水稻叶片氮含量的估测对实现田间施肥高效、水稻高产的目标具有重要意义。提出了一种基于粒子群深度森林的水稻叶片氮素估测方法（Particle Swarm Optimization-Deep Forest， PSO-DF），通过粒子群优化算法筛选深度森林模型（Deep Forest，DF）参数中最优的级联层估计器数量和估计器中的树数，从而提高深度森林模型在水稻氮素数据集上的回归精度。为验证PSO-DF的有效性，研究采用无人机搭载高光谱图像采集器获取宁夏粳稻高光谱图像，并对同期水稻叶片进行取样、测量、分析，并提取与水稻叶片氮含量相关系数最高的3个特征波段，将其作为光谱特征与水稻氮含量数据进行反演，对PSO-DF、原模型DF以及其他6种常见机器学习算法构建的水稻氮含量估测模型进行了对比。结果表明：PSO-DF算法构建的模型效果优于其他模型，其R²和RMSE指标均明显优于其他模型。

叶面积指数（Leaf Area Index， LAI）是反映作物生长状态的重要指标，常用植被指数来反演。传统的反演模型大都是基于多变量的多元回归模型，而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘。通过提取卫星影像的光谱特征和纹理特征，基于皮尔逊相关系数分析各个遥感特征与冬小麦LAI之间的相关性，利用简单回归模型（Simple Regression， SR）、多元线性回归模型（Multiple Linear Regression， MLR）和随机森林回归模型（Random Forest Regression， RFR）开展遥感特征与冬小麦LAI之间的关系模型构建反演研究，并结合精度指标（决定系数R²，均方根误差RMSE，相对均方根误差rRMSE）判定各反演模型的反演精度，以提出最优的反演模型。研究表明：①所有植被指数和部分纹理指数在反演LAI中取得了较好的反演效果（R²>0.6）。其中，通用归一化植被指数（Universal Normalized Vegetation Index， UNVI）在各植被指数中表现最好（R²=0.754，RMSE=0.606，rRMSE=12.99%）。除了部分波段的均值特征反演精度与植被指数相当外，大多数纹理特征反演冬小麦LAI的精度欠佳；②通过两两变量组合，得到了冬小麦LAI反演精度最高的双变量多元线性回归模型（R²=0.780，RMSE=0.573，rRMSE=12.29%）；③在有多个输入变量（至少3种特征变量）的情况下，RFR的反演效果优于MLR。相较于纹理特征，纹理指数的反演性能更佳。研究结果可为后续基于卫星影像的大规模农作物LAI的监测工作提供一种新的思路与方法。

稻渔种养在保障粮食安全、减少环境污染、提高土壤肥力、降低CH₄排放方面具有显著的社会、经济和生态效益。准确获取稻鱼田、稻虾田等信息，对服务现代农业数字化管理及提升资源利用效率具有重要意义。以成都平原的典型稻虾田为研究对象，使用2019~2021年Sentinel-1后向散射系数构建时序数据集；分析稻虾田与常规稻田、莲藕田、传统水产养殖等地物后向散射系数的时序特征；通过随机森林分类器提取稻虾田、常规稻田、藕田等信息，结果显示：①稻虾田年内后向散射系数具有典型的时序变化特征，其系数变化范围、曲线波峰明显区别于常规稻田、藕田。②随机森林分类的总体精度、Kappa系数分别为：94.32%和0.91，表明Sentinel-1时序数据可准确识别稻虾种养，能将稻田和藕田等地物进行区分，是多云雾地区稻渔遥感监测的理想数据源。该研究结果可为多云雾地区稻渔种养的遥感识别提供参考。

遥感技术已成为快速有效获取农业大棚覆盖信息的重要途径，但遥感影像空间分辨率大小对提取精度的影响具有双重性，选择适宜分辨率影像具有重要意义。以南方农业塑料大棚为研究对象，利用GF-1、GF-2和Sentinel-2形成1~16 m间6个不同空间分辨率影像数据集，基于面向对象影像分析方法（Object-Based Image Analysis，OBIA），分别利用面向对象卷积神经网络（Convolutional Neural Network，CNN）方法和随机森林（Random forest，RF）方法开展大棚提取，分析提取精度和不同方法下的差异性。结果表明：①CNN和RF方法下，农业大棚的提取精度随着影像分辨率降低总体呈下降趋势，在1~16 m的影像上均能检测到农业大棚；②相对于RF方法，CNN方法对影像空间分辨率要求更高，在1~2 m分辨率下，CNN方法有更少的漏提和误提，但在4m及更低分辨率下，RF方法的适用性更高；③2 m分辨率影像是大棚信息提取的最佳空间分辨率，可经济有效地实现大棚监测。

