基于多源遥感数据与模型对比的冬小麦土壤含水量区域监测研究

实时、精准的土壤水分含量监测是农业用水管理的基础,探究冬小麦土壤水分反演的最优模型对于提高农业用水效率和可持续发展均具有重要的意义。本研究以河南省鹤壁市浚县冬小麦种植区域的土壤水分含量为研究对象,采用无人机遥感数据、卫星遥感数据、田间采样数据,分别运用温度植被干旱指数模型、水云模型和改进的水云模型3种方法,进行土壤含水量反演对比分析与最优模型选择。结果表明,3种方法中10 cm深度的反演精度均高于20 cm,且R^(2)均大于0.4。其中采用改进的水云模型方法在10 cm深度的R^(2)为0.7055、RMSE为0.0209,20 cm深度的R^(2)为0.5069、RMSE为0.0271,优于水云模型和温度植被干旱指数的反演效果。因此,改进的水云模型是一种适合用于麦田土壤水分反演的方法,它能够提供较高的反演精度。

基于Sentinel多源数据的农田地表土壤水分反演模型构建与验证

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该文基于Sentinel-1和Sentinel-2多源遥感数据,利用Oh模型、支持向量回归(support vector regression,SVR)和广义神经网络(generalized regression neural Network,GRNN)模型对土壤水分进行定量反演,以减小植被影响,提高反演精度。结果表明:通过水云模型去除植被影响后的Oh模型反演精度有所提高。加入不同植被指数的SVR和GRNN模型的反演效果总体优于Oh模型,基于SVR模型的多特征参数组合(双极化雷达后向散射系数、海拔高度、局部入射角、修改型土壤调整植被指数)反演效果最优,其测试集相关系数和均方根误差分别达到了0.903和0.015cm^3/cm^3,为利用多源遥感数据反演农田地表土壤水分提供了参考。

森林生态系统遥感监测技术研究进展

森林是陆地生态系统的主体,森林生态系统监测技术是实现森林可持续利用与全球变化研究的重要支撑与信息保障。从4个方面概述了遥感技术在森林生态系统监测中的应用研究进展：森林遥感分类及变化监测、森林植被参数遥感反演、森林蓄积量与生物量遥感估算、森林干扰遥感监测等。结合遥感技术的发展,总结了森林生态系统监测中使用的多源遥感数据和各类模型,提出集成地面调查数据、高分地-空雷达扫描监测技术,以及多源光学遥感建模技术和生态系统过程模型,构建多维度、多尺度、高时间密度的森林生态系统监测平台的研究展望。

利用HJ-1-A/BCCD2数据反演冬小麦叶面积指数

叶面积指数是十分重要的作物生理生态参数,为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度,该文以5种常用的植被指数(归一化差值植被指数(normalized difference vegetation index,NDVI),增强植被指数(enhanced vegetation index,EVI),双波段增强植被指数(2-bands enhanced vegetation index,EVI2),比值植被指数(ratiovegetation index,RVI),土壤调节植被指数(soil-adjusted vegetation index,SAVI)为基础,结合3种常用的回归模型,按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明,除生殖生长阶段外,叶面积指数和5种植被指数之间均有较强的相关关系;指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型;EVI在全生育期拟合时的表现好于其他4个指数(R2=0.9348),SAVI则是营养生长阶段表现最佳的指数(R2=0.9404)。该研究为进一步利用植被指数反演叶面积指数提供了参考。

基于光谱指数的植被含水率遥感反演模型研究——以岷江上游毛尔盖地区为例

利用研究区植被样本实测含水率和实测光谱数据,基于植被光谱指数法,建立植被含水率与植被光谱指数之间的数学模型,同时利用该模型对研究区的遥感数据进行分析,反演植被含水率。结果证明:简单比值光谱指数与植被含水率有较好的相关性,线性模型更适合该研究区的植被含水率反演。1999年和2007年两年的植被含水率反演结果显示:9年间植被含水率提高,含水率高的面积增大。

