台风“杜苏芮”影响下华北农田洪涝遥感监测与评价

2023年8月,受台风“杜苏芮”影响,我国华北、黄淮等地出现极端强降雨,引发区域性严重洪涝灾害,造成大面积耕地受淹受损,对当地粮食生产带来巨大影响。本文利用国产高分卫星数据资源开展受淹区域水体提取与变化监测分析,并叠加全国高标准农田上图入库数据、耕地数据,进一步分析水淹区一般耕地与高标准农田的受淹情况与排涝能力。结果表明,高标准农田的抗洪涝灾害能力明显高于一般耕地,受淹面积比一般耕地少28.9%~40.5%,总体排涝能力比一般耕地高4.6%,相较于一般耕地,高标准农田在防灾减灾方面效果突出。

基于遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测

区域作物产量预测是国家粮食安全评估的重要内容。遥感虽能获取大面积地表信息,却难以反映作物生长发育的内在过程。作物生长模型已经在单点尺度能成功模拟作物的生长发育过程,但是区域尺度作物关键参数的获取仍很困难。遥感信息与作物模型结合的数据同化已经成为区域产量预测的最有效途径。该文选择河北省衡水地区冬小麦为研究对象,在WOFOST模型标定与区域化的基础上,利用WOFOST模型描述冬小麦生育期内叶面积指数(LAI)变化规律。针对MODIS数据的混合像元造成反演的LAI产品偏低的系统误差,利用实测LAI样本点融合MODIS-LAI趋势信息修正MODIS-LAI数据产品。采用集合卡尔曼(EnKF)算法同化冬小麦返青到抽穗期的MODIS-LAI与WOFOST模拟的LAI以获得时间序列最优的LAI,并以此重新驱动WOFOST模型估算区域冬小麦产量。结果表明,EnKF同化后的冬小麦产量比未同化的产量预测精度有显著提高,与县平均统计产量相比,在潜在模式下,决定系数由0.13提高到0.38,均方根误差由2480下降到880kg/hm2。研究表明,遥感信息与作物模型的EnKF同化是1种有效的作物产量预测方法,并在区域尺度应用上具有广阔的应用潜力。该研究可为区域尺度的作物估产提供参考。

顺序同化不同时空分辨率LAI的冬小麦估产对比研究

选择PyWOFOST模型为动态模型,以叶面积指数(LAI)为状态变量,遥感LAI为观测值,采用集合卡尔曼滤波(En KF)同化算法,研发了一种遥感LAI与作物模型同化的区域冬小麦产量估测系统。为消除云的污染,采用Savitzky-Golay(S-G)滤波算法重构时间序列MODIS LAI;通过构建地面观测LAI与3个关键物候期Landsat TM植被指数回归统计模型,获得区域TM LAI;通过融合3个关键物候期的TM LAI与时间序列S-G MODIS LAI,生成尺度转换LAI。对比分析3种不同时空分辨率的遥感LAI的同化精度,研究结果表明,同化尺度转换LAI获得了最高的同化精度,与官方县域统计产量相比,在潜在模式下,决定系数由同化前的0.24提高到0.47,均方根误差由602kg/hm2下降到478 kg/hm2。结果表明,遥感观测与作物模型的尺度调整对提高冬小麦同化模型精度具有重要作用,遥感LAI与作物模型的En KF同化方法是一种有效的区域作物产量估测方法。

基于GF-1 WFV数据的玉米与大豆种植面积提取方法

准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。

基于时间序列LAI和ET同化的冬小麦遥感估产方法比较

为了评估同化时间序列叶面积指数(leaf area index,LAI)和蒸散发(evapotranspiration,ET)产品对冬小麦产量估测的有效性和适用性,该文选择陕西省关中平原冬小麦为研究对象,以SWAP为作物生长动态模型,利用冬小麦关键生育期的遥感观测和SWAP模拟LAI、ET趋势变化信息构建代价函数,以SCE-UA作为优化算法最小化代价函数,重新初始化SWAP模型中的出苗日期和灌溉量2个参数。重点比较了基于向量夹角和一阶差分2种代价函数的冬小麦单产估测精度。结果表明,同化MODIS LAI和ET后,冬小麦产量的估测精度比未同化精度(r=0.57,RMSE=1 192 kg/hm2)有显著提高,并且基于向量夹角代价函数法同化策略的单产估测精度(r=0.75,RMSE=494 kg/hm2)高于一阶差分代价函数法(r=0.73,RMSE=667 kg/hm2)的估测精度。该方法为其他区域的水分胁迫模式下遥感与作物模型双变量数据同化提供了参考。

