SAR与光学遥感影像的玉米秸秆覆盖度估算

秸秆是农田生态系统的重要组成部分。秸秆覆盖度(CRC)的遥感估算可以大范围、快速地获取地面秸秆覆盖信息,对保护性耕作的推广具有十分重要的意义。基于Sentinel-1 SAR影像和Sentinel-2光学影像分别构建了雷达指数与光学遥感指数,结合吉林省梨树县春秋两期实地采样数据,探究遥感指数与玉米秸秆覆盖度的相关性。为进一步提升玉米秸秆覆盖度的估算精度,结合雷达指数与光学遥感指数,采用最优子集回归的方法建立玉米秸秆覆盖度的估算模型,完成研究区的玉米秸秆覆盖度估算制图。结果表明:土壤质地分区建模可有效解决土壤异质性问题,提升反演精度。各遥感指数在秋季高覆盖时期的表现均优于春季低覆盖时期。STI和NDTI指数在光学遥感指数中表现最好,R^(2)分别为0.701和0.697,而在雷达指数中,基于余弦矫正法的γ0VH指数与实测CRC的相关性最高,R^(2)为0.564。结合雷达指数与光学遥感指数能够有效地提高秸秆覆盖度估算精度,在最优子集回归法下基于结合指数构建的回归模型最优,R^(2)为0.799,RMSE为13.67%,达到了较高的精度。研究结果为秸秆覆盖度估算的精度提升提供了一种新思路。

基于土壤异质背景的玉米秸秆覆盖度遥感反演

玉米秸秆覆盖还田是东北平原当前大力推广的一种保护性耕作方式。区域作物秸秆覆盖度(CRC)的遥感估算可大范围快速获取耕地秸秆覆盖还田信息,对于政府监测和推广秸秆覆盖还田工作有重要作用。本研究以吉林省梨树县为研究区,基于Sentinel-2A卫星影像,选取归一化耕作指数(NDTI)、归一化秸秆指数(NDRI)、简单耕作指数(STI)和归一化差值指数(NDI7)4种光谱指数,建立光谱指数与玉米秸秆覆盖度的线性回归模型,进行秸秆覆盖度反演。结果表明:研究区土壤背景空间异质性较强,对光谱指数回归模型影响显著,采用土壤质地分类(分区)分别建立回归模型的方法可提高反演精度。土壤背景空间异质性会增大模型估算误差;4种光谱指数与玉米秸秆覆盖度均有较强相关性,其中,NDTI和STI模型表现更好;基于NDTI和STI的分区线性回归模型验证R^2为0.84、RMSE为13.3%,优于不分区的模型(R^2为0.75,RMSE为16.5%),有效提升了反演精度。