小麦倒伏的光谱特征及遥感监测

小麦倒伏后茎秆和叶片在探测视场中的比例及植株组分的受光条件发生了变化,其冠层光谱特性也随之发生改变,所以利用遥感监测倒伏是可能的。首先,分析了叶片和茎秆组分的光谱特点,解释了倒伏后冠层光谱的变化特点,即光谱反射率随倒伏角度的增加而增加。其次,利用倒伏后冠层光谱反射率在可见光波段的相对增幅高于近红外波段的特点,利用实测数据分析和建立了归一化差异植被指数NDVI随倒伏角度的增加而降低的规律及模型。最后,采用2003年4月7日和5月9日倒伏发生前后的2景LandsatETM卫星影像,利用倒伏前后的NDVI值的变化,成功监测了小麦倒伏的发生程度。     

基于冠层高度模型的遥感影像玉米倒伏范围提取

精准提取玉米倒伏范围是准确进行田间管理、玉米产量损失估计的基础,无人机获取遥感影像机动灵活,是作物倒伏测量的热门手段。本文提出利用无人技术基于冠层高度差的玉米倒伏范围提取方法。首先通过可见光波段差异植被指数提取玉米背景土壤分布;然后提取玉米的高度;最后基于玉米高度,通过SVM和OSTU自动阈值法提取玉米倒伏范围。试验结果表明,利用SVM法3个样本分类精度分别为88.84%、89.52%和90.80%;OSTU自动阈值法分别为94.61%、89.74%和97.20%,稍优于前者。本文基于作物高度为结构特征参数,提取作物倒伏,机理明确且一定程度上消除了无人机成像不稳定的影响。     

基于CASI数据的黑河绿洲区叶面积指数反演

叶面积指数(leaf area index,LAI)作为植被冠层的重要参数,对作物长势监测及产量估算具有重要意义。本研究以黑河流域张掖绿洲试验区为例,基于机载航空高光谱遥感影像(compact airborne spectrographic imager,CASI)数据,利用物理模型与统计模型对研究区的LAI进行估测反演。首先,利用归一化植被指数(normalized difference vegetation index,NDVI)与相应实测LAI数据建立最佳线性回归模型;然后,基于混合像元分解模型和多次散射植被冠层模型构建物理模型;最后,以线性回归模型为参比修正多次散射植被冠层模型,构建半经验LAI反演模型,并比较上述模型拟合效果。研究结果表明,半经验模型为绿洲区LAI反演最优模型,模型估算精度R2达到0.89,精度提高较显著。研究对提升作物LAI的估算精度有一定意义,并将进一步推动精细农业定量遥感理论的研究与应用。     

水稻冠层氮素含量光谱反演的随机森林算法及区域应用

利用地面实测数据构建高精度的水稻冠层氮素含量光谱反演点模型并将其进行尺度转换,实现了水稻冠层氮素含量准实时、大区域监测。以氮素光谱敏感指数作为输入变量,冠层氮素含量数据为输出变量,利用随机森林算法构建水稻冠层氮素含量高光谱反演模型,并用苏州市水稻农田验证区数据,检验模型的普适性和有效性;利用准同步的Hyperion数据,采用对输入、输出变量进行线性变换的简单尺度转换方法实现了点模型的区域应用。结果表明:基于随机森林算法的水稻冠层氮素含量高光谱反演模型可解释、所需样本少、不会过拟合、精度高(模型在实验区的预测精度为R2=0.82,验证区检验精度为R2=0.73)且具有普适性;点模型基于高光谱遥感卫星影像和尺度转换进行区域应用,精度较高(R2=0.81)。     

基于混合像元分解理论的路域植被等量水厚度遥感反演

为削弱混合像元对植被参数反演的影响，提出了基于混合像元分解理论反演路域植被等量水厚度的方法。利用PRO4SAIL模型正演获得的高光谱窄波段数据，模拟Landsat 8遥感影像宽波段植被冠层光谱数据，并进行等量水厚度的敏感植被指数的筛选；对覆盖研究区域的Landsat 8遥感影像进行线性混合像元分解，获取更加精确的植被冠层光谱反射率；同时，利用支持向量机构建等量水厚度估测模型，实现对路域植被等量水厚度的遥感反演。研究结果表明，利用混合像元分解后得到的植被冠层光谱参与模型反演得到的路域植被等量水厚度更加符合实际情况，为遥感影像反演植被参数提供了有效数据。     