苹果种植业为陕西省提升农业、富裕农民的支柱型产业。黄土高原苹果产区每年都有花期防冻害和产量评估的需求，花期监测尤为重要，而常规的花期监测方法存在监测成本大和精度低的问题。采用一种基于遥感作物参考曲线重建的方法，介绍比较了该方法与其他方法应用于常见作物的精度，并使用地理国情普查地表覆盖分类数据识别的MODIS纯像元中提取一组NDVI 时间序列，将其用于拟合类似Sentinel-2的观测值，将这种方法应用于黄土高原地区苹果作物上，根据苹果样点的归一化植被指数（NDVI）序列（作物参考曲线）与重建后的苹果NDVI序列在空间上的物候差异，绘制历史10 m高分辨率的始花期监测结果，实现了花期监测由点到面的转化。研究结果表明：2019~2021三年验证区域苹果始花期的探测结果平均值与地面数据绝对误差均在1~3 d之内，平均绝对误差为0.926 d，均方根误差为1.503 d。该方法可用于苹果花期高精度监测，预测结果可为实际生产中苹果花期防冻害和产量评估工作的开展提供参考，同时这种方法也可以用于研究其他作物的物候特征，如小麦、玉米等，有望为农业生产提供更准确的决策支持。

2022年江西省发生极端干旱灾害，对柑橘生长及产量造成了十分严重的影响。利用遥感技术快速、准确地评估干旱受灾程度对柑橘种植减损及后续稳产具有重要意义。采用2022年Landsat遥感影像数据、江西省土地利用类型数据和Google Earth柑橘监督分类样本点数据识别并提取了江西省柑橘种植区；在此基础上，利用2021年及2022年MODIS数据产品分别计算江西省柑橘关键生育期（6~10月）的归一化差值植被指数（NDVI）和地表温度（LST），用以联合反演温度-植被干旱指数（TVDI）；再结合江西省统计年鉴中的柑橘种植面积数据及实地调研数据，定量评估了4种情形下2022年江西省极端干旱对柑橘种植造成的经济损失。研究结果表明：①2021年和2022年6月~10月江西省柑橘种植区TVDI平均值分别为0.83和0.62，2022年干旱胁迫明显加重；②2022年6月~10月江西省柑橘种植区重度干旱占66.1%，中度干旱占33.7%，且干旱空间分布具有赣北大于赣南的空间格局；③2022年7月初~11月初，江西省柑橘种植区TVDI长时间维持在0.8以上，表现为重度干旱，此时段与柑橘关键生育期重合，对柑橘果实生长影响巨大；④2022年江西省柑橘产量平均减产率达到58.2%，柑橘种植的经济损失呈现由北向南增加的趋势，赣南、赣中以及赣北的直接经济损失依次为49.64亿元、45.17亿元、19.84亿元。研究结果有助于政府部门快速摸清江西省果农受灾情况，并为后续柑橘种植的抗旱救灾、减损保产提供一定的决策依据。

利用遥感技术的物候提取方法在理解农田物候对气候变化的敏感性问题中具有较大潜力。基于MODIS的归一化植被指数（Normalized Difference Vegetation Index， NDVI）遥感产品，提取东北农田地区2005~2020年植被物候参数并用地面实测数据加以验证，然后获取农田物候与气温、降水量和日照时数间的相关关系。结果表明东北地区2005~2020年农田物候空间分布格局较为一致，只在部分区域因作物品种布局原因存在差异；农田物候的时间变化显著，多数地区生长季开始日期以1 d/a的速率在提前，生长季长度以1 d/a的速率在延长。农田物候受气温与降水量的影响较为明显，受日照时数影响不大，同时也在一定程度上受到种植结构变化的影响。而且，农田物候在很大程度上受人为因素干扰，因此有些区域气候因素对其影响表现出相反趋势。

及时掌握农作物分布信息，对农业结构调整和国家粮食安全保障具有重要的战略意义。然而，多云雾区域受气候条件制约，难以获取全时序的光学影像，无法构建涵盖农作物完整生长季的物候特征数据集，农作物信息提取受到限制。因此，本研究以西南多云雾区域重要的产粮地之一——四川省广汉市为例，基于SAR影像（Sentinel-1）和光学影像（Sentinel-2）数据协作，构建了研究区冬季农作物典型时相光谱特征和夏季农作物SAR时序特征，采用面向对象决策树分类方法，提取了研究区农作物时空分布信息并进行精度分析。结果表明：①广汉市农作物以粮油作物为主，主要包括小麦—水稻、油菜—水稻、土豆—大豆、土豆—玉米4种一年两熟的轮作种植模式。②水稻、大豆、玉米3种夏季农作物SAR时序特征差异明显，光学—雷达遥感数据协作提取冬季—夏季农作物类型及空间分布为多云雾区域农作物信息提取提供了新的思路。③面向对象的决策树分类方法分类总体精度和Kappa系数分别为85.49%和0.81，分类结果保持了大面积作物的完整性，避免了分类结果的“椒盐现象”。

