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。     

基于光谱波段自相关的水稻信息提取波段选择

通过大田试验,使用ASD光谱仪测量水稻不同生育期的冠层光谱,将光谱以10 nm为步长进行合并,再将不同日期光谱的所有波段组合计算相关系数平方（R2）,生成R2矩阵,并绘制R2分布图。根据R2越大,光谱波段之间冗余信息越多,R2越小,水稻光谱波段信息含量越多的原则,在所有测量日期中选择出前100个R2最小值对应的波段,将这些波段进行统计分析。结果表明,可见光区域各个波段之间和红外（近红外和短波红外）区域各个波段之间都含有大量冗余信息。水稻信息量丰富的波段主要集中在可见光的长波波段,红边波段,近红外第一和第二峰值波段,以及短波近红外第一峰前区（1 530 nm附近）和第二峰值区（2 215 nm附近）。比较水稻与其他植被对于最优波段的选择,400～410,630～650和1 520～1 540 nm三个波段区间表现为水稻信息提取较为独特的波段。     

基于DEM的山地可照时间的空间分布

以山区高空间分辨率的DEM数据为主要数据源，在提取纬度、坡度、坡向等相应的地形要素栅格数据的基础上，利用GIS技术对山区可照时间的空间分布进行了模拟，实现了山区可照时间空间分布规律的可视化表达，分析了山区可照时间的空间分布特征，对于山区的农业、林业和生态环境等方面的研究具有重要意义．     

MODIS通道1和通道2大气订正的一种快速实用方法

提出了利用气象资料对MODIS影像进行大气校正的一种快速实用方法.读取MODIS前两个通道250min的反射率,采用常用的黑色目标扣除法(Dark-object subtraction)计算天空程辐射,通过卫星过境时刻的气象能见度和水汽资料计算大气透过率,最后推导出目标物的反射率.通过比较两个邻近日期MODIS影像校正前后的归一化植被指数(NDVI)值,得出利用本文提出的方法对MODIS进行大气校正所得到的NDVI值更接近实际情况.结果表明:利用气象能见度和水汽压可以对MODIS数据进行快速有效的大气校正.     

水稻叶片叶绿素、类胡萝卜素含量估算的归一化色素指数研究

测定了水稻叶片的高光谱反射率,以及相应的叶绿素、类胡萝卜素含量,采用一种将350～2 500 nm范围内所有光谱波段两两组合的方法,构建所有可能的归一化比值色素指数,并建立这些指数与叶绿素、类胡萝卜素含量的统计模型,然后将构成最佳模型的指数确定为最适合相应色素估算的指数,并进行验证以及与已知归一化色素指数进行了比较。结果表明,本研究所给出基于叶片水平的色素指数(R_{1 729}-R₇₀₇)/(R_{1 729}＋R₇₀₇),(R_{1 554}-R₅₇₂)/(R_{1 554}＋R₅₇₂),(R_{1 729}-R₇₀₆)/(R_{1 729}＋R₇₀₆),(R_{1 536}-R₇₀₇)/(R_{1 536}＋R₇₀₇)可以较好地估算叶绿素、类胡萝卜素含量。构成这些色素指数的指数波段主要位于700 nm附近,其次为绿光长波区域;构成指数的参照波段主要位于短波红外区域。这说明短波红外区域在色素指数的构建中也有重要作用。这些色素指数对叶绿素、类胡萝卜素含量的估算效果一般要好于各已知的归一化比值色素指数,或者与最好的已知色素指数估算效果相当。     

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。     

基于支持向量机的水稻叶面积指数高光谱估算模型研究

为了研究支持向量机(SVM)对于作物农学参数高光谱估算的能力,通过大田小区试验,测定了2个品种、3个供氮水平处理的水稻在不同生长期的冠层高光谱反射率(350～2 500 nm)。依据Ladsat-5的TM传感器波段宽度,将高光谱反射率转换为10种不同的植被指数。利用所有样本的植被指数和水稻叶面积指数(LAI),通过不同统计模型的模拟分析,依据模型的R2选取了三种相关性较高的统计关系(包括NDVI_green的指数关系、TCARI/OSAVI的乘幂关系和RVI₂的乘幂关系)。对这三种关系,通过具有不同核函数的SVM模型和相应统计模型对LAI进行估算。结果表明：所有的SVM模型都具有较低的均方根误差值,估算精度都高于相应的统计模型;基于TCARI/OSAVI的POLY核SVM具有最高的估算精度,其RMSE比相应的统计模型降低近11个百分点。因此,SVM方法用于水稻LAI高光谱估算具有良好的学习能力和鲁棒性。     

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。     

我国地理可照时数空间分布模拟中尺度效应研究

不同空间分辨率的DEM会对地理可照时数模拟结果产生显著影响。为了分析DEM尺度效应对我国不同区域地理可照时数的影响,选取小兴安岭、太行山区、秦岭、青藏高原弧形山区、横断山区和东南丘陵6个实验区,基于3种空间分辨率的DEM和地理可照时数分布式模型,利用GIS的多层面复合分析功能,模拟了典型月份不同空间尺度的地理可照时数,定量分析了典型地形因子与模拟结果的关系,并探讨了DEM尺度效应的影响。研究结果表明：（1）我国地理可照时数差异明显,1月、7月及其差异主要受剖面曲率、海拔、纬度、地形阴影和地形起伏度等因子的影响;（2）我国地理可照时数与典型地理和地形因子之间极显著相关,复相关系数在0.610 0～0.804 3,正相关因子为海拔高度和水平曲率,负相关因子为坡度、地形起伏度、剖面曲率和地表粗糙度;（3）不同地形因子的空间尺度效应存在差异,平面曲率和剖面曲率均非常敏感,坡度和地形起伏度次之,海拔、地表粗糙度和地形阴影相对较弱;（4）地理可照时数模拟结果随空间分辨率的减小而增大,1月增幅在8.2%～38.9%,7月增幅在5.9%～17.6%,标准差和冬夏季节差异值均随空间分辨率的减小而减小,空间异质性明显降低。     

新疆月平均气温空间化处理及结果分析

利用新疆102个气象站点1990～2002年13年的月平均气温资料与DEM数据,运用SPSS统计软件,分别用逐步回归与多元回归方法分析研究了新疆月平均气温与经度、纬度、海拔高度的数学模型,通过验证,发现多元回归所建的模型模拟效果更好;然后根据多元回归模型应用GIS空间分析相关技术,生成月平均气温的空间分布栅格图．分析栅格图发现：新疆月平均气温在空间变化上呈现出与地形相一致的高低相间的分布形式,季节变化特点也较显著,在北疆部分地区有较明显的逆温现象,且逆温层呈不连续状态．