农作物长势监测可为田间管理措施调整和农作物产量预测提供及时、准确的信息。针对中国地块面积小的情况,本文采用中高分辨率的多源遥感影像Landsat-7 ETM+影像、Landsat-8 OLI影像、高分一号(GF-1)影像、HJ-1 A/B卫星影像为数据源;针对目前过多依赖NDVI等易饱和植被指数的问题,研究中选择LAI为长势监测指标,并利用PROSAIL辐射传输模型反演LAI,以保证该指标的准确性;长势实时监测采用RPLAI、LVCI、MLVCI指标,从多个角度表征长势的实时监测结果。研究结果表明:①同时相GF-1影像和Landsat-8 OLI影像具有较高的相关性,2种影像在近红外波段、绿波段、红波段的相关性决定系数R~2分别为0.9320、0.7339、0.7153。②基于PROSAIL模型可以反演得到高精度的LAI,基于时序LAI的玉米生长过程监测结果表明:2015年,黑龙江农垦总局八五二农场6月下旬玉米冠层LAI快速增加,7月底、8月初LAI达到最大,并持续一段时间,进入8月下旬后,LAI开始下降。③利用RPLAI、LVCI、MLVCI指标对研究区玉米长势实时监测的结果表明,与2011—2014年相比,2015年八五二农场玉米长势一般,研究区北部长势较好,南部区域长势较差。从研究结果我们得出如下结论:①同时相的Landsat-8 OLI影像与GF-1遥感影像,经过相对辐射定标后可以结合使用于农作物长势监测中;②利用PROSAIL模型反演时序LA,可用于地块尺度的农作物长势精细监测。

为了提高玉米的遥感长势监测的准确度,以河北省中部平原地区为研究区域,以MODIS遥感数据反演的条件植被温度指数(Vegetation Temperature Condition Index, VTCI)与叶面积指数(Leaf Area Index, LAI)作为玉米长势监测指标,通过灰色关联度分析法确定玉米各生育时期(出苗—拔节期、拔节—抽雄期、抽雄—灌浆期与灌浆—成熟期)VTCI与LAI作为相应生育时期长势监测指标的权重值,以及4个生育时期的玉米长势在总体长势与产量形成中的权重值,并基于权重结果分别构建玉米在4个生育时期与主要生育期的长势综合监测指标,进而评估研究区域2011—2016年间的玉米长势。结果表明,各生育时期VTCI作为长势监测指标的权重值均大于LAI,且以拔节—抽雄期最大,抽雄—灌浆期次之,说明玉米各生育时期的长势与最终产量较易受到水分胁迫的影响,并以拔节—抽雄期与抽雄—灌浆期对水分胁迫最为敏感;而玉米长势综合监测指标在4个生育时期的权重值较为接近,并以灌浆—成熟期略大,说明该时期的玉米长势与最终产量之间的关系较为密切。研究区域5市的县域尺度玉米长势综合监测指标与单产之间的决定系数(R2)介于0.247～0.598之间,均达到了极显著水平(P<0.001),优于单一的VTCI或LAI指标,表明基于长势综合监测指标的玉米长势监测结果准确度较高。研究年份间该区域的玉米长势以2011年的长势最好,2014年与2015年长势最差,且西部长势优于东部。

[目的]基于高重访周期的国产时序HJ-1A/B CCD遥感影像,研究区域尺度水稻提取方法,解析湖南省沅江市水稻种植面积的时空特征。[方法]依据移栽期和抽穗期水稻有别于其他作物的光谱特性,利用2010年早稻、一季稻和晚稻两个生育期的时间序列数据,综合分析时序NDVI(Normalized Difference Vegetation Index)影像和反射率曲线特征,首先基于抽穗期和移栽期的NDVI差值影像进行阈值粗分类,连同两个生育期计算的18个植被指数合成一个文件,作为自变量输入See5.0决策树软件,通过训练生成分类规则集,导入NLCD(National Land Cover Dataset...