真菌毒素（mycotoxin）是影响我国粮食与食品安全的重要威胁，准确预测可以为有效管控和降低其所造成的损失提供支撑。在总结作物真菌毒素对食品、粮食、农业等影响的基础上，从气象统计模型、机理模型及机器学习模型3个方面分析了目前真菌毒素预测的研究进展。通过对目前作物污染真菌毒素的影响因素进行分析，结合遥感技术在作物及其生长环境监测方面的研究进展，讨论了利用卫星遥感监测技术开展大范围作物真菌毒素含量预测的可行性。同时指出，分析遥感的作物真菌毒素主要影响因素及其变化规律，发展生育期内相关因素结合的真菌毒素遥感估算方法，将面向农田尺度动态预测的遥感技术与多种模型耦合将成为该领域的研究重点。

准确获取冬小麦空间分布和收获面积信息，对产量准确估算、保障粮食安全等具有重要意义。当前，绝大多数研究及统计数据集中于冬小麦种植面积，很少关注其收获面积。以濮阳县为研究区，基于2019年成熟期Sentinel-2遥感影像和随机森林相结合的方法，进行冬小麦收获面积测算研究。首先，根据特征筛选获得最佳特征子集，然后，基于最佳特征子集的J-M距离分析冬小麦与其他地物的可分性，识别提取冬小麦收获面积和种植面积，并实现冬小麦收获面积制图。最后，进一步分析冬小麦收获面积和种植面积差异以及收获面积的影响因素。结果发现：Sentinel-2影像最佳特征子集测算冬小麦收获面积总体精度和Kappa系数分别为94.62%和0.93。2019年提取濮阳县冬小麦种植面积为79.47 khm²，收获面积为76.74 khm²，相较于种植面积，数量上减少了2.73 khm²。研究结果表明：人为活动会造成收获面积少于种植面积，及时监测冬小麦收获面积可以为冬小麦产量预测等相关研究和决策提供一定的科学参考价值。

低温冷害是影响水稻产量主要气象灾害之一。开展低温冷害胁迫下的水稻产量遥感监测对于水稻优良品种推广、农艺救灾防灾以及农业保险精准理赔具有重要意义。以南方多熟水稻低温冷害为研究对象，在多时相遥感影像的支持下，结合地面实测水稻单产样本数据，构建多时相协同的多熟水稻产量监测模型，实现地块尺度的低温冷害影响下水稻产量遥感监测与空间制图。研究结果表明：低温冷害发生时所处水稻的生育期不同，对产量影响程度具有较大差异。中稻在灌浆中期遭遇低温冷害后的影响相对较小，平均产量约6 637 kg/hm²，减产幅度近20%；早熟晚稻在抽穗期遭受低温冷害后产量明显低于中稻，平均产量4 143 kg/hm²，减产幅度近45%；晚熟晚稻在拔节期遭受持续低温冷害后产量影响最大，平均产量仅1 541 kg/hm²，远低于往年产量水平，减产幅度近80%。利用实割实测样本单产数据与哨兵数据多个关键物候期NDVI构建回归模型，R²均大于0.75，并利用实测样本单产数据进行精度交叉验证，MAPE均小于10%。该方法借助少量地面资料，可以较高精度地测算多熟水稻在遭受低温冷害的情况下的单产信息，为复杂条件下水稻低温冷害灾情评估提供了新的思路。

近年来全球变暖导致强对流天气日益加剧，冰雹灾害已成为农业生产的主要灾害之一。开展棉花冰雹灾情遥感评估对防灾减损、保险理赔、种植结构调整均具有重要意义。以2019年8月23日新疆准噶尔盆地西南部的奎屯河流域的棉花雹灾为研究对象，基于野外实测样本和雹灾前后多时相Sentinel-2遥感影像数据，分析雹灾前后的多种植被指数的动态变化规律，筛选能有效表征雹灾灾情的敏感植被指数差值特征组合，利用逻辑回归、决策树、梯度提升决策树、随机森林4种机器学习算法自动提取棉花雹灾的受灾范围与灾情等级，并利用野外实测样本进行精度对比分析。结果表明：单一植被指数中NDVI对雹灾的指示效果最佳，总体精度为84.39%，Kappa系数为0.75；多时相植被指数差值组合对雹灾的指示性显著优于单一植被指数；结合雹灾前后的植被指数差值时序特征，8月30日与8月20日差值对雹灾的指示性明显强于8月25日与8月20日的差值，说明雹灾灾情等级遥感监测有必要考虑灾后棉花植株的自我恢复能力，待灾情稳定后监测为宜；利用灾前灾后多种植被指数差值组合和随机森林分类算法的棉花雹灾灾情等级监测效果最佳，总体精度达到了89.51%，Kappa系数为0.83。基于多时相Sentinel-2影像能有效评估棉花雹灾的受灾范围以及灾情程度。

