利用不同方法反演冬小麦叶面积指数研究

基于高光谱数据的叶面积指数监测是快速获取冬小麦叶面积指数的重要方法。为了探究回归方法和高光谱数据变换对冬小麦叶面积指数反演精度的影响,采用逐步回归和偏最小二乘回归方法,分别建立基于冬小麦拔节期冠层高光谱数据、一阶导数光谱数据、二阶导数光谱数据和对数光谱数据的叶面积指数多元线性回归模型。结果显示,导数和对数变换能够提高冬小麦LAI反演精度,以蓝紫光、绿光、红光和近红外波段建立的一阶导数光谱数据逐步回归模型最优,建立回归模型的决定系数R2为0.974,交叉验证的RMSE为0.131,可为冬小麦LAI估算的方法选择和数据处理提供依据和参考。     

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。     

基于3种遥感指数的东北春玉米干旱识别对比

以东北春玉米为研究对象,探究利用植被光合特性的日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)指数、近红外-短波红外波段构建的归一化差值水分指数(normalized difference water index,NDWI)和可见光-近红外波段构建的归一化差值植被指数(normalized difference vegetation index,NDVI)识别东北春玉米干旱的准确度和敏感度。研究发现:SIF指数、NDWI和NDVI对干旱识别准确度均超过80%,其中重度干旱准确度超过94%,且在春玉米苗期表现最佳;3种指数对比可知,SIF指数在春玉米干旱识别的准确度和敏感度方面均最佳,分别为89.27%和81.65%,NDWI敏感度次之,NDVI最差。表明基于光合特性的SIF指数在识别东北春玉米干旱方面优于基于地物光谱特性所构建的植被指数。     

基于植被指数、光谱和形状指数的面向对象沙地提取方法研究*

以辽宁省康平县为研究区域,基于高分一号卫星(GF-1)空间分辨率16 m的多光谱影像,通过分析沙地提取的最优分割与合并尺度,以及沙地与其他地类的植被指数、光谱及形状指数特征差异,构建沙地特征提取规则,采用面向对象方法对沙地信息进行提取。结果表明：辽宁省康平县沙地最优分割尺度为40,最优合并尺度为90。沙地与非沙地的归一化植被指数和绿波段光谱均具有高可分性,Jeffries-Matusita（J-M）距离达到了1.92以上。基于植被指数、光谱特征和形状指数3个参数的面向对象沙地提取总体精度达到88.09%以上,Kappa系数高于0.81。此方法具有较好的适用性,能够为沙地信息提取和面积估算提供参考。     

东北区域水体密度指数估算方法

水体密度指数是生态质量气象评价的一个重要指标。该文提出了一种利用MODIS遥感数据估算水体密度指数的方法,首先利用水体与地物遥感光谱特性的差异,对指示性水体的面积进行精确识别和提取;通过选择不同时相MODIS数据与地而水文观测资料建立统计关系模型,实现对区域水环境面积的估算;最后计算归一化权重系数,实现东北地区水体密度指数的估算。     

基于GF5高光谱影像水体叶绿素a浓度估算分析——以贵州晴隆光照湖为例

该文选取贵州晴隆光照湖地区,利用2019年12月25日GF5高光谱遥感监测影像,经波段组合、辐射校正、大气校正等预处理后,在归一化水指数NDWI方法提取光照湖水库水体分布的基础上,利用PIE-Hyp 6.0高光谱影像数据处理软件内置线性回归模型对光照湖水体叶绿素a浓度进行了初步估算分析,光照湖水体叶绿素a浓度均值为1.70 ug/L,98.4%以上小于5.0μg/L,水体环境质量良好。通过对光照湖叶绿素a的初步估算分析,在进一步实测和优化模型参数的基础上,未来可实现对水体环境质量有效的监测,为GF5高光谱数据在贵州省水体环境调查和监管中应用和服务提供参考。     

MODIS遥感监测滇池蓝藻水华分布

以中分辨率的MODIS数据作为遥感影像源,运用蓝藻水华在蓝波段、红波段和近红外波段的光谱特征,使用假彩色合成法（RGB：6-2-1）和归一化植被指数法对滇池的蓝藻水华进行遥感监测。通过星地同步试验,证明了该两种方法的正确性。其中假彩色合成法通过色彩差异表现蓝藻水华,具有视觉效果较好的优点,归一化植被指数法则以数值大小的方式区别水华浓度,该方法建立反演模型后可用于定量研究。     

长江上游MODIS影像的水体自动提取方法

利用MODIS资料,分析了长江上游不同水体及其它主要地物在1～7通道的光谱特征,分析发现,水体混合像元在可见光的光谱特征与山体的阴影、云的阴影、城镇等的光谱特征具有很好的相似性,仅采用近红外波段和红光波段的方法不能有效提取出研究区的水体.提出综合采用归一化差分水指数、积雪指数以及可见光、近红外多通道信息的方法,逐步提取出研究区的水体及混合水体像元.     