土壤湿度微波遥感中的植被散射模型进展

植被是影响土壤湿度微波遥感的主要因子之一 ,土壤湿度微波遥感的主要任务是建立含有地表土壤信息的植被散射模型。植被散射模型的建立可以加深我们对植被和土壤散射机理的理解 ,定量分析微波后向散射系数对于各散射因子的敏感性 ,进一步达到从微波信息中反演土壤湿度的目的。植被散射模型可以分为经验模型、理论模型和半经验模型 ,各种模型都具有自身的优势和局限性。经验模型的建立比较简单 ,但一般只适用于特定的研究条件 ;理论模型是建立在一定的理论基础之上 ,对于散射因子的考虑相对详尽 ,但一般模型比较复杂 ,反演相对困难 ;半经验模型是前两者的折中 ,它以植被的宏观物理参量为模型参数 ,模型的建立和反演比理论模型要简单 ,但同时也具有一定的理论依据 。

芦苇地叶面积指数的遥感反演

叶面积指数(LAI)是植被冠层结构的一个重要参数,它的改变标志着植被发生了生物物理变化。本文提出了一种利用混和模型从TM图像上获取叶面积指数的方法。首先,利用冠层反射率(FCR)模型计算并得到查找表;然后,利用从查找表得到的统计关系进行LAI制图。试验表明,该方法简单易行,并可较精确地用来反演芦苇地的叶面积指数。

土壤水分反演中的主动微波散射模型

作为地表水循环的重要组成部分,土壤水分含量的监测已经成为农业、水文、气象和生态环境等领域的研究热点之一,尤其对现代农业中的精确灌溉、旱情监测和产量估计具有深刻的现实意义。微波后向散射强度与土壤水分之间密切的相关关系使主动微波遥感技术成为高空间分辨率的土壤水分监测中最有效的方法之一。高性能微波散射模型的缺乏是限制土壤水分反演应用的主要因素。分别针对裸露地表和植被覆盖地表,首先分析了常用的微波散射模型,然后对影响土壤水分监测的因素进行探讨;并在实际应用举例中,对常用的主要影响因素校正方法进行分析总结。

基于TVDI的山地平原过渡带土壤水分反演——以绵竹市为例

为了对生态脆弱的西部山地平原过渡带进行土壤水分监测研究。以绵竹市为例,利用Landsat8OLI/TIRS影像,获取了陆地表面温度(TS)和归一化植被指数(NDVI),通过温度植被干旱指数(TVDI)建立了土壤水分回归模型进行遥感水分反演,并通过野外采样数据对结果进行精度验证。结果表明:TVDI和土壤水分存在较强相关性(R=0.6553),能较好反映表层土壤湿度;土壤水分整体分布状况表现为西北山地地区高于东南平原地区,过渡带上山地向平原逐渐降低。因此,TVDI能较好反映过渡带土壤水分时空差异,对监测过渡带土壤干湿状况具有理论与现实意义。

基于改进的BP神经网络裸露地表土壤水分反演模型对比

土壤水分对于全球水循环十分重要,大面积、快速获取土壤水分信息具有重要意义。微波遥感数据可以用于反演土壤水分。以Matlab为平台建立BP神经网络,通过改进BP神经网络的权值、阈值和网络结构,对该算法进行了优化;在研究区范围,分别利用积分方程模型(integral equation model,IEM)、Oh模型、Shi模型生成模拟数据,训练改进的BP神经网络,构建裸露地表土壤水分反演模型,并用野外实测土壤水分数据对模型进行了验证。结果表明,改进后的BP神经网络算法反演精度明显提高,且Shi模型训练网络反演精度较其他2种模型更高,绝对误差为2.47 g/cm3,相对误差仅为7.78%。

利用遥感技术动态监测大面积农田土壤水分研究

为探讨利用遥感技术动态监测大面积农田土壤水分含量 ,排除农田植被和地形的干扰 ,1 997- 1 998年在甘肃省定西县岔口乡建立了监测样区 ,在地面实测 0～ 50 cm大面积农田土壤水分本底资料和收集 5幅 TM卫片影像资料加工处理基础上 ,利用地理信息系统建立了遥感信息 (NDVI和 RVI)与土壤含水量之间的遥感光谱相关模型 ,做出了观测区土壤水分含量分布图 ,得到了初步的大面积农田土壤水分宏观动态监测结果 ,基本实现了利用遥感技术大面积动态监测土壤含水量 ,有效地指导农业春耕生产和快速掌握土壤墒情状况。研究结果表明 ,在波长 60 0～ 1 0 50 nm光谱段 ,土壤含水率与光谱反射率之间存在显著的负相关关系 (α<0 .0 5) ;利用遥感技术建立的 TM光谱水分监测模型 ,其模型监测 0～ 2 0 cm土层含水量的精度达到 90 %以上 ,实际监测土壤水分精度达到 72 .3% ;在遥感监测2 0～ 50 cm土层土壤含水量中 ,利用遥感模型监测土壤水分精度达到 80 %以上 ,实际遥感监测精度达到 60 %左右 ,并且建立了热惯量与土壤含水量之间的相关模型 ,给出了决定系数 (R2 )分析结论。

