基于植被指数融合的冬小麦生物量反演研究

作物群体生物量是形成产量的物质基础,遥感技术是高效、客观监测作物地上生物量的重要手段,对农业生产管理具有重要意义。以安徽省龙亢农场为研究区,通过PROSAIL模拟光谱分析了4个LAI相关的可见光-近红外植被指数、2个叶片干物质相关的短波红外植被指数和8个融合植被指数与冬小麦地上生物量的关系,并建立反演模型。模拟结果显示,干物质植被指数与作物生物量的相关性高于LAI相关的植被指数,两者融合的植被指数增强了常用植被指数冬小麦生物量的探测能力。利用实测冬小麦数据对生物量反演模型进行验证,结果显示：融合植被指数普遍提高了单一植被指数的地上生物量反演精度,其中MTVI2×NDMI精度最高（RMSE=606.8 kg/hm²）,并为作物地上生物量的高精度反演提供新的技术途径。     

退牧还草工程项目遥感分析与效益评价——以四川省阿坝县为例

根据对卫星遥感影像的判读解译,探讨了利用3S技术（遥感（RS）、全球定位系统（GPS）、地理信息系统（GIS）技术）监测四川省阿坝县的退牧还草工程现状。通过陆地卫星TM遥感影像数据和同期野外调查数据,分析了植被指数与草地植被生物量之间的相关关系,建立了不同植被指数与草地生物量之间的一元线性回归模型和非线性回归模型。结果表明,利用遥感卫星的植被指数可以较好反映牧草植被群落变化和不同草原类型的牧草产草量差异。在全年放牧草地中,地上总生物量、植被总覆盖度、植被平均高度等指标均低于围栏内的草地。因此,利用“3S”技术可以对全县草原地上生物量进行遥感估测并对草原基况做出评价,客观反映退牧还草工程实施后效果。同时,为推动高空间分辨率卫星影像在我国草业和生态环境建设中的应用打下了坚实基础。     

基于ISODATA法的冬小麦产量分级监测预报

以江苏省姜堰市为例,进行了基于TM卫星遥感技术和小麦估产模型的冬小麦产量监测研究。在利用GPS实地采样调查和建立解译标志的基础上,通过影像校正、采用优化的ISODATA分类方法,结合人机交互式判读解译等操作,将样点的作物信息数据贯穿到整个校验分类过程中,信息解译精度在90%以上。利用分类提取的冬小麦数据,反演叶面积指数、生物量信息等,结合冬小麦估产模型,计算单点产量信息,经过线性转换,对整个区域的冬小麦产量进行监测预报,并制作了冬小麦产量分级专题图。     

冬小麦播期的卫星遥感及应用

播种日期对冬小麦生长发育、产量和品质形成均有一定的影响。利用2003年拔节期的Landsat TM卫星的NDVI数据．成功地监测了冬小麦的播种日期。提出了基于NDVI和播种日期的冬小麦的遥感估产的优化模型，并在抽穗期至乳熟期的3次生育期的遥感估产中得到了成功验证与应用。利用出粉率与播种日期的显相关特性，采用拔节期的Landsat TM卫星的NDVI数据，成功预测了小麦籽粒的出粉率。     

城市不透水面及其与城市热岛的关系研究-以泉州市区为例

利用Landsat TM卫星影像提取了泉州市1989到1996年的城市建成区不透水面,并研究了其与城市热岛之间的关系。根据Ridd(1995)提出的城市建成区不透水面与植被覆盖度有很强的负相关关系的思想,先利用归一化植被指数求出泉州市建成区的植被覆盖度,进而提取了泉州市建成区的不透水面。通过比较所提取的两个时相不透水面信息,可以看出泉州市区不透水面的面积在7年里有了明显的增加,并主要沿研究区东南部扩展。通过将所提取的不透水面信息与利用TM6波段反演的地表温度进行相关分析,可发现二者之间存在着明显的正相关关系。     

