渭北台塬区耕地土壤有机质与全氮空间特征

以渭北台塬农业县——蒲城县为研究区,采用2011年耕地地力调查与质量评价项目数据,运用经典统计学、地统计学结合GIS技术,探讨以有机质为辅助变量的协同克里格法在区域土壤全氮及碳氮比估值中的适用性,研究耕地土壤有机质和全氮的空间变异特征、影响因素及其与碳氮比的分布特征。结果表明,当前蒲城县耕地土壤有机质质量比平均值为13.58 g/kg,全氮质量比为0.81 g/kg,均处于偏低水平,空间上整体随地貌自北向南递增;土壤碳氮比平均值为9.84,整体呈南北高中间低格局。土壤有机质与全氮是相关性密切的本征协同区域化变量,均具有极显著性的空间自相关性,表现出中等强度的空间变异性;其空间变异性是地形地貌、土壤性质等自然因素和种植模式、施肥、灌溉等人为因素交互作用的结果,其中人为耕作管理的地理区位导向作用愈发明显。相同采样数量下,以有机质为辅助变量的全氮协同克里格法插值精度优于普通克里格法,适于当下蒲城县土壤全氮的估值研究,能够提供更多局部细节信息,但其不适于进行主辅变量的栅格比值运算来构建土壤碳氮比值图。

不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性

通过田间小区试验,分析不同施肥条件下水稻不同生育期冠层反射光谱和叶绿素含量(SPAD)的变化特征,利用数学统计方法分析高光谱植被指数与叶绿素含量的相关性。结果表明,水稻冠层光谱反射率,从拔节期到抽穗期,在可见光波段很低且差异不明显,在近红外波段逐渐提高;从抽穗期到乳熟期,在可见光波段逐渐提高,在近红外波段逐渐降低。不同施肥条件下水稻冠层光谱差异明显,尤其在近红外波段表现特别明显,随施肥水平的提高,光谱反射率明显提高。水稻叶绿素含量随施氮水平的提高而逐渐增加。随生物质炭水平的提高,水稻叶绿素含量逐渐增加,当生物质炭超过一定值时,叶绿素含量反而降低。整个生育期,除乳熟期施氮肥0kg/hm2(N0)处理外,其他处理的PSSRa、PSSRb与叶绿素含量呈显著相关。拔节期,施生物质炭为9 000kg/hm2(C3)处理的mSR705和mND705与叶绿素含量呈显著负相关,其他处理为显著正相关。

引黄灌区水稻红边特征及SPAD高光谱预测模型

叶绿素含量是评估水稻长势和产量的重要参数。为了实现快速而准确的叶绿素含量估测,以宁夏引黄灌区宁粳43号水稻为试验对象,通过不同的氮素水平试验,测定了水稻在拔节期、抽穗期和乳熟期的冠层高光谱反射率和叶片绿色度土壤、作物分析仪器开发(soil and plant analyzer development,SPAD)值,分析了水稻不同时期冠层光谱的红边变化特征,并建立了SPAD的估测模型。结果表明,水稻叶片SPAD值随供氮水平的增加而增加,随生育期的变化表现为至抽穗期达到最高,而后逐渐降低。冠层光谱反射率随供氮水平的提高在可见光波段降低,在近红外波段增加。冠层光谱的红边位置、红边幅值和红边面积从拔节期到抽穗期呈现出"红移",至乳熟期呈"蓝移"现象,三个红边参数均随氮素水平的提高而增加。水稻拔节期是以红边面积为变量建立的模型对SPAD预测能力较好,而抽穗期和乳熟期则是以红边位置为参数建立的模型精度较高,与南方稻田叶绿素估算模型有所差异。利用高光谱技术对水稻SPAD值进行定量反演,可为西北地区水稻长势遥感监测提供理论依据。

基于高光谱植被指数的西北玉米不同时期叶绿素含量估测

以陕西省扶风县马席村、巨良农场和杨凌区揉谷乡种植的大田玉米为试验材料,分别测定玉米抽雄期、灌浆期和乳熟期的冠层光谱反射率和叶片叶绿素含量,分析冠层各光谱植被指数与叶片叶绿素含量之间的相关关系,建立玉米叶绿素含量估测模型。结果表明,以单变量光谱植被指数估算叶绿素含量,抽雄期的最佳模型由修正叶绿素吸收反射率指数(Modified chlorophyll absorption reflectivity index,MCARI)建立,灌浆期最佳模型由垂直植被指数(Perpendicular vegetation index,PVI)建立,乳熟期最佳模型由植被衰老反射率指数(Plant senescence reflectance index,PSRI)建立。随着玉米生长期的推进,叶片衰老,用PSRI所建立的模型来监测玉米叶绿素含量的效果较好,可为高光谱遥感在玉米长势监测提供理论依据和技术支持。

基于多纹理和支持向量机的ZY-1 02C星HR数据分类

基于国产资源一号02C星高分辨率(high resolution,HR)影像,提取了基于变差函数、灰度共生矩阵和梯度的多纹理特征,结合光谱信息构建了基于支持向量机(support vector machine,SVM)的多源信息复合模型的图像分类方法,并与传统最大似然法和决策树法的分类结果进行了比较。研究表明,变差函数纹理和梯度纹理参与的多源复合数据有效提高了图像的分类精度,总分类精度由85.14%提高到87.43%,Kappa系数由0.82提高到0.85;绝对值变差函数为纹理最佳窗口分析提供了理论依据,基于累积步长提取的纹理特征能显著提升图像分类的精度,分类准确率提高了13.94%,Kappa系数增加了0.17;基于多源复合数据的SVM高空间分辨率遥感图像分类方法能有效解决传统图像分类结果破碎的问题,比最大似然方法和决策树法的分类精度显著提高,总精度达到89.14%,Kappa系数为0.87,分别提高了6.85%和10.84%。实验表明,ZY-1 02C星HR数据在冬小麦信息提取中具有一定的稳定性和优势。