共查询到17条相似文献，搜索用时 187 毫秒
1.
2.
中国农情遥感速报系统 总被引：49，自引：3，他引：49
介绍了中国农情遥感速报系统的建设情况 ,系统内容包括农作物长势监测、农作物种植面积监测、农作物单产预测与粮食产量估算、作物时空结构监测和粮食供需平衡预警等。简要介绍了 1998年以来中国农情遥感速报系统在监测内容与监测范围、监测频率、技术发展以及质量控制与过程检验体系建立等方面的进展 ,并就中国农情遥感速报系统的发展方向提出了展望。 相似文献
3.
GVG农情采样系统及其应用 总被引：13，自引：8，他引：13
介绍了通过对GPS、VIDEO摄像头、GIS的综合集成 ,用于野外农作物采样的信息快速采集、定位和处理分析系统 ,简称为GVG农情采样系统。系统包括影像采集卡、视频摄像头、GPS接收卡、GPS天线和工控计算机 ,在野外采集时采用汽车为主要工作平台 ,以各级公路为样线进行动态采样。系统工作时实时采集GPS信号 ,捕捉视频影像 ,同时根据GPS位置自动获得GIS属性信息 ,并自动记录在后台数据库。野外工作结束后 ,系统提供的功能允许操作人员对每条记录的照片中各类农作物所占比例进行赋值 ,统计单元内各种作物的分类成数 ,包括采样线、县级、农业区划级和省级单元。GVG系统的自动数据采集方式和GIS支持下的图像分析和统计方法提高了数据的采集和室内数据分析的效率 ,同时保证了采样的精度 ,经过不同地区的精度检验 ,作为“中国农情遥感监测系统”的重要组成部分 ,在全国范围内对大宗农作物分类成数的监测精度达到 95 %以上。 相似文献
4.
全球农情遥感速报系统20年 总被引：2，自引：0，他引：2
面向国家粮食安全的重大战略需求,1998年中国科学院建立了"中国农情遥感速报系统"(CropWatch),持续运行20年后,现已发展成为"全球农情遥感速报系统"(CropWatch)。本文重点论述了2013年建立参与式全球农情遥感监测云平台(CropWatch-Cloud)以来,所采用的农情监测体系、可定制的农情监测云平台理念以及CropWatch-Cloud在国内外的应用推广情况,介绍了技术方法与农情信息服务方式的创新与进步带来的国际影响力的提升。系统总结了全球农情遥感速报系统发展的农情监测指标、农情预警能力、作物长势综合监测方法以及众源数据支持的作物面积监测方法,论文进一步阐述了CropWatch未来的发展方向,借助众源地理信息、大数据技术等的发展,打通从地块—村—镇—县—市—省—国家—全球的体系化全链条监测,满足从农户到政府决策部门对农情信息的差异化需求。 相似文献
5.
中国大陆构造环境监测网络由260个连续全球定位系统观测站点和2 000个不定期全球定位系统观测站点构成,一般采用GAMIT或Bernese高精度数据处理软件进行处理。由于GAMIT及Bernese软件对测站数处理能力的限制,必须对陆态网连续运行基准站进行分区解算。针对这一问题,为研究不同分区方案对陆态网解算精度的影响,该文基于全国55个陆态网络连续运行基准站数据,采用整网解算方案以及间距分区法和区域子网划分法分别进行解算,并以整网解算结果作为标准值,对比两种分区方案与整网解算方案的基线长度差及坐标差。结果表明,间距分区方案解算精度比区域子网划分方案精度高,可实现对陆态网分区的高精度解算。最后利用间距分区法对全国240个陆态网络连续运行基准站进行分区解算,得到了较高精度的解算结果。 相似文献
6.
基础测绘成果资料和用于测绘生产的计算机设备网络等都属于国家秘密,本文从当前测绘产品生产管理的工作实际需求出发,提出对用于基础测绘生产的计算机设备和测绘成果资料进行有效组织和管理的技术方案,设计基于MySQL的测绘综合管理信息系统,包括系统建设背景与目标、数据库平台的选择及系统的整体结构等,并对其3个主要功能模块测绘装备管理、测绘资料管理、测绘项目管理和应用情况进行了介绍。 相似文献
7.
选择山西太谷一个 5km× 5km的实验区 ,利用样条采样框架结合GVG农情采样系统调查农作物分类成数。同时借助QuickBird甚高分辨率遥感影像进行地面作物种植地块勾绘 ,并派出地面调查队伍进行作物填图 ,统计汇总出的农作物分类成数的真实值。然后将两种不同方法得出的分类成数进行对比 ,发现利用样条采样框架和GVG农情采样系统对于大宗粮食作物分类成数的调查相对误差在 3%以内 ,能够满足中国农情遥感速报系统的运行需要。而对于小成数作物的调查精度较低 ,且存在漏采现象 ,不能满足需求 ,同时也由于漏采现象的存在和图片判读的主观性。利用样条采样框架和GVG农情采样系统获取的大宗作物分类成数略大于真实值 ,存在少量的系统误差 ,需要进行地面验证并加以克服。 相似文献
8.