大区域TM影像归一化植被指数季相归一化处理方法

针对高分辨率遥感监测植被时大范围获取影像的季相往往不一致,影响了归一化植被指数的连续性与可比性问题,借助MODIS归一化植被指数产品,开展TM归一化植被指数季相归一化方法研究。以福建省为例,分析不同季相MODIS归一化植被指数之间的一次项、二次项最小二乘关系及差值关系,对比分析转换结果。结果表明,二次项关系优于其他两种效果,较好地消除归一化植被指数时相不一致问题,获得了较为满意的效果。利用MODIS归一化植被指数构建二次项,完成福建省TM归一化植被指数季相归一化,消除了不同景影像间的季相不一致,使在大区域范围内归一化植被指数具有空间上的可比性和一致性。     

大区域TM影像归一化植被指数季相归一化处理方法

针对高分辨率遥感监测植被时大范围获取影像的季相往往不一致,影响了归一化植被指数的连续性与可比性问题,借助MODIS 归一化植被指数产品,开展TM 归一化植被指数季相归一化方法研究。以福建省为例,分析不同季相MODIS 归一化植被指数之间的一次项、二次项最小二乘关系及差值关系,对比分析转换结果。结果表明,二次项关系优于其他两种效果,较好地消除归一化植被指数时相不一致问题,获得了较为满意的效果。利用MODIS 归一化植被指数构建二次项,完成福建省TM 归一化植被指数季相归一化,消除了不同景影像间的季相不一致,使在大区域范围内归一化植被指数具有空间上的可比性和一致性。     

不同施氮水平下的小麦冠层光谱特征及产量分析

分析了在不同氮肥施用水平下,小麦冠层的高光谱响应在几个生育期内的变化情况,以及它们与小麦产量之间的关系。采用微分技术处理了小麦冠层反射光谱,提高了其区分小麦氮素营养水平的灵敏性;利用F-检验及方差分析与相关分析,研究小麦氮素处理水平、冠层反射光谱及其衍生信息(光谱反射率的一阶微分数据、归一化植被指数)、小麦产量三者之间的相关关系。研究结果表明,一阶微分技术能够提高小麦冠层光谱数据对氮素营养水平的响应,光谱数据的衍生形式也可与小麦产量建立很好的回归方程。     

利用MERIS和AATSR资料估算黄土高原塬区植被含水量时空变化

通过利用2005年黄土高原塬区夏季地表过程野外观测试验期间收集的地面观测的植被含水量、中分辨率影像光谱仪(Medium Resolution Imaging Spectrometer,MERIS)和高级沿轨迹扫描辐射计(Advanced Along-Track Scanning Radiometer,AATSR)卫星遥感资料,分别对归一化差值植被指数(Normalized Different Vegetation Index)和归一化差值水分指数(NormalizedDifferent Water Index)与植被含水量(Vegetation water content)变化关系进行了分析比较,得到了两种不同的植被指数在作物生长背景影响下的异同。并分别利用MERIS的观测资料计算了NDVI,利用AATSR观测资料计算了NDWI,通过分析得出:随着作物的生长或生物量的增加,归一化差值植被指数变化趋于饱和,而归一化差值水分指数仍然继续增加。进一步通过同步地面野外观测植被含水量与卫星遥感观测资料的对比,建立了归一化差值植被指数、归一化差值水分指数和实际野外测量植被含水量的关系,并且得到由两种植被指数反演植被含水量的方法和地面观测之间的误差分别为1.030 64 kg·m-2和0.940 45 kg·m-2。最后通过分析后总结出,利用归一化差值水分指数来反演黄土高原塬区夏季玉米冠层的含水量优于利用归一化差值植被指数。     