基于MODIS数据的济南市农田区土壤含水量模型

土壤含水量是监测土壤质量的重要指标,影响到一系列战略物资的生产,是旱涝等自然灾害发生的指示因子。以2011年4月下旬济南市农田区的MODIS遥感影像为基础,采用植被供水指数法反演土壤含水量,结合野外同步实测数据,建立土壤含水量预测模型,并利用实测和气象数据进行精度检验。结果表明,该模型预测结果与实际情况吻合度较高,模型具有一定的参考价值。

植被温度条件指数在土壤墒情遥感监测中的应用

利用多年极轨气象卫星遥感资料,在计算出植被条件指数和温度条件指数的基础上,计算了遥感监测土壤墒情的植被温度条件指数(TV)。通过实测土壤湿度和TV的散点图,可以得到土壤墒情遥感模型的干旱等级指标,可用于干旱等级定性监测;通过建立土壤湿度和TV的回归方程,可进行土壤墒情定量监测。该方法兼有植被条件指数和温度条件指数的优点,且计算简单,对地面气象要素依赖性小,实时性好,在作物生长旺盛期,其定量反演0~30 cm土壤墒情精度平均可达80%以上,可以替代作物缺水指数法。

基于GPS-IR的美国中西部地区NDVI时间序列反演

基于AVHRR（advanced very high resolution radiometer）、MODIS（moderate-resolution imaging spectroradiometer）等卫星遥感影像获取的归一化植被指数（normalized difference vegetation index,NDVI）存在大气噪声、土壤背景、饱和度等固有问题。GPS（global positioning system）卫星播发的L波段信号对土壤和植被水分含量变化较为敏感,GPS-IR（GPS-interferometric reflectometry）利用测地型接收机和天线记录GPS反射信号的变化,进而反演测站环境参数。该文研究了利用GPS-IR反演区域NDVI时间序列的方法。采用4个GPS参考站2007-2015年近9 a的连续观测数据,由伪距和相位观测值计算了归一化微波反射指数（normalized microwave reflection index,NMRI）,傅立叶变换显示NMRI具有明显的周期特性,其中年周期和半年周期分量普遍较为突出。利用三角多项式拟合剔除NMRI中由积雪和降雨引起的粗差点后,其波动与同时间段内MODIS NDVI的趋势一致。一元线性回归结果显示NMRI与NDVI之间存在显著线性相关,相关系数在0.697~0.818（P〈0.001）,NDVI反演误差的均方根误差在0.059~0.079,表明GPS-IR反演区域NDVI时间序列是可行的,该研究为获取准实时、低成本和高时间分辨率的NDVI提供了新的思路。

沙化土地遥感评价方法

应用遥感数据,通过建立线性回归模型,进行沙化土地评价因子的反演,并以地面调查为基础进行遥感评价方法研究,探讨遥感技术在沙化土地评价中应用的有效途径。

基于多源遥感协同反演的区域性土壤含水率动态研究

为进一步推动多源遥感技术在农业生产与管理中的应用,以内蒙古河套灌区五原县3500 hm 2研究区为实验对象,对实验区进行实地取样化验,获取并处理了多种遥感影像,综合研究光学影像地表反射率及雷达影像后向散射系数对土壤含水率的响应特征.对遥感影像数据进行各种数学变换,求出其与土壤含水率的相关性强弱;利用SPSS与MATLAB对数据进行回归分析,采用多元线性回归、最小二乘回归、神经网络回归等不同的回归方法进行分析,得出相对应的回归模型方程,建立了多数据源含水率反演模型.ALOS,北京二号和Landsat影像协同反演土壤含水率神经网络的拟合值达到0.892,R 2值达到0.796,模型的稳定性和预测精度较好,可知融合多源遥感数据的神经网络模型可快速精准监测土壤含水率的动态变化规律,为灌区农业生产及土壤盐碱化防治提供基础信息指导.

