基于遥感估产和农业统计的粮食供需平衡模型研究

提出了适用于年内动态平衡的中国粮食供需平衡模型 ,利用遥感估产数据和统计数据 ,对中国世纪之交的粮食供需平衡的现状进行研究。结果表明文中的模型是合理可行的 ,同时通过比较基于遥感估算产量和基于统计产量计算的粮食供需平衡状况结果 ,表明遥感估产信息可以有效提高粮食供需平衡分析的可靠性和时效性 ,遥感估产应作为中国区域粮食供需平衡监测的重要信息源纳入国家粮食宏观管理的日常工作。通过对中国 1999— 2 0 0 2年粮食供需状况的计算分析 ,认为世纪之交中国年内粮食的供需大致平衡 ,但因为 2 0世纪末政府和农户存粮数量较高 ,近 3年来农户库存持续下降 ,造成粮食市场供大于求的局面。因此 ,对于中国粮食的供需平衡面临的问题决不能掉以轻心。     

高精度作物分布图制作

中国自然条件复杂 ,农业种植结构多样 ,地块小而分散 ,利用遥感影像制作作物分布图的精度很难满足农业遥感估产的需求。该文利用目前最高分辨率的商用遥感卫星 (QuickBird)影像 ,采用面向对象的影像分析方法提取耕地种植地块图 ,结合详细的地面调查制作高精度的作物分布图 ,为农业遥感估产服务。     

未种植耕地动态变化遥感识别——以阿根廷为例

连续多年的高强度耕作会导致耕地层土壤养分、土壤有机质等逐渐下降,在作物收获之后作物秸秆还田量较少的情况下尤其突出,而对耕地利用状况动态变化(种植耕地与未种植耕地的动态变化)的识别,能够有效地反映出不同作物的轮作模式以及耕地种植强度的变化。本文以阿根廷3大农业主产省份(布宜诺斯艾利斯省、科尔多瓦省以及圣太菲省)为研究区,利用中分辨率成像光谱仪(MODIS)16天合成的归一化植被指数(NDVI)数据产品,在分析不同地物类型、不同耕作模式下的NDVI动态变化过程的基础上,结合地面样本数据统计获得有作物种植农田与无作物种植农田的识别阈值,综合利用阈值法和植被指数动态变化过程分析法对阿根廷3大主产省份开展了耕地利用状况动态变化遥感识别,实现了不同年份的耕地利用状况动态变化识别。地面观测数据验证结果表明,在阿根廷3大主产省内有作物种植耕地和未种植耕地的总体识别精度高于97%,但在不同的作物生长阶段,未种植耕地识别结果的精度差异较明显,在作物生长季内作物生长较为茂盛的时期,有作物种植耕地和未种植耕地的识别精度几乎达到99%,但在双季或多季作物种植区,作物轮作期间的耕地利用状况识别精度相对偏低,总体精度在95%左右,主要是受16天合成NDVI数据的最大值合成法限制。     

2010年春季西南地区干旱遥感监测及其影响评估

利用国产环境减灾星多光谱、热红外数据以及美国中分辨率MODIS数据建立了2010 年春季我国西南地区的干旱及其影响的遥感监测与评估方法。主要包括：1) 旱情遥感监测,利用环境减灾星多光谱数据和热红外数据构建旱情遥感综合指数监测西南地区的旱情;2) 地表可用水资源遥感监测,主要利用2010 年3 月中旬及去年同期的多光谱数据,对位于云南、贵州、广西境内的三个典型水体的水面面积进行了动态监测,以评估地表水面面积及水位的变化;3) 干旱对农作物的影响,主要通过农作物生长过程曲线分析各省(市) 区的作物受旱情的影响过程,并利用耕地面积与遥感监测作物种植成数、分类成数,以及耕地受旱比例计算作物受旱面积,通过田间实验对不同生育期冬小麦受到水分胁迫条件下的减产结果,确定不同旱情等级对应的粮食减产比例,计算各省(市) 的冬小麦减产数量。结果表明旱情最严重区域在广西西北部、贵州西南部和云南的中部与东北部,冬小麦、油菜、甘蔗等作物生长过程受到明显抑制,受旱面积分别达到9.13×10⁵ hm²、5.43×10⁵ hm²与9.00×10⁵ hm²,冬小麦产量损失达到8.3×10⁵ t,约占2009 年四省市冬小麦总产量的13.7%、全国冬小麦总产量的0.8%和全国粮食总产量的0.16%,对我国粮食总产量影响不大,但云南和贵州的冬小麦减产分别达到48%和31%,对区域粮食供应影响较大。     

