在全球气候变化背景下,频繁发生的农业气象灾害是影响我国农业生产健康稳定发展的主要因素。具有大面积、实时、动态监测特点的遥感技术已成为农业气象灾害监测的重要手段。冬油菜作为我国的主要油料作物,冻害是影响其生长发育和产量的农业气象灾害之一。利用遥感技术提取油菜受害面积及监测灾害发生程度,对于灾害的评估与及时救助具有重要意义。本文围绕油菜冻害高光谱遥感机理与监测方法这一关键问题,基于实验室油菜盆栽高光谱试验数据、星地同步田间小区观测数据和多源卫星遥感影像数据,对油菜冻害全过程高光谱机理、区域水平油菜冻害监测和冻害相关的生物物理参数反演方法进行了探索研究。为利用遥感技术进行作物冻害监测奠定理论基础。主要研究结果和进展包括以下几个方面:(1)揭示了油菜冻害全过程高光谱变化特征。采用室内盆栽实验,人工模拟油菜冻害全过程,对油菜受冻全过程进行光谱测定,获取油菜受冻前、受冻过程中在过冷却状态、细胞结冰、解冻后不同时期的叶片波谱数据;同步进行叶绿素含量、水分含量、叶片温度、光合参数测定,并于结冰期间取叶片作超薄切片,利用光镜和透射电镜观察细胞的显微和亚显微结构变化,以建立具有相应生理参数的健康与受害油菜典型波谱数据库。通过计算θ指数(光谱角)和D指数(均方根误差)来定量研究油菜叶片冻害过程高光谱变化规律,增加的D值表示反射率幅值减小,而减小的θ值表示光谱反射率形状变得平缓。研究结果表明,与正常状态下的叶片光谱相比,过冷却状态下的光谱反射率变化不大,而结冰1小时状态下的光谱反射率明显减小。最显著地变化是水分吸收波段向长波方向移动。结冰过程中,可见光和近红外光谱区域的反射率逐渐减小,水分吸收波段逐渐向长波方向移动。解冻过程中,叶片光谱反射率的水汽吸收波段逐渐回到与正常状态叶片的水汽吸收相同的波长位置。近红外区域的反射率随着解冻时间逐渐增大,并且水汽吸收特征逐渐变弱,干物质的吸收特征比如木质素、纤维素、淀粉和蛋白质变的更加显著。(2)构建了油菜冻害全过程识别和监测模型。利用室内试验获得的数据,首先采用S-G滤波方法减小噪声对光谱的影响。然后,通过混合效应模型方法找出能够反映油菜受害前后叶绿素含量、水分含量、细胞超微结构变化的敏感波段。在此基础上,基于主成分分析和支持向量机方法对油菜冻害全过程进行识别研究。同时,分别考察了原始光谱、一阶导数、二阶导数和伪吸收系数光谱对冻害全过程不同状态叶片识别精度的影响。研究结果表明,对于结冰过程和解冻过程的叶片,基于二阶导数光谱的支持向量机模型的识别精度最高,总体精度大于95.6%,Kappa系数大于0.91。利用试验获得的高光谱数据和生理生化参数,采用基于植被指数的波段优化算法建立受害前后油菜叶绿素a含量变化(ΔChla)、叶绿素b含量变化(AChlb)、类胡萝卜素含量变化(ΔCar)和水分含量变化(ΔEWT)的监测模型,并考察了原始光谱和一阶导数光谱对模型精度的影响。同时,还利用基于主成分回归方法、偏最小二乘回归方法和支持向量机方法的全光谱方法,建立了 AChla、ΔChlb、ΔCar和ΔEWT的监测模型,并考察了不同光谱区域对模型精度的影响。研究结果表明,对于ΔEWT来说,采用最优窄波段比值植被指数(NBRVI)的预测模型精度最高(R2cv =0.85,RMSEcv = 2.4161 mg/cm2)。对于ΔChla、ΔChlb和ACar来说,基于导数光谱的最优窄波段比值植被指数(NBRVI)的预测精度要高于多元统计回归模型,预测精度分别为R2cv = 0.65,RMSEcv = 0.0041 mg/cm2;R2cv = 0.53,RMSEcv = 0.0012 mg/cm2;R2cv = 0.53,RMSEcv = 0.0012 mg/cm2;对 ΔChla、AChlb、ΔCar 估算来说,基于 400-900 nm 范围的多元统计回归模型的预测精度要高于基于全光谱的模型预测精度。研究结果表明,高光谱遥感技术有潜力表征油菜冻害特征,研究结果可以为提出作物冻害遥感监测产品奠定基础。(3)以湖北省荆州市江陵县为研究区,开展了基于多时相遥感数据的冬油菜冻害监测研究。首先利用多时相HJ-1A/BCCD数据,通过分析冬油菜与其它地物(特别是冬小麦)的NDVI时间序列特征,基于决策树方法,得到了冬前油菜的空间分布信息。结果表明,冬前油菜种植面积估算的用户精度范围为80.4%～95.56%,生产者精度范围为82.56%～91.43%,得到的结果较为理想,但完全区分油菜和冬小麦仍然需要进一步探索。然后,基于2013、2014和2015年冬油菜越冬期(12月至翌年3月上旬)湖北省荆州市114、122和121个区域自动气象站的日最低气温数据,采用反距离加权和普通克里金插值方法,对最低气温进行插值处理。结果表明,普通克里金插值精度要优于反距离权重插值的精度,精度分别为:MAE = 0.4391℃,RMSE = 0.6952℃;MAE = 0.4689℃,RMSE = 0.6663℃;MAE = 0.3379℃,RMSE = 0.4394℃。最后,根据油菜种植面积数据和最低气温插值结果,参考油菜低温灾害国家标准,对研究区油菜冻害进行监测。根据油菜冻害国家标准可以得出2013生长季的油菜为轻度冻害,2014和2015生长季的油菜没有发生冻害。(4)基于高空间分辨率卫星数据地块尺度的油菜生物物理参数遥感反演方法研究。基于星地同步观测田间试验数据,采用WorldView-2/3、Pleiades-1A、GeoEye-1和SPOT-6/7卫星影像对油菜冻害生物物理指标-叶面积指数(LAI)和地上生物量(AGB)进行了遥感反演研究。以常用植被指数作为预测变量,采用PROSAIL模型与机器学习算法(kNN和RFR)相结合的混合反演算法估算了油菜LAI。同时,比较了五种曲线拟合算法(线性函数、二次多项式函数、幂函数、指数函数和对数函数)预测LAI的性能,并进行时空动态制图研究。研究结果表明,相比于曲线拟合算法,基于PROSAIL和RFR建立的模型的预测性能最高,使用模拟数据集验证的精度为:R2>0.954,RMSE<0.218,使用地面观测的样本数据验证的精度为:R2 = 0.520,RMSE = 0.923。对于AGB,以常用植被指数和主成分作为预测变量,分别采用五种曲线拟合算法和机器学习算法(kNN和RFR)估算了油菜全生育期的AGB,并进行时空动态制图研究。研究结果表明,相比于曲线拟合和kNN算法,基于EVI、MNLI和PVI三个最优变量的RFR模型估算AGB具有最高的预测精度,最优 R2cv 为 0.698,RMSEcv 为 0.287 kg/m2。