［目的］基于高重访周期的国产时序ＨＪ－１Ａ／Ｂ ＣＣＤ遥感影像，研究区域尺度水稻提取方法，解析湖南省沅江市水稻种植面积的时空特征。［方法］依据移栽期和抽穗期水稻有别于其他作物的光谱特性，利用２０１０年早稻、一季稻和晚稻２个生育期的时间序列数据，综合分析时序ＮＤＶＩ（ＮｏｒｍＡｌＩｚｅＤ ＤＩｆｆｅｒｅＮＣｅ ＶｅｇｅｔＡｔＩｏＮ ＩＮＤｅｘ）影像和反射率曲线特征，首先基于抽穗期和移栽期的ＮＤＶＩ差值影像进行阈值粗分类，连同２个生育期计算的１８个植被指数合成一个文件，作为自变量输入Ｓｅｅ５．０决策树软件，通过训练生成分类规则集，导入ＮｌＣＤ（ＮＡｔＩｏＮＡｌ ｌＡＮＤ ＣｏＶｅｒ ＤＡｔＡＳｅｔ．．．

玉米作为中国三大作物之一,监测其种植面积对及时了解其种植时空分布、保障粮食安全具有重要作用。本文以河北省涿州市为研究区,利用2016年多时相Sentine-1A SAR(Synthetic Aperture Radar,合成孔径雷达)影像,对玉米种植区域进行提取。在对研究区地物散射特性分析的基础上,分析了微波后向散射特性随不同生育期玉米植株结构发育的变化情况,选择合适时相和极化组合的后向散射系数,运用支持向量机(Support Vector Machine,SVM)算法提取了玉米种植范围和面积信息,并对不同后向散射系数(标准后向散射系数(Sigma-naught,σ0)和归一化后向散射系数(Gamma-naught,γ0))用于研究区作物种植区提取的结果进行了比较。结果表明,采用时间序列(4月19日,5月30日,6月11日,7月17日)雷达图像得到的监督分类结果具有较高的分类精度和kappa系数,总体精度达92.96%,Kappa系数为0.91。因此,采用4—7月(春玉米播种至吐丝时期、夏玉米播种至拔节时期)的时间序列SAR数据能有效获取不同种植模式下的玉米信息,而增加8、9月的数据对玉米识别精度的影响不大。总体来说,采用多时相双极化的σ0数据与相同时相组合的γ0数据对玉米种植范围提取基本相同,但使用γ0数据的林地识别精度比σ0数据提高了3%。研究结果可为多极化SAR数据的玉米识别和面积监测提供参考案例。

简述了在北京地区应用不同空间分辨率的遥感信息源对资源环境动态监测的方法和技术以及精度分析 ,提出北京地区资源环境动态监测应采用不同尺度上的相应空间分辨率的遥感信息源

基于卫星遥感的植被指数时序数据广泛应用于植被覆盖监测、生物量反演等多个研究领域,但由于传感器本身、大气条件、环境特征等因素引起的噪声会影响数据的应用效果,因此开展植被指数时序数据重构研究具有实际意义。本文基于2000-2015年MODIS归一化差异植被指数(NDVI)数据,采用三次样条函数法、双逻辑斯蒂函数法和奇异谱分析法3种常用方法,对青藏高原106个气象站点所在的典型覆被NDVI时序数据进行重构,并以植被物候信息提取作为应用,比较分析了3种算法的保真性、细节拟合能力及物候特征提取效果。研究表明,D-L

【目的】红树林是一种生长在海陆过渡地带的特殊珍稀木本植物群落，具有较高的经济价值，同时还能提供多种生态服务功能。然而，由于自然和人为干扰的双重影响，使红树林资源受到严重威胁，红树林资源保护工作迫在眉睫。红树林空间分布的准确获取及动态变化监测是红树林科学保护工作顺利开展的前提。目前光学卫星影像仍是大区域研究最常用的遥感数据源，但由于红树林所处海陆过渡地带多云雨，而常用中高分辨率光学卫星影像则受云雨影响较大，导致不易获取连续的高质量影像数据，致使现有变化监测频率多为年际变化，监测结果难以为红树林资源保护提供及时有效的数据支撑。【方法】时空融合模型通过将低空间分辨率影像与高空间分辨率影像融合从而预测某一时期影像，为基于离散光学影像重建连续高质量光学影像提供了可能，而FSDAF模型作为常用的时空融合模型，不仅模型所需影像数量较少，且对异质性较高区域有较强适用性。因此，本研究拟采用FSDAF模型，将Sentinel-2、Landsat-8与MODIS进行融合，从而构建以月为时间尺度的连续时间序列影像，并采用优选特征的面向对象随机森林分类方法提取月尺度时间序列红树林空间分布，进而实现红树林资源月尺度动态变化监测。【结果】基于FSDAF模型所得融合影像与原始影像高度相似，在无云区域两影像相关系数R~2为0.92，有云区域相对较低，R~2为0.73。同时，基于优选特征组合的面向对象随机森林分类方法能够实现红树林空间分布的精确提取，总体精度为96.84%,Kappa系数为0.88。基于月尺度时间序列红树林空间分布提取结果可知，2018年、2019年、2020年9—12月红树林面积分别增加了0.61、0.37和0.33 km~2，而2018—2020年8—12月各月红树林面积分别增加了0.15、0.52、0.41、0.24、0.02 km~2，由此可知2018—2020年不同月份红树林面积变化差异不同，最大差异为0.52 km~2，而最小差异仅为0.02 km~2。【结论】1）基于FSDAF模型不仅可生成所需月份的影像数据，而且生成的融合影像与原始影像相关系数较高，可用于红树林月尺度动态变化监测。2）基于优选特征组合的面向对象随机森林分类方法能够实现红树林空间分布的精确提取。3）基于FSDAF模型生成的月尺度时序影像数据可实现红树林月尺度动态变化监测，提高了监测的时间频率，有利于发现红树林的变化并及时采取措施，可为红树林资源保护与恢复提供更加及时的数据支持。