利用遥感技术快速、准确地进行冬小麦种植面积提取对农作物估产和粮食安全具有重要意义。由于中高分辨率时序影像受重访周期、云雨天气等影响难以获取，而低分辨率遥感数据在作物种植信息提取上精度低等问题，以河南省长葛市为例，获取2015~2020年间的Landsat 8和MODIS影像为数据集，基于优化后的卷积神经网络时空融合模型对2种数据进行融合，构建30 m分辨率的NDVI时间序列集，采用S-G（Savitzky-Golay）滤波对时序集进行去噪，最后利用随机森林方法对冬小麦种植面积进行提取。结果表明：优化后的融合模型鲁棒性较好，预测影像与真实影像R²均在0.92以上。研究区小麦面积提取与统计面积的一致性为97.3%，结果可靠。因此，优化后的模型能较好地融合出中高分辨率影像，是一种有效的补充缺失影像的技术手段，构建的时序集能较为准确地提取县域小麦种植面积。

获取农作物高分辨率影像特征，探究多特征学习训练对实际作物分类效果的影响，对农业部门掌握作物种植精细化结构信息，高效实施生产管理具有重要意义。针对无人机获取的高分辨率可见光遥感影像，提出一种基于面向对象多特征学习的农作物精细分类方法。首先借助HSI（Hue， Saturation， Intensity）模型对RGB图像进行色彩空间变换，以进一步挖掘影像中潜在色彩结构信息，然后利用ESP（Estimation of Scale Parameter）算法和CART（Classification And Regression Tree）决策树分别确定影像最佳分割尺度及构建最优特征学习空间，最后采用面向对象随机森林（Random Forest）分类算法对多特征空间进行学习训练，以实现作物精细分类，并结合验证数据集进行精度评价。结果表明：该方法对研究区作物的分类总体精度达到90.18%，Kappa系数达到0.877，均大于像素级和单特征学习的分类精度，能够有效区分出不同的作物类型；所构建的最优特征学习空间对研究区内棉花、玉米、西葫芦、葡萄的分类效果较好，各作物类型的生产者精度均大于89%。研究结果可为农业精准管理和作物种植结构优化提供参考。

高分一号卫星的发射进一步增强了我国对地观测能力。相比于Sentinel-2，GF-1 WFV数据具有16 m的高空间分辨率，但缺少红边波段和短波红外波段，对两者估算植被生理参数的精度差异进行分析以及探讨估算方法的适用性具有重要意义。本研究使用线性回归方法和基于PROSAIL辐射传输模型的查找表法（LUT）估算友谊县地区玉米和大豆叶面积指数（LAI），并对两类数据的估算精度进行对比分析。结果表明：①在植被指数一元线性回归模型中，GF-1植被指数中EVI的估算精度最高，R² 为0.81；Sentinel-2植被指数中表现最好的是MNLIre指数，R² 为0.86；②采用多元线性回归方法，GF-1的估算精度（R² = 0.90，RMSE = 0.54，bias = 0）与Sentinel-2（R² = 0.89，RMSE = 0.54，bias = 0）具有高度一致性；③使用基于PROSAIL辐射传输模型的LUT估算LAI时，GF-1数据的最优波段组合为：B2和B4（R² = 0.76，RMSE = 0.81，bias = 0.03），Sentinel-2数据的最优波段组合为：B3、B6、B7、B8、B8a和B12（R² = 0.87，RMSE = 0.61，bias = 0.01）。综上所述，GF-1号卫星具备精准监测农作物叶面积指数的能力，本研究为该数据在农业遥感领域的应用提供了理论依据。

针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题，提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区，采用Sentinel?2A和Landsat 7多光谱影像，在野外样本的支持下，分析耕地各种覆盖类型的归一化植被指数（Normalized Difference Vegetation Index，NDVI）季相变化规律，以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系，构建多时相协同变化检测模型，开展研究区耕地撂荒状态遥感监测。研究结果表明：基于Sentinel?2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%；基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%；2019年鹿泉区季节性撂荒占耕地面积的4.7%，常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息，对于不同分辨率的影像均具有较好的撂荒地提取精度。

耕地是粮食生产的基本载体，及时准确地获取耕地非农化信息，对于耕地资源管理和政策实施具有重要意义。为探究福州市近30 a耕地非农化变化规律，基于谷歌地球引擎（Google Earth Engine，GEE）和随机森林方法，利用多时相Landsat遥感影像提取了福州市1989、2000、2010和2019年耕地空间分布信息，并在此基础上利用土地转移矩阵、网格单元法和地理探测器等方法，分析了福州市耕地非农化的重要特征及其驱动因子。结果表明：①基于GEE平台的随机森林方法可有效提取南方多云多雨地区的耕地信息，土地利用分类总体精度高于90%，Kappa系数大于0.85；②福州市耕地空间分布不均匀，呈现东多西少，耕地面积随时间推移不断减少，耕地非农化呈现“快—慢—平”的特征。耕地非农化主要发生在高程100 m和坡度10°以下区域，耕地非农化类型主要为园林地和建设用地，其中西部地区主要为园林地，中东部地区为建设用地；③耕地非农化是由自然和社会因素共同驱动的结果，自然因素是耕地非农化的先决条件，城镇化增长率与人口数量增长率是导致耕地非农化主要驱动因素，其中城镇化增长率和第一产业比重增长率是耕地非农化“快—慢—平”的关键因素。

