Multilevel Assessment of Spatiotemporal Variability of Vegetation in Subtropical Mountain-hill Region

The complex spatiotemporal vegetation variability in the subtropical mountain-hill region was investigated through a multi-level modeling framework. Three levels- parcel, landscape, and river basin levels- were selected to discover the complex spatiotemporal vegetation variability induced by climatic, geomorphic and anthropogenic processes at different levels. The wavelet transform method was adopted to construct the annual maximum Enhanced Vegetation Index and the amplitude of the annual phenological cycle based on the 16-day time series of250m Moderate Resolution Imaging Spectroradiometer Enhanced Vegetation Index datasets during 2001-2010. Results revealed that land use strongly influenced the overall vegetation greenness and magnitude of phenological cycles.Topographic variables also contributed considerably to the models, reflecting the positive influence from altitude and slope. Additionally, climate factors played an important role: precipitation had a considerable positive association with the vegetation greenness, whereas the temperature difference had strong positive influence on the magnitude of vegetation phenology. The multilevel approach leads to a better understanding of the complex interaction of the hierarchical ecosystem, human activities and climate change.

毛竹向杉木林扩张不同阶段叶面积指数地面高光谱遥感模型研究

毛竹向杉木林扩张会引发“林退竹进”、林权纠纷等生态与经济问题。利用遥感有效反演毛竹演替过程对于科学管控森林资源意义重大。为了揭示地面高光谱在毛竹扩张不同阶段叶面积指数(LAI)反演的有效性,以毛竹在杉木林中扩张为研究对象,沿毛竹扩张方向设置四类杉竹比例样方,模拟扩张Ⅰ、Ⅱ、Ⅲ、Ⅳ阶段,根据原始光谱及开方、对数、倒数、一阶微分、二阶微分等10种光谱变换数据与不同扩张阶段LAI相关性选取特征波段,构建归一化植被指数(NDVI)、黄光波段指数(YI)等7个LAI显著相关植被指数,分别建立光谱信息与植被指数的五类单因素回归模型,基于植被指数利用神经网络、决策森林回归、贝叶斯线性回归和线性回归四种机器学习方法构建多因素回归模型,探讨毛竹向杉木林不同扩张阶段LAI高光谱反演模型适用性。结果表明:原始光谱的一阶微分、二阶微分、对数一阶微分和倒数一阶微分四类微分变换能够丰富光谱信息,更好表征毛竹向杉木林的扩张过程;植被指数中,YI与毛竹LAI相关系数最大,表现出毛竹扩张过程的高敏感性,NDVI反演效果最佳,但基于传统植被指数建模的总体反演效果不佳;基于微分变换光谱的二次多项式和幂指数回归模型在各扩张阶段表现更佳,神经网络算法在LAI反演方面优于其他机器学习算法,总体来看,基于光谱变换的传统回归算法优于机器学习建模方法。扩张第Ⅲ阶段基于对数倒数一阶微分变换光谱构建的模型(y=5.2914e183.76x)拟合效果最佳,建模集和验证集R2分别为0.735和0.742,RMSE分别为0.733和0.468,nRMSE分别为14.0%和9.9%,建议毛竹扩张管控选在竹林各半的混交林中。系统开展毛竹不同扩张阶段LAI高光谱反演模型的创新分析,将为科学营林造林管理奠定基础。

基于植被指数与连续小波变换的玉米叶片Cu^(2+)含量反演

目的:确定Cu^(2+)污染胁迫下玉米叶片Cu^(2+)含量最优反演模型。方法:以室内盆栽玉米为研究对象,在采集不同胁迫梯度下玉米叶片光谱以及同期叶片Cu^(2+)含量的基础上,通过遍历计算出两波段原始光谱植被指数,并将其与叶片Cu^(2+)含量进行相关性分析;利用0.1~0.9阶、1.1~1.9阶与1~4阶共22种光谱微分预处理重采样后的光谱数据,经连续小波变换后分析小波系数与叶片Cu^(2+)含量之间的相关性;根据相关性分析提取最优植被指数与最优小波系数,建立反演模型。结果:植被指数与叶片Cu^(2+)含量显著相关,最优波段组合分别为:DI(621.5 nm, 1 889.2 nm)、RI(482.2 nm, 1 418.5 nm)、NDVI(666.3 nm, 1 917.2 nm)、RNDVI(621.5 nm, 1 889.2 nm),其光谱特征均集中在可见光与近红外波段附近;小波系数也与叶片Cu^(2+)含量之间具有良好的相关性,其敏感波段位于400、600、900、1 200、2 400 nm附近,与最优植被指数敏感波段一致。经0.9阶光谱微分预处理后得到的小波系数与叶片Cu^(2+)含量相关系数最大,为0.88;通过相关性分析提取最优植被指数和最优小波系数,以植被指数与不同阶微分变换的连续小波变换提取的小波系数为自变量,建立线性反演模型,其中利用最优植被指数建立的反演模型精度最高,模型最稳定,RMSE为4.97μg/g。结论:植被指数和连续小波变换两种方法在农作物重金属污染监测方面具有重要的参考价值,应用前景广阔。