在耕地多功能利用、农户耕地需求偏好多样性理论基础上，基于地块尺度构建农户土地利用决策过程与土地利用单元之间感知—响应反馈环路。采用野外采样与实验分析、农户调查和计量经济学相结合的方法，利用辽宁省沈阳市苏家屯区２３８户农户与对应地块采样数据展开实证研究。结果表明：农户会随着工业化、城市化进程的加快不断调整土地经营目标，导致农户在土地利用方式、利用程度、投入强度上产生差异，对土壤中有机质、碱解氮、速效磷、速效钾含量和ｐＨ值产生不同程度的影响。政府应通过提高农业比较效益、适度发展土地规模经营和推广测土配方施肥等环境友好型施肥技术，科学引导农户合理利用耕地资源，实现耕地资源可持续生产能力的提高。

利用2000至2006年湖南省115个县(区、市)农业生产统计资料,以规模比较优势指数、效率比较优势指数、综合比较优势指数分析了湖南省玉米生产比较优势状况,并通过GIS软件进行空间表达.结果表明,湖南省玉米生产存在显著的区域差异,玉米生产具有规模、效率、综合比较优势的县(区、市)分别有40、96、54个.具有玉米生产优势的县(区、市)主要分布在武陵山脉、雪峰山脉、南岭山脉及湘东北丘陵山区.

【目的】针对我国森林干扰频繁、干扰类型复杂多样的特点,采用时间序列轨迹分析方法进行森林干扰监测,为陆地森林生态系统碳循环和碳蓄积以及气候变化研究提供参考。【方法】以福建省长汀县为研究区,基于2000—2016年15期Landsat时序数据,采用时间序列轨迹分析(Land Trendr)方法,对时序轨迹进行适当分段和线性拟合以识别干扰变化,获取长汀县森林干扰信息。结合Google影像和全球30 m分辨率GDEM数字高程产品等辅助信息分析监测结果,并基于实地调查和像元2种方法进行精度评估和验证。【结果】2000—2016年长汀县森林干扰总面积192. 49 km~2,平均每年受扰动森林12. 83 km~2; 2001年干扰量最小,不足1 km~2; 2004、2008和2009年森林受干扰较为严重,均在30 km~2以上,约占当年森林面积的1. 3%,共占干扰总面积的50%,其中2004年干扰面积高达32. 85 km~2; 2003、2006、2007和2010—2011年干扰面积略大于10 km~2,但均小于当年森林面积的0. 6%,其余各年干扰面积远小于10 km~2。森林干扰面积在个别年份波动较大,总体上随时间呈下降趋势。森林干扰持续时间主要为1～3年,发生在1年的干扰面积比例最大,达82%;森林干扰主要集中在长汀县东部非森林区域附近,随海拔升高干扰呈明显下降趋势,超过60%的干扰发生在中低海拔地区。结合Google影像目视解译,长汀县森林干扰主要是由森林火灾和人工砍伐造成的急剧干扰事件,且主要发生在非森林区域附近的低海拔地区。【结论】基于目视解译和实地调查结果与研究得到的干扰监测结果一致,干扰斑块可被完整提出,且边界准确清晰,细小干扰也能逐一识别。基于像元尺度精度验证的总体精度达96. 26%,Kappa系数为0. 92,各年份用户精度均在80%以上,除个别年份外,生产者精度均在75%以上,具有较高的监测精度。