马尾藻遥感信息提取

以Landsat数据为基础,分析马尾藻的图像和波谱特征,对比分析单波段提取法、双波段比值法、双波段差值法和归一化植被指数法对马尾藻信息的提取结果,并利用IKONOS数据来验证4种方法的提取精度.结果表明:马尾藻在Landsat真彩色(TM3、TM2、TM1)和假彩色(TM4、TM3、TM1)合成图上均呈黄色,其生长边界在假彩色合成图上更为清晰.马尾藻水体与非藻类水体在TM4的差异最大,在TM3也存在细小差异,单波段提取法(TM4)、双波段比值法(TM4/TM3)、双波段差值法(TM4-TM3)和归一化植被指数法((TM4-TM3)/(TM4+TM3))都可以从自然水体中提取出马尾藻信息,与IKONOS的提取结果相比,归一化植被指数法的提取精度最高.     

Using aerial imagery and digital photography to monitor growth and yield in winter wheat

Monitoring wheat (Triticum aestivum L.) performance throughout the growing season provides information on productivity and yield potential. Remote sensing tools have provided easy and quick measurements without destructive sampling. The objective of this study was to evaluate genetic variability in growth and performance of 20 wheat genotypes under two water regimes (rainfed and irrigated), using spectral vegetation indices (SVI) estimated from aerial imagery and percentage ground cover (%GC) estimated from digital photos. Field experiments were conducted at Bushland, Texas in two growing seasons (2014–2015 and 2015–2016). Digital photographs were taken using a digital camera in each plot, while a manned aircraft collected images of the entire field using a 12-band multiple camera array Tetracam system at three growth stages (tillering, jointing and heading). Results showed that a significant variation exists in SVI, %GC, aboveground biomass and yield among the wheat genotypes mostly at tillering and jointing. Significant relationships for %GC from digital photo at jointing was recorded with Normalized Difference Vegetation Index (NDVI) at tillering (coefficient of determination, R² = 0.84, p< 0.0001) and with %GC estimated from Perpendicular Vegetation Index (PVI) at tillering (R² = 0.83, p< 0.0001). Among the indices, Ratio Vegetation Index (RVI), Green-Red VI, Green Leaf Index (GLI), Generalized DVI (squared), DVI, Enhanced VI, Enhanced NDVI, and NDVI explained 37–99% of the variability in aboveground biomass and yield. Results indicate that these indices could be used as an indirect selection tool for screening a large number of early-generation and advanced wheat lines.     

农田农情参数遥感监测进展及应用展望

农情参数是指反映作物生长过程及其产出的状态指标,关键农情参数主要包括作物长势、单产、物候和旱情等,可用于指导农田的生产管理。遥感是关键农情参数获取的有效手段,然而目前农情参数的遥感监测大多停留在大尺度、宏观监测的层面上,由于缺乏高时空分辨率、高准确度、低成本的农田信息获取技术,业务化的农田尺度农情参数获取受到了诸多因素的制约与限制。导致难以为农田生产管理提供及时的信息支持,这已经影响到精准耕作的发展与应用。文章在总结目前长势、单产、物候和旱情等几个主要农情参数遥感监测研究进展的基础上,分析了这些技术在农田尺度应用的瓶颈,并从新数据源和农情参数监测新模型两个角度出发,对农田尺度农情参数的获取进行了展望。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段，对农业生产管理具有重要意义。以安徽龙亢农场为研究区，收集了中高分辨率多源卫星遥感数据并进行了定量化处理，构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型，生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律，分析了不同品种冬小麦的长势情况，发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上，构建了基于归一化植被指数（NDVI）的冬小麦估产模型，结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算，据此绘制了龙亢农场2017年冬小麦产量遥感估算地图，产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测，为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数（NDVI）的冬小麦估产模型,结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