为使用高分辨率遥感影像和深度学习语义分割模型实现快速准确的小麦种植空间信息提取，以WorldView-2遥感影像为数据源，制作尺度分别为128×128、256×256、512×512的样本数据集，对U-net和DeepLab3+语义分割模型的参数进行训练，建立小麦遥感分类模型；通过与极大似然和随机森林方法比较，检验深度学习分类效果。结果显示：①不同尺度样本训练得到的模型总体精度、Kappa系数分别在94%和0.82以上，模型精度稳定，样本尺度大小对小麦分类提取模型影响较小；②深度学习方法的小麦分类总精度和Kappa系数分别在94%和0.89以上，极大似然和随机森林则在92%和0.85以下，表明该研究建立的小麦遥感分类模型优于传统分类方法。研究结果可为高分辨率遥感影像作物种植信息的深度学习方法提取提供参考。

小麦条锈病是导致小麦大规模减产的气传性病害，其传播扩散过程受多种因素影响，常用的作物病害气象预测模型难以准确模拟。为实现小麦条锈病发病率的精准预测，提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型。以甘肃省陇南地区为研究区，首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数，然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率，进而建立SEIR-StripeRust模型，最后采用后向传播神经网络（BPNN）、支持向量回归（SVR）和多元线性回归（MLR）模型对比验证SEIR-StripeRust模型的有效性。结果表明：平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关，其建立的SEIR-StripeRust模型预测精度最高，决定系数R² 达到0.79，均方根误差RMSE为0.10，平均绝对误差MAE为0.09，均优于相同特征变量下的BPNN、SVR和MLR模型。研究结果表明SEIR-StripeRust模型能够有效预测小麦条锈病发病率，并为县域尺度的小麦条锈病预测和精确防控提供技术支持。

干旱是影响花生产量的主要气象因素之一。开展花生干旱灾情遥感评估对于产量估算、防灾减灾和保险理赔具有重要意义。当前花生旱灾遥感评估主要依赖于光谱指数变化信息，容易受不同地区生育进程干扰，限制了光谱指数方法的普适性。研究在多时相Sentinel-2遥感影像和野外实测样本的支持下，分析时序波段反射率日均增量信息与花生干旱受灾程度之间的内在联系，利用决策树、随机森林、逻辑回归等方法对花生干旱等级进行分类，并以总体精度和Kappa系数评价各种方法的精度。结果表明：单一波段的近红外反射率日均增量对花生受灾情况的指示性较强。多光谱波段组合方式对花生旱灾程度的指示性均优于单个波段，其中红波段、蓝波段、近红外光谱波段反射率日均增量组合的指示性最强，整体精度达到89.93%，Kappa系数0.847 1。与逻辑回归和决策树算法相比，随机森林算法对花生旱灾评估精度最高。在旱情等级最优时相组合分析中，利用花生生长旺盛期（7月~8月）的多波段反射率日均增量信息，灾情等级遥感识别的总体精度可达88.62%，Kappa系数为0.827 4。说明基于生长旺盛期时序多波段反射率日均增量的干旱灾情遥感评估方法能有效提取花生受灾范围与灾情严重程度。

快速准确地绘制平原区人工林树种分布对研究人工林的生态水文和社会经济效益具有重要的意义。将资源3号（ZY-3）全色波段分别同ZY-3多光谱、哨兵2号多光谱进行融合，在图像分割基础上提取变量，采用分层优化变量组合的随机森林分类方法对安徽省利辛县人工林树种进行分类，并与分类回归树和随机森林相比较。结果表明：利用分层分类方法，平原区的人工林树种分类精度可以达到92%以上；基于哨兵2号和ZY-3融合的光谱特征变量分类精度比 ZY-3 数据本身的融合提高了2.49% ~ 2.91%；而分别加入纹理变量后，分层分类方法大幅度提高了树种分类精度。因此，基于高分辨率遥感数据的光谱和纹理特征，采用分层分类方法，可以有效提高平原区人工林树种的分类精度。

风灾引起的玉米倒伏可能导致玉米大量减产，利用遥感技术准确监测玉米倒伏面积与空间分布信息对灾情的评估非常重要。利用Planet和Sentinel-2影像分别结合面向对象与基于像元方法提取研究区玉米倒伏，同时评估了不同影像特征（光谱特征、植被指数和纹理特征）与不同分类方法（支持向量机法SVM、随机森林法RF和最大似然法MLC）对玉米倒伏提取精度的影响。结果表明：①使用高空间分辨率的Planet影像进行玉米倒伏提取的精度普遍高于Sentinel-2影像；②从分类精度和面积精度来看，Planet影像的光谱特征+植被指数+均值特征结合面向对象RF分类，总体精度和Kappa系数分别为93.77%和0.87，面积的平均误差最低为4.76%；③采用Planet和Sentinel-2影像结合面向对象分类提取玉米倒伏精度高于基于像元分类。研究不仅分析了面向对象方法的优势，还评估了使用不用影像数据结合面向对象方法的适用性，可以为遥感提取作物倒伏相关研究提供一定的借鉴。

