作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载C...作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,可作为指导精准农业研究的一种新方法。展开更多
The Moderate Resolution Imaging Spectroradiometer （MODIS） is one of the key instruments for NASA＇s Earth Observing System （EOS）, currently operating on both the Terra and Aqua satellites. The MODIS is a major adv...The Moderate Resolution Imaging Spectroradiometer （MODIS） is one of the key instruments for NASA＇s Earth Observing System （EOS）, currently operating on both the Terra and Aqua satellites. The MODIS is a major advance over the previous generation of sensors in terms of its spectral, spatial, and temporal resolutions. It has 36 spectral bands： 20 reflective solar bands （RSB） with center wavelengths from 0.41 to 2.1 μm and 16 thermal emissive bands （TEB） with center wavelengths from 3.7 to 14.4 μm, making observations at three spatial resolutions： 250 m （bands 1-2）, 500 m （bands 3-7）, and lkm （bands 8-36）. MODIS is a cross-track scanning radiometer with a wide field-of-view, providing a complete global coverage of the Earth in less than 2 days. Both Terra and Aqua MODIS went through extensive pre-launch calibration and characterization at various levels. In orbit, the calibration and characterization tasks are performed using its on-board calibrators （OBCs） that include a solar diffuser （SD） and a solar diffuser stability monitor （SDSM）, a v-grooved flat panel blackbody （BB）, and a spectro-radiometric calibration assembly （SRCA）. In this paper, we present an overview of MODIS calibration and characterization activities, methodologies, and lessons learned from pre-launch characterization and in-orbit operation. Key issues discussed in this paper include in-orbit efforts of monitoring the noise characteristics of the detectors, tracking the solar diffuser and optics degradations, and updating the sensor＇s response versus scan angle. The experiences and lessons learned through MODIS have played and will continue to play major roles in the design and characterization of future sensors.展开更多
红树林动态是地理学、生态学和湿地学等学科关注的热点之一。遥感技术具有宏观性、高效性和经济性等特点,在红树林动态监测中发挥日益重要的作用。本文通过关键词对Web of Science和中国知网2个数据库自2000年以来发表的文章进行梳理和...红树林动态是地理学、生态学和湿地学等学科关注的热点之一。遥感技术具有宏观性、高效性和经济性等特点,在红树林动态监测中发挥日益重要的作用。本文通过关键词对Web of Science和中国知网2个数据库自2000年以来发表的文章进行梳理和归纳,从研究区域分布、文献数量、遥感监测数据源与方法、全球红树林动态以及全国红树林动态变化分析5个方面总结了近20年来国内外对于红树林遥感动态监测研究进展。研究结果表明,多传感器高时空分辨率数据将成为红树林遥感动态监测的重要数据源。将雷达数据和光学遥感数据进行融合,有助于进一步提升红树林卫星遥感监测能力。无人机平台搭载多种类型的传感器(如多光谱、高光谱或激光雷达传感器),可以从不同方面获取红树林生态系统参数,结合遥感智能分析算法,有助于推动红树林遥感研究向纵深方向发展。红树林遥感动态监测相关研究表明,全球红树林总面积范围大致在1.1×108～2.4×108hm2,总体仍呈减少趋势,而在区域上中国红树林面积则有所恢复。本文最后对红树林遥感动态监测的发展趋势进行了展望。展开更多
针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基...针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基础框架,并进一步提出基于多分辨率分析的多传感器一体化融合方法,缓解现有方法因空间分辨率比率过大导致影像空、谱互补信息难以有效集成的问题。其中,提出的一体化融合方法基于调制传递函数MTF(Modulation Transfer Function)滤波对多传感器影像空间(高频)和光谱(低频)分量进行分解提取,并充分考虑多传感器高空间分辨率影像与高光谱分辨率影像之间的关系,以及高光谱分辨率影像波段间关系,设计合理的融合权重,最终可得到具有最高空间分辨率和最高光谱分辨率的融合影像。通过GF-1全色影像、GF-1多光谱影像、GF-5高光谱影像数据对提出方法进行实验验证,结果表明:本文方法可有效集成多传感器影像间的空、谱互补信息,得到较优融合结果。展开更多