PlantingInformation Extraction of Winter Wheatand Rape based on GF-1 Images

Successive emission of high resolution satellite has created new opportunities for the application of domestic high resolution remote sensing data.In order to explore the feasibility of GF data in the field of small and medium scale crop remote sensing monitoring and to establish a suitable technical system,with Yangzhou as an example,using decision tree model and object oriented classification method to research the feasibilityon crop planting information extraction of GF wide field viewdata.And explore the method to improve the accuracy.The results showed that,sub\|regionpretreatmentcan reduce the adverse effects of crop spatial distribution on the extraction of the planting area.The overall accuracy of winter wheat was 97%,the Kappa coefficient was 0.93;the overall accuracy of rape was 96%,the Kappa coefficient was 0.84.Research shows thatdomestic GF\|1 WFV images can be applied to the crop planting informationextraction,and toprovide an important reference and decision support for adjusting crop spatial and optimizing management of gain producing areas.     

基于多时序特征和卷积神经网络的农作物分类

近年来,以卷积神经网络为主的深度学习模型在各种遥感应用中都显示出巨大的潜力。以加州帝国郡为研究区,以Landsat 8 OLI年内时序遥感影像计算时序植被指数NDVI、EVI、RVI以及TVI,组合后输入到构建的一维卷积神经网络 模型,以实现作物的高精度精细分类。为了验证卷积模型的优越性,另搭建了基于递归神经网络及其变体的深度学习模型。结果表明：①引入其他时序特征后,能够有效地提高卷积神经网络的分类精度。NDVI+EVI+TVI+RVI组合特征总体精度和Kappa系数最高,分别是89.667 4%和0.856 0,对比NDVI时序特征总体精度和Kappa系数提高了近4%和0.6。②在与其他深度学习模型的对比中,一维卷积神经网络分类精度最高,能够从时序数据中较为准确捕捉作物时序特征信息,尽管递归神经网络被广泛应用于序列数据的研究,但分类结果要略差于卷积神经网络。实验表明在NDVI的基础上引入其他植被指数辅助,能够有效地提高分类精度。基于一维卷积神经网络的深度学习框架为长时间序列分类任务提供了一种有效且高效的方法。     

Correlation between potato yield and MODIS‐derived vegetation indices

Monitoring of crop growth and forecasting its yield well before harvest is very important for crop and food management. Remote sensing images are capable of identifying crop health, as well as predicting its yield. Vegetation indices (VIs), such as the normalized difference vegetation index (NDVI), leaf area index (LAI) and fraction of photosynthetically active radiation (fPAR) calculated from remotely sensed data have been widely used to monitor crop growth and to predict crop yield. This study used 8 day TERRA MODIS reflectance data of 500 m resolution for the years 2005 to 2006 to estimate the yield of potato in the Munshiganj area of Bangladesh. The satellite data has been validated using ground truth data from fields of 50 farmers. Regression models are developed between VIs and field level potato yield for six administrative units of Munshiganj District. The yield prediction equations have high coefficients of correlation (R ²) and are 0.84, 0.72 and 0.80 for the NDVI, LAI and fPAR, respectively. These equations were validated by using data from 2006 to 2007 seasons and found that an average error of estimation is about 15% for the study region. It can be concluded that VIs derived from remote sensing can be an effective tool for early estimation of potato yield.     

基于卫星遥感预测作物成熟期的可行性分析

精准收获是精准农业的重要环节,首先分析了收获时间对作物产量与品质的影响,论述了作物成熟期监测的重要性,然后从气象统计模型、作物生长模型及遥感监测3个方面回顾了作物成熟期预测的研究进展。在此基础上,通过对目前主要作物成熟状态指示因子遥感监测研究进展的分析,认为在当前新型传感器不断涌现的条件下,利用卫星遥感预测大范围作物成熟期、制订收割顺序并指导农业生产的条件已经成熟。并指出研究面向遥感的作物成熟期指示因子及其变化规律,发展高精度的作物冠层叶绿素及水分含量的遥感估算方法,研究面向农田尺度动态监测的高时空分辨率数据集构建技术和多种模型的耦合将成为该领域未来的研究重点。