基于图像特征的越冬期冬小麦冠层含水率检测

以越冬期冬小麦冠层可见光图像为对象,研究基于图像特征的含水率检测方法。采用同态滤波与多尺度Retinex相结合的光照增强算法,消除自然条件下光照不均匀和颜色失真的影响,提取颜色、纹理和形态等39个初始图像特征,采用相关分析和假设检验进行显著特征筛选,并运用偏最小二乘回归建立冠层含水率检测模型。对淮麦30和烟农19 2个冬小麦品种的测试结果显示,检测相对误差均值为1.290%,方差为1.053,2个品种之间没有明显差异,而晴天、中午的检测误差稍大,表明研究的方法具有较高的检测精度和良好的适应性。

不同水肥处理下冬小麦冠层含水率与温度关系的研究

研究了不同水肥处理下冬小麦冠层含水率与冠层温度的关系。结果表明 ,随灌水量增加 ,冬小麦冠层含水率呈逐渐增加的趋势 ,灌水量达一定程度后 ,冠层含水率反而下降 ,冠层温度表现出与冠层含水率相反的趋势 ;冠层含水率与冠层温度呈显著负相关。两品种施氮处理冠层含水率均明显高于不施氮处理。“京冬 8号”各施氮处理冠层含水率随施氮量增加呈逐渐降低的趋势 ,冠层温度则随施氮量增加而上升 ;其冠层含水率与冠层温度存在显著负相关关系。“中优 95 0 7”各施氮处理不具“京冬 8号”的规律性 ,但其冠层含水率与冠层温度也呈负相关。用冠层温度反映冠层含水率具有较高的可靠性。

近红外高光谱成像扫描速度对拟南芥冠层含水率预测的影响

高光谱成像技术可以无损检测植物不同尺度的理化信息,现有研究往往以分析高光谱图像的平均光谱为主,忽略了其空间维度的信息。以模式植物拟南芥为研究对象,探究高光谱成像不同扫描速度引起的图像空间分辨率差异对植物冠层含水率测量的影响,为高光谱成像在线快速检测植物冠层含水率提供优化方案。首先利用室内在线高光谱成像系统分别在20, 30和40 mm·s^-1三种扫描速度下采集了拟南芥冠层高光谱图像,并提取拟南芥冠层平均反射光谱。其次,利用偏最小二乘算法(PLSR)建立了拟南芥冠层含水率与平均反射光谱的定量分析模型,通过决定系数(R2)、均方根误差(RMSE)、相对分析误差(RPD)对模型进行评估。比较基于原始光谱与多元散射校正算法(MSC)、 Savitsky-Golay平滑算法等预处理光谱建立的PLSR模型,选取最佳光谱预处理方法用于后续的数据处理。最后,利用连续投影算法(SPA)分析比较基于最优特征波长与全波长的模型预测准确度,探明高光谱图像扫描速度对拟南芥冠层含水率预测的影响规律。研究结果表明,当扫描速度从20 mm·s^-1提升到30 mm·s^-1时,基于MSC预处理的全波段PLSR模型预测拟南芥冠层含水率决定系数降低0.88%,小于1%;当扫描速度从20 mm·s^-1提升到40 mm·s^-1时,拟南芥冠层含水率决定系数降低2.3%。说明在适当提高扫描速度的同时,能够保证植物冠层的高含水率预测准确度。改变高光谱扫描速度可以更有效地利用高光谱图像空间维度有效信息,扫描速度适当增大后,高光谱图像的空间维度信息改变,提高实际生产应用环节的图像采集效率,减少数据处理时间。

