扬花期冬小麦叶面积指数高光谱遥感反演研究

利用扬花期冬小麦实测冠层高光谱数据与同步叶面积指数(LAI)数据,分析350～1 000 nm波段范围内冠层反射率与LAI之间的相关性,分别在蓝波段、红波段、绿波段及近红外波段选取光谱特征波段,并用其计算6种被广泛应用于植被LAI反演的植被指数.通过相关分析、回归分析等统计方法,构建扬花期冬小麦LAI反演模型并进行真实性检验.研究结果表明,6种植被指数与冬小麦LAI均具有显著相关性,其中NDGI和EVI反演模型效果较好,拟合方程决定系数R~2均高于0. 6,分别为0. 634和0. 623.最后通过精度验证,得出结论:EVI反演模型R~2最高,为0. 779,故选取EVI为自变量的二次模型为扬花期冬小麦LAI最佳反演模型.研究可为作物长势监测及产量估算等提供一定的理论依据.     

基于单时相Landsat8_OLI影像的棉花提取技术研究

针对利用单时相遥感影像快速、高精度地提取棉花信息研究较少的现状,根据作物的物候历,选取棉花生育期的单时相Landsat8_OLI影像。通过对棉花和其他地物的光谱特征与植被指数的差异性分析表明:近红外波段(NIR)和差值植被指数(DVI)是棉花识别的特征指数;并由此构建了OLI数据的棉花信息提取的特征指数模型。经实地验证,运用此模型提取的库尔勒市棉花信息的生产精度为97.96%,用户精度为98.63%。基于单时相遥感影像的棉花提取思路可以为我国主要棉产区的棉花信息遥感提取、长势监测和产量估测提供新思路和技术参考。     

基于无人机可见光波段对荒漠植被覆盖度提取的研究——以沙坡头地区为例

以腾格里沙漠东南缘沙坡头地区为研究区域,采用无人机(Phantom 3A)拍摄获取指定范围可见光影像,通过ENVI软件分析照片的红、绿、蓝信息进行植被指数的提取和植被覆盖度的计算,主要分析了可见光波段差异植被指数、归一化绿化差异指数、归一化绿蓝差异指数、过绿指数、红绿比值指数与研究区荒漠植被覆盖度回归模型,探究最优反演模型,目的是验证在相同区域、相同时间拍摄的无人机影像的植被覆盖度.计算出来的植被覆盖度和无人机航片的处理方法进行比对,验证反演模型的正确性.结果表明:通过无人机可见光波段提取的植被指数结果中可见光波段差异植被指数的提取精度最好,能很好地将植被与非植被区分,为荒漠植被覆盖度和植被指数的反演模型的验证提供了依据,节约了实地测量带来的时间和人力成本.对比研究植被指数和荒漠植被覆盖度的线性、对数、三次、乘幂、增长及指数的回归模型结果,最优的荒漠植被覆盖度的反演模型是可见光波段差异植被指数的三次模型,为y=-200.06x3+706.763x2-430.779x+17.916,能很好地监测荒漠植被覆盖度的动态变化,为今后荒漠生态系统的防护和管理提供较好的技术支持.     

黄土高原半干旱区春小麦冠层光谱对不同程度水分胁迫的响应

于2011年在定西地区开展了观测试验,主要测定了不同水分控制条件下春小麦冠层高光谱反射特征,同步测定了各项生理参数响应.在分析不同水分胁迫下春小麦冠层光谱特征基础上,研究了该地区春小麦冠层光谱对不同水分胁迫的响应特征.结果表明:在水分胁迫下春小麦冠层光谱在可见光区(VIS)和近红外区(NIR)均呈现明显的趋势性变化,随水分减少,VIS光区与短波红外光区(SWIR)反射率都呈增加趋势,而NIR光区反射率呈下降趋势;小麦水分指标冠层等效水厚度(EWTcanopy)比叶片相对含水量(F MC)能够更敏感地体现水分胁迫变化;光谱指数对不同水分胁迫的响应分析表明,WI指数的监测效果较差;反演半干旱区冠层尺度作物水分,红边植被指数与EWTcanopy相关性最高,PRI指数可反映作物水分胁迫后的光合效率变化,间接反映水分状况,但不适合监测重旱;OSAV I对土壤调节系数的修订比SAVI提高了相关性;短波红外波段对水分胁迫的变化响应比较稳定,进一步结合红边波段构建新的水分指数有望提高研究区冠层水分的监测精度.     