无人机RGB影像在高寒草地狼毒入侵监测及盖度估算中的应用

有毒植物入侵对草地生态系统和生物多样性的影响日益严重,无人机遥感为毒草防治提供了快速高效的监测方法。以青藏高原危害最严重的有毒植物狼毒为研究对象,探讨基于无人机影像的高精度狼毒遥感识别及盖度估算方法。在盛花期获取典型狼毒入侵草甸的无人机RGB正射影像,结合植被指数、色彩变换和纹理滤波方法提取狼毒识别特征,通过ReliefF-VIF/Pearson二次降维筛选出6项最优特征,基于RF、SVM和ANN三种机器学习算法构建狼毒识别模型。结果表明,与原始RGB波段相比,优选特征使狼毒识别精度有效提高4%~7%。三种分类方法的分类总精度和狼毒分类精度均大于81%,基于优选特征的RF和SVM模型的分类总精度和狼毒分类精度达到91%以上,狼毒识别效果最佳。随着统计单元的增大,利用无人机RGB影像分类结果估算狼毒盖度的精度明显下降但稳定性逐渐增加,斑块尺度50~60 cm是狼毒盖度估算的最优尺度。

基于双变量同化和交叉小波变换的冬小麦单产估测

为进一步提高陕西省关中平原冬小麦产量估测的精度,利用集合卡尔曼滤波算法(EnKF)将CERES Wheat模型模拟的0~20 cm土壤含水率和叶面积指数(LAI)与遥感观测的条件植被温度指数(VTCI)和LAI进行同化,同时利用交叉小波变换分析冬小麦各生育时期同化VTCI和LAI与产量之间的共振周期,通过计算小波互相关度获得各生育时期同化VTCI和LAI的权重,进而构建基于加权VTCI和LAI的冬小麦单产估测模型。结果表明,在样点尺度,经过EnKF同化的VTCI和LAI能够综合表达模型模拟值和遥感观测值的变化趋势;在区域尺度,无论是否同化,经过交叉小波变换的各生育时期VTCI和LAI分别与产量之间存在特定的共振周期,同时发现,同化有助于对关键生育时期的特征提取;相较于未同化构建的估产模型,经过同化构建的估产模型的归一化均方根误差为13.23%,决定系数为0.50,平均相对误差为10.58%,精度略有提升,且估测产量的分布与统计产量的分布更为一致,因此认为将同化与交叉小波相结合构建的双变量单产估测模型精度更高,可为进一步实现高精度的区域产量估测提供研究基础。

基于小波变换的华北平原耕地复种指数提取

该文以中国华北平原为研究区域,提出了基于小波变换的耕地复种指数遥感提取方法。首先,利用小波变换对2007年36景SPOTVGT/NDVI(SPOT VEGETATIONVGT数据归一化植被指数)遥感数据进行去噪处理,重建耕地农作物生长NDVI(归一化植被指数)曲线;然后,结合地面样点数据、农时数据和农业统计数据,采用二次差分法提取了华北平原2007年耕地复种指数和空间分布特征。研究结果表明,华北平原5省市耕地复种空间分布存在明显的地域特性,河南省耕地复种指数最大,达到179.4%,山东省次之,北京市最小。该研究结果与统计数据和其他遥感监测比较结果表明,基于小波变换去噪时序遥感数据提取耕地复种指数的技术方法与统计数据和其他遥感监测结果总体上具有较好的一致性,复种指数空间分布变化趋同。

草地遥感估产中不同尺度信息源关联方法对比及评价

选用NDVI、EVI、MSAVI、OSAVI、AFRI五种植被指数分析比较了样点法、纯光谱法、绿度分层法三种关联方法,研究表明:(1)绿度分层法是最好的关联方法,得到的决定系数超过了0.9,但还需要进一步的生态分区才能更多的表达产量的局部空间特征;(2)对分辨率为1000m的MODIS影像来说,样点法中的“点-点”关联与“点-面”关联经统计检验没有显著差别,植被指数之间拟合程度差别不大;(3)在纯光谱法中,计算出了基于MODIS数据的K-T变换系数阵,但没得到预期的结果;(4)植被指数中EVI、MSAVI、OSAVI是比较好的估产指标。

