近年来颜色指数与激光雷达（LiDAR）点云数据被广泛应用于农业和林业遥感中，但同时带来了异物同谱与数据冗余的问题。以喀斯特高原峡谷区火龙果植株为例，利用无人机可见光影像和影像匹配点云数据，设置方法实验区和精度验证区。通过融合可见光波段差异颜色指数（VDVI）、红绿蓝颜色指数（RGBVI）、归一化绿蓝差异指数（NGBDI）、归一化绿红差异颜色指数（NGRDI）4种颜色指数计算结果和冠层高度模型（CHM）数据，构建融合颜色指数与点云数据空间结构的火龙果单株识别规则进行分割提取，以真实火龙果植株轮廓为参考数据对植株提取精度进行评价，将4种颜色指数融合提取的精度分别与单一因子颜色指数和CHM分割提取精度进行比较分析，得到最优识别提取方案并验证方法的可行性。实验结果表明：融合颜色指数与空间结构的方法提取精度更高，F测度都超91%，匹配面积值与绘制真实值平均值相差约0.1 m²；VDVI指数融合提取结果精度最高，单株面积值最接近真实值，均方根误差（RMSE）达0.28 m²，且面积值数据整体集中不分散；精度验证区F测度达88.12%，RMSE为0.27 ㎡，火龙果植株整体提取效果较好，低矮灌木在一定程度上会影响火龙果植株的识别精度。所提融合影像光谱特征与点云数据空间结构的方法有效增强了植株识别特征，对喀斯特山地火龙果植株识别具有较好适应性，可为喀斯特山地火龙果单株提取提供一定参考。

快速、高效地区分并剔除火龙果地块间的杂草是提高火龙果单株提取精度的关键所在。通过四旋翼无人机平台获取高空间分辨率可见光波段的影像,分析火龙果植株和杂草R、G、B通道的光谱特征,根据其影像像元亮度值(DN值)构建相近颜色差异植被指数(CCVI),通过最大类方差(OTSU)阈值分割、Majority/Minority分析和聚类空洞填补,并与VDVI、EXG、NGRDI等可见光波段指数作对比研究。结果表明:1) 对于杂草覆盖度较高甚至杂草全覆盖火龙果的地块,CCVI提取效果较好,而其余3种指数在杂草与植株共生的地块中分类精度较低;2) 3个研究感兴趣区域(ROI)内样本的提取总体精度为94.60%,Kappa系数为0.9417,测试样本的提取总体精度和Kappa系数分别为94.33%、0.9328,经验证,对于不同区域内生活环境相似的植株的提取精度趋近一致。结果证实: CCVI能从杂草中辨别火龙果植株并提取单株,提取效果较好,该方法可与VDVI、EXG、NGRDI等指数互补应用。

土壤水是全球生态系统的重要组成部分, 定量遥感估测喀斯特石漠化地区土壤含水率, 可为石漠化治理和生态恢复工作提供基础数据和理论支撑.通过Sentinel-1A和Landsat 8影像数据, 运用水云模型提取灌木林地和疏林地的土壤后向散射系数, 并计算旱地与有林地的TVDI.并结合实测数据, 利用拟合分析对不同深度土壤含水率进行建模, 从而对土壤含水率进行反演.结果表明VH极化二次曲线模型和VH极化三次曲线模型分别适用于灌木林地0~5 cm和5~10 cm深度的土壤含水率反演, 其R2和RMSE分别为0.87、0.87和4.57%、4.29%.疏林地0~5 cm和5~10 cm深度土壤含水率反演宜选用VH极化指数回归模型和VH极化下的线性回归模型, 各模型的R2与RMSE分别为0.736、0.72和9.77%、11.28%.三次曲线模型和Logistic回归模型分别适用于旱地和有林地的土壤含水率的反演, 各模型的R2与RMSE在0~5 cm深度分别为0.85、0.69和2.88%、4.02%, 在5~10 cm分别为076、0.23和3.5%、6.37%.

为了弥补金字塔变换算法分解时数据冗余较大、融合结果不理想的缺点, 提出基于金字塔变换算法优化的遥感图像融合新算法。该算法运用金字塔分解构建金字塔序列, 并根据先验知识赋予相应的权重系数, 通过反复迭代重建遥感图像, 再利用班德文克隆选择算法优化选择, 在迭代可承受的范围内, 自适应地修改选择权重系数, 寻求和估计合适的融合参数来优化融合效果, 从而避免金字塔变换算法的经验选择。为了突出本文算法的优点, 实验运用金字塔变换法、遗传算法优化金字塔变换法和粒子群算法优化金字塔变换法进行比较, 从视觉效果和数理统计两个方面分析评价融合质量。实验结果表明, 本文算法更符合人类的视觉感知, 有利于图像的分析和信息的提取。