基于多时相中巴资源卫星影像的冬小麦分类精度

中巴资源卫星2号星（CBERS-02）具有较高的空间分辨率和较丰富的光谱信息，对植被有较强的探测能力.利用2006—2007年北京地区冬小麦生育期早期的5景CBERS-02卫星影像，计算了各时相和不同时相组合的主要地物类型及冬小麦的光谱可分性距离，进行了监督分类，同时，结合高分辨率航空和卫星遥感影像，构建了训练样本和验证样本，对利用CBERS-02卫星提取的生育早期的冬小麦进行了时相分析和精度评价，并与同期TM影像提取结果进行对比.结果表明：时相是影响冬小麦分类的主要因素，不同光学传感器的遥感影像也会影响分类精度；多时相组合有利于提高冬小麦的提取精度，与单时相冬小麦提取的最高精度相比，最佳时相组合的制图精度提高了20.0%、用户精度提高了7.83%；与TM数据相比， CBERS-02卫星影像的冬小麦分类精度略低.     

水稻氮素营养高光谱遥感诊断模型

对水稻氮素含量与原始光谱反射率、一阶微分光谱以及高光谱特征参数间的相关性进行了分析，并构建和验证了以遥感参数为自变量的水稻氮素营养诊断模型.结果表明：氮素含量在水稻各器官中总的变化趋势为茎<鞘<穗<叶；各器官在可见光波段的光谱反射能力为叶<穗<鞘<茎，在近红外波段则与此相反.以波长796.7 nm处的光谱反射率和738.4 nm处的一阶微分光谱反射率为自变量的线性模型和指数模型的决定系数（R²）分别为0.7996和0.8606，二者均能较好地诊断水稻氮素营养，但最适合诊断水稻氮素含量的拟合模型是以植被指数的归一化变量（SD_r-SD_b）/（SD_r+SD_b）为自变量构建的水稻氮素营养高光谱遥感诊断模型［y=365871+639323（SD_r-SD_b）/（SD_r+SD_b），R₂＝0.8755，RMSE＝0.2372，相对误差＝11.36％］，该模型可定量诊断水稻氮素营养.