基于二维小波变换的遥感分类研究

对于遥感影像的植被特征直接进行计算机智能提取、分类,不同的理论下有着不同的方法。但是由于受到各种因素的影响,传统方法的提取精度还不是很高。在对研究区内的试验区图像运用小波理论,对图像进行二维小波变换处理并提取NDVI的基础上,再进行分类,将得到的结果与直接进行计算机自动分类结果相比较,得到如下结论:1经过小波变换后的图像,其相同地物内部的土壤亮度噪声得到削弱,不同地物的边缘差异得到增强,有利于进行图像的计算机智能分类;2对图像进行小波变换后试验区植被特征的分类精度明显高于没有经过小波变化的图像分类精度;3由于小波函数的多样性,小波系数的不确定性,二维小波变换用于遥感图像的植被特征分类技术还不是很成熟,这种技术还有待进一步改进。

马尾松毛虫寄主有效叶面积指数遥感反演模型研究

叶面积指数(LAI)是植物的重要结构变量,可以较好地反映植物冠层特征,构建该指标的有效反演模型是实现马尾松毛虫害空间监测与预警的必然要求。以在三明市、将乐县、沙县、南平市等4个县(市)测定的马尾松有效叶面积指数及同时段HJ-1 CCD多光谱遥感影像为基础数据,分别建立LAI与NDVI、TNDVI、DVI、RDVI、RVI、PVI、SAVI、MSAVI、MCARI等9个植被指数的一元线性、乘幂、指数、对数与二次曲线模型。结果表明:(1)上述9个植被指数均与马尾松有效叶面积指数显著相关;(2)R2、RMSE及预测精度等指标显示,以TNDVI与MSAVI作为自变量的乘幂、指数模型是马尾松毛虫主要寄主马尾松有效叶面积指数遥感反演的最佳模型,这与影像光谱信息量、指数对虫害状态下的林冠特征响应敏感有关。

基于PROSPECT+SAIL模型反演叶面积指数的较强适用性植被指数的筛选

基于PROSPECT+SAIL植被辐射传输模型,通过控制不同的植被生化变量、地表参数和土壤光谱参数建立光谱数据集,定量地分析了归一化植被指数(NDVI)、比值植被指数(SR)、土壤调节植被指数(SAVI)等10种常用的植被指数(VIs)对叶面积指数(LAI)的响应.利用敏感性函数定量地筛选出具有较强适用性的转换型土壤调节植被指数(TSAVI).在此基础上,分别建立了TSAVI及常用植被指数NDVI反演LAI的模型.以张掖市南部地区的TM影像为数据源,进行了LAI的反演,并利用黑河生态水文遥感试验获得的中游LAI数据集对模型进行精度评价.结果表明:TSAVI–LAI模型最佳拟合关系为指数形式,其反演结果与LAI实测值的偏差最小(0.200),R2最大(0.686),RMSE最小(0.397).TSAVI可以作为较强适用性植被指数来进行LAI的反演.

时间序列植被指数频域滤波去噪算法的优化研究

频域低通滤波是一种比较常用的去噪方法,但在对时间序列植被指数去噪时易受异常值的影响,所以需要对传统的频率域滤波算法进行优化。本研究采用的优化思路是:首先根据植被的生长规律识别出异常值,再通过滤波后的数值代替异常值,然后迭代执行频率域滤波进行去噪,直到结果中不存在异常值为止。分别对MODIS-NDVI进行本文优化算法和传统傅里叶与小波低通滤波去噪,结果表明优化的算法能够在不借助已知图像质量评价信息的条件下,有效地避免了异常值的干扰,从而大幅度地提高了图像的质量和应用效果。

乌鲁木齐市热岛强度分布与植被覆盖相互关系的遥感研究

应用TM遥感影像对乌鲁木齐市城市热岛强度分布进行了提取并探讨了提取方法,在此基础上使用遥感的方法进行了城市热岛强度分布与植被覆盖相互关系的研究。结果表明:TM遥感数据对于城市热岛的研究十分有益,热岛强度的分布与植被覆盖有很好的相关性。