文摘作物叶面积指数的遥感反演是农业定量遥感研究热点之一,利用无人机遥感监测系统获取农作物光谱信息精确反演叶面积指数对精准农业生产与管理意义重大。本研究以山东省嘉祥县一带的大豆种植区为试验区,设计以多旋翼无人机为平台同步搭载Canon Power Shot G16数码相机和ADC-Lite多光谱传感器组成的无人机农情监测系统开展试验,分别获取大豆结荚期和鼓粒期的遥感影像。使用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合田间同步实测叶面积指数(leaf area index,LAI)数据,采用经验模型法分别构建了单变量和多变量LAI反演模型,通过决定系数(R2)、均方根误差(RMSE)和估测精度(EA)3个指标筛选出最佳模型。研究表明,有选择性地分时期进行农作物的叶面积指数反演是必要的,鼓粒期作为2个生育期中大豆LAI反演的最佳时期,其NDVI线性回归模型对大豆LAI的解释能力最强,R2=0.829,RMSE=0.301,反演大豆LAI最准确,EA=85.4%,生成的鼓粒期大豆LAI分布图反映了当地当时大豆真实长势情况。因此,以多旋翼无人机为平台同步搭载高清数码相机和多光谱传感器组成的无人机农情监测系统对研究大豆叶面积指数反演是可行性,可作为指导精准农业研究的一种新方法。
文摘The Moderate Resolution Imaging Spectroradiometer （MODIS） is one of the key instruments for NASA＇s Earth Observing System （EOS）, currently operating on both the Terra and Aqua satellites. The MODIS is a major advance over the previous generation of sensors in terms of its spectral, spatial, and temporal resolutions. It has 36 spectral bands： 20 reflective solar bands （RSB） with center wavelengths from 0.41 to 2.1 μm and 16 thermal emissive bands （TEB） with center wavelengths from 3.7 to 14.4 μm, making observations at three spatial resolutions： 250 m （bands 1-2）, 500 m （bands 3-7）, and lkm （bands 8-36）. MODIS is a cross-track scanning radiometer with a wide field-of-view, providing a complete global coverage of the Earth in less than 2 days. Both Terra and Aqua MODIS went through extensive pre-launch calibration and characterization at various levels. In orbit, the calibration and characterization tasks are performed using its on-board calibrators （OBCs） that include a solar diffuser （SD） and a solar diffuser stability monitor （SDSM）, a v-grooved flat panel blackbody （BB）, and a spectro-radiometric calibration assembly （SRCA）. In this paper, we present an overview of MODIS calibration and characterization activities, methodologies, and lessons learned from pre-launch characterization and in-orbit operation. Key issues discussed in this paper include in-orbit efforts of monitoring the noise characteristics of the detectors, tracking the solar diffuser and optics degradations, and updating the sensor＇s response versus scan angle. The experiences and lessons learned through MODIS have played and will continue to play major roles in the design and characterization of future sensors.
文摘红树林动态是地理学、生态学和湿地学等学科关注的热点之一。遥感技术具有宏观性、高效性和经济性等特点,在红树林动态监测中发挥日益重要的作用。本文通过关键词对Web of Science和中国知网2个数据库自2000年以来发表的文章进行梳理和归纳,从研究区域分布、文献数量、遥感监测数据源与方法、全球红树林动态以及全国红树林动态变化分析5个方面总结了近20年来国内外对于红树林遥感动态监测研究进展。研究结果表明,多传感器高时空分辨率数据将成为红树林遥感动态监测的重要数据源。将雷达数据和光学遥感数据进行融合,有助于进一步提升红树林卫星遥感监测能力。无人机平台搭载多种类型的传感器(如多光谱、高光谱或激光雷达传感器),可以从不同方面获取红树林生态系统参数,结合遥感智能分析算法,有助于推动红树林遥感研究向纵深方向发展。红树林遥感动态监测相关研究表明,全球红树林总面积范围大致在1.1×108～2.4×108hm2,总体仍呈减少趋势,而在区域上中国红树林面积则有所恢复。本文最后对红树林遥感动态监测的发展趋势进行了展望。
文摘针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基础框架,并进一步提出基于多分辨率分析的多传感器一体化融合方法,缓解现有方法因空间分辨率比率过大导致影像空、谱互补信息难以有效集成的问题。其中,提出的一体化融合方法基于调制传递函数MTF(Modulation Transfer Function)滤波对多传感器影像空间(高频)和光谱(低频)分量进行分解提取,并充分考虑多传感器高空间分辨率影像与高光谱分辨率影像之间的关系,以及高光谱分辨率影像波段间关系,设计合理的融合权重,最终可得到具有最高空间分辨率和最高光谱分辨率的融合影像。通过GF-1全色影像、GF-1多光谱影像、GF-5高光谱影像数据对提出方法进行实验验证,结果表明:本文方法可有效集成多传感器影像间的空、谱互补信息,得到较优融合结果。