北京地区冬小麦冠层光谱数据与叶面积指数统计关系研究

以北京地区冬小麦为研究对象,利用TM传感器的光谱响应函数处理地面测量获得的冬小麦冠层光谱数据,得到对应于TM传感 器红光波段和近红外波段的反射率,进而计算出冬小麦冠层的归一化植被指数NDVI。建立了LAI与NDVI之间的不同经验关 系模型,对实验结果进行分析后得出,LAI与NDVI之间具有高度的指数相关性。     

小麦冠层理化参量的高光谱遥感反演试验研究

以国产成像光谱仪所获高光谱遥感数据为基础，根据田间同步采样数据建立的基于反射光谱特征的小麦冠层生物物理和生物化学估计模型，实现了用航空高光谱遥感数据对田间小麦冠层理化参量的整体反演。结果表明：用高光谱遥感方法估计小麦冠层理化参量是可行的；以理化参数为“波段”的数字图像及其处理，为农学家以理化参量的空间分布及其差异解释作物产量空间分布差异和研究作物生态生理机理提供了新的手段。     

苹果冠层/叶片高光谱数据库系统的设计与建立

设计与建立苹果冠层/叶片高光谱数据库,实现苹果冠层/叶片高光谱数据的获取、整理、存储与应用分析,可以为苹果养分含量的高光谱遥感反演提供数据服务和支持。利用ASD Field Spec 3地物光谱仪采集的苹果冠层/叶片高光谱数据,在Microsoft Visual Studio 2010开发环境下,基于C#语言与SQLServer 2008关系型数据库,采用C/S开发模式,设计与建立了苹果冠层/叶片高光谱数据库系统,完成了对高光谱数据批量录入、存储、导出与数据处理多项功能。     

基于IKONOS的道路信息提取方法研究

道路作为现代交通体系的主体,是遥感测绘工作中获取的重要地理信息。基于高分辨率遥感影像,对其特征信息进行准确并有效的提取,具有重要的意义。在分析道路的光谱和形状特征基础上,基于IKONOS高分辨率遥感影像,利用NDVI和NDBI两种方法,探究针对高分辨率遥感数据类别特征的较为有效的道路提取方法。结果表明,NDVI方法能够较有效地提高在高分辨率遥感影像上提取道路信息的精度。     

基于Hyperion影像的水稻冠层生化参量反演

采用小区实验与大田应用相结合的方法, 依据扬州实验小区地面实测拔节期、抽穗期及灌浆期的水稻叶片、冠层光谱及氮和叶绿素含量, 采用光谱吸收特征和植被指数分析方法, 得到估算水稻氮和叶绿素含量的最佳光谱特征参数; 结合覆盖江苏姜堰地区大田的Hyperion高光谱遥感影像, 建立反演水稻冠层氮和叶绿素含量的模型, 对研究区大田水稻冠层氮和叶绿素含量进行了反演及制图。结果表明: 经波深中心归一化方法分析, 发现以670nm为中心的光谱吸收特征面积与水稻氮含量呈显著相关性; 基于反转归一化光谱, 结合560nm和670nm两个波段, 建立的植被指数NDVI560_670能很好地反演水稻叶绿素含量。     

基于决策树分类的地表覆盖遥感信息提取

地处西南的渝北地区地表覆盖类型复杂、土地利用多元化,仅依赖于光谱特征的传统遥感信息提取方法难以获得较高的分类精度。利用决策树分类技术对渝北地区的TM遥感影像进行分类,除光谱信息外还结合地质、NDVI、PCI等多源数据进行实验。结果表明,总精度和Kappa系数分别为88.42%和0.854 7,较传统的监督分类和仅依赖于光谱特征的决策树分类方法有较大提高,这也表明基于多源数据的决策树分类技术对地表覆盖复杂地区的遥感影像分类比较适用,是遥感信息提取的一种有效手段。     

Forest cover classification using Landsat ETM+ data and time series MODIS NDVI data

