱动力分析方法,有助于提高干旱半干旱地区人地相互作用的定量评估能力,为防治荒漠化工作提供重要科学数据支撑.     

基于蚁群优化算法的遥感器波段设置探究

卫星载荷研制发射后其光谱和空间观测模式固定,无法根据复杂地表的多样化需求进行实时灵活调整,且目前遥感器波段设置尚不完善还存在优化空间.引进基于蚁群优化算法的波段选择方法(AntColonyOptimization basedBandSelection,ACOBS),结合北美区域３３景AVIRIS航空高光谱图像,开展了不同区域、不同地表覆盖类型的高光谱波段优选研究,发现各地表类型优选波段组合存在一定差异,其中４波段组合中红光、近红外波段为２个共同入选波段,６波段组合中绿光、红光、短波红外波段为３个共有波段,８波段组合中紫光、绿光、红光、红边、近红外１、近红外２、短波红外１、短波红外２为８个共有入选波段,其他入选波段与地表覆盖类型有关.在此基础上,进一步开展了多光谱卫星波段设置评价研究,发现:４波段优化方案中,绿光、红光、近红外波段１ (７７０~８９５nm)、近红外波段２(９００~１３５０nm)为最优波段组合;６波段优化方案中,绿、红、红边、近红外１(７７０~８９５nm)、近红外２(９００~１３５０nm)、短波红外１(１５６０~１６６０nm)为最优波段组合;８波段优化方案中,蓝、绿、红、红边、近红外１(７７０~８９５nm)、近红外２(９００~１３５０nm)、短波红外１(１５６０~１６６０nm)和短波红外２(２１００~２３００nm)为最优波段组合.研究结果表明Land satTM OLI、SPOT等陆地资源遥感器波段设置还存在一定优化调整空间,特别是红边波段在目前传感器波段设置中没有得到足够重视.     

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。