基于LST_LAI特征空间的农田干旱监测研究

农田干旱具有范围广且对农业生产影响巨大的特点,对农田干旱的遥感实时动态监测是目前公认的难题。利用MODIS的地表温度(LST)产品和叶面积指数(LAI)产品,构建LST-LAI光谱特征空间,提出温度—叶面积干旱指数(temperature LAI drought index,TLDI)监测农田水分含量,并利用宁夏实测的0～10 cm平均土壤含水量验证该指数的精度,结果表明：它们之间具有良好的相关性,R2的变化范围为0.43～0.86。与TVDI相比,TLDI弥补了作物封垄后TVDI因归一化植被指数(NDVI)饱和对农田水分监测精度降低的缺陷。此外,利用MODIS数据产品LST和LAI进行农田干旱监测,避免了使用MODIS原始数据的繁杂处理过程,初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。     

基于SWIR-Red光谱特征空间的农田干旱监测新方法

干旱是一种频繁发生的自然灾害,遥感监测干旱已成为重要的研究方向。可从农田遥感干旱监测最主要的两种地物类型(植被和土壤)的光谱特性分析入手,选择了对水分变化敏感的红光、短波红外波段来监测干旱状况,以短波红外与红光的差值和短波红外与红光的和构建新的光谱空间特征,提出了干旱监测的新方法——归一化的干旱监测指数NPDI。用野外实测的土壤含水量对NPDI模型进行验证,结果表明:NPDI,MPDI与10cm处的土壤含水量模型都具有较高的相关性,其R2分别为0.583和0.438,NPDI模型的监测效果要优于MPDI。此模型是对PDI,MPDI和SPSI等模型的进一步改进,可实现对不同植被覆盖度的、整个生长季的农田干旱监测,在实际的农田干旱监测中具有较高的应用潜力和推广价值。     

基于环境减灾小卫星(HJ-1B)的地表温度单窗反演研究

地表温度是地球环境中的一个关键参数,可探测地表温度的热红外波段在光谱谱段中占有重要位置.针对近年来发射的HJ-1B星波段特点,本研究在基于影像的COST模型大气校正基础上,以宁夏为研究区,采用无需大气水汽含量参数的单窗算法反演地表温度,并采用同步的MODIS温度产品对比验证,结果表明该法具有<1 K的较高精度.同时,对...     

基于可见光-短波红外波谱反射率的裸土土壤含水量反演建模

土壤是地表能够生长植物的疏松土层。它由不同矿物质、有机物质、空气、水分、微生物等组成,其中土壤含水量变化较大,利用遥感技术快速准确的反演土壤含水量具有重要意义。针对反演土壤含水量受土壤类型影响较大的问题,提出构建归一化光谱斜率吸收指数（normalized spectral slope and absorption index,NSSAI）,用于削弱土壤类型对土壤水分反演影响。其建模方法如下：首先在野外采取不同类型的土壤样本,制备不同土壤含水量的土样,利用ASD光谱仪采集不同含水量下的土壤反射率光谱,然后根据各类土壤在不同含水量下的光谱响应规律,提取短波红外水分的光谱吸收特征和可见光波段的土壤光谱斜率,综合两者在降低土壤类型影响土壤含水量反演精度的各自优势,构建归一化光谱斜率吸收指数,进一步建立该指数与土壤含水量之间的线性拟合关系来计算土壤含水量。实验结果表明,与传统利用单一土壤水分光谱吸收特征参数及其变形的方法相比,基于NSSAI构建的土壤含水量反演模型拟合精度较高（相关系数为0.93）,在土壤含水量较低和较高的情况下都能有效排除土壤类型差异造成的影响,提高了裸土土壤含水量的反演精度。     

