ETWatch中的参数标定方法

使用遥感手段估算区域范围的蒸散量一直是热红外定量遥感的研究热点。ETWatch是用于流域蒸散遥感监测、针对遥感应用而设计的集成框架。方法集成了具有不同应用优势的遥感蒸散模型,并以Penman-Monteith方法为基础建立时间扩展方法,利用气象数据与晴好日的通量遥感估算结果,获得逐日连续的蒸散分布图。所生成的从流域级到地块级的数据产品能动态反映区域蒸散发的时空变化规律。为深入了解遥感蒸散量估算中的不确定因素,本文将其通量计算过程分为地表参数获取(以地表温度为主)、日净辐射、蒸发比等环节与地面数据进行对比和逐项的标定。并分别采用地表阻抗扩展法和蒸发比不变法进行了时间插补的对比研究。利用站点地面观测资料对蒸散遥感监测产品的验证表明,在全年内模型蒸发比结果与实测的时段平均蒸发比的相关系数可达到0.7左右,在更长的时间尺度上(月、季、年)平均百分比误差可以减小到10％以下。     

无人机影像的面向对象水稻种植面积快速提取

基于抽样技术的地面调查与遥感影像分类相结合的方法在大范围作物种植面积提取中得到广泛使用。无人机影像具有低成本、高时效、高分辨率的一系列优点,可以快速实现特定区域范围内的农情采样任务。本文以水稻样地为研究对象,采用便携式无人机Mavic Pro进行航拍。对所获取无人机影像进行预处理生成分辨率为3.95cm/pix的正射影像,采用面向对象的思想,目视评价和ESP工具相结合快速选择了最优分割尺度为300,应用了支持向量机、随机森林和最邻近监督分类方法对影像进行了地物分类和水稻面积快速提取。采用目视解译分类结果进行分类结果和面积精度评价,总体精度最高的方法为最邻近分类法,此时水稻分类用户精度为95%,面积一致性精度为99%。研究结果说明了无人机遥感和自动分类能够在平原水稻种植区快速获取样方内高分辨率影像并提取水稻种植面积,弥补了农田被遮挡时地面调查数据的缺失,为大范围水稻种植面积、产量等信息的计算提供样本和验证依据。