基于遥感DSI指数的干旱与冬小麦产量相关性分析

利用2000—2012年MODIS ET/PET和NDVI数据集构建干旱指数(DSI),监测山东省和河南省冬小麦主产区的农业干旱,并在地级市尺度上进一步评估冬小麦关键生育期干旱对冬小麦产量的影响。结果表明:2010年9月—2011年2月山东省特大干旱过程显示的DSI不仅能监测气象干旱,还能较好地反映农业干旱在空间上的差异性以及时间上的演变。不同冬小麦生育期干旱对冬小麦产量影响不同,灌浆期干旱对冬小麦产量的影响最大,干旱致使土壤水分亏缺,影响了作物正常的灌浆强度,进而导致作物减产;其次是拔节期;返青期干旱对产量基本没有影响。

卫星遥感和积温-辐射模型预测区域冬小麦成熟期

准确预测区域尺度的小麦成熟期,指挥麦收机械化作业有序开展,具有十分重要的社会和经济效益。该文针对目前区域冬小麦成熟期预测中时效性差、缺乏空间分布以及缺少定量描述等突出问题,选择华北地区河北、河南和山东3省冬小麦为研究对象,首先基于S-G滤波后的2013年冬小麦生育期时间序列MODIS LAI,采用动态阈值法获取抽穗期具体日期,即叶面积指数(LAI)达到峰值时的具体日期;然后基于由2008-2012年农业气象资料与地面气象资料构建的抽穗-成熟期有效积温模型和总辐射模型,逐个栅格单元计算MODIS LAI获取的抽穗期具体日期到当前日期的积温、太阳辐射总量,并结合全球多模式集合预报(THORPEX Interactive Grand Global Ensemble,TIGGE)资料对当前日期(5月10号至6月8号)之后的16 d冬小麦成熟期进行逐日动态预测以得到全部区域的成熟期预测值;最后采用农业气象站点的成熟期观测值对预测结果进行验证,结果表明:冬小麦成熟期预测值与观测值的决定系数R2为0.92,均方根误差RMSE约为3 d,两者具有良好的相关性。该研究方法对其他大区域的农作物成熟期预测具有借鉴价值。

基于VegaPrime的大型流域三维管理系统实现

随着数字流域概念及虚拟现实技术的发展,三维仿真系统作为一种全新角度的管理方法和技术手段,在流域的现代化管理中越来越体现出其重要性。讨论了基于Creator/CTS/VegaPrime平台的大型流域三维可视化管理系统的实现方法,通过采用荆江流域30米分辨率DEM数据、15米分辨率ETM+遥感影像和1米分辨率航片数据进行流域大面积精确三维地形建模,开发了一个基于MFC的荆江流域三维仿真管理系统,并通过加入水利设施模型数据及属性数据,实现属性信息的查询和分析功能,使系统具备了基本的流域三维可视化管理功能。在技术层面,该文通过VirtualTexture、多级LOD以及分块地形动态载入管理技术的应用,解决了在大型流域仿真中大面积高精度纹理的处理及实时漫游的难点。

基于时间序列MODISNDVI的冬小麦产量预测方法

选择我国河北、河南、山东3省作为研究区,在250 m空间分辨率的冬小麦种植区和1 km的冬小麦像元纯度图的基础上,分析了2000—2009年MODIS NDVI抽穗期峰值与单产的时间序列变化关系。采用Becker-Reshef等提出的去噪声修正后的冬小麦抽穗期NDVI峰值与单产进行回归分析建立冬小麦产量预测模型,并分析冬小麦预测精度的影响因素。最后,利用2010年地级市尺度的统计单产对所建立的预测模型进行精度验证,模型的平均估产误差约为7.49%。结果表明,基于冬小麦抽穗期NDVI峰值的产量预测方法在中国冬小麦主产区具有一定的应用潜力。

水平和垂直尺度乔、灌、草覆盖度遥感提取研究进展

植被覆盖及其变化是区域生态系统环境变化的重要指示,而植被覆盖度是植物群落覆盖地表状况的一个综合量化指标,是生态模型、碳循环、水循环模型等的重要特征参量。传统的植被覆盖度是指一定尺度下所有植被(乔、灌、草)覆盖的综合反映值,当考虑植被垂直方向的异质性,垂直尺度的乔、灌、草覆盖度提取为定量化准确衡量生态环境、全球气候变化等领域提供更具有生态意义的植被参量。目前,遥感大面积估算水平尺度乔、灌、草覆盖度已有比较成熟和可靠的算法,主要方法有:植被指数法、回归分析法、分类决策树法、神经网络法、像元分解模型法、物理模型反演法等,其估算精度基本能达到应用要求。植被垂直方向的异质性给垂直尺度乔、灌、草覆盖度遥感提取带来较大挑战,垂直尺度上的乔、灌、草覆盖度遥感提取的研究在欧美等国已经有了一定规模的开展,在国内则处于起步阶段。遥感提取垂直尺度乔、灌、草覆盖度的主要手段有:激光雷达(LI-DAR)、多角度遥感以及两层结构冠层反射模型反演。综述了水平尺度和垂直尺度上乔、灌、草覆盖度遥感提取的最新进展,比较和分析主要的遥感提取方法、模型和现存的一些问题,并对未来的研究发展趋势进行了展望。