MODIS温度变化率与AMSR-E土壤水分的关系的提出与降尺度算法推广

土壤水分参数是陆面过程与水循环的重要影响因素。不同的遥感平台可提供不同时间和空间尺度的土壤水分,它们分别具有各自的优势与不足。利用被动微波辐射计AMSR-E土壤水分和MODIS地表温度、植被指数产品,作者探讨了地表温度变化率和土壤水分的关系,并借鉴地表温度T_s和归一化植被指数NDVI的特征空间理论,构造了温度变化率和土壤水分的三角形特征空间。随着地表温度变化率的增加,土壤水分的分布范围缩小,同时土壤水分的数值降低。作者由此提出了变温植被指数（TVVI）,并指出该指数与土壤水分呈稳定的幂指数函数关系,建立了土壤水分与温度变化率的经验定量模型。之后作者通过上述函数关系和高分辨率MODIS数据,实现了AMSR-E土壤水分数据的降尺度处理。与地面实测数据的比较表明,该降尺度方法的准确性较高。     

基于热红外光谱和微波反演地表温度的研究进展

地表温度(LST)是研究地表和大气之间辐射和能量交换以及区域和全球尺度地表物理过程的重要参数。卫星遥感技术在生态环境、水文、气象、地震、军事的应用研究,以及气候模式的辐射过程描述都需要获得准确的LST。光谱中的红外和微波对于探测LST发挥重要作用。文章综合分析了热红外波谱和微波遥感反演LST的研究进展,包括:利用热红外辐射温度表探测LST的方法,晴空条件下星载传感器的红外通道反演LST的单窗、分裂窗等反演方法,单通道和多通道算法,组分温度的反演方法,单通道多角度法和多通道多角度法,以及地表发射率ε特性研究等。微波可以全天候探测地表,文章分析了被动微波波段遥感反演LST的方法。并对这些方法的优缺点、适用性及应用前景进行了评述。     

我国北方不同类型下垫面地表反照率特征

地表反照率反映了地面对太阳辐射的反射能力,在地表能量平衡中起着非常重要的作用,本文利用"中国北方协同观测"的资料,分析了不同下垫面10个站点7-9月的反照率变化特征和对降水的响应,并讨论了榆中、通榆草地、通榆农田、密云、玛曲和锦州站地表反照率与太阳高度角和土壤湿度的关系,结果表明:反照率的相对关系是东北干旱草甸西北高寒草甸西北绿洲农田黄土高原自然植被东北半干旱草甸东北农田东北果林,并且反照率基本上和降水对应,降水量大的站点反照率小,降水量小的站点反照率大,反照率的日变化曲线分为早晚对称型,早上比较大、中午下午比较小和晚上最大、早上最小的不对称型三种,选取的6个观测站反照率的谷值一般出现在降水日,峰值一般出现在没有降水、太阳辐射比较强的日子,地表反照率随着太阳高度角的增大而减小,当太阳高度角大于40°时,地表反照率基本不变,榆中和通榆农田地表反照率随着土壤湿度增大减小较明显,其次是通榆草地,玛曲、密云和锦州地表反照率随着土壤湿度变化不明显。     

Determining the Canopy Water Stress for Spring Wheat Using Canopy Hyperspectral Reflectance Data in Loess Plateau Semiarid Regions

Crop water stress significantly reduces crop yield. Several studies have employed optical and remote-sensing methods to obtain nondamage monitoring crop water content to understand the agriculture drought process. In this paper, the spectral information (i.e., the canopy absorption feature at the 350–2500 nm band range) from the field experiments was used to estimate and identify the canopy water stress. Five different levels of water treatments exist in the spring wheat field in the semiarid regions of Loess Plateau, Northwest China. The hyperspectral reflectance, soil moisture content, soil water potential, canopy water content, amount of chlorophyll, leaf area index, and environmental parameters were measured. The relationship between canopy reflectance and canopy water content was analyzed at different water stress levels. In addition, various spectral indices were tested by measurements. Results showed that a high correlation exists in semiarid water index-1, semiarid water index-2, and red-edge normalized difference vegetation index, thus denoting that these indices can indicate water stress effectively. We can conclude that canopy reflectance can identify crop water stress and can be used to develop a certain index for monitoring agriculture drought.     

