尺度变化对冬小麦种植面积遥感测量区域精度影响的研究

不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比等角度系统分析了农作物种植面积遥感测量中的尺度效应问题.为基于多尺度遥感数据复合的农作物种植面积测量业务化运行中的数据选择和精度保证问题提供理论与实验基础.     

美国冬小麦产量遥感预测方法

介绍了依据时序遥感植被指数数据进行产量预测的方法。通过美国冬小麦产量的历史趋势分析去除趋势产量 ,得到气象产量。利用区域作物生长过程线 ,提取曲线的各个特征参数 ,并将各参数与气象产量的值进行相关分析 ,得到美国冬小麦产量遥感敏感因子 ,采用一次线性拟合的方法建立回归方程 ,估算当年的冬小麦产量。依据此方法对美国 2 0 0 3年各州的冬小麦单产进行了预测 ,并将最终的预测结果与美国农业统计局的数据进行了对比 ,两者间的误差在 - 11 4 2 %至 11 10 %之间 ,相关系数为 0 89。     

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。     

Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong, China

The significance of crop yield estimation is well known in agricultural management and policy development at regional and national levels. The primary objective of this study was to test the suitability of the method, depending on predicted crop production, to estimate crop yield with a MODIS-NDVI-based model on a regional scale. In this paper, MODIS-NDVI data, with a 250 m resolution, was used to estimate the winter wheat (Triticum aestivum L.) yield in one of the main winter-wheat-growing regions. Our study region is located in Jining, Shandong Province. In order to improve the quality of remote sensing data and the accuracy of yield prediction, especially to eliminate the cloud-contaminated data and abnormal data in the MODIS-NDVI series, the Savitzky–Golay filter was applied to smooth the 10-day NDVI data. The spatial accumulation of NDVI at the county level was used to test its relationship with winter wheat production in the study area. A linear regressive relationship between the spatial accumulation of NDVI and the production of winter wheat was established using a stepwise regression method. The average yield was derived from predicted production divided by the growing acreage of winter wheat on a county level. Finally, the results were validated by the ground survey data, and the errors were compared with the errors of agro-climate models. The results showed that the relative errors of the predicted yield using MODIS-NDVI are between −4.62% and 5.40% and that whole RMSE was 214.16 kg ha⁻¹ lower than the RMSE (233.35 kg ha⁻¹) of agro-climate models in this study region. A good predicted yield data of winter wheat could be got about 40 days ahead of harvest time, i.e. at the booting-heading stage of winter wheat. The method suggested in this paper was good for predicting regional winter wheat production and yield estimation.     

高光谱与高空间分辨率遥感数据的亚热带森林生物量反演

精确估算森林生物量对全球碳平衡以及气候变化的研究有重要意义。以亚热带天然次生林为研究对象,借助地面实测样地数据,通过对机载LiCHy(LiDAR,CCD and Hyperspectral)传感器同时获取的高光谱和高空间分辨率数据进行信息提取和数据融合,建模反演森林生物量。首先通过面向对象分割方法进行单木冠幅提取,然后融合从高光谱数据提取的光谱特征变量和从高空间分辨率数据提取的单木冠幅统计变量,构建多元回归模型估算地上、地下生物量,最后利用地面实测生物量经交叉验证评价模型精度。结果表明,综合模型的精度(R~2为0.54—0.62)高于高光谱模型(R~2为0.48—0.57);在高光谱模型中地上生物量模型精度(R~2为0.57)高于地下生物量模型(R~2为0.48);在综合模型中地上生物量模型精度(R~2为0.62)同样高于地下生物量模型(R~2为0.54)。交叉验证结果表明,与仅使用高光谱数据(单一数据源)相比,通过集成高光谱和高空间分辨率数据的生物量反演效果有所提升,可以更加有效地估算亚热带森林生物量。     

2000—2009年河北省生态系统服务价值时空动态遥感监测

以TM图像及MODIS NDVI数据为主要数据源,通过建立生态系统服务价值评估体系、物质量评估模型及价值量评估模型,对河北省2000—2009年生态系统服务价值进行了计算。2000—2009年间,河北省生态系统总服务价值呈现出波动增长趋势;总体的空间分布规律呈现出北高南低、西高东低、山地丘陵区高于平原区的规律;生态系统服务价值的空间变化呈现出南北两端地区减少、中部地区增加,且增加部分面积大于减少部分面积的特点。     

受蚜虫危害与干旱胁迫的冬小麦高光谱判别

从高光谱遥感角度判别冬小麦旱害和蚜虫危害,可进一步提高遥感监测灾害的准确性.在麦长管蚜的自然危害下,通过控制其生育期水分条件形成的不同程度的干旱胁迫,监测了灌浆末期冬小麦冠层反射率对蚜虫危害和干旱胁迫的反应;并经一阶微分数据变换,筛选出识别蚜虫虫害和干旱胁迫响应最敏感的光谱波段.实验结果表明:受蚜虫危害和干旱胁迫后,灌浆末期冬小麦在近红外波段的光谱特征变化比在可见光波段的显著,可见光和近红外波段是识别蚜虫危害和干旱胁迫最敏感的谱段.经一阶微分数据变换发现,自然降水处理(灌水量相当于需水量的＜40％)下的冬小麦光谱曲线的“红边”斜率最小;受蚜虫危害以及灌水量分别相当于需水量的＞70％,60％～ 70％,50％～ 60％和40％～ 50％水分处理下的“红边”斜率依次变大;受蚜虫危害冬小麦光谱曲线的“红边”位置波长最短(698 nm),其他不同水分处理结果随着干旱胁迫的加重向波长短的方向发生“蓝移”.因此,“红边”参数也可以作为判别冬小麦蚜虫危害和干旱胁迫的重要参数.     

利用NOAA NDVI数据集监测冬小麦生育期的研究

探索了利用NDVI研究作物生育期的方法,对黄淮海冬麦区的返青期、抽穗期、成熟期进行了估测,并利用地面实际观测资料进行了验证。结果表明,NDVI数据对大范围农作物生育期监测是可行的。冬小麦遥感反青期由南到北依次推迟,符合春季绿波由南到北推移规律。对冬小麦遥感生育期年际变化分析表明,黄淮海平原返青期变化相对较大,而抽穗期和成熟期变化较小。根据历年月平均温度与返青期分析,冬小麦返青日期与2月份平均温度密切相关。对于局部地区,利用5d合成1km分辨率数据,且按农业生态分区分别制定生育期判别标准,估测效果将更好。     

基于随机森林特征优选的冬小麦分类方法

本文基于多时相Landsat 8 OLI数据,进行综合光谱、植被指数的特征提取与特征选择的方法研究。通过分析光谱与植被指数特征时序变化,提取最佳时相光谱,构建小麦提取特征;采用基于重要性与Pearson相关性的随机森林特征选择算法优选特征。结果表明:利用优选特征分类时,总体精度为89.78%,小麦分类精度为98.33%;与优选前特征的分类结果相比,精度分别提高了2.96%、2.55%;基于重要性与Pearson相关性的随机森林特征选择提高了分类精度和分类器工作效率。