[目的]该文选取云南省石漠化地区2个休耕试点区为研究区,研究使用RapidEye多光谱影像监测地块休耕状况的方法,为休耕精准监测提供参考。[方法]获取2017年8月2日覆盖研究区的RapidEye影像,进行大气校正、图像配准,选取休耕区及周边地区的绿肥作物、水稻、玉米、烟草、光温棚、遮阳棚、林地及水体等典型地物,分析绿肥作物与其他地物的光谱差异及可分离性;对休耕区影像进行监督分类,获得分类结果,将分类结果二值化为休耕与其他地物,然后使用地块矢量数据与二值化结果进行相交统计,得到地块休耕面积及比例,最后以休耕比例判定地块是否进行休耕。[结果]绿肥作物与其他典型地物光谱差异明显,可分离性良好;验证结果表明,在石漠化休耕区使用RapidEye影像基于休耕比例判别地块休耕的监测方法总精度为98.89%,Kappa系数为0.9292,错分误差为0,漏分误差为1.19%;判别阈值对休耕地块错分或漏分有影响。[结论]具有红边波段的RapidEye影像可用于石漠化休耕区的精准监测。

本文基于地块尺度,运用数据包络分析法(DEA)对丘陵山区耕地地块利用效率进行了评价与分析。结果表明,调查水田、旱地地块的平均综合技术效率水平均低于0.8,耕地利用效率整体不高,具有较大的提升空间;复种指数和经济作物种植比例较高,基础设施条件较好的地块其效率水平相对较高;耕地地块综合技术效率水平低主要是由纯技术效率低决定的,综合技术效率水平提升的关键在于提高纯技术效率;劳动力、资本、耕地投入方面存在冗余,需加快调整农业人力资源配置、农业投入结构和土地资源配置来提高耕地利用效率。

区域尺度的作物生长动态监测和产量预测对于保障粮食安全和农业政策的制定具有重要参考依据。遥感数据同化应用极大提高了作物估产的时效性和精度。为及时、准确地实现县级尺度粮食产量的估测，以及提升产量估测的精度，以辽宁省铁岭县为研究区，采用WOFOST(world food studies)模型与遥感同化相结合的方法对铁岭县玉米进行估产研究。通过采用扩展傅里叶幅度敏感性检验算法（extened Fourier amplitude sensitivity test,EFAST）敏感性分析方法实现玉米估产敏感性参数的分析，以及本地化；通过采用参数自动率定程序PEST(parameter estimation)实现参数的优化，验证结果为采样点产量的平均误差为852.39 kg·hm~(-2)，模型模拟的精度达到92.82%。为进一步提高和优化模型估产精度，将遥感反演得到的叶面积指数采用集合卡尔曼滤波算法与模型模拟的叶面积指数进行数据同化，平均误差从同化前的852.39 kg·hm~(-2)降低为435.01 kg·hm~(-2)，估产精度从92.82%提高到96.33%，有效提高了WOFOST模型估产的精度。结果表明：水分对玉米的生长发育限制并不大，其产量形成主要受光温影响，对温度、光能利用效率和最大同化速率有关的参数具有较高的敏感性；优化后的模型能够较好模拟铁岭县玉米生长发育情况，产量验证表明优化后的模型模拟的效果较好，但仍存在一定的误差；比值植被指数与叶面积指数的相关性最高，反演模型精度较好，反演结果表明叶面积指数在抽雄吐丝期差距较大，而在成熟期的差距不大；经过作物模型与遥感数据同化之后，估产的精度得到明显提高，说明遥感与作物模型同化是一种有效地提高作物估产和产量预测精度的方法。

运用涡度相关仪、包裹式茎流计对半干旱区玉米蒸散和蒸腾进行连续观测,并对田间土壤水势及其周围气象因子进行同步监测,分析了玉米蒸散和蒸腾在不同时间尺度上的变化过程及其影响因素,结果表明:①涡度相关仪测定的日蒸散量和茎流计测定的日腾量变化规律一致,相关性较好,但日内蒸散速率和蒸腾速率的变化受环境因子的影响而呈现不同的变化特征;②不同深度土壤水分状况对玉米蒸散和蒸腾存在不同影响。对玉米蒸散起较大作用的是地表以下10~15cm深处的土壤水势,而对玉米蒸腾起较大作用的是15~20cm深处的土壤水势;③在不同时间尺度上,太阳辐射始终是影响玉米蒸散和蒸腾的最主要气象因子;但在日内变化上,玉米蒸散速率和蒸腾速率...