热红外遥感图像中云覆盖像元地表温度估算研究进展

地表温度是描述陆表过程和反映地表特征的重要参数。及时掌握区域和全球尺度上的地表温度时空分布是许多地表过程研究和热红外遥感应用的必需。热红外遥感是地表温度快捷获取的最佳手段,但仅局限于天空晴朗无云情形。云覆盖致使热红外遥感不能直接获取云覆盖像元地表温度,其反演结果为云顶温度或附加了云辐射强迫效应后的地表温度。如何精准获取热红外遥感图像中云覆盖像元地表温度信息,成为热红外遥感地表温度反演和应用亟待完善的难题。文章系统详细回顾了国内外热红外遥感图像中云覆盖像元地表温度估算方法,评述了各方法的特性,并指出今后应加强加深热红外遥感与被动微波遥感融合技术、数据同化技术、尺度效应和算法参数化中普适性假定等四方面研究。     

自然状态下水泥路面温度与其发射率耦合关系研究

地表发射率是地表温度遥感反演中不可缺少的参数之一。常规获取地表发射率的遥感方法中,存在温度和发射率病态反演的问题;而实验室实测方法在恒定的自然条件下测定,对于遥感实用有一定的局限性。为解决上述问题,本研究利用温度和发射率相互耦合的关系,剔除温度效应的影响,提高发射率的精度,进而提高遥感反演地表温度的精度。对于不同地表物质而言,发射率和温度耦合关系又不同,本研究针对典型的城市人造地表类型之一——水泥路面,基于合理的自然状态下水泥路面发射率和温度观测实验,筛选理想大气环境下实测数据;利用最优发射率与温度分离算法取代光谱仪自带算法,提取精度较高发射率数据;分析时序水泥路面温度和发射率数据的耦合关系,建立耦合模型,并进行验证。研究结果表明：水泥路面的发射率二阶导数与温度相关性最高,相关系数为-0.925 1。以发射率二阶导数为自变量的逐步回归模型为最佳关系模型,判定系数R2达到0.886,验证结果的均方根误差RMSE为0.292 1。水泥路面温度与其发射率耦合关系模型的建立为提高遥感反演地表温度的精度提供了一种途径。     

Predicting the probability of wheat aphid occurrence using satellite remote sensing and meteorological data

The occurrence and prevalence of wheat aphid has severe impact on wheat quality and bring about wheat yield loss. Infestation models commonly based on in situ meteorological data can be effective, but are usually lacking spatialized information, which could be provided using multispectral remote sensing datasets. The purpose of this study was to develop a prediction model for aphid occurrence probability by combining remote sensing images and meteorological data in a logistic regression based framework. In such framework, the predictor variables are: land surface temperature (LST), normalized difference vegetation index (NDVI) and perpendicular drought index (PDI) derived from satellite remote sensing image and temperature, precipitation and wind speed coming from meteorological stations. Logistic regression estimated predictor coefficients showed that LST was the most important factor inducing aphid occurrence, followed by NDVI, temperature, precipitation, wind speed and PDI. The prediction accuracy of the model was evaluated by calculating receiver operating characteristics (ROC) against reference data, scoring a value of area under the ROC curve of 0.993, and resulting in an overall predicted accuracy of 94.4% for the estimated subset. In addition, the results suggested that the probability of aphid occurrence obtained by the logistic regression model had a positive correlation with aphid damage level from field data. Based on the validation subset, it was observed that there were lower omission error with 23.68 and commission error with 23.81% and higher overall accuracy with 75.61% when the cut-off probability (p) value was 0.45. The model developed can be a useful tool to predict aphid occurrence and incidence over winter wheat with some advance, and it could be effective in protecting winter wheat from aphid infestation.     

