基于改进型光谱指数的荒漠土壤水分遥感反演

干旱地区土壤水分是影响气候动态变化、植被生态恢复和土地荒漠化治理的重要指示因子。本研究采用Landsat8 OLI/TIRS多光谱遥感影像,在9个传统光谱指数基础上引入热红外波段(b 10)进行改进,通过显著性检验和多重共线性检验后的优选光谱指数作为本研究的建模因子,并结合地形数据采用多元线性回归(multivariable linear regression,MLR)和随机森林(random forest,RF)算法构建荒漠土壤水分综合反演模型,选取最优模型分析土壤水分空间分布特征及驱动因素,结果表明:①改进后,光谱指数EBSI,ECI,ECal,ENDVI和EPDI相关系数提升了0.02~0.11;②光谱指数经改进后,线性和非线性模型预测集R^(2)分别提升了0.12和0.05,相对分析误差提升了0.35和0.49,其中,RF-II模型的相对分析误差高达3.12,能精准地对土壤水分进行预测;③非线性模型的精度明显优于线性模型,MLR线性模型预测集的R^(2)仅为0.59和0.71,而RF非线性模型预测集的R^(2)达到0.86和0.91;④土壤水分分布受到自然、人为2种驱动因素影响,东北部沙漠呈现[0,5)%和[5,12)%,南部农田交错分布,北部及中部荒漠-绿洲过渡带受植被覆盖程度和地表盐结皮抑制土壤水分蒸散困难,多呈现[15,20)%和[20,40)%。

基于高光谱特征的雅氏落叶松尺蠖虫口密度估算

【目的】多年来,蒙古高原典型落叶松害虫雅氏落叶松尺蠖Eeannis jacobsoni发生频繁,使森林生态系统遭到严重破坏。虫口密度可直接描述森林虫害严重程度,进而及时、快速获得害虫虫口密度信息显得极为重要。本研究旨在依据雅氏落叶松尺蠖暴发区的落叶松光谱实测数据和虫口密度数据,构建基于高光谱特征的虫口密度估算方法。【方法】以蒙古国后杭爱省和肯特省4个地点雅氏落叶松尺蠖暴发区为试验区。首先从这4个试验区选取不同程度受害的110株西伯利亚落叶松Larix sibirica样本树,调查虫口密度和测量冠层光谱反射率;其次通过光谱反射率数据获得微分光谱反射率(differential spectral reflectance,DSR)和计算改进型光谱指数(modified spectral index,MSI);再次运用多项式曲线拟合法,分析DSR和MSI对虫口密度的敏感性;然后借助连续投影算法(successive projection algorithm,SPA)提取敏感DSR和MSI;最后利用敏感DSR和MSI,结合多项式回归(polynomial regression,PR)和支持向量机回归(support vector machine regression,SVMR)算法,建立雅氏落叶松尺蠖虫口密度估算模型,并评定了其精度。【结果】DSR的敏感波段主要在黄边和红边波段内,其中572 nm的敏感性最显著(R2=0.5821,P<0.001),MSI的最敏感指数为TVI(R2=0.5386,P<0.001);TVI(R2CV=0.6323,RMSECV=0.1513)比DSR572(R2CV=0.5581,RMSECV=0.1649)估算精度高,而多个DSR(R2=0.7309,RMSECV=0.1347)比多个MSI(R2CV=0.6537,RMSECV=0.1453)更有估算潜力,其中SVMR模型性能始终优于PR模型,说明SVMR更加适用于虫口密度估算。【结论】MSI和DSR可作为虫口密度估算的敏感指标,多项式曲线拟合法能够挖掘MSI和DSR对虫口密度的敏感性;SPA是虫口密度敏感光谱特征提取的一种有效方法,其提取的DSR敏感指标和MSI敏感指数充分捕捉了针叶叶绿素吸收特征、水分吸收特征以及针叶细胞受损引起的反射特征。该研究不仅为利用航空航天遥感监测森林害虫虫口密度提供实验理论基础,而且为森林虫害遥感监测拓展了新途径。