中空间分辨率样本（简称中分样本）的数量、质量是决定中低分辨率复合识别模型效率的关键因素。以冬小麦为研究对象，中低分辨率影像结合构建支撑向量回归模型（Support Vector Regression， SVR）实现冬小麦的混合像元分解，提取出冬小麦的空间分布，定量分析中分样本数量、质量对识别精度的影响。结果表明：从样本数量上看，样本量为10%即可保证稳定的冬小麦精度，在典型冬小麦区的区域精度、像元精度达到98%、92%以上；从样本质量上看，识别精度随样本质量（达到60%即可获得较好的识别结果）增加而升高；对于非中分样本区的冬小麦，区域精度、像元精度也是随样本数量的增加而提高，在20%样本量下，区域精度和像元精度稳定在 97%、92%以上，表明该模型具有较强的空间泛化性能力，弥补了从低分影像上难以获取有效样本的不足。

准确监测灌区灌溉面积及其干旱情况等信息是灌区管理的基础，设立监测站点等传统方式已经不能满足应用与研究的需要，而遥感成为水资源管理的有力技术手段。基于Landsat 8数据，以内蒙古解放闸灌域为研究区，计算了温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI）和改进的垂直干旱指数（Modified Perpendicular Drought Index，MPDI）并分析其分布和变化；根据两干旱指数灌溉前后差异，引入阈值法构建灌溉面积提取模型，确定阈值以进行灌溉面积的提取。结果表明：在2017年7月~8月，解放闸灌域得到了较大规模的灌溉；将利用两种干旱指数差异阈值提取的灌溉面积与实际灌溉面积进行对比，TVDI和MPDI监测面积精度分别为82.96 %和74.01 %；同时选取Google Earth高分辨率数据作为真实数据对灌溉地提取结果进行混淆矩阵计算，结果显示MPDI提取总体精度为94.17 %，优于TVDI的58.90 %。两种精度验证结果表明了利用遥感技术计算干旱指数用于灌区旱情监测和灌溉面积提取的可行性，但在受灌溉地区的空间分布上，相比TVDI，引入植被覆盖度的MPDI能更好地反映一个地区的干旱情况，提取到的灌溉地空间分布更为合理。

冬小麦作为我国重要的粮食作物，准确获取其空间分布情况，对农业生产管理及农情监测有重要意义。以河南省商丘市为例，利用覆盖冬小麦完整生育期的GF-1数据，计算归一化植被指数（Normalized Difference Vegetation Index， NDVI）、增强植被指数（Enhanced Vegetation Index， EVI）时间序列，结合关键生育期影像，构建不同特征量组合数据集，利用支持向量机方法进行冬小麦提取。同时采用主成分分析法对数据进行降维处理，尝试通过压缩特征集数据量来提高冬小麦提取效率。研究结果表明：EVI时序数据较NDVI能更好地描述作物的物候，提取精度皆高于NDVI，其中EVI时序数据与关键生育期影像组合提取精度最高，达到97.67%。结果表明，降维后数据并未对提取精度造成显著影响，达到压缩数据量保持提取精度的目的，为大区域作物提取提供参考价值。

为了提高小样本数据模型的稳定性，构建具有更高精度和鲁棒性的小麦条锈病遥感探测模型。首先基于辐亮度和反射率荧光指数方法提取了冠层日光诱导叶绿素荧光（SIF）数据，然后结合对小麦条锈病病情严重度敏感的反射率光谱指数并基于改进的分类与回归树（CART）——梯度提升回归树（GBRT）算法，构建了融合反射率和冠层SIF数据的小麦条锈病遥感探测的GBRT模型，并将其与CART及多元线性回归（MLR）模型进行比较。结果表明：①反射率导数荧光指数D705/D722、短波红外谷反射率和反射率比值荧光指数R740/R800是影响遥感探测小麦条锈病严重度精度的主控因素，其中SIF数据的重要性值高于反射率光谱数据，冠层SIF能够比反射率光谱更加敏感地反映小麦条锈病害信息；②GBRT模型病情指数（DI）预测值和实测值间的均方根误差（RMSE）比CART和MLR模型分别减小了15.50%和13.49%，决定系数（R²）分别提高了6.16%和11.57%，GBRT模型估测DI值更接近于实测值，且估测结果波动小，鲁棒性高；CART模型在小样本数据中易将不同特征的数据集划分为同一特征的子集，预测结果波动较大；MLR模型的预测结果相对比较稳定，但其预测精度较低。