不同含水量尾砂的光谱特征与遥感模型

我国尾矿库数量众多,分布广泛,在低含水量条件下,风力作用引起的尾砂扬尘会对周边环境造成污染。而尾矿库表面积大,含水量变化快,传统的含水量监测方法效率低、安全性差、成本高,难以实现尾矿库含水量的大面积、实时、快速的监测。目前,基于光谱特征的遥感模型虽可以较为准确地预测土壤含水量,但矿区尾砂与常规土壤在成分上存在差异性,使得土壤含水量的光谱预测遥感模型可能无法适用于尾矿库含水量的预测。为此,选择辽宁省风水沟尾矿库作为研究区,采集尾砂配置成不同含水量的样品,测试其可见光-近红外光谱,分析不同含水量样品的光谱特征以及含水量与光谱特征之间的关系,建立针对尾砂的含水量遥感预测模型,并应用于辽宁省风水沟尾矿库表面含水量的预测。结果表明：（1）含水量对尾砂的光谱特征有显著影响,二者存在高度的相关性,光谱反射率随含水量增加而下降,且波长越长,含水量对光谱的影响越显著;（2）构建了基于尾砂光谱特征的含水量遥感预测模型,选择Landsat8-OLI传感器的B6和B7波段,定义了比值指数（RTI）、归一化差异指数（NDTI）和差值指数（DTI）3种尾砂光谱指数,并将这3种指数作为输入自变量,使用随机森林方法进行训练以及含水量的建模预测,并与B7波段建立的对数反射率预测模型进行比较。结果表明,光谱指数+随机森林的预测模型效果优于基于B7波段建立的对数反射率模型。（3）使用光谱指数+随机森林的预测模型,通过Landsat8-OLI数据对实地尾矿库提取了含水量的空间分布图,结果表明模型预测的含水量与实测结果之间的决定系数R2达0.798,均方根误差RMSE为0.077,相对分析误差RPD为1.970,平均相对精度ARE为20.1%,在现有技术条件下,达到了较好的预测效果。该研究为变质型铁矿尾矿库含水量的预测提供一种大面积、实时、快速的实用方法。     

干旱胁迫下春玉米拔节-吐丝期高光谱特征

通过监测辽宁锦州地区不同干旱胁迫条件下春玉米拔节-吐丝期冠层高光谱分布,研究其可见光、红边区和近红外光的光谱分布特征,分析不同波长光谱反射率与各深度土壤湿度的相关关系,结果表明：拔节-吐丝期,0～20 cm层土壤湿度与350～710 nm区间光谱反射率存在显著的负相关关系,各层土壤湿度(0～60 cm)与710～1 300 nm区间光谱反射呈正相关关系,其中40 cm深度土壤湿度与光谱反射率正相关性较好;红边区(680～760 nm)光谱反射率较好的反映了植株的生长状况,该区间单位波长光谱反射率变化由增加-减小,为相对较稳定的光谱区间。各层土壤湿度与红边参数的多项式回归趋势相似,表层0和20 cm土壤湿度与红边参数关系曲线呈先增加后减小趋势,40和60 cm土壤湿度则先减小后增加。     

煤炭矿区植被冠层光谱土地复垦敏感性分析

煤矿区土地复垦及复垦监测工作,对于我国土地利用和生态环境治理具有重要意义。微生物复垦技术能够促进植物吸收利用矿质养分和水分,增强土壤肥力,对矿区生态恢复具有显著作用。监测和评价土地复垦效应对植物生长影响的传统方法,通常采用野外采集植物和土壤样本并进行室内分析,但这些方法不仅破坏植物根系原状土壤,造成植株损伤,而且耗费人力、物力,时效性差。高光谱遥感技术具有数据获取速度快、信息量大、精度高且无须离体破坏植株等优点,对于土地复垦监测有非常大的潜力。目前,土地复垦效应遥感监测相关研究仍以观测盆栽大豆、玉米等作物的叶片光谱分析为主。实际上,卫星遥感数据观测到的是冠层光谱,并非叶片光谱,但目前还没有通过植被冠层光谱对矿区土地复垦进行监测的研究成果出现。植被冠层光谱不仅受到叶片光谱的影响,还受到植株长势、下垫面等其他因素的影响,光谱特征变化更为复杂。矿区植被冠层光谱特征对于土地复垦效应的敏感度分析,是对矿区植被理化参量进行定量反演的基础,也是限制高光谱技术应用于大面积土地复垦监测的主要瓶颈。于煤炭矿区土地复垦实验基地开展野外冠层光谱观测实验,获取了接菌组和对照组野外植株冠层光谱数据,并从光谱波形变化和光谱特征参量变化两方面综合分析了植被冠层光谱对土地复垦的敏感性。冠层光谱波形方面,分别采用标准差和光谱敏感度作为组内和组间光谱波形差异的有效指标;冠层光谱特征参量方面,选取了植被红边、黄边、蓝边、绿峰、红谷等典型光谱特征,计算获取其位置、斜率、面积等特征参量,并通过描述性统计和单因素方差分析研究了这些冠层光谱特征参量对土地复垦效应的敏感性,挑选出矿区土地复垦监测的有效特征参量。研究表明,接菌组和对照组冠层光谱的主要波形变化趋势一致,但接菌组植株的生长状况更稳定,不同植株之间差异较小,且绿峰和红谷两个特征更突出。这说明土地复垦能够减少植株间冠层光谱差异,增强植被典型光谱特征,而绿峰和红谷对土地复垦有较高的光谱敏感度。光谱特征参量方面,绿峰、红谷、红边波长在土地复垦作用下显著向长波方向移动,而此前叶片光谱研究中对土地复垦较敏感的红边、蓝边斜率变化并不显著。这说明,野外植被冠层光谱分析结果与实验室植被叶片光谱分析的结果并不完全一致,这可能和植被类型、生长周期、土壤背景光谱干扰等因素相关。在采用卫星或航拍遥感数据进行矿区植被环境监测时,所获取的都是植被冠层光谱,因此本研究所得到的结论具有更强的参考意义和实际应用价值。     