二维地图与三维虚拟场景的互响应设计与实现

在介绍二维地图和三维虚拟场景各自优缺点的基础上 ,提出了二维地图和三维虚拟场景结合的互响应思想来解决当今独立的二维地图和独立的三维虚拟场景各自的不足之处 ,有机地结合了二维地图的宏观性、整体性、抽象性和三维虚拟场景的局部性、现实性、直观性的优点 ,克服了二维地图的抽象多义性和三维虚拟场景漫游的迷失感 ,在VC+ + 和Vega平台下编程实现了其集成。该系统在贵阳的示范工程建设中得到了较好的应用。

基于时间序列MODIS的农作物类型空间制图方法

为快速获取大范围种植结构复杂区域的作物种植面积,以MODIS数据为数据源,选择归一化植被指数(Normalized difference vegetation index,NDVI)、增强植被指数(Enhanced vegetation index,EVI)、宽动态植被指数(Wide dynamic range vegetation index,WDRVI)、地表水分指数(Land surface water index,LSWI)、归一化雪被指数(Normalized difference snow index,NDSI)5种特征,结合同步的实地调查样本点,采用支持向量机算法(Support vector machines,SVM)提取黑龙江省主要农作物的种植面积。研究表明,在待选特征中NDVI、EVI与LSWI指数组合取得了最高的分类精度,总体分类精度为74.18%,Kappa系数为0.60;支持向量机算法与最大似然算法、随机森林算法相比,分类精度更优。该方法为在大区域中提取农作物种植面积提供了参考价值。

基于遥感蒸散发数据的耕地灌溉保证能力评价方法

灌溉保证能力是耕地质量的重要方面,为了提高区域耕地质量监测信息的获取效率,该文构建了一种基于遥感蒸散发的耕地灌溉保证能力评价方法。以MODIS蒸散发产品(MOD16)为数据基础,在水量平衡原理的基础上,利用降雨量、MOD16A2产品中的实际蒸散发参量,计算年度有效灌溉量;利用地面气象站点计算的参考作物需水量和MOD16A2月合成产品中潜在蒸散发参量,建立回归方程,得到空间连续的参考作物需水量;采用作物系数法结合区域作物类型分布图计算年度作物需水量,并在此基础进一步计算年度灌溉需水量;将有效灌溉量与灌溉需水量之间的比值作为灌溉保证能力评价的基础,利用多年的灌溉保证能力评价指标,监测和评价耕地灌溉保证能力。以河北省衡水市为研究区,开展了试验验证,结果表明,耕地灌溉保证能力综合评价结果与2012年补充完善后农用地分等成果中灌溉保证率的分级结果相比,除了在空间整体分布上具有较好的一致性外,级差小于1级的栅格单元达到75%以上。该文构建的灌溉保证能力评价指标物理意义明确、可获取性强,评价方法能够满足区域耕地质量监测与评价的应用需求。

基于GF-1 WFV影像的作物面积提取方法研究

黑龙江省是我国粮食生产大省,及时有效地获取黑龙江省的农作物种植面积对后续研究的开展具有重要意义。以黑龙江省五九七农场为例,利用2014年8月30日GF-1卫星16 m空间分辨率影像,通过计算不同特征波段,构建了多特征水稻、玉米种植区识别方法。首先计算影像归一化差分植被指数(NDVI),并将原影像进行主成分变换,以此为基础建立包含多特征的数据集。然后利用不同地物类型之间在各特征波段的差异,基于CART算法构建决策树,分别提取研究区内的水稻和玉米。精度评价结果表明,分类的总体精度达到96.15%,Kappa系数为0.94。水稻的制图精度为98.41%,用户精度为97.64%;玉米的制图精度为95.38%,用户精度为97.89%。其中总体精度和Kappa系数较最大似然法分类结果分别提高了5.28%和0.08。所提研究方法可为其他地区农作物高分数据作物类型制图提供借鉴。

