湖泊蓝藻水华的精准动态监测, 可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象, 利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据, 通过归一化水体指数(Normalized Difference Water Index, NDWI)实现巢湖水域范围提取, 利用归一化植被指数(Normalized Difference Vegetation Index, NDVI)和浮游藻类指数(Floating Algae Index, FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的, 对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析, 评价Landsat、HJ-1B以及VIIRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明: (1) 相比NDVI指数, FAI指数(Landsat和HJ-1B数据为主, VIIRS数据辅助)能降低薄云对蓝藻水华提取效果的影响, 可提高蓝藻水华爆发区域、程度的识别能力; (2) 气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度, 降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述, 论文引入VIIRS卫星影像研究巢湖蓝藻水华爆发, 利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响, 取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持, 有利于推进卫星遥感技术在安徽省“河长制”和“湖长制”中发挥重要作用。

病害胁迫是造成小麦减产及危及世界粮食安全的主要因素之一。如何准确区分相似病害并科学诊断病害严重度, 成为国内外研究热点。文中针对中国冬小麦种植区常见的两种真菌疾病——白粉病和条锈病, 采用高光谱成像系统获取两种病害侵染的小麦叶片图谱合一数据, 通过主成分分析法对影像数据进行降维、密度分割法对病害面积进行分割后, 得到识别病斑准确率达到97%; 进一步分析侵染白粉病和条锈病的叶片病斑区域的光谱特征差异, 选择第二主成分图像筛选两种病害的敏感波段, 得到识别白粉病的敏感波段为519、643、696、764、795、813 nm, 条锈病的敏感波段为494、630、637、698、755、805 nm。最后对筛选出的敏感波段建立白粉病和条锈病支持向量机(SVM)判别模型并验证, 得到两种病害的区分精度为92%。综上, 利用高光谱图像协同解析可在叶片尺度实现小麦白粉病和条锈病的有效判别, 这为开发病害区分仪器提供了重要的理论基础。