青藏高原地区土壤湿度的模拟及订正

本文利用RegCM3中的BATS陆面模型对青藏高原地区的土壤湿度进行了模拟.结果表明: 模式对土壤湿度年循环的模拟与观测较一致,但不同下垫面的土壤湿度模拟结果不同;对植被稀疏地区的土壤湿度模拟夏季偏大冬季较一致,对植被较好地区的土壤湿度模拟冬季偏大夏季较一致;土壤湿度模拟偏差较大的时期对应着降水和温度模拟偏差大的时期.利用后验订正对土壤湿度的订正表明,订正后土壤湿度与观测值的变化比较一致,尤其是对模拟偏差较大时段的订正效果比较明显;订正后的温度和降水基本消除了系统性的偏差.本文认为,订正后的土壤湿度和温度可以为青藏高原地区提供较准确的资料,并在青藏高原多年冻土分布的计算中得到了应用.     

基于高光谱成像技术的土壤水分机理研究及模型建立

为了研究宁夏地区土壤的水分迁移机理以及对土壤水分快速无损检测,利用高光谱成像(光谱范围900~1 700 nm)技术对土壤的含水率进行了研究。通过高光谱成像系统采集了208个土样,比较了不同天数下土壤含水率与光谱的变化、不同质量含水量光谱的差异。对采集到的土样进行PLSR模型建立,对比分析不同光谱预处理方法、不同方法提取特征波长(UVE、CARS、β系数、SPA)、不同建模方法(MLR、PCR、PLSR)建立的模型,优选出最佳模型。结果表明:在一定的土壤含水量范围内,光谱曲线的反射率与土壤含水率成反比;当增大到超过田间持水率时,光谱曲线的反射率与土壤含水率成正比。对比分析了不同预处理方法,优选出单位向量归一化预处理方法。对比不同的模型,优选出SPA提取的特征波长的MLR模型。最优的特征波长为987,1 386,1 466,1 568,1 636,1 645 nm,最优模型的预测相关系数Rp=0.984,预测均方根误差RMSEP为0.631。因此,今后可采用不同波段对土壤含水率进行定量分析。     

近红外光谱的北方寒地土壤含水率预测模型研究

我国北方寒地温差大,土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题,以北方寒地土壤为研究对象,探究大范围温度胁迫下（-20～40 ℃）土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土,经烘干、过筛等操作处理后配置含水率范围在15%～50%内八种不同湿度的土壤样品,建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上,结合五种不同光谱信号预处理方法,采用BP神经网络算法、优化支持向量机算法（SVM）、高斯过程算法（GP）三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模, BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5 000,隐层单元数确定为20;SVM采用径向基函数,并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高;高斯过程算法内部采用马顿核。模型的定量评估采用决定系数(R2)和均方根误差（RMSE）。结果表明,在建立的全部BP神经网络模型中,效果最佳的为S_G-BP神经网络模型,模型的R2为0.960 9,RMSE为2.379 7;在SVM模型中SNV-SVM模型的效果最好,模型的R2为0.991 1,RMSE为1.081 5;在GP模型中S_G-GP模型的效果最好,模型的R2为0.928,RMSE为3.258 1,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能,经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法,其中基于S_G的SVM模型效果最优,其预测模型的R2和差RMSE分别为0.992 1和0.736 9。综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下（寒地）的土壤含水率有效预测方法,为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。     