基于Sentinel-2B的油松冠层可燃物含水率反演研究

森林火灾的发生与植被冠层可燃物含水率的大小有着密切联系。利用高精度、大尺度、高效率的遥感影像反演获取植被冠层可燃物含水率对于有效防治森林火灾具有重要意义。油松由于其自身理化性质成为引发森林火灾的主要树种之一,以张家口崇礼区的油松为研究对象,基于Sentinel-2B遥感影像和油松含水率实测数据,建立了多个油松冠层可燃物含水率反演模型:一元线性回归模型、一元非线性回归模型和多元非线性回归模型,并利用决定系数(R 2)和均方根误差(RMSE)进行模型精度评价。结果表明,非线性模型总体上要优于线性模型;通过多个自变量因子建立的多元非线性模型能够更好地反映油松冠层可燃物含水率情况,模型反演精度更高,可以为植被冠层可燃物含水率反演模型方法选择提供一定的理论依据。

基于遥感数据的净月潭公园植被冠层叶片含水率反演

植被冠层含水率是研究全球水循环中的重要参数之一。为了解决大范围、全天候获取植被冠层含水率的问题,本研究以长春净月潭公园植被冠层含水率为研究对象,采用Landsat8OLI和Sentinel-1A数据,选取NDVI、NDMI、RVI和基于雷达数据构建的SARI1、SARI2、SARI3等6种植被指数,结合实测净月潭公园植被冠层含水率,通过一元线性回归、指数回归和二元线性回归等的方法建立经验模型,得到净月潭公园区域植被冠层含水率反演结果。实验结果为:二元线性回归反演模型决定系数(R^2)均大于0.8,利用NDVI-NDMI与植被冠层含水率建立的反演模型决定系数(R^2)为0.878,SARI3与植被冠层含水率建立的反演模型决定系数(R^2)均大于0.6。实验结果表明:NDVI-NDMI的二元线性回归模型能较好的运用于植被冠层含水率的反演中,同时雷达数据在植被冠层含水率反演中有一定价值,对于多光谱数据是一个不错的补充。

考虑地表粗糙度改进水云模型反演西班牙农田地表土壤含水率

土壤含水率是农业、环境、气象等领域进行建模的重要参数。该研究将微波遥感与光学遥感相结合,利用Sentinel-1数据交叉极化比及变换土壤调节植被指数对地表粗糙度进行估计,构建了一种改进的水云模型(modifiedwatercloud model, MWCM)。分析将NDVI、NDWI和NDWI1725,2200等植被指数作为植被冠层含水率时,水云模型(water cloud model,WCM)及MWCM农田地表土壤含水率的反演精度。结果表明:从总体精度上来看,MWCM的反演精度优于WCM。在不同植被覆盖度情况下:当植被覆盖度为中、低程度(NDVI<0.5),MWCM具有较高的反演精度;在较高的植被覆盖度情况下(NDVI≥0.5),WCM与MWCM的反演精度较为接近。MWCM可有效的建立微波后向散射系数与地表土壤水分的关系,提高土壤含水率反演精度,为各种地表覆盖类型的土壤含水率反演提供研究思路及理论支持。

多模型耦合下的植被冠层可燃物含水率遥感反演

植被冠层可燃物含水率FMC(Fuel Moisture Content)是评估野火风险及估算火灾蔓延速率的重要指标。以中国西部6个典型研究区为例,基于辐射传输模型,利用Landsat 5 TM及Landsat 8 OLI遥感数据,开展草原、森林冠层FMC定量反演研究。为克服基于物理模型的病态反演问题、FMC自身的弱敏感性问题及西南森林多具复杂的双层冠层结构问题,研究中考虑了模型参数之间的相关特征,使用多波段遥感数据及耦合辐射传输模型等方法。反演结果显示,总体植被冠层FMC反演精度R^2为0.64,RMSE为44.86%,其中草地冠层FMC的反演精度(R^2=0.64,RMSE=47.57%)略低于森林冠层FMC的反演精度(R^2=0.71,RMSE=30.82%)。为进一步论证该反演结果对野火风险评估的有效性,研究中选取并分析了2011年3月2日于云南大理白族自治州剑川县金华镇金和村森林火灾爆发前、爆发时及灾后该区域植被冠层FMC的变化特征。结果显示,火灾爆发时该地区植被冠层FMC明显低于火灾发生前后(约一月时间)植被冠层FMC,证明了本文FMC反演结果对野火风险评估的有效性。