油菜叶片和冠层水平氮素含量的高光谱反射率估算模型

通过设计实验首先确定是否可以用油菜叶片反射率光谱预测其氮素含量,以及是否可以用预测的光谱特征值与氮素含量建立相关模型。实验结果表明,反射率光谱的转化形式R的一阶微分为预测油菜氮素含量的最佳形式,最佳波段选择与其他研究结果相似。短波红外光谱波段能较好预测氮素含量,但是选择的高相关性短波红外区域一般都较窄,因此可用高光谱和高辐射分辨率来准确描述油菜光谱特征。短波红外反射率的变化主要是由于植被化学信号的改变而引起的。直接太阳辐射率、观测设备、叶片振动以及大气湿度的细微变化都可能引起光谱一阶微分的变化。冠层反射率一阶微分R′建立的逐步回归模型拟合度较高。     

稻干尖线虫病胁迫水稻叶片波谱响应特征及识别研究

对植被病害的精确识别是采取植保措施的前提,同时对喷施农药也具有积极的指导作用。比较了受稻干尖线虫胁迫水稻叶片和健康叶片色素含量、光谱反射率、高光谱特征参数,受害水稻叶片与健康叶片相比,叶绿素和类胡萝卜素含量分别降低18%和22%;光谱反射率在蓝紫光、绿光和红光谱段分别增加1.5,1和2.3倍,在近红外和短波红外区域分别降低约28.9%和26.3%,红边和蓝边分别蓝移约8和10nm,绿峰和红谷分别红移约8.5和6 nm。以红边面积和红边位置作为C-SVC(非线性软间隔分类机)的输入向量,对受害和健康叶片进行识别,精度为100%。研究表明,水稻叶片光谱对病害胁迫具有显著的响应特征,利用C-SVC对受害和健康叶片进行辨别的方法是可行的。     

基于主成分分析和径向基网络的水稻胡麻斑病严重度估测

对植被病害严重度的精确预测是采取植保措施的关键,同时对减少农药使用量也具有积极意义.该研究首先对叶片光谱反射数据进行重采样和求一阶、二阶微分,再用主成分分析PCA技术对上述变换光谱进行分析,最后结合径向基函数神经网络RBFN对水稻胡麻叶斑病严重度进行预测.将全部的光谱数据和病害严重度分为两组,75%用于网络训练,25%用作网络性能测试.文中对预测结果准确性有重要影响的径向基函数扩展速率和不同的数据处理方法进行了讨论,研究发现,一阶微分光谱经PCA压缩后,获得主分量光谱,输入RBN,病害严重度的预测均方根误差仅有7.73%.表明:主成分分析和径向基函数神经网络(PCA-RBFN)相结合,可以对水稻胡麻斑病严重度进行快速、精确的估算.     

作物植被覆盖度的高光谱遥感估算模型

通过大田试验,使用ASD光谱仪测量了油菜、玉米、水稻三种作物不同覆盖度水平下的冠层光谱,同时拍照获取植被图片并用计算机求算了植被覆盖度.利用三种作物光谱求算"红边"变量,并对波段两两组合求算归一化植被指数(NDVI),建立这些光谱变量与覆盖度之间的估算模型,得到适用于三种作物的最优估算模型和最佳的NDVI波段组合.另外,利用响应函数模拟了TM归一化植被指数,同植被覆盖度进行了相关分析,回归方程的R2达到0.80,并通过了预留数据的检验,为TM数据植被覆盖度估算进行了探索性的研究.     

基于GIS的浙江省年降水量空间分布推算方法研究

高精度的空间化降水信息对于区域水资源管理、生态环境治理、作物适宜性评价等方面都具有重要意义.选取浙江省72个气象站点1971-2008年38年的年平均降水量资料,在地统计学和地理信息系统(GIS)支持下,结合了坡度、坡向、到海岸线距离、周围10 km范围内的平均海拔高度和周围10 km范围内的最高海拔高度等地形地理因素,采用回归逆距离权重插值法、回归克里金插值法、回归样条插值法和回归趋势面插值法等多种插值方法对研究区年降水量的空间分布进行了插值研究,通过10个检验站点的插值误差来分析不同插值方法,并对模拟的年降水量空间分布图进行了比较分析.结果表明:回归逆距离权重插值法误差最小,效果最好.