TM影像反射率对干旱区土壤含水量的响应特征

以TM影像对塔里木河中游土壤含水量的响应特征为研究对象,选取影像光谱(R)、光谱倒数(1/R)、光谱倒数之对数lg( 1/R)和去除归一化植被指数(Rc)四种光谱指标,分别建立土壤含水量的预测模型,并利用方差检验验证模型的显著性,采用后验差法划分模型精度级别.结果表明:光谱倒数之对数lg(1/R)预测土壤含水量的模型精...     

基于单通道算法的HJ-1B与Landsat 5 TM地表温度反演一致性研究

针对传感器参数与Landsat 5 TM较为相近的环境减灾卫星HJ-1B的热红外数据是否能达到与TM6反演地表温度同样的效果的问题,作者获取了2009年4月15日覆盖北京地区相同范围的HJ-1B影像和Landsat 5 TM影像,采用Ji m啨nez-Mu oz和Sobrino的普适性单通道算法,通过遥感数据获取反演参数,对研究区的地表温度进行反演,并对两类数据反演结果的一致性进行了分析和评价。通过对反演结果的统计分析和分级填图表明,基于普适性单通道算法的HJ-1B与TM的热红外波段反演的地表温度在数值上和空间分布趋势上一致性较高。因此,具有较高时间分辨率和较大幅宽等优势的HJ-1B IRS数据在地表温度反演方面具有更大的潜力和应用范围。     

宁夏盐池荒漠植物光谱特征分析及光谱识别

宁夏盐池县荒漠草地属于中温带干旱气候,由于过度利用出现不同程度的退化,退化指示种比重增大,造成不同荒漠草地群落组成差异也很大,如何区别不同荒漠草地植物,并据此对退化指示种进行动态监测是了解荒漠草地退化程度的关键。目前随机森林（RF）、支持向量机（SVM）与K-邻近（KNN）分类模型被广泛应用于森林植物和农作物的遥感分类,并取得了较好的分类识别效果,但针对草地尤其是荒漠草地植物的分类识别研究较少。因此使用ASD地物光谱仪于7月在宁夏盐池二步坑、冯记沟、高沙窝、麻黄山不同荒漠草地采集了32种植物作样本获得442条光谱进行光谱特征分析。筛选出7个植被指数：归一化植被指数705（NDVI₇₀₅）、绿通道植被指数（GNDVI）、光化学植被指数（PRI）、土壤调节植被指数（OSAVI）、可视化气压阻抗指数（VARI）、植被衰减指数（PSRI）和归一化水指数（NDWI）作为随机森林模型（RF）、支持向量机（SVM）模型、K-邻近（KNN）模型的原始变量,对32种荒漠草地植物进行分类识别,并通过分类模型精度的比较筛选较优模型。结果表明：(1）不同植物光谱反射率均符合绿色植物特征,但各植物原始光谱不同波段之间存在明显差异,植物原始光谱水分吸收波段差异明显,且有红边蓝移现象;(2）RF,SVM和KNN三个分类模型对32种植物的分类精度分别达到了0.98,0.94和0.98,识别效果较好,但3种分类模型均对白莲蒿与北芸香、虫实与甘草发生了误判;(3）随机森林模型重要性指标中NDWI与PRI为区分荒漠草地植物的关键指标,说明荒漠植物冠层水分与类胡萝卜素含量是影响荒漠草地植物光谱分类的重要因素。试验利用随机森林模型（RF）、支持向量机（SVM）与K-邻近（KNN）分类方法,建立了主要植物的分类模型。