9.
《国土资源遥感》2021,(3)
针对面向汛旱情监测应用中遥感影像处理耗时过长的问题,包括辐射校正、几何纠正、遥感指数计算等过程,对其业务化工作流程进行了分解分析。结合统一计算架构(compute unified device architecture,CUDA)的存储结构和程序设计模型,将数据处理过程划分为数据读取、直方图统计、栅格分割、波段计算、重采样和数据输出等模块,对波段计算及重采样等模块设计了并行处理方案,并通过实验确定了栅格划分的最佳尺度,基于栅格数组图形处理器(graphics processing unit,GPU)映射方法加速了数据传输效率,最终提出了基于CUDA架构CPU-GPU协同的并行处理算法。实验结果表明,辐射校正及遥感指数计算的波段计算模块可节约58.9%的时间;几何纠正效果最为显著,最邻近像元重采样和双线性内插重采样模块的最终加速比分别能够达到9倍和7倍以上。 相似文献
10.
准确及时的农情信息是国家与地方政府保障粮食安全与社会稳定的必要条件。云计算的出现为这一需求的实现提供了契机。本文阐述了农情遥感监测云服务平台建设的重要意义、设计思想、总体架构、组成部分以及建设内容。在此基础上,以农情遥感监测产品信息服务为例,开发了一个农情遥感监测信息在线原型系统。该系统是农情遥感监测云服务平台的重要组成部分,负责多尺度时间序列农情遥感监测结果与信息的管理、存储和维护,并且向用户提供查询与下载服务。农情遥感监测云服务平台建设框架的设计为全面整合专家智慧、IT技术、数据资源、服务方式以及平台的实现提供理论指导与建设依据。该平台的建立,将深刻改变农情遥感应用的模式,推动农情遥感的广泛应用与产业化发展。 相似文献
11.
基于两个独立抽样框架的农作物种植面积遥感估算方法 总被引：34，自引：15，他引：34
通过分析遥感技术在中国农作物种植面积估算中所遇到的难点 ,针对运行化的农作物遥感估产系统对主要农作物种植面积估算的需求 ,提出在农作物种植结构区划的基础上 ,采用整群抽样和样条采样技术相结合的方法 ,进行农作物种植面积估算。整群抽样技术利用遥感影像估算农作物总种植成数 ,样条采样是一种适合中国农作物种植结构特征的采样技术 ,用于调查不同农作物类别在所有播种作物中的分类成数。在中国现有的耕地数据库基础上 ,根据两次抽样获得的成数 ,计算得到具体某一种农作物类别的种植面积。最后给出了 2 0 0 3年早稻种植面积估算的实例。 相似文献
12.
A study was conducted to improve precision of crop acreage adopting stratified random sampling approach. Remotely sensed data
was used to classify mustard crop for the states of Rajasthan, Madhya Pradesh, Uttar Pradesh, Gujarat and Haryana covering
81% of mustard area of India. A grid of size 5 × 5 km was super-imposed on classified image of study area and proportion of
mustard crop within the grid was ascertained. Crop proportion was used to determine strata. Stratification was done based
on equal interval of proportion, equal sample number and cumulative square root of frequency method. Cumulative square root
of frequency method gave highest precision in all the cases. 相似文献
13.
Spatial differences in drought proneness and intensity of drought caused by differences in cropping patterns and crop growing environments within a district indicate the need for agricultural drought assessment at disaggregated level. The objective of this study is to use moderate resolution satellite images for detailed assessment of the agricultural drought situation at different administrative units (blocks) within a district. Monthly time composite NDVI images derived from moderate resolution AWiFS (60 m) and WiFS (180 m) images from Indian Remote Sensing satellites were analysed along with ground data on rainfall and crop sown areas for the kharif seasons (June – November) of 2002 (drought year), 2004 (early season drought) and 2005 (good monsoon year). The impact of the 2002 meteorological drought on crop area in different blocks of the district was assessed. The amplitude of crop condition variability in a severe drought year (2002) and a good year (2005) was used to map the degree of vulnerability of different blocks in the district to agricultural drought. The impact of early season deficit rainfall in 2004 on the agricultural situation and subsequent recovery of the agricultural situation was clearly shown. Agricultural drought assessment at disaggregated level using moderate resolution images is useful for prioritizing the problem areas within a district to undertake, in season drought management plans, such as alternate cropping strategies, as well as for end of the season drought relief management actions. The availability of ground data on rainfall, cropping pattern, crop calendar, irrigation, soil type etc., is very crucial in order to interpret the seasonal NDVI patterns at disaggregated level for drought assessment. The SWIR band of AWiFS sensor is a potential data source for assessing surface drought at the beginning of the season. 相似文献
14.