高光谱数据降维与水稻氮素含量解析方法

水稻营养监测、病虫害诊断中高光谱技术提供了有效、便捷的技术手段,高光谱数据的降维和特征提取至关重要。为了探索有效的高光谱降维方法,利用2019年沈阳市沈北试验基地水稻分蘖期、拔节期和抽穗期的叶片光谱数据及实测的氮素含量数据,首先分窗口对原始高光谱进行Gram-Schmidt变换找到投影空间并映射出主基底,保留具有显著性概率的主基底,其极大极小值为特征波段,实现高光谱数据降维与特征波段提取;其次利用降维后构建特征建立水稻叶片氮素含量估测模型;最后对比分析本研究方法与主成分分析、植被指数及特征参数等降维方法。结果表明:基于分窗Gram-Schmidt变换可有效实现高光谱数据的降维,高光谱降到4维,水稻叶片氮素含量估测模型5折交叉验证决定系数CV_R2为0.787,均方误差CV_MSE为0.051;基于主成分分析法降维,高光谱降到5维,CV_R2为0.743,CV_MSE为0.056;单个植被指数,效果最好的是GNDI(911,487),CV_R2为0.667,CV_MSE为0.076;多个特征光谱指数最优化选择7个特征,分别为SI(487),RI(601,487),DI(911,487),DDI(990,685,487),NDI(990,685),NDI(990,601)和GNDI(911,487),CV_R2为0.731,CV_MSE为0.072。说明采用全波段降维的方法优于植被指数及特征降维,并且本研究提出的分窗Gram-Schmidt变换在降维的同时也能获取包含主要信息的波段,优于主成分分析法。综上所述,基于分窗Gram-Schmidt变换的高光谱可为高光谱降维与水稻叶片氮素含量估测提供一定的理论基础和技术支撑。

基于遗传算法的条件植被温度指数的时间尺度转换方法

多时相VTCI遥感数据具有更多的旱情信息,能充分反映旱情对作物生长及产量的影响。不同时段发生干旱导致的作物减产率不同,研究基于多时相VTCI时间尺度转换的干旱影响评估的方法具有重要意义。针对关中平原冬小麦主要生育期VTCI的时间尺度转化问题进行了建模分析,研究了求解该问题的基于因子权重排序法与熵值法的归一组合赋权法(CAFE)、穷举法(EA)和遗传算法(GA)的过程和结果,其中EA可得到问题的最优权重值。结果表明:CAFE确定的冬小麦不同生育时期干旱对产量影响的权重值与EA获得的最优权重值相差较大,而GA获得的权重值等于或接近于最优权重值,其获得的加权VTCI与冬小麦单产的回归分析结果亦接近于EA而优于CAFE,精度较高,同时其运算过程的时间复杂度大大低于EA。GA对关中平原冬小麦各生育时期干旱对产量影响权重的确定较为合理,更适合于关中平原多时相VTCI数据时间尺度转换研究和干旱对冬小麦生产的影响评估研究。

基于缨帽变换分析地表温度变化

利用缨帽变换提取土壤亮度指数、绿度植被指数、湿度指数等地表参数,利用模型提取归一化植被指数NDVI、比值植被指数RVI、修改型土壤调整指数MSAVI等植被指数和水体指数MNDWI,利用Artis单窗算法估算热红外波段像元尺度地表温度,将地表温度的影响因素作为BP神经网络输入估算30m空间分辨率的亚像元地表温度,分析1989~2006年桂林城区土地利用变化、缨帽变换特征分量变化、植被参数变化、水体指数变化对地表温度的影响机理。

一种NDVI时间序列离散Fourier重建方法

时间序列重建是多时相遥感变化监测研究的基础。多时相遥感数据由于气象、轨道周期等原因,很难达到严格意义的同时相。不同时相的特征信息不具有可比性。以一矿区归一化差值植被指数为例,采用2004-2007年SPOT II/IV数据,通过大气校正,波段运算,获得7个时相的包括伪不变特征区和矿业扰动区8个实验工作面的NDVI最大值、均值和振幅;进而采用快速Fourier变换的Fourier 4模型将NDVI转化为振幅,将物候信息转化为相位。实现了低数据样本下高时间、高空间分辨率NDVI时间序列数据集重建。该方法可为多时相遥感信息时间序列归一化、多源数据时间序列同化以及特征信息协同反演提供一些借鉴。

