基于GEE的新疆土地覆盖分类研究

本研究基于GEE云平台提供的Landsat-8 OLI数据,以NDVI、EVI、NDWI、DEM、SLOPE作为辅助数据,利用RF、CART和SVM分类算法,对新疆的土地覆盖类型进行分类,为开展长时序土地覆盖数据产品智能快速提取提供技术支撑。绘制近些年土地覆盖图为新疆土地资源的管理和生态环境保护策略制定提供参考。研究结果表明:1)在使用相同数据源和训练样本的情况下,RF算法优于CART算法,CART算法优于SVM算法。从新疆土地覆盖分类精度看,RF分类算法总体精度最高,为96.6%,Kappa系数为0.95。SVM分类算法总体精度最低,为84.2%,Kappa系数为0.81。2)自2016年以来新疆NDVI值呈降低趋势,主要因为准噶尔盆地大量草地的退化。研究表明想要推进生态保护修复工作,须防止草地退化,加强土地荒漠化治理。

基于高光谱的枣树叶片氮素表征方法

为提高枣树种植过程中施用氮肥的精准性,本研究以南疆重要经济作物骏枣(Ziziphus jujuba Mill.)为研究对象,通过对枣树叶片原始光谱和一阶微分光谱与全氮含量的相关性进行分析,利用光谱敏感变量构建植被指数作为衍生变量,再以衍生变量作为变量建立多种线性和非线性的氮素含量预测模型,并对氮素含量预测模型进行精度检验。结果显示:基于枣树原始光谱和一阶微分光谱的模型拟合决定系数均大于0.75,原始光谱变量的预测效果整体好于一阶微分光谱;预测效果最好的是基于原始光谱变量4的幂函数模型:Nit=1.097x^(0.735),R^(2)为0.821,RMSE为0.024 5。研究表明,建立的氮素含量预测模型能够实现基于高光谱反射率特征对枣树氮素的较好监测效果,能够作为枣树营养素诊断的重要理论依据。

核桃叶片氮素含量高光谱估算模型

无损、实时、精准地对核桃树叶片氮素含量进行高光谱估算,对核桃树生长监测、营养诊断都有着非常重要的引导含义。方法 利用NDVI、RVI和DVI三种植被指数方法与叶片氮素含量进行估算;在光谱反射率400~1 000 nm 范围内计算任意两波段组合生成的 RVI、DVI 和 NDVI 指数与叶片氮素含量的相关性;用RVI、DVI 和NDVI指数构建叶片氮素含量估算模型,并用实测值与估算值进行验证。结果 三种植被指数对氮素含量的相关性R2均大于0.8,其中NDVI植被指数构建的估算模型,对叶片氮素含量的估算效果都很理想,验证精度最高。结论 可以用于核桃叶片氮素含量估测光谱参数构建的估测模型,NDVI估测值与实测值比较接近,估算模型精度比较高,并且具有一定的可靠性和稳定性。