跨季节与跨气候区的地表生态状况遥感评估方法北大核心CSCD

针对已有遥感生态指数存在植被稀疏区表现不力及不同季节稳健性不强,难以在冬春季节直接应用的难题,在遥感生态指数(remote sensing ecological index,RSEI)基础上,提出了一个可跨季节和气候区使用的全局遥感生态指数(global remote sensing ecological index,GRSEI),该指数由绿度、枯度、湿度、旱度和干度5项生态指标构成,采用CRITIC权重法和几何聚合法建模。在不同干湿气候区选取了5个案例区,对GRSEI、RSEI以及其他两个同名指数即地表生态状态综合指数(land surface ecological status composite index,LSESCI)和改进遥感生态指数(modified remote sensing ecological index,MRSEI)进行跨季节、跨气候区适用性检验。结果表明,GRSEI更契合季节变化规律和用地生态规律,模型生态含义明确,可用于各个季节和气候区的生态状况监测;RSEI夏秋季节表现较好,但在冬春季节使用受限;LSESCI和MRSEI异常值出现频次较多,不利于量化分析。     

水稻叶片氮含量反演偏最小二乘模型设计

针对高光谱偏最小二乘模型（PLSR）反演作物氮含量时易出现数据冗余和模型复杂的问题,尝试结合波段深度分析和遗传算法（GA）建立水稻氮含量PLSR反演模型。基于去包络线处理的水稻高光谱数据（350nm～750nm）,选取波段深度（BD）、波段深度比（BDR）、归一化面积波段深度（BNA）和归一化面积波段指数（NBDI）4种波段深度指数分别建立BDA PLSR模型,进而采用遗传算法波段选择选取最适宜波段深度指数建立GA PLSR模型,并将GA PLSR模型与BDA PLSR模型进行对比。结果显示,基于BNA的GA PLSR模型在反演水稻氮含量中获得了最佳的结果（Adj.R2=0.67,RMSEP=0.20,RPD=1.84）。研究证明,利用波段深度分析建立的PLSR模型能一定程度上解决数据冗余问题,进一步采用遗传算法进行波段选择能更有效挖掘光谱信息,提高模型精度。     

基于遥感数据的鄱阳湖水体后向散射系数反演

水体后向散射系数是水体的重要光学特性之一,也是水质生物光学反演模型的重要参数之一,对其研究具有重要意义。利用2010年10月鄱阳湖实测水体后向散射系数、吸收系数和遥感光谱数据,建立基于生物光学模型的水体后向散射系数反演模型(420 nm,470 nm,510 nm,590 nm和700 nm),模型校准和验证阶段的决定系数分别为0.739~0.866和0.684~0.827,RMSE基本上均小于0.4。结果表明光谱数据和生物光学模型在反演鄱阳湖水体后向散射系数具有很大的潜力。