基于Landsat8卫星数据的蝗虫遥感监测方法研究

区域性的蝗虫灾害对农业生产形成了巨大的危害。实现对蝗虫的发生发展的实时监测对于治蝗防蝗具有重要意义。以内蒙古赤峰市北部三旗为研究区域,通过对Landsat8 OLI卫星数据蝗虫寄主植物分类,结合叠加先验蝗区分布图,判别出蝗虫适生地。然后,采用Landsat8卫星数据,反演叶面积指数、地表温度和土壤湿度等蝗虫生境参数,并结合外业同步调查蝗虫生境数据、地表覆盖数据、历史蝗灾数据等进行分析与建模。同时,利用逐步回归分析得到了蝗虫虫口密度与叶面积指数、地表温度和土壤湿度等生境参数的关系模型,验证结果表明,监测模型具有较高的精度,决定系数为0.50,均方根误差为3.17。

基于WOFOST模型的中国主产区冬小麦生长过程动态模拟

大区域尺度WOFOST(world food studies)模型的动态模拟是作物模型区域应用的重要基础。该文以中国冬小麦主产区为研究对象,利用中国冬小麦主产区内174个农业气象站多年观测数据以及气象站点观测数据,重点优化WOFOST模型中与品种相关的积温参数,即出苗至开花有效积温与开花至成熟有效积温。在冬小麦主产区分区的基础上,以2012—2015年气象数据驱动WOFOST模型,在站点尺度进行冬小麦的物候期、叶面积指数(leaf area index,LAI)和单产动态模拟和精度分析。结果表明:WOFOST模型模拟出苗至开花天数的决定系数R2为0.89~0.94,均方根误差RMSE为7.87~11.52 d,模型模拟开花至成熟天数的R2为0.63~0.77,RMSE为2.99~4.65 d;模型模拟LAI的R2为0.70~0.83,RMSE为0.89~1.46 m2/m2;灌溉区WOFOST模拟的单产精度R2为0.45~0.59,RMSE为734~1 421 kg/hm2;雨养区WOFOST模拟的单产精度R2为0.48~0.61,RMSE为1 046~1 329 kg/hm2。结果表明,WOFOST模型在全国尺度取得了较高模拟精度,为区域尺度作物模型的农业应用提供了坚实的过程模型基础。

基于时间序列HJ-1 A/B卫星数据的冬小麦成熟期预测

准确、及时地掌握大区域尺度的冬小麦成熟期信息能够为农业机械调度、优化农作物收割顺序提供重要的参考依据。以华北平原中部冬小麦为研究对象,首先使用2013年研究区冬小麦生育期内HJ-1 A/B CCD时间序列影像,通过线性插值构建像元尺度上逐日的时间序列NDVI,随后采用上包络线S-G滤波方法重构时间序列NDVI,通过动态阈值法逐像元提取冬小麦抽穗期;然后以抽穗至成熟期的有效积温模型为判别依据,利用欧洲中期天气预报中心(ECMWF)提供的日平均气温预报数据,实现未来10 d冬小麦成熟期的动态预测;最后采用农业气象站点的成熟期观测值对预测结果进行验证,重点对比分析了从不同成熟期预报起始时间点获得的冬小麦成熟期精度,以确定最优的预报起始时间点。结果表明:当预报时效小于等于10 d时,成熟期预测精度趋于稳定,因此,综合考虑确定提前10天对预测冬小麦成熟期在时效和精度上最优,平均误差为3 d。该方法为地块尺度的区域农作物成熟期预测提供了可参考的技术途径。

作物冠层BRDF的Monte Carlo模拟与分析

该文构建了光子在作物冠层传输的随机过程,采用蒙特卡罗(M on te C arlo)方法模拟了作物冠层BRDF。对比蒙特卡罗模型和M CRM模型,分析了叶倾角(LAD)与叶面积指数(LA I)对两模型BRDF的影响,并对其中的变化给出了合理的解释。研究表明,两模型虽然在模拟的BRDF数值上有一定差异,但在不同LAD和LA I对BRDF的变化趋势上达到了较好的一致性。最后,用实测BRDF数据验证和分析蒙特卡罗模型,结果表明,蒙特卡罗模型与实测BRDF较为吻合,蒙特卡罗模型可以作为其他作物冠层BRDF前向模拟的有效验证工具。

基于蒙特卡罗方法的森林冠层BRDF模拟

蒙特卡罗(MonteCarlo)是一种随机统计方法,被广泛用于模拟可见光森林冠层BRDF(双向反射率分布函数)。基于蒙特卡罗方法构建了光子与植被冠层之间的随机过程,给出了蒙特卡罗模拟森林冠层的BRDF的具体实现方法。在此基础上,讨论了蒙特卡罗模拟中的关键技术:光子自由路径的计算;光子散射方向的确定;BRDF热点效应纠正;光子能量收集算法。实践表明,蒙特卡罗方法能准确模拟出森林冠层BRDF,并能作为其他森林冠层BRDF模型的有效检验工具。

3维电子地图的实现及其应用技术初探

根据实践经验,对3维电子地图的实现及其应用技术做初步的探讨。