Stien Heremans Bert Bossyns Herman Eerens Jos Van Orshoven 《International Journal of Applied Earth Observation and Geoinformation》2011
Artificial neural networks (ANNs) are a popular class of techniques for performing soft classifications of satellite images. They have successfully been applied for estimating crop areas through sub-pixel classification of medium to low resolution images. Before a network can be used for classification and estimation, however, it has to be trained. The collection of the reference area fractions needed to train an ANN is often both time-consuming and expensive. This study focuses on strategies for decreasing the efforts needed to collect the necessary reference data, without compromising the accuracy of the resulting area estimates. Two aspects were studied: the spatial sampling scheme (i) and the possibility for reusing trained networks in multiple consecutive seasons (ii). Belgium was chosen as the study area because of the vast amount of reference data available. Time series of monthly NDVI composites for both SPOT-VGT and MODIS were used as the network inputs. The results showed that accurate regional crop area estimation (R2 > 80%) is possible using only 1% of the entire area for network training, provided that the training samples used are representative for the land use variability present in the study area. Limiting the training samples to a specific subset of the population, either geographically or thematically, significantly decreased the accuracy of the estimates. The results also indicate that the use of ANNs trained with data from one season to estimate area fractions in another season is not to be recommended. The interannual variability observed in the endmembers’ spectral signatures underlines the importance of using up-to-date training samples. It can thus be concluded that the representativeness of the training samples, both regarding the spatial and the temporal aspects, is an important issue in crop area estimation using ANNs that should not easily be ignored. 相似文献
15.
Abhishek Pandey Khem B. Thapa R. Prasad K. P. Singh 《Journal of the Indian Society of Remote Sensing》2012,40(4):709-715
Estimation of crop variables is necessary for crop type monitoring as well as crop yield forecast. At the present era artificial neural network methodology are widely used to the remote sensing domain for numerous applications like crop yield forecasting and crop type classification. In the present work, two neural network models namely general regression neural network (GRNN) and radial basis function neural network (RBFNN) are used to estimate crop variables: leaf area index (LAI), biomass (BM), plant height (PH) and soil moisture (SM) by using ground based X-band scatterometer data. The both networks are trained and tested with X-band scatterometer data. The performance of the GRNN and RBFNN networks are found that the radial basis approach is more suitable for crop variable estimation in comparison to the GRNN approach. This work presents the applicability of neural network as an estimator and method employed could be useful to estimate the crop variables of other crops. 相似文献
16.
作物种植成数的遥感监测精度评价 总被引：9，自引：1，他引：9
以河南开封和山西太谷地区作为研究区域 ,选用LandsatTM作为农作物种植面积遥感监测的数据源。利用LandsatTM提取河南开封实验区 2 0 0 1年的夏季作物和山西太谷地区 2 0 0 3年秋季作物的作物种植成数。同时 ,利用IKONOS ,QuickBird高分辨率遥感影像 ,通过地面调查进行了地面作物填图和分类 ,同样得到实验区的农作物种植成数。最后通过两种结果对比 ,表明开封实验区夏季作物的监测精度达到 99%以上 ,太谷实验区秋季作物的监测精度达到 97%以上 ,由此推断 ,表明利用LandsatTM监测农作物种植成数的精度能够满足中国农情遥感监测的运行化要求 相似文献
17.
全国作物种植结构快速调查技术与应用 总被引：2，自引：2，他引：2
现有种植结构的分析都是基于统计数据 ,时效性低及精度差 ,难以及时为各级政府部门提供决策支持。以“中国农情遥感速报系统”使用的GVG农情采样系统和样条采样框架为基础 ,提出了快速获取全国农作物种植结构的技术方法 ,并以 2 0 0 2年为例 ,开展全国夏粮和秋粮种植结构的调查与现状分析。全国夏粮的粮经比例为 5 8%∶2 1% ,秋粮的粮经比例为 79%∶14 % ,粮食作物仍然占有较大的比例。调查表明 ,全国范围的种植结构在时间和空间上变化很大。黑龙江省的大豆种植成数最高 ,达到38% ,是中国的大豆主产区 ;吉林和辽宁两省的春玉米种植成数相差不大 ,高达 71% ;黄淮海地区夏粮以种植冬小麦为主 ,种植成数高达 97% (河北省 ) ,秋粮以夏玉米为主 ,种植成数高达 82 % (河南 ) ;以长江为界 ,冬小麦和油料在长江南北的种植成数变化很大 ,长江以北冬小麦与油料并重 ,以南以油料为主。秋粮则以中晚稻为主 ,种植成数均超过 6 6 % ;华南夏粮和秋粮均以水稻为主 ,其中广东的蔬菜瓜果的种植成数高达 2 9% ;西南地区的秋粮以中稻和夏玉米为主 ,其中云南省的棉麻糖的种植成数高达19% ,说明云南省仍然是中国的烟草大省。经济发达或邻近经济发达地区的省份的蔬菜瓜果的种植成数较大 ,如天津市高达 34%。 相似文献