采用地表反射率模型的Landsat时序数据集重构

选择福州市区东部面积近300 km²的区域作为研究区,基于地表反射率模型,对2013-2016年研究区内所有的有效像元进行拟合,重构时序数据集,并通过原始影像与实测光谱对拟合结果进行评价.研究结果表明:拟合结果与原始影像在蓝、绿、红、近红外波段的相关系数均高于0.9,可见光波段均方根误差在0.01左右,近红外波段略高于0.02;拟合结果能清晰地表达不同类型植被的物候差异,与原始影像、实测归一化植被指数(NDVI)均保持较高的一致性;基于重构的数据集,可以保证选择相同时相的数据进行年度植被变化监测,进一步提高植被动态变化监测的准确性和实效性.     

无人机遥感估算绿化园林三维绿量——以福州大学旗山校区为例

针对传统的三维绿量估算方法存在耗时费力的缺点,提出利用可见光无人机影像快速估算绿化树木三维量的方法.首先获取高于10cm分辨率的无人机可见光遥感影像;其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型;再次通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数,通过野外实测数据构建“树高-冠高”关系模型得到冠高;最后结合树种分布情况,按照不同的树冠形状构建三维绿量估算模型.     

基于多时相Sentinel-2数据的中牟县冬小麦种植面积提取

农作物的遥感识别监测是开展农作物长势监测、估产的前提和出发点，是农业遥感的焦点之一.利用遥感数据监测作物种植面积，日益成为农业管理及政策制定的重要技术支撑.以中牟县为研究区，选取2020—2021年期间的6幅Sentinel-2遥感影像数据，主要依据农作物的物候期光谱特征曲线变化和时序归一化植被指数曲线的变化，利用面向对象提取方法提取中牟县冬小麦面积及空间分布.将提取结果与谷歌地球高分辨率影像结合野外调查得到的验证样本进行精度验证，评价结果显示：总体精度93.33%,Kappa系数86.38%，结果能够较好地反映中牟县冬小麦种植面积及空间分布情况.该方法为大区域农作物的面积提取提供了重要方法参考.     

无人机航高对落叶松毛虫虫害遥感监测精度的影响

【目的】探究无人机航高对落叶松毛虫(Dendrolimus superans)虫害监测精度的影响机制，以期构建先进的森林虫害监测技术框架，为无人机近地面森林虫害遥感监测提供重要参考。【方法】以大兴安岭落叶松毛虫虫害频发区为试验区，以无人机不同航高下采集的多光谱遥感影像为基础数据，获得健康、轻度和重度虫害的386株落叶松树冠层光谱指数和纹理特征，通过方差分析法(ANOVA)及连续投影算法(SPA)提取对虫害严重程度敏感的光谱特征，结合随机森林(RF)和支持向量机(SVM)算法构建虫害严重程度监测模型，揭示航高对监测精度的影响。【结果】(1)光谱指数和纹理特征的总体(轻度+重度)监测精度均随航高上升呈下降趋势，而轻度和重度虫害的监测精度却有不同变化态势。(2)光谱指数(修正型三角植被指数2、绿光归一化差值植被指数2、绿光归一化差值植被指数、差值植被指数、简单比值指数1)+纹理特征(MEA 3)组合的虫害监测精度达到最优(总体精度和Kappa值分别为92.3%和0.891),但其总体和轻度的监测精度随航高上升呈下降趋势(下降速率分别为0.04%/m和0.03%/m),重度的监测精度有上升趋势...     