以内蒙古闪电河流域为研究区，基于Sentinel2光学遥感影像结合随机森林和支持向量机算法，采用3种方案：基于像元的分类方法、面向对象的分类方法及改进的基于像元分类与面向对象分割相结合的集成方法，对研究区内的农作物进行精细提取。结果表明：①基于随机森林采用基于像元的方法进行分类，所有地类的总体精度为97.8%，Kappa系数为0.974，表明随机森林算法可以有效地进行农作物提取。②改进的基于像元分类与面向对象分割相结合的集成方法分类效果较好，所有地类的总体精度为96.4%，Kappa系数为0.957，该方法充分结合了基于像元和面向对象分类方法的优点，可有效提升闪电河流域的作物分类效果。

作物群体生物量是形成产量的物质基础，遥感技术是高效、客观监测作物地上生物量的重要手段，对农业生产管理具有重要意义。以安徽省龙亢农场为研究区，通过PROSAIL模拟光谱分析了4个LAI相关的可见光-近红外植被指数、2个叶片干物质相关的短波红外植被指数和8个融合植被指数与冬小麦地上生物量的关系，并建立反演模型。模拟结果显示，干物质植被指数与作物生物量的相关性高于LAI相关的植被指数，两者融合的植被指数增强了常用植被指数冬小麦生物量的探测能力。利用实测冬小麦数据对生物量反演模型进行验证，结果显示：融合植被指数普遍提高了单一植被指数的地上生物量反演精度，其中MTVI2×NDMI精度最高（RMSE=606.8 kg/hm²），并为作物地上生物量的高精度反演提供新的技术途径。

灌溉是农作物应对干旱等极端气候条件的有效调节机制，在全球气候变化的背景下，未来干旱等极端气候事件发生的频率和严重程度预估会增加，定量分析灌溉和雨养条件下干旱对农田生态系统农作物生长的影响有助于更好地评估人类应对极端气候事件对生态系统的消极影响的能力，为制定合理有效的生态系统保护措施提供依据。以中国北方干旱区为研究区，基于标准化降水蒸散指数产品和MODIS增强型植被指数以及总初级生产力产品，利用MK趋势分析，皮尔逊相关分析和一元线性回归分析研究了2000~2014年间中国北方干旱区农田生态系统干旱、植被指数以及总初级生产力的发展趋势，分析了中国北方旱区农作物对干旱的响应的滞后时间，在相应的滞后时间下对比分析了灌溉农田和雨养农田农作物受干旱影响的差异。研究结果显示：在2000~2014年间北方旱区农田生态系统64.10%的区域呈现干旱减轻的趋势、75.78%和81.87%的区域呈现植被指数增加和总初级生产力增加的趋势，其中64.82%的植被指数增加和68.34%总初级生产力增加的区域伴随着干旱的减轻。除半干旱区雨养农田植被指数对干旱的响应的滞后时间为2个月外，其余滞后时间均为1个月。在滞后时间下，去趋势干旱指数与植被指数异常及总初级生产力异常均呈现显著的正相关关系。相对于雨养农田来说，灌溉分别缓解了32.22%和29.42%北方旱区干旱对农作物植被指数和总初级生产力的消极影响，且在干旱区的缓解程度要高于半干旱区。定量分析了干旱对灌溉和雨养农田生态系统GPP和EVI的影响差异，为评估灌溉抵抗干旱气候对植被生态系统的影响研究提供了参考。

以吉林省农安县为研究区，以Sentinel-1B双极化数据为数据源，提取出典型农作物玉米、大豆、水稻的多个纹理特征值，筛选出最佳农作物识别纹理信息参数，结合eCognition软件中的规则库，充分挖掘SAR数据中农作物纹理特征包含的属性信息，构建决策树，基于面向对象分类方法对典型农作物进行提取，通过SAR农作物提取结果的分析，获得研究区农作物最佳分类时相及最佳农作物识别纹理信息组合，对各典型农作物进行分类制图，探讨基于SAR影像后向散射特征提高农作物识别精度的可行性。结果表明：SAR数据相对于光学数据，能提供更丰富的农作物纹理信息，选取合适的纹理信息作为分类辅助数据，可以有效解决光学数据中“异物同谱”现象，提高农作物识别精度，对于研究区农作物提取贡献最大的3种SAR纹理特征依次为：均值、方差和相异性。

土壤重金属铅污染作为现代工矿业发展的产物，已逐渐入侵到农业生产和农产品中。高光谱技术由于具有宏观、快速、高效的特点已成为土壤重金属监测的重要手段。以新疆吐鲁番盆地葡萄园土壤Pb元素为研究对象，分析土壤原始光谱在内的15种光谱变换下的土壤光谱反射率数据与土壤Pb含量的关系，构建土壤Pb含量偏最小二乘回归（PLSR）模型和地理加权重回归（GWR）模型，对比分析并探讨运用土壤高光谱估算葡萄园土壤Pb含量的可行性。结果表明：土壤原始光谱反射率通过光谱变换能有效增强葡萄园土壤Pb元素的光谱特征及模型估算精度，其中，平方根二阶微分（SRSD）变换的PLSR模型和GWR模型估算能力最优。采用GWR模型比PLSR模型更好的解释葡萄园土壤重金属Pb含量高光谱估算。从模型稳定性和精确性来看，在平方根二阶微分变换中GWR模型R²从PLSR模型的0.262提高至0.866， 平方根误差减少了1.009。采用GWR模型可有效提高估算葡萄园土壤Pb含量的精度，为中国葡萄园基地土壤重金属污染以及土壤环境安全研究提供有益借鉴。