结合UPSCALING技术与对象多特征的土地利用覆盖信息提取研究

应用SPOT融合数据,以北京密云地区为例,提出了整合Upscaling技术与对象多特征方法的新思路,通过基于半变异函数的 空间变异特征分析,建立了面向对象多特征与多分辨率数据集的多尺度分类决策树,并对自动分类效率进行了初步探讨。     

基于遥感的区域尺度森林地上生物量估算研究

森林是陆地生态系统最大的碳库,精确估算森林生物量是陆地碳循环研究的关键。首先从机载LiDAR数据中提取高度和密度统计量,采用逐步回归模型进行典型样区生物量估算;然后利用机载LiDAR数据估算的生物量作为样本数据,与多光谱遥感数据Landsat8 OLI的波段反射率及植被指数建立回归模型,实现区域尺度森林地上生物量估算。实验结果显示,机载LiDAR数据估算的鼎湖山样区生物量与地面实测生物量的相关性R2达0.81,生物量RMSE为40.85 t/ha,说明机载LiDAR点云数据的高度和密度统计量与生物量存在较高的相关性。以机载LiDAR数据估算的生物量为样本数据,结合多光谱遥感数据Landsat8 OLI估算粤西北地区的森林地上生物量,精度验证结果为:R2为0.58,RMSE为36.9 t/ha;针叶林、阔叶林和针阔叶混交林等3种不同森林类型生物量的估算结果为:R2分别为0.51(n=251)、0.58(n=235)和0.56(n=241),生物量RMSE分别为24.1 t/ha、31.3 t/ha和29.9 t/ha,估算精度相差不大。总体上看,利用遥感数据可以开展区域尺度的森林地上生物量估算,为森林固碳监测提供有力的参考数据。     

基于遥感和GIS的宣化县水土流失定量空间特征分析

以遥感和GIS技术为支撑,利用通用的土壤流失方程(USLE)的修正模型(RUSLE)定量评估宣化县2000年的水土流失量和土壤侵蚀强度,并对宣化县水土流失空间分布特征进行了分析。结果表明,宣化县2000年土壤侵蚀(轻度侵蚀以上)面积为982.85 km2,占宣化县总面积的39.25%,平均土壤侵蚀模数为13.92 t/hm2.a,属于轻度侵蚀;坡度越大,极强度及剧烈侵蚀越有可能发生,从整体来看,15°~25°是侵蚀比例最大的坡度带。宣化县土壤侵蚀主要集中于灌草地和旱地两种土地类型,两者土壤侵蚀面积占宣化县2000年总土壤侵蚀面积的93.897%。     

应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类

农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用 Savitzky Golay (S-G) 滤波器对 Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机（Support Vector Machine, SVM）分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明：① 典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;② 通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7% 和0.055;③ 基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。     

2000～2015年中国人工表面变化遥感监测分析

基于时间序列遥感数据获取的多期土地覆被数据对中国人工表面变化信息进行提取和定量评价,进一步分析中国各省市的人均人工表面面积变化趋势,以及7个主要城市群的人工表面变化情况,结果可知:① 2015年中国人工表面的面积总和为29.07万km ²,其中建设用地25.10万km ²、交通用地3.09万km ²、采矿场0.88万km ²;② 2015年人工表面总面积较2010年年均增长为0.66万km ²,年均增速为2.57%,较2000~2010年年均增长0.55万km ²（年均增速2.70%）增速有所放缓。③ 总体上中国大部分行政区的人均人工表面面积近15 a持续提高。     

区域生态遥感的发展与未来

结合生态遥感应用技术的发展, 介绍了中国科学院遥感应用研究所农业与生态遥感研究室在区域生态遥感研究领域的发展现状与未来。研究室重点开展植被结构、蒸散发、降水量、土壤湿度、水土流失和热环境等生态因子的遥感监测技术研究, 以三峡库区、海河流域、三北地区为研究区, 开展生态遥感的综合应用。研究室以全球变化条件下的水生态管理、工程生态效应评估、区域人地关系等作为未来区域生态遥感应用的重点发展方向。