光谱指数测量中窄带图像的光强自适应分割方法

[目的]本文对作物冠层区域的光强自适应性分割算法进行了研究,旨在消除光谱指数测量过程中土壤背景的干扰,克服现有光谱检测方法对结构光的依赖性。[方法]采用加装窄带滤光片的2个相机组建测量系统,并对相机的几何安装参数进行标定;将窄带图像灰度直方图的波谷灰度值与最大灰度值的比值作为归一化阈值,实现窄带图像分割的光环境自适应性。在实现近红外窄带图像中土壤和冠层分割的基础上,通过几何变换推算出可见光波段窄带图像的冠层区域,从而实现可见光窄带图像的分割。[结果]在80~140 cm高度内,每隔10 cm设置1个测量高度,每个高度采集5组平均株高为25 cm的绿萝冠层窄带图像(770和660 nm),安装660 nm滤光片的相机在完成图像采集后,将滤光片换成770 nm重新拍摄5张照片,作为660 nm图像分割效果的参考图像。结果表明:660 nm图像的分割区域与参考图像的分割区域平均重合度大于99%。同时计算了光照度为10000~26000 lx时拍摄的50幅绿萝770 nm窄带图像的非归一化阈值和归一化阈值,其与光照度的相关系数分别为0.5866和0.0916。[结论]本文提出的基于归一化阈值的分割方法对光环境的变化具有很强的适应性,综合归一化阈值和几何变换可以实现窄带图像的分割,为构建消除土壤干扰的归一化植被指数(normalized difference vegetation index,NDVI)等光谱指数提供有效的基础数据。

基于缨帽变换和热红外数据的地表温度反演

选取覆盖柳州市的Landsat 5 TM数字影像,利用缨帽变换提取研究区的植被指数,应用辐射传输方程法反演研究区的地表温度;并与传统的热红外卫星遥感技术反演的结果进行比较,分析研究区2001~2011年10年间地表温度的变化。结果表明:比较改进方法和传统方法反演结果的标准差,改进方法的标准差略低,证明了改进方法的可行性和有效性。柳州地区11月份的温度主要集中在15~25℃;10年中,该温区间范围减少,有部分区域逐步向高温区转化,表明柳州地区的城市地表亮温有升高的趋势;柳州地区的高温区主要集中在中心城区,主要是由密集的建筑群和工业、居民日常生活等产生的人为热造成的。

基于连续小波变换的冬小麦叶片最大净光合速率遥感估算

已有研究发现,植物的最大净光合速率(Amax)决定了其潜在的光合能力。以冬小麦为研究对象,以2017年、2018年4-6月获取的拔节期、挑旗期、开花期和灌浆期4个重要生育期的不同叶位叶片的原始光谱(350~1350 nm)与气体交换数据为基础,旨在建立基于连续小波变换的冬小麦叶片最大净光合速率估算模型。结果表明,基于连续小波变换方法估算的模型,2017年、2018年的建模决定系数(R2)分别为0.62、0.77,验证R2分别为0.65、0.77,其估算模型的精度远高于基于植被指数建立的模型。通过对比分析几种植被指数与高光谱数据对最大净光合速率的估算结果发现,植被指数对小麦叶片Amax的解释能力较低,无法对光合能力作出正确且精确的估算。基于连续小波变换方法对冬小麦叶片Amax的估算精度较高,可以作为预估冬小麦生长状况、产量的依据。

基于双参数和Morlet多时间尺度特性的冬小麦单产估测

为进一步研究冬小麦在不同时间尺度下长势及产量变化情况,以陕西省关中平原为研究区域,选择与作物长势密切相关的条件植被温度指数(VTCI)和叶面积指数(LAI)作为研究指数,Morlet小波作为函数,利用小波变换和交叉小波变换分别分析不同时间尺度下冬小麦各生育时期VTCI和LAI与单产时间序列间的主振荡周期和共振周期。通过计算小波互相关度,确定各生育时期VTCI和LAI的权重,从而分别构建基于加权VTCI、加权LAI的单参数和双参数估产模型。结果表明,不同生育时期VTCI和LAI与单产间存在不同的主振荡周期和共振周期;通过小波变换构建的基于加权VTCI、加权LAI单产估测模型的归一化均方根误差(NRMSE)分别为16.88%、13.58%,决定系数(R^(2))分别为0.259、0.520,基于双参数的估产模型NRMSE为13.52%,R^(2)为0.531,表明基于双参数估产模型精度更高。通过交叉小波变换构建的基于加权VTCI、加权LAI单产估测模型的NRMSE分别为16.83%、13.56%,R^(2)分别为0.263、0.522,基于双参数的估产模型NRMSE为13.40%,R^(2)为0.533,表明基于交叉小波构建的估产模型比基于小波变换的估产模型精度均有所提高。利用共振周期构建的双参数估产模型对关中平原2011—2018年冬小麦的单产进行估测,结果显示,产量分布呈现西部高东部低的空间分布特征。