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TM/ETM+遥感数据的港口用地动态变化监测

利用修正归一化差异水体指数（MNDWI）、归一化差异建筑指数（NDBI）和土壤调节植被指数（sAVI）相结合的综合指数法对钦州港1998、2002和2006年三个时相多波段TM／ETM＋数据进行降维处理,然后运用决策树分类法提取钦州港建筑用地信息。并对分类结果进行对比分析,得出钦州港8a中港口建筑用地变化情况,为港口建设与发展提供参考。     

1961—2019年陕西省极端旱涝事件的时空演变规律

选用陕西省51个地面气象站1961—2019年日降水数据,利用MATLAB2017计算了6个极端降水指数,采用线性趋势分析法、森斜率和改进的非参数Mann-Kendall趋势检验法研究不同时间尺度下极端降水指数的时空演变特征并找出了发生突变的年份。结果表明：各极端降水指数的月际、年际和年代际变化差异较大;夏季（7—9月）容易发生极端湿润事件,而冬季则容易发生极端干旱事件;连续干旱日数（DCD）、连续湿润日数（DCW）、强降水日数（DR10）和最大日降水量（Rd,max）、非常湿润日降水量（R95p）、全年湿润日降水总量（RT）的变化趋势率分别为-014、-013、-020 d/10 a 和108、039、-342 mm/10 a,多年平均值分别为388、58、200 d和607、1678、6443 mm;极端湿润事件发生较频繁的站点主要分布在陕南地区,而陕北地区的站点发生干旱的风险较高;陕北有变湿润的趋势,而关中平原地区的极端降水事件整体有缓解的趋势,陕南地区极端降水事件则表现为区域加剧和缓解并存的趋势。     

基于植被指数的马铃薯叶片氮素含量估算模型

作物氮素状况的有效监测是作物精确施肥和管理调控的信息基础。文章利用AISA-Eagle机载高光谱成像系统获取遥感图像,在对图像进行精确的几何、辐射校正基础上,探索由马铃薯冠层光谱数据组成的植被指数与叶片氮素含量之间的相关关系,建立相应的估算模型,并进行全氮含量填图。实验结果表明：植被指数TCARI/OSAVI与叶片氮素含量的相关性最好,决定系数为0.8404,达极显著相关。将最优的估算模型（y=-24.429x+10.08）应用到整个高光谱遥感图像,得到的全氮含量图的值域和分布与实际测量和地面调查结果基本一致。     

基于机器学习的中国冬季气温影响因子分析及模型估算

使用1951—2021年160个中国国家级气象观测站冬季平均气温及多项大气环流及海温等指数,用机器学习方法研究影响中国冬季气温异常的大气环流及海温等外强迫因子,并建立估算拟合模型,评价筛选出的影响因子组合对中国冬季气温异常分布的贡献。使用最小绝对收缩和选择算子（LASSO）算法提取与冬季气温异常相关的影响因子。为体现特征因子之间非线性关系,使用泰勒公式对筛选后的特征进行多项式增广。使用最小二乘梯度提升决策树（LS-GBDT）算法对筛选出的特征因子与冬季气温异常之间的非线性关系进行估算拟合。结果表明,机器学习方法能够对影响冬季气温异常的特征因子进行合理筛选与重要性分析,建立的估算模型在一定程度上体现了气候系统特征因子与冬季气温距平的非线性联系。本研究为了解中国冬季气温异常分布的影响因素及其模拟与估算提供了新方法和途径。     

夏玉米植被指数与叶面积指数的关系研究

利用ASD便携式地物光谱仪和SunScan冠层分析仪实测了陕西杨凌区和扶风县夏玉米关键生育期冠层光谱反射率及叶面积指数(LAI),对归一化植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)与叶面积指数进行了相关性分析,建立了基于三种植被指数的LAI估算模型,并进行精度检验。结果表明:基于抽穗期和蜡熟期NDVI以及灌浆期RVI的LAI估算模型的均方根差和相对误差较低,模拟效果较好。结果对夏玉米生长状况及病虫害监测、产量预测以及田间管理具有参考价值。     

基于Landsat ETM+影像的干旱半干旱地区地表温度反演研究与分析

利用武威地区2008年5月30目的Landsat ETM＋第六波段数据。经过大气和比辐射率校正后,运用单窗算法反演武威地区地表温度,得出该地区夏季地面温度场的分布规律。结果表明,冰川表面温度最低,针叶林及绿洲次之,沙漠最高,地表温度以绿洲为中心从里到外呈带状分布。并运用归一化植被指数（NDVI）计算该地区植被覆盖度（Fg）,进一步研究植被盖度及归一化植被指数与地表温度的相互关系,结果表明几种典型地物随NDVI值的减小,温度呈递增关系,植被盖度与地袁温度成线性负相关。     

