山东禹城农田生态系统国家野外科学观测研究站
新闻公告
研究进展---多尺度农业遥感技术研究进展
作者: 禹城站 更新时间: 2024-03-13

      山东禹城农田生态系统国家野外科学观测研究站/中国科学院禹城综合试验站(禹城站)孙志刚科研团队2023年在遥感技术研究与应用方面取得部分进展。研究解决了植被覆盖和地表粗糙度校正、系统误差校正两个科学问题,该研究成果为我国后续星载导航卫星计划提供方法支持,也将长效支撑土壤水分监测业务开展。

      瞄准国际研究前沿及应用需求,基于CYGNSS数据,提出基于星载GNSS-R数据土壤导电率检索模型(CIG),并在黄河三角洲地区进行了测试。CIG模型由两个模块组成。首先,基于修正的几何光学模型,从非相干信号反演地表的菲涅尔反射率,并进行了水平和垂直表面粗糙度校准。其次,根据梯度提升回归树(GBRT)算法,输入地表的菲涅尔反射率和其他辅助变量,得到土壤盐分反演模型。结果表明,星载GNSS-R数据对土壤导电率高度敏感,与实测数据相比,R = 0.730,RMSE = 1.318 mS/cm,MAE = 0.570 mS/cm。

      研究土壤水分估算关键过程的优化方法,发展一套基于物理体系的高时空分辨率、高精度的土壤水分估算方法。首先,基于星载GNSS-R原始点尺度数据,根据微波辐射传输理论,建立有效的植被和地表粗糙度校正方法,优化土壤水分估算模型,提升土壤水分估算精度;然后,进行系统误差校正,最后得到高精度土壤介电常数。

随后,提出了一种基于星载GNSS-R的新型洪水测量指数,命名为ATFII,用于洪水淹没检索,并对洪水淹没等级进行了量化。首先,基于零阶辐射传递模型,推导出带有地表属性(即植被和地表粗糙度)校准的地表反射率。然后,提出ATFII的指数来实现淹没检索,并对淹没等级进行了划分。结果通过VIIRS洪水产品和GPM降水数据进行了验证。结果表明,ATFII可以快速检索洪水淹没时间尺度,并量化淹没变化等级。

      麦穗产量估算方面,基于无人机超高清遥感数据,采用深度学习算法(Mask R-CNN)提取了成熟期小麦穗的三个表型特征,包括穗数、穗大小和穗异常指数。随后,利用机器学习算法(即多元线性回归、支持向量回归和随机森林回归)对麦穗产量的驱动特征进行比较,以获得最佳谷物产量估计值。

      反演的土壤电导率EC和实测的土壤电导率在整体空间分布趋势上有较好的一致性。该成果在证明了CYGNSS有探测土壤盐分能力的同时,也为星载GNSS-R技术开拓了新的研究方向和研究思路,有利于GNSS信号的挖掘和应用。水分方面,该研究解决了植被覆盖和地表粗糙度校正、系统误差校正两个科学问题,该研究成果为我国后续星载导航卫星计划提供方法支持,也将长效支撑土壤水分监测业务开展。

      同时,基于表型特征的方法扩展了基于遥感估产的成熟期时间窗口,为补充传统的田间采样提供了可能。利用麦穗表型特征是估算小麦成熟期籽粒产量的一种有效方法,表明其作为繁琐的田间取样方法的可行替代品的潜力。

      取得系列成果,正式已发表论文4篇;授权专利1个。

基于表型特征的谷物产量估算流程,包括田间取样、无人机飞行、数据准备、果穗分割、特征提取、谷物产量回归和结果验证


      (1)研究团队主要成员

        孙志刚、杨婷、王俊栋、彭金榜等

      (2)支持性成果

      Wang J, Yang T, Zhu K, et al. A novel retrieval model for soil salinity from CYGNSS: Algorithm and test in the Yellow River Delta[J]. Geoderma, 2023, 432: 116417.

      Yang T, Sun Z, Jiang L. A Novel Index for Daily Flood Inundation Retrieval from CYGNSS Measurements[J]. Remote Sensing, 2023, 15(2): 524.

      Yang T, Wang J, Sun Z, et al. Daily Soil Moisture Retrieval by Fusing CYGNSS and Multi-Source Auxiliary Data Using Machine Learning Methods[J]. Sensors, 2023, 23(22): 9066.

      Peng, J., Wang, D., Zhu, W., Yang, T., Liu, Z., Rezaei, E. E., Sun, Z & Xin, X. (2023). Combination of UAV and deep learning to estimate wheat yield at ripening stage: The potential of phenotypic features. International Journal of Applied Earth Observation and Geoinformation, 124, 103494.

      一种基于CYGNSS卫星数据的土壤盐分反演方法和系统,ZL 2022 1 0843401.8,王俊栋,杨婷,孙志刚。



版权所有:国家生态系统观测研究网络 京ICP备05002838号-58
Email: yca@cern.ac.cn TEL:010-64888975 技术支持:国家生态科学数据中心 • 中国科学院计算机网络信息中心