基于EOS/MODIS数据的土壤水分遥感监测方法

美国国家航空航天局(NASA)自1991年开始实施对地观测系统(EOS)计划以来,EOS/MODIS传感器的高时间分辨率、高光谱分辨率、适中的空间分辨率等特点使其在干旱监测中具有突出的优势.纵观近年来国内外基于EOS/MODIS资料遥感监测土壤水分的理论、方法的发展和应用特点,可以分为5类:①基于植被指数类的遥感干旱监测方法,如简单植被指数、比值植被指数、归一化植被指数、增强植被指数、归一化水分指数法、距平植被指数等;②基于红外的遥感干旱监测方法,如垂直干旱指数法、修正的垂直干旱指数法等;③基于地表温度(LST)的遥感干旱监测方法,如热惯量法、条件温度指数、归一化差值温度指数、表观热惯量植被干旱指数等;④基于植被指数和温度的遥感干旱监测方法,如条件植被温度指数、植被温度梯形指数、温度植被干旱指数模型等;⑤基于植被与土壤的遥感监测方法,如地表含水量指数作物缺水指数法等.重点介绍了目前生物、物理意义较明显,比较成熟和广泛应用的基于可见光与热红外波段的改进型垂直干旱指数法(MPDI)、作物缺水指数法(CWSI)、地表含水量指数法(SWCI)、热惯量法(ATI)等;对各种遥感监测土壤水分方法的优缺点做出评价;指出利用高分辨率卫星资料(如EOS/MODIS和中国发射的风云三号极轨气象卫星250 m分辨率资料)进行农业干旱监测研究将成为主要的研究方向,"土壤-作物-大气"多圈层立体监测、多学科的融合将是解决提高旱情定量化监测精度、使之实用化和业务化的必由之路:最后,展望了遥感监测土壤水分的发展前景.     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像,建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本,利用低空无人机搭载的光学相机,在从地面难以到达的山地、水域和植被茂密区,通过垂直拍摄获得厘米分辨率的航拍影像,作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-bluevegetationindex,RGBVI),然后使用大津分割法提取样方的植被覆盖信息,得到构建模型所需的训练样本。在此基础上,基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据,利用递归特征消除算法优选参与随机森林回归的特征变量集,利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923,均方根误差为0.087,优于常用的像元二分模型,可用于矿区植被动态信息的精细化监测。     

利用Kinect进行地面植被分层覆盖度估算研究

  植被覆盖度( fractional vegetation cover, FVC)是一个重要的植被生物物理学参数,是一定空间尺度下所有植 被覆盖比例的综合反映.植被垂直方向的异质性在很多应用中也需要考虑.目前遥感和地面测量对获取植被垂直结构都 有待完善,新仪器, 新方法仍在不断发展之中.本文采用一种商业化的3D体感摄影机———Ki nect,其传感器具有彩色和 深度镜头,相当于数码相机和激光雷达的结合.实验发现, Kinect能够用于获取空间相匹配的数码相片和深度图像,并得 到植被的垂直剖面信息,进而计算垂直分层的FVC.受限于Ki ne c t目前的有效探测范围,这种设备不能大规模地应用于 野外测量中,但是它可为发展结合激光雷达和传统光学传感器获取植被参数的新方法提供测试数据.      

基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle, UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证。结果表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2%,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68%、3.75%、7.35%和13.91%,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势。     

基于无人机多光谱影像的水稻风灾倒伏面积估算

风灾作为水稻气象灾害之一,严重影响着水稻的生长、产量以及品质。遥感技术作为倒伏作物监测的新途径,给作物受灾面积统计的实时、动态、宏观监测带来新思路,一定程度上弥补了传统方法的不足。以黑龙江省五常市典型水稻倒伏地块获取小型无人机多光谱数据,并基于此数据选取光谱特征、纹理特征、植被指数三个指标对比水稻倒伏前后的差异,接着以水稻倒伏前后的光谱特征、纹理特征结合最大似然法分类,植被指数差异选择最大阈值进行分类,最后对倒伏水稻的提取精度进行评价与分析。研究发现：（1）植被指数特征相对差异值最小（7%）,不适用于准确区分正常和倒伏水稻;光谱特征的相对差异值居中（18%）;纹理特征相对差异值最大（28%）,最适于区分正常和倒伏水稻。（2）从提取的水稻面积结果显示可知,基于均值纹理的分类方法的精度最高（94%）;基于光谱特征分类方法的精度居中（72%）,介于两者（植被指数和均值纹理特征）之间;基于植被指数最优阈值分类方法的精度最低（66%）。该结果可为制定灾后生产管理、防控措施、评估产量损失具有重要参考依据;为动态监测水稻倒伏面积具有重要的借鉴意义。     

安徽省油菜种植面积MODIS数据分析

以安徽省为研究区,选取MODIS数据为数据源,首先基于2011年到2018年的16 d合成MODIS归一化差值植被指数产品,利用ENVI软件提取油菜种植面积。然后结合谷歌影像,通过目视解译和NDVI数据提取安徽省多时相油菜种植面积,在此基础上对MODIS-NDVI数据提取油菜种植面积的结果进行验证,并分析了其时空变化。与统计监测数据相比,利用MODIS数据提取油菜面积精度可达84.5%。通过实践和验证,利用MODIS-NDVI数据提取安徽省油菜种植面积具有一定的可行性和可靠性。研究成果可为政府部门掌握农作物生产和农业发展情况提供基础数据,也可为其他省份研究油菜种植面积提取提供参考和借鉴。     