Forest cover plays a key role in climate change by influencing the carbon stocks, the hydrological cycle and the energy balance. Forest cover information can be determined from fine-resolution data, such as Landsat Enhanced Thematic Mapper Plus (ETM+). However, forest cover classification with fine-resolution data usually uses only one temporal data because successive data acquirement is difficult. It may achieve mis-classification result without involving vegetation growth information, because different vegetation types may have the similar spectral features in the fine-resolution data. To overcome these issues, a forest cover classification method using Landsat ETM+ data appending with time series Moderate-resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI) data was proposed. The objective was to investigate the potential of temporal features extracted from coarse-resolution time series vegetation index data on improving the forest cover classification accuracy using fine-resolution remote sensing data. This method firstly fused Landsat ETM+ NDVI and MODIS NDVI data to obtain time series fine-resolution NDVI data, and then the temporal features were extracted from the fused NDVI data. Finally, temporal features combined with Landsat ETM+ spectral data was used to improve forest cover classification accuracy using supervised classifier. The study in North China region confirmed that time series NDVI features had significant effects on improving forest cover classification accuracy of fine resolution remote sensing data. The NDVI features extracted from time series fused NDVI data could improve the overall classification accuracy approximately 5% from 88.99% to 93.88% compared to only using single Landsat ETM+ data.     

MODIS植被指数的美国玉米单产遥感估测

针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。     

Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物

本文利用Wu等人提出的遥感数据时空融合方法 STDFA(Spatial Temporal Data Fusion Approach)以Landsat 8和MODIS为数据源构建高时间、空间分辨率的遥感影像数据。以此为基础,构建15种30 m分辨率分类数据集,然后利用支持向量机SVM(Support Vector Machine)进行秋粮作物识别,验证不同维度分类数据集进行秋粮作物识别的适用性。实验结果显示,不同分类数据集的秋粮作物分类结果均达到了较高的识别精度。综合各项精度指标分析,Red+Phenology数据组合对秋粮识别效果最好,水稻识别的制图精度和用户精度分别达到91.76%和82.49%,玉米识别的制图精度和用户精度分别达到85.80%和74.97%,水稻和玉米识别的总体精度达到86.90%。     

融合多源遥感数据的高分辨率城市植被覆盖度估算

准确获取城市植被覆盖定量信息对城市生态环境评价,城市规划及可持续城市发展具有重要意义。遥感技术的发展为获取区域及全球植被覆盖信息提供了有效手段,目前基于单传感器、单时相遥感数据的城市植被覆盖度估算方法得到较为广泛的应用。然而,由于城市地表覆盖的复杂性、植被类型的多样性,在一定程度上影响了城市植被覆盖信息提取的精度。为此,本文提出一种基于多源遥感数据与时间混合分析的城市植被覆盖度估算方法。首先,通过时空融合、植被物候特征分析获得最佳时序的GF-1 NDVI数据;其次,基于时间序列的GF-1 NDVI及Landsat 8 SWIR1、SWIR2数据,采用时间混合分析方法以长沙市为例估算城市植被覆盖度。实验研究表明,基于多源遥感数据与时间混合分析方法获得了较高精度的城市植被覆盖度估算（RMSE为0.2485,SE为0.1377,MAE为0.1889）,相对于单时相光谱混合分析、传统的像元二分法,本文提出的方法更为稳定,在低、中、高不同植被覆盖区均能获得较高的估算精度,为城市植被覆盖度定量估算提供了有效方法。     

基于EOS/MODIS若尔盖高原地区湿地信息提取及变化监测

以若尔盖高原地区为研究区,利用多时相中分辨率成像光谱仪MODIS(Moderate Resolution Imaging Spectroradiometer)遥感影像数据,采用基于归一化植被指数(NDVI)的时间序列谐波分析方法,对2001~2013年夏季的MODIS/NDVI和MODIS/EVI进行重构,去除云干扰,采用决策树分类方法获取若尔盖高原地区2001~2013年夏季湿地信息的分布数据并作统计。结果表明:基于EOS/MODIS遥感数据,采用决策树分类方法获取若尔盖高原地区的湿地信息数据是可行的;若尔盖高原地区的湿地面积是随年际的变化呈锐减趋势,若尔盖高原地区湿地的退化主要是受到近年来气候暖干化的影响,人类活动则加剧了湿地萎缩及退化的趋势。     