基于植被指数的猕猴桃根域土壤水分反演影响因素研究

针对现有监测方式难以大面积准确监测植株个体水分状况,且猕猴桃果园的郁闭性导致根域土壤含水率(Root domain soil water content,RSWC)监测方法匮乏的问题,使用多层感知机(Multi-layer perceptron,MLP)和冠层植被指数来预测果实膨大期(5—9月)徐香猕猴桃植株40 cm深度的RSWC。在MLP训练数据的预处理中,采用Pearson相关系数作为输入(植被指数)与输出(RSWC)的相关性评价指标,采用单因素方差分析作为输入与输出的显著性评价指标。进一步考虑冠层采集范围可能对模型精度造成的影响,将数据分割为不同尺度对MLP进行训练评估。结果表明,重归一化植被指数(Renormalized difference vegetation index,RDVI)与RSWC具有最高的相关性与显著性,相关系数和P分别为0.744和0.007,该指数可以作为RSWC反演的输入量。对不同尺度RDVI的建模数据表明,模型精度与RDVI采样面积A及对角线长度L有着较强的相关性(R^(2)分别为0.991和0.993),为了使模型精度最大化,采样面积应在2.540~3.038 m^(2)之间。通过使用该尺度的RDVI建立的MLP模型达到最大精度(R^(2)为0.638,RMSE为0.016)。本研究可为建立非接触性猕猴桃果园土壤含水率估算方法与果园灌溉系统设计提供依据。

土壤水分遥感反演研究进展

近年来,随着人们对全球气候变化的逐渐重视,环境遥感领域中的土壤水分遥感反演技术已成为研究热点和前沿之一。通过对区域宏观土壤水分进行遥感反演,对于研究植被生长状况、农作物生长发育及产量预估、气候变化及环境响应机制等提供基础依据,具有重要的理论意义。在广泛了解和分析国内外土壤水分遥感反演研究进展的基础上,分别从可见光-近红外法、热红外法和微波遥感法3个方面总结和归纳了目前土壤水分遥感反演的主要方法,分析了各方法的原理与特点,讨论了国内外在该领域研究方面存在的主要技术问题,最后从4个方面对基于遥感技术的土壤水分反演研究进行了展望。

基于地表温度和植被指数的黑龙江省旱情遥感动态监测

干旱灾害是一种影响范围广、时间跨度大的自然灾害,对社会经济发展尤其是给农业生产造成重大损失。遥感技术具有观测空间尺度大、实时性强的特点,有利于大范围、实时、动态的旱情监测。利用MODIS的LST和NDVI遥感数据,依托站点实测土壤含水率数据,分析土壤含水率与地表温度和植被指数之间的关系,考虑土壤类型,构建温度植被多项式模型,进行表层土壤水分反演,基于此开展2018年3~7月黑龙江省旱情遥感监测应用研究。监测结果显示,监测期内黑龙江省经历了两次规模较大的干旱过程,干旱的核心区域为黑龙江省西南部区域,与实际情况相吻合。研究表明,考虑土壤类型的温度植被多项式模型对旱情遥感监测具有良好的应用效果。

基于Landsat8 OLI遥感影像的延河流域土壤水分反演研究

在生态环境脆弱、水土流失严重的延河流域,土壤水分的遥感反演对该地区的土壤水分动态监测和生态恢复具有重要的意义。为掌握延河流域的土壤水分变化和分布状况,利用Landsat8OLI影像数据获取的归一化植被指数(NDVI)和陆地表面温度(Ts),构建Ts-NDVI特征空间,分析土壤水分空间分布变化。结合野外148个实测土壤水分数据,建立0～20cm,20～40cm,40～60cm,60～80cm和80～100cm深度的土壤水分遥感反演回归模型,对比分析了5个深度土壤水分的空间变化特征,利用剩余30个样点数据进行精度验证。结果表明:延河流域微旱和干旱的分布范围广且多分布于西北地区,各地表覆盖类型的TVDI总体趋势为:低覆盖度>中覆盖度>高覆盖度。各土层深度的实测的土壤水分与TVDI的反演值具有较好的负相关性,其中20～40cm土层的土壤水分与TVDI反演值的相关性较强,表明TVDI指数法适用于延河流域土壤水分反演。TVDI能更稳定反映和指示20～40cm土层的土壤水分状况,但对于提取更深土层深度的土壤水分信息不能满足精度要求。