基于AOTF成像的马铃薯叶片氮素含量估算研究

利用基于声光可调谐滤波器（Acousto-optic Tunable Filter, AOTF）成像光谱仪获取高光谱数据,探索由马铃薯冠层光谱数据建立的植被指数TCARI/OSAVI与叶片氮素含量之间的相关关系,并建立相应的估算模型。结果表明：植被指数TCARI/OSAVI与马铃薯叶片氮素含量有很强的相关性,决定系数为0.726,达极显著相关。经过实测数据验证,估算模型：y=-8.5937x＋8.8518有较好的可靠性。     

光滑叶片的偏振高光谱特性及与叶绿素含量的关系

为探讨偏振光遥感快速估算植物叶绿素含量并用于农业气象自动化观测,根据植物叶绿素颗粒可产生偏振光响应的物理特性,应用SPAD-502叶绿素仪和加偏振镜的FieldSpec~?3 Hi-Res便携式高光谱仪,在多角度观测平台上测量和研究了表面光滑的桑树、红叶石楠、茶花3种代表性叶片的偏振高光谱特性与叶绿素含量的关系。结果表明:对于光滑叶片而言,550 nm附近的绿峰强度随着叶绿素含量的增加缓慢降低,即偏振高光谱与叶绿素含量呈非线性关系;绿峰波段的偏振度(DOP)与叶绿素含量的关系最好,其次为偏振反射,再次为最高反射和总反射,最低反射的关系最不明显。该研究对进一步开展偏振光遥感评价作物生长状况、灾害及估产具有重要意义。     

基于MODIS数据的作物苗期干旱监测方法

针对苗期低植被覆盖情况,在原有的归一化植被指数基础上,增加了土壤调节植被指数,将其与条件温度指数结合,通过与地面实测土壤相对湿度进行相关分析,分别建立作物苗期的干旱监测模型,并与热惯量方法和供水植被指数方法进行对比分析,初步得出辽宁省范围内作物苗期进行大范围干旱遥感监测的最适宜模型为土壤调节植被指数一温度模型.     

不同播期冬小麦叶面积指数高光谱遥感监测模型

叶面积指数(Leaf area index,LAI)与植物的光合能力密切相关,是评价作物长势和预测产量的重要农学参数,利用高光谱遥感能够实现农作物LAI快速无损监测。为了建立不同播期条件下冬小麦LAI反演的最佳高光谱监测模型,提高冬小麦LAI估算模型精度,将地面实测冬小麦LAI数据和冠层高光谱数据相结合,对4个播期及4个播期组合模拟的混合播期数据进行分析,选取8种植被指数,通过相关分析、回归分析等统计方法,构建不同播期冬小麦叶面积指数监测模型。结果表明,在4个播期处理和由一个所有播期组合下(即混合播期)建立的LAI光谱监测模型中,播期1和播期4分别以EVI2和mNDVI拟合效果较好,播期2、播期3及混合播期均与NDGI拟合效果最好。不同播期及混合播期的拟合方程决定系数(R~2)分别为0.803,0.823,0.907,0.819和0.798;通过试验田实测LAI与反演LAI数据进行拟合模型验证,均方根误差分别为0.81,0.78,0.63,0.82,0.91。通过分析可知,不同播期的分期监测模型比混合播期统一监测模型的拟合效果更好,精度更高。因此,播期1、播期2、播期3、播期4分别选用植被指数EVI2、NDGI、NDGI、mNDVI建立冬小麦LAI反演模型。该结果可为实现不同播期下冬小麦长势精确监测提供理论依据和技术支撑。     

基于归一化高光谱位置变量的干叶片生化组分分析

利用实测干叶片生化组分和高光谱反射率数据，提出了基于面积归一化的高光谱位置变量一阶导数极值法提取生化组分的新思路。结果表明：该方法能较好地提取叶片全氮、纤维素、木质素和淀粉含量，尤其是对纤维素、木质素和淀粉含量的反演精度有了提高。研究还表明：该方法在提取全氮、纤维素、木质素含量时，能有效剔除土壤影响，但是在提取淀粉含量时，效果不够理想。     

用气象卫星资料估算吉林省主要农作物产量

净第一性生产力（Npp）分析是全球变化研究中广为利用的方法,利用气象卫星资料获得年际植被指数（Iv）估算Npp建立不同作物的Npp与其产量的关系模型,即可实现对粮食总产和不同作物产量的估算。文中介绍了应用净第一性生产力遥感（NPP—RS）模型对吉林省粮食总产和主要作物产量进行估算的方法。采用NPP—RS模型,对1995～2000年吉林省的粮食总产及主要农作物玉米、水稻产量进行了动态估算。对粮食总产估产的平均相对误差为13．6％,玉米的平均相对误差为17．6％,水稻的平均相对误差为6．7％。要提高用此方法进行遥感估产的精度,还需要对当年的种植制度、种植结构的变化有所了解,注意当年的灾情,增加灾害影响系数。     

小麦生长及叶片磷含量与高光谱反射率的关系

以小麦品种扬麦13、扬麦16为实验材料,在田间设置了3个氮素水平处理,研究了不同处理拔节期到灌浆期叶面积指数(LAI)、叶绿素相对含量(SPAD)、氮磷含量与冠层高光谱反射率的关系。结果显示,LAI随着施氮量的增加而增大,并在整个生育期内先增大后减小。LAI与二阶导数SD1691、SD506和一阶导数FD407、FD440的相关系数分别为0.600、0.569、0.506、0.477,在α=0.05标准上达到显著水平,可为冠层高光谱反射率监测LAI提供依据;在氮素水平不断提高的情况下,SPAD与LAI有相同的趋势,随施氮量增加而增大。对叶片含磷量与光谱反射率做相关分析可以得出,抽穗期是小麦磷元素光谱诊断的敏感时期,敏感波段为730~900 nm。基于小麦冠层高光谱与营养诊断研究的相关性为后期相关模型构建提供了基础。     

农作物长势遥感监测业务化应用与研究进展

农作物长势监测可为田间管理提供及时的决策支持信息和早期估产提供依据。为了更好地研究作物生长过程中不同遥感监测作物长势方法的适用性,从多光谱遥感数据、高光谱遥感数据和微波遥感数据的应用及遥感监测指标与模型模拟方面综述了国内外农作物长势遥感监测研究及业务化应用的最新进展,指出了未来拟重点加强的研究任务,包括高时空分辨率和高光谱分辨率遥感数据的业务化技术、多遥感反演参数协同监测作物长势技术研发、基于遥感信息与作物过程模型的集合预报技术研究、全球尺度作物长势监测业务运行系统研发。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。