遥感影像时—空融合的“点”—“线”—“面”质量评价

遥感影像时—空融合可集成多源数据高空间分辨率和高时间分辨率互补优势,生成时间连续的高空间分辨率影像,在遥感影像的动态监测与时序分析等方面具有重要应用价值。然而,现有多数研究往往基于单一数据产品对时—空融合算法进行评价,而在实际生产应用中,需要验证算法在多种遥感产品数据的融合表现;此外,目前研究大多基于"单点时刻"进行评价,忽略了时—空融合在"时间线"上的有效验证。本文提出遥感影像时—空融合的"点"—"线"—"面"多角度综合质量评价策略,基于Landsat TM和MODIS影像,建立了时—空融合系列数据集,包括地表反射率、植被指数和地表温度,并在此基础上从单时相("点")、时间序列("线")、多种数据产品("面")多个角度对4种典型融合算法进行定性和定量的综合评价。结果表明,基于不同产品类型的数据集更能充分验证算法性能,且结合单点时刻和时间序列的评价更加客观。     

基于高光谱Hyperion数据的线性光谱混合模型与神经网络模型的比较

混合像元问题是定量遥感中的热点问题之一,为了改进从遥感数据中提取定量信息,人们建立了各种混合光谱分解技术,其中线性光谱混合模型和神经网络模型就是两种比较成熟的方法。以陕西省横山地区的高光谱Hyperion数据为研究基础,通过最小噪声变换(MNF)、像元纯度指数(PPI)转换和RMS误差分析的迭代方法相结合提取影像中的纯净像元作为终端端元。分别运用神经网络模型和线性光谱混合模型对影像进行光谱分解,得到各个组分的分解图像。以标准植被指数(NDVI)影像为衡量标准,选取训练样本点,分别对两种模型进行回归分析,结果显示NDVI影像与线性光谱混合模型植被分解图像的判定系数(R2=0.91)要大于其与神经网络模型的判定系数(R2=0.81)。进一步分析表明在一般情况下,线性光谱混合模型具有比神经网络模型略高的分离精度,但是神经网络模型对细部信息的提取的效果要好于线性光谱混合模型,最后提出了端元均方根误差(EAR)指数,一种新的混合像元分解的思路。     

基于CBERS-02遥感影像的湿地地表覆被分类研究

基于CBERS遥感影像多光谱数据,运用信息量、相关系数及OIF方法,分析了波段数据特征,获得了对影像数据的整体认识。 通过绘制地表覆被类型的样本均值光谱曲线,分析了多种地表覆被类型在5个影像波段中的光谱特征,得出了不同覆被类型在各波 段中的反射特性。基于典型地表覆被类型样本数据,分别针对影像的5个波段及第一主成分、归一化植被指数这两个重要特征,运 用盒须图进一步分析了不同地表覆被类型的分异特性。运用Z-test统计方法,筛选出了区分不同地表覆被类型的最优纹理特征。运 用面向对象分类技术开展了研究区覆被类型分类实验,验证了基于CBERS遥感影像进行内陆淡水湿地区地表覆被分类的可行性,丰 富了地表覆被信息提取方法,拓展了CBERS遥感影像的应用领域。     

微波植被指数在干旱监测中的应用

在植被覆盖区域,归一化植被指数(NDVI)被广泛地应用于干旱遥感监测。和基于光学遥感的植被指数相比,Shi等提出的微波植被指数MVI(Microwave Vegetation Index)被证实能够反映更多的植被生长信息。本文以MVI为基础,利用MVI代替目前比较成熟的温度植被指数TVDI(Temperature Vegetation Index)中的NDVI,构建温度微波植被干旱指数TMVDI(Temperature Microwave Vegetation Index),发展了一种新的干旱监测方法。本文以2006年夏季四川省发生的百年难遇的干旱为研究对象,将基于TMVDI与TVDI的干旱监测结果进行了对比分析。最后,为评估监测结果的准确性,将遥感监测的结果与基于气象站点降雨观测数据构建的标准降雨指数SPI(Standardized Precipitation Index)的计算结果进行了对比分析。结果表明,利用低频降轨微波辐射计数据计算的T MVDI最适合于进行植被覆盖区域的干旱监测。