快速、无损、及时地准确估算苹果叶片氮含量是保证苹果产量和质量的基础，利用高光谱技术对苹果叶片氮含量进行遥感反演可为合理施肥提供理论依据。利用2012年和2013年山东省肥城市潮泉镇下寨村不同生育期的苹果叶片氮含量和相应的叶片光谱数据进行分析和建模。首先分析了叶片氮含量与原始光谱、一阶微分及三边光谱指数之间的相关性，筛选出对叶片氮含量敏感的光谱指数；构建了对叶片氮含量敏感的光谱指数NDSI和RSI；最后利用筛选的敏感光谱指数及构建的NDSI和RSI光谱指数，结合灰色关联分析（GRA）-偏最小二乘（PLS）方法及袋外数据重要性（OOB）-随机森林（RF）方法对叶片氮含量进行反演。结果表明：①叶片氮含量与原始光谱、一阶微分光谱之间的敏感波段分别为553、711 、527、708 和559 nm；构建的对叶片氮含量敏感的光谱指数分别为NDSI_{（567，615）}和RSI_{（554，615）}；叶片氮含量对三边光谱指数之间相关性最好的光谱指数是SDy。②建模和验证结果表明用OOB-RF建立的苹果叶片氮含量估算模型具有较好的精度和可靠性，可以用来指导果树变量施肥，为监测氮素营养状况提供一种新的方法。

无人机平台成本低和灵活性高的优点可弥补传统遥感平台的缺陷，为农业遥感近地表数据获取提供有效途径。任何型号无人机搭载传感器进行数据采集时均有一定的观测几何，但无人机观测几何诱发的方向反射差异及其在后续应用中的潜在误差仍需深入分析。利用无人机采集典型扬花期水稻田样方多角度观测，探讨其样方级别的方向反射及可见光植被指数的方向特点。结果表明：红、绿、蓝三波段的方向反射率差异分别可高达30.17%、22.03%和27.31%，传递到后续可见光植被指数其相对误差可达62.08%，尤其是对归一化绿红差异指数（NGRDI）、可见光波段差异指数（VDVI）影响较大。研究发现，角度影响是基于无人机观测开展定量研究时不可忽视的重要因素。

小麦是我国主要的农作物之一，对于我国的经济发展有着重要意义。遥感技术经过不断发展，已成为提取小麦及长势研究的重要手段。利用高光谱珠海一号OHS-2A卫星、多光谱Sentinel-2A卫星以及MODIS等多源遥感数据，以雄安为研究区，采用支持向量机的方法进行小麦提取，结合野外实测数据利用混淆矩阵进行精度评价分析；分别对比小麦的两个重要生育期返青期和抽穗期，将小麦长势分为3个等级（按长势较好、长势持平、长势较差）进行长势监测比较。研究表明：环境条件相同下，OHS-2A的总体精度为82.08%，Kappa系数为0.76；Sentinel-2A的总体精度为85.57%，Kappa系数为0.81，相比之下Sentinel-2A对于小麦的识别效果最佳。在进行长势监测中，对比小麦各长势情况及长势变化相对幅度，Sentinel-2A数据比MODIS数据对于雄安小麦的长势监测及研究分析更有效。采用多源遥感数据分析雄安小麦识别及长势监测情况，有利于小麦种植管理，这对于推动绿色雄安有着重大意义。

玉米是黑河中游种植面积最大的农作物，生长期需水量大、蒸散量高。准确获取玉米种植面积对该区域农作物种植结构调整、水资源合理规划有重要参考意义。基于2019年4月至9月Sentinel-2多时相影像，采用随机森林算法开展了黑河中游玉米种植面积提取研究。研究方法分为两类—直接提取法和两步提取法。进一步探讨了多时间信息量对玉米种植面积提取精度的影响以及各输入特征参数在玉米面积提取过程中的重要性表现。结果表明：基于Sentinel-2多时相影像，直接提取法和两步提取法均可高精度地提取研究区玉米种植面积，特别是两步提取法，玉米分类总体精度可达85.03%，F1_Score为0.70，Kappa系数为0.83；与单幅影像相比，多时相影像可获取不同作物的物候信息，有效减少作物错分/漏分，提高作物分类精度。该方法对基于高分辨率光学影像结合机器学习方法获取具有高度异质性的作物信息具有重要的参考价值。