江汉平原水稻长势遥感监测及估产模型

以江汉平原监利县为例，探讨利用极轨气象卫星资料（ＮＯＡＡ－ＡＶＨＲＲ）监测水稻长势以及建立水稻估产模型，通过对样点资料的分析表明：（１）利用水稻垂直植被指数（ＰＶＩ）能推算水稻叶面积指数，并有利地从混合象元中提取其它水稻信息；（２）水稻叶面积指数阴有效积温呈规律性变化，将ＮＯＡＡ－ＡＶＨＲＲ民有效积温结合可以大范围监测水稻长势；（３）水稻叶面积时间累积量是反映水稻产量形成过程的有效指数，用它预报水     

引入地形特征的田块尺度玉米遥感估产与空间格局分析

田块尺度作物估产引入地形特征提升精度与产量空间格局分析对规模经营具有重要意义。以黑龙江省规模化种植的春玉米为研究对象,测定无人机(unmanned aerial vehicle, UAV)高精度地形与变量测产数据,基于多时期SPOT-6影像提取7种植被指数;采用最小二乘法,构建不同时期植被指数与春玉米实测产量的经验统计模型,确定遥感估产最佳时期和最优植被指数;提取6种地形因子,使用多元逐步回归评价引入地形因子的遥感估产模型,应用空间统计分析探索产量空间分布格局。结果表明:春玉米灌浆期是遥感估产的最佳时期,决定系数R~2达到0.6以上的植被指数共6种,比值植被指数(ratio vegetation index, RVI)为最优植被指数,其余依次为修正比值植被指数(modified simple ratio, MSR)、无蓝色波段增强型植被指数(enhanced vegetation index without a blue band, EVI2)、归一化植被指数(normalized difference vegetation index, NDVI)、次生修正土壤调节植被指数(modified secondary soil adjusted vegetation index, MSAVI2)、绿度归一化植被指数(green normalized difference vegetation index, GNDVI);最佳估产模型引入地形辅助信息后R~2提升5.6%,达到0.79,均方根误差(root mean squared error, RMSE)为347.03 kg/hm~2;高海拔与高坡度区域产量均值最低为7 502.64 kg/hm~2,中海拔与低坡度区域产量均值最高为9 157.63 kg/hm~2。优化后的遥感估产模型可以快速评估作物产量,确定春玉米最佳生长区域,为规模化农业精细管理、土地整治与作物种植结构调整提供科学依据。     

面向固定翼无人机的视觉导引仿真系统设计与实现

针对无人机自主着陆视觉导引相关算法研究和验证困难的问题,提出了一种基于Flightgear和Matlab的多机组网联合仿真技术,设计并建立了固定翼无人机自主着陆视觉导引仿真系统.系统中Flightgear渲染的摄像头视角图像数据通过HDMI视频接口实时传递到Matlab中;摄像头的内参数可通过虚拟棋盘格标定得出.利用该系统进行了基于合作目标的无人机视觉导引着陆闭环仿真实验,证明该系统能够验证无人机视觉着陆方法、算法的正确性及可行性.     

基于HSV色彩空间和Otsu算法的无人机影像植被覆盖度自动提取

随着无人机遥感技术的不断发展和普及,其在生态学等领域中的应用已成为当前研究热点。植被覆盖度信息提取是无人机遥感的重要应用领域之一,然而目前无人机影像的植被覆盖度提取存在阈值难以选取、耗费时间过长等问题。为提高植被覆盖度提取的精度和速度,本文提出一种基于HSV色彩空间与Otsu算法的图像分割方法。该方法将无人机影像进行色彩空间变换,在HSV色彩空间中提取H分量并结合Otsu阈值分割方法,全程快速自动地完成植被覆盖度提取。实验结果表明,Otsu算法能显著缩短植被覆盖度提取时间,且提取精度较高,并且在结合HSV色彩空间时,准确度更高,对比传统植被覆盖度阈值提取有较为明显的优势,提高了植被覆盖度提取的时效性。     

融合多尺度纹理特征森林资源信息提取

基于SPOT-5多光谱和全色影像进行图像融合,构造NDVI植被指数,提取多尺度纹理特征并参与分类;基于SVM方法进行森林资源植被分类.结果表明:高通滤波(HPF)为最佳的图像融合方法,与单尺度纹理与光谱信息融合的分类相比,多尺度纹理与光谱信息融合的分类方法总精度提高了3%,验证了新方法的可行性.