项目名称面向农生态过程的定量遥感监测关键技术创新与.docVIP

项目名称：面向农田生态过程的定量遥感监测关键技术创新与应用 推荐单位：北京大学 项目简介： 农田生态过程是指以农作物生产为中心的农田生态系统物质循环和能量转换的复杂过程。本项目瞄准农田生态过程复杂性特征开展定量化、动态化和立体化遥感监测的关键问题，经过十余年持续研究，形成了多项创新成果： （1）依据电磁波与复杂地物相互作用理论，通过植被和土壤二元组分混合光谱观测试验与模拟分析，阐明了农田植被-土壤二元体系在生态过程不同阶段的响应机理，发现农田混合像元不同组分光谱贡献仅与地物组分比例有关，奠定了农田生态过程定量遥感基础。引入了基于再碰撞概率的植被冠层辐射理论，据此构建了叶面积指数、光合有效辐射比例等农田植被结构参数的反演模型，有效提高了农田生态过程主要参数的反演精度。 （2）面向农田生态过程不同阶段，研究并揭示了作物叶面积指数、叶绿素、氮素等理化参数的冠层光谱吸收、反射及其变化特征，建立了基于神经网络、支持向量机等数据挖掘技术的主要农作物遥感动态监测模型，提出了融合农田遥感反演参数和作物生长模型模拟的一种数学优化方法，通过将遥感观测“面状信息”与地面采样“点状信息”有机融合，实现了农田生态过程动态高精度监测； （3）提出了地表参数与大气参数一体化反演以及地表温度多角度反演新方法。针对传统遥感只能获取作物冠层上部光谱信息等问题，提出了作物冠层不同层次叶倾角、叶绿素、氮素等理化参数多角度遥感探测方法，明确了不同层次理化参数的多角度光谱响应特征及敏感角度和波段。建立了运用不同观测敏感角度结合的作物上层、中层和下层叶片叶绿素和氮素垂直分布多角度反演模型。通过多角度遥感反演结果分析，明确了不同养分、水分、病虫害胁迫下的作物叶面积指数、叶绿素、氮素等理化参数响应特征及光谱响应特征，开拓出农作物健康诊断的新途径。上述科技成果，分别在河北、陕西、浙江、宁夏、河南、山东、江苏、安徽等全国粮食产区和北京等多个省市进行了推广应用，促进了农业增产增效、改善了农业生态环境、保障了农产品质量安全。 主要完成单位及创新推广贡献： （1）北京大学是本项目的组织实施单位和主要完成单位。经过长期攻关，北京大学突破了农田生态过程重要参数的定量遥感反演关键技术，并在不同地域开展了推广应用，主要贡献包括：依据电磁波与复杂地物相互作用理论，通过植被和土壤二元组分混合光谱观测实验与模拟分析，阐明了植被-土壤二元组分在农田生态过程不同阶段的电磁波响应机理；提出了地表参数与大气参数一体化反演以及地表温度多角度反演新方法；引入了基于再碰撞概率的植被冠层辐射理论，据此构建了叶面积指数、光合有效辐射比例等农田植被结构参数的反演模型，有效提高了农田生态过程主要参数的反演精度；提出了融合农田遥感反演参数和作物生长模型模拟的一种数学优化方法，通过将遥感观测“面状信息”与地面采样“点状信息”有机融合，实现了农田生态过程动态高精度监测。依托上述研究工作，获得了多项国家发明专利与软件著作权。 （2）浙江大学完成了“不同氮素水平的水稻高光谱诊断机理与方法研究”、 “基于多源波谱信息的稻麦病害识别技术研究(2006AA10Z203)”等课题。通过以上课题的完成，浙江大学以水稻等农作物为研究对象，通过多年的田间小区试验和野外大田试验，获取了水稻等农作物不同品种、不同生育期、不同氮素水平、不同病虫害胁迫下的叶片和冠层光谱及其对应的生物理化参数，构建国内外参数较为完备的水稻等农作物波谱数据库，并揭示了水稻等农作物冠层和组分光谱变化规律；通过主成分分析法、波段自相关分析法、基于导数光谱的相关系数法、基于光谱指数估算模型法和逐步回归等方法，科学地确定了水稻参数遥感监测合适的光谱波段；分析了波段位置和宽度对NDVI的影响，并构建了用于水稻生物量、叶面积指数、色素含量、氮素含量等参数监测的新型光谱指数；建立了基于神经网络、支持向量机等数据挖掘方法的水稻等农作物参数高光谱遥感估算模型，并实现了高光谱遥感监测技术在农田生态过程遥感监测中的应用。 （3）中国科学院遥感与数字地球研究所（原中国科学院对地观测与数字地球科学中心、中国科学院遥感应用研究所合并） 在作物长势与组分参数立体化遥感监测、作物病虫害遥感监测与预测预报、地表离散参数空间扩展方面做出了突出贡献，提出了作物冠层不同层次叶倾角、叶绿素、氮素等理化参数多角度遥感探测方法，建立了运用不同观测敏感角度结合的作物上层、中层和下层叶片叶绿素和氮素垂直分布多角度反演模型，实现了作物养分早期亏缺遥感监测；研制了便携式、低成本的田间光谱观测装置和植被长势快速诊断装置（国家发明专利：ZL201210339810.0、ZL201310182889.5、ZL201210343165.X）；建立了主要作物主要病虫害遥感监测和预测预报模型，构建了全国尺度