基于波段反射率日均增量的花生干旱灾情遥感评估

干旱是影响花生产量的主要气象因素之一。开展花生干旱灾情遥感评估对于产量估算、防灾减灾和保险理赔具有重要意义。当前花生旱灾遥感评估主要依赖于光谱指数变化信息,容易受不同地区生育进程干扰,限制了光谱指数方法的普适性。研究在多时相Sentinel-2遥感影像和野外实测样本的支持下,分析时序波段反射率日均增量信息与花生干旱受灾程度之间的内在联系,利用决策树、随机森林、逻辑回归等方法对花生干旱等级进行分类,并以总体精度和Kappa系数评价各种方法的精度。结果表明:单一波段的近红外反射率日均增量对花生受灾情况的指示性较强。多光谱波段组合方式对花生旱灾程度的指示性均优于单个波段,其中红波段、蓝波段、近红外光谱波段反射率日均增量组合的指示性最强,整体精度达到89.93%,Kappa系数0.847 1。与逻辑回归和决策树算法相比,随机森林算法对花生旱灾评估精度最高。在旱情等级最优时相组合分析中,利用花生生长旺盛期(7月~8月)的多波段反射率日均增量信息,灾情等级遥感识别的总体精度可达88.62%,Kappa系数为0.827 4。说明基于生长旺盛期时序多波段反射率日均增量的干旱灾情遥感评估方法能有效提取花生受灾范围与灾情严重程度。

低温冷害胁迫下的多熟水稻产量遥感监测

低温冷害是影响水稻产量主要气象灾害之一。开展低温冷害胁迫下的水稻产量遥感监测对于水稻优良品种推广、农艺救灾防灾以及农业保险精准理赔具有重要意义。以南方多熟水稻低温冷害为研究对象,在多时相遥感影像的支持下,结合地面实测水稻单产样本数据,构建多时相协同的多熟水稻产量监测模型,实现地块尺度的低温冷害影响下水稻产量遥感监测与空间制图。研究结果表明:低温冷害发生时所处水稻的生育期不同,对产量影响程度具有较大差异。中稻在灌浆中期遭遇低温冷害后的影响相对较小,平均产量约6637 kg/hm^(2),减产幅度近20%;早熟晚稻在抽穗期遭受低温冷害后产量明显低于中稻,平均产量4143 kg/hm^(2),减产幅度近45%;晚熟晚稻在拔节期遭受持续低温冷害后产量影响最大,平均产量仅1541 kg/hm^(2),远低于往年产量水平,减产幅度近80%。利用实割实测样本单产数据与哨兵数据多个关键物候期NDVI构建回归模型,R2均大于0.75,并利用实测样本单产数据进行精度交叉验证,MAPE均小于10%。该方法借助少量地面资料,可以较高精度地测算多熟水稻在遭受低温冷害的情况下的单产信息,为复杂条件下水稻低温冷害灾情评估提供了新的思路。

基于多时相Sentinel-2影像的棉花雹灾时序变化遥感监测

近年来全球变暖导致强对流天气日益加剧,冰雹灾害已成为农业生产的主要灾害之一。开展棉花冰雹灾情遥感评估对防灾减损、保险理赔、种植结构调整均具有重要意义。以2019年8月23日新疆准噶尔盆地西南部的奎屯河流域的棉花雹灾为研究对象,基于野外实测样本和雹灾前后多时相Sentinel-2遥感影像数据,分析雹灾前后的多种植被指数的动态变化规律,筛选能有效表征雹灾灾情的敏感植被指数差值特征组合,利用逻辑回归、决策树、梯度提升决策树、随机森林4种机器学习算法自动提取棉花雹灾的受灾范围与灾情等级,并利用野外实测样本进行精度对比分析。结果表明:单一植被指数中NDVI对雹灾的指示效果最佳,总体精度为84.39%,Kappa系数为0.75;多时相植被指数差值组合对雹灾的指示性显著优于单一植被指数;结合雹灾前后的植被指数差值时序特征,8月30日与8月20日差值对雹灾的指示性明显强于8月25日与8月20日的差值,说明雹灾灾情等级遥感监测有必要考虑灾后棉花植株的自我恢复能力,待灾情稳定后监测为宜;利用灾前灾后多种植被指数差值组合和随机森林分类算法的棉花雹灾灾情等级监测效果最佳,总体精度达到了89.51%,Kappa系数为0.83。基于多时相Sentinel-2影像能有效评估棉花雹灾的受灾范围以及灾情程度。