基于MODIS和HJ-1数据的宿鸭湖水库面积遥感监测研究

水体与植被、城市和土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理。以宿鸭湖水库为例,在水体光谱特征分析的基础上,采用归一化植被指数（NDVI）方法提取2010年的MODIS和HJ-1遥感影像上的水体信息。首先将MODIS数据的第1和第2波段,以及HJ-1数据的第3和第4波段经过波段运算得到NDVI图像。将两种遥感图像中NDVI值为负的像元判识为水体,NDVI值为正的判识为水库周围的农田,经过计算像元数量得到水体面积信息。水体判识阈值在全年变化范围在-0．08和0．08之间。HJ-1数据具有较高的空间分辨率,水体判识的结果比MODIS数据更加精确。利用HJ—I数据水体监测结果对MODIS数据结果进行校正,使得到的监测结果同时具有较高的时间分辨率和空间分辨率。研究结果表明：利用HJ-1数据校正后的MODIS数据所测得的水域面积与实际观测得到的水库蓄水量之间的复相关系数为0．8603,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测提供了迅速、可靠的依据。     

天山西部地区冰雹云的卫星光谱特征及监测应用

针对冰雹灾害多发的新疆天山西部地区,利用2007年和2008年5一10月14次MODIS卫星过境资料,选取共计45个云系样本数,进行冰雹云、强对流云团和薄卷云的光谱特征提取和雹暴指数计算与分析。结果表明,冰雹云的热红外亮度温度（CH31、CH32、CH35）均〈240K,中红外波段反射率（CH20）相对较低〈30％,可见光和短红外波段反射率（CH1和CH6）均〉80％,雹暴指数≥0．35,得到了有利于冰雹云的卫星遥感客观判识指标。     

陕西2019年省级决策气象服务评估

采用国际通用调查评估方法,利用气象服务用户满意度指数CSIWS模型（customer satisfaction index of weather service）,从气象服务满意度、气象产品需求度和气象服务覆盖度三个维度对调查结果进行评估分析。结果表明：（1）2019年省级高端用户群对决策气象服务综合满意度指数为9284%,较2018年、2017年分别提高122、007个百分点;气象服务为防灾减灾救灾和经济社会发展提供了坚强保障,得到各级领导和相关部门的充分肯定和认可。（2）气象服务的发展必须要紧跟社会发展潮流,加强气象服务与云计算、大数据、物联网、人工智能等技术的融合,切实满足用户个性化需求。（3）在巩固抓好暴雨、高温等传统灾害性天气预报预警服务的同时,必须加强冰雹等强对流天气的决策服务。（4）以秦智网格预报系统深度研发为基础,继续加大短临预警服务系统的研发,切实增强短临天气服务主动性和产品可用性。（5）智慧气象APP、气象官微等融媒体发展是未来拓展气象服务手段的优先方向,要通过大众化、网络化的语言来包装气象服务产品,改进服务产品的结构和表现形式,巩固扩大用户群体,最大限度发挥气象服务效益。     

NPP-VIIRS卫星在西藏植被监测中的应用研究

基于GIS空间分析和数学统计方法,利用TERRA、AQUA和NPP-VIIRS卫星数据反演了西藏日土县植被归一化指数（Normalized Difference Vegetation Index,NDVI）,并对不同卫星传感器反演结果的一致性进行了检验评估。结果表明:NPP-VIIRS卫星反演的NDVI值略大于TERRA和AQUA的反演值,其估算结果与MODIS卫星估算值存在较好的相关性。NPP-VIIRS卫星可以用于西藏高原植被长势监测工作,为西藏生态文明高地建设提供更加丰富的遥感数据支撑。      

降水相态分离单临界气温模型建立和检验

使用雪日直接界定法,建立了中国大陆长江以北地区（30°N以北）降水相态分离单临界气温统计模型,分东部季风区、西北干燥区和青藏高原区3个不同气候区独立样本建模,检验模型外推使用的可能性,并对单临界气温分离的雨夹雪偏差进行分析。结果表明:所有地区独立样本建立模型估算的单临界气温与根据天气现象记录确定的单临界气温相关性均达到0.05显著性水平,3个气候区独立建模能够估算出降水相态单临界气温的范围及区域特性;以东部季风区和青藏高原区为样本独立建模的估算结果好于西北干燥区;3个独立模型估算的单临界气温偏差绝对值不大于1℃的气象站都多于74%,估算的标准差偏差在-0.5~0.5℃之间的气象站数量占比77%,在-1.0~1.0℃之间的气象站数量占比90%;日平均气温低于单临界气温的雨夹雪日数和降水量与实际降雪日和降雪量的比率北部略小、南部较大,东部季风区的南部雨夹雪界定的雪日和雪量比率均超过100%;使用统计模型确定不同区域雨夹雪中界定的雪日和雪量比率分布也具有可行性。