共查询到20条相似文献，搜索用时 0 毫秒
1.
2.
本文叙述了作者在可控样地条件下所做的冬小麦遥感估产试验的结果及其分析。 所谓可控样地,就是冬小麦种在几个封底的长3.25m、宽2.37m、深2.00m的水泥池中,用控制冬小麦的施肥量与灌水量的方法,人为地拉开各块样地的单产值。在整个冬小麦生长期内测定必要的农学参数,如叶面积系数、穗数、平均粒数、千粒重等;同时测定各个生长期冬小麦的光谱值。在找到不同生长阶段的光谱参数与冬小麦3个产量构成因素之间的相关关系的基础上,确立了冬小麦遥感估产的整体地面模型公式,并对冬小麦遥感估产的原理进行了分析与讨论。 相似文献
3.
4.
遥感技术在主要粮食作物估产中的应用 总被引：3，自引：0，他引：3
文章分析了国内外遥感技术在主要粮食作物估产中应用现状,探讨了遥感技术在作物估产领域的研究进展,研究了作物气候产量预报模型、遗传算法结合神经网络模型、基于人机交互的反演模型、基于决策树分类的县域估产模型、单产估测模型、基于SCE_UA算法的CERES_Wheat模型、雷达遥感估产模型等在我国主要农作物估产中的应用;分析表明遥感关键技术及模型选择为农作物估产精度的提高提供了重要的技术支持.最后对作物估产遥感技术发展趋势及农业信息化相关技术做了展望,指出综合遥感与计算机技术开发自动化系统、推进物联网与遥感技术结合等问题,是进一步的研究趋势. 相似文献
5.
遥感技术在大面积天然草地估产和预报中的应用探讨 总被引：26，自引：0，他引：26
利用新疆北疆地区不同草地类型上观测的草地可食产量、环境与遥感资料等,使用３Ｓ技术进行了相关分析和遥感估产及预报,建立了地面光学和线性或非线性遥感估产及产量预报模型,在实际估产和产量预测中加以应用、检验,并给出了生态学解释。 相似文献
6.
7.
利用新疆北疆地区不同草地类型上观测的草地可食产量、环境与遥感资料等,使用3S技术进行了相关分析和遥感估产及预报,建立了地面光学和线性或非线性遥感估产及产量预报模型,在实际估产和产量预测中加以应用、检验,并给出了生态学解释。 相似文献
8.
9.
10.
11.
热红外遥感是一项探测地热资源、植被覆盖、农作物估产等生态环境评价研究的重要技术。本次使用Landsat 7/ETM＋热红外波段（band 6）,基于单通道算法,对长春地区地表温度应用反演,从而为研究该区地热资源、土地覆盖、城市热岛效应及环境评价提供可靠的依据。研究表明,热红外遥感能够有效探测到地表温度异常,而引起其异常的原因有待我们就一步验证和深入研究。 相似文献
12.
13.
农业遥感研究应用进展与展望 总被引：22，自引：0，他引：22
得益于中国自主遥感卫星、无人机遥感和物联网等技术的发展,中国农业遥感研究与应用在过去20年取得了显著进步,中国农业遥感信息获取呈现出天地网一体化的趋势;农业定量遥感在关键参数遥感反演技术方法与应用方面取得进展;作物面积、长势、产量、灾害遥感监测的理论与技术方法取得突破,农业遥感技术应用领域不断拓展。本文从农业遥感信息获取、农业定量遥感、农业灾害遥感、作物遥感识别与制图、作物长势遥感监测与产量预测、农业土地资源遥感等方面对中国农业遥感科研与应用进行了总结综述。 相似文献
14.
农情遥感信息与其他农情信息的对比分析 总被引：11，自引：0，他引：11
农情信息多种多样 ,来源不同 ,分散于各个部门或单位 ,缺乏相互交换与验证 ,综合分析与集成不够 ,特别是遥感信息为经济领域决策服务的渠道不通畅。为更好地应用各种信息 ,必须加强信息综合分析。对耕地面积、作物面积、作物单产、作物长势、粮食产量等几种农情信息中不同来源的信息进行了初步对比分析 ,肯定了遥感监测农情信息在客观性、时空连续性、可对比与可预测、低成本等几个方面的优势 ,同时也分析了遥感信息的不足和局限。认为遥感信息与其他信息不是互相替代的关系 ,而是互相补充、互相验证的关系。只有通过多源农情信息的综合分析和集成 ,才能更全面准确地反映农情。 相似文献
15.
16.
以HJ1卫星数据为实验数据,通过运用遥感处理技术、地理信息技术,完成实验区遥感反演作物长势指标体系研究,并将农情监测数据进行web发布。为高分数据迅速投入使用和生产提供理论基础与实现途径,同时为农作物估产的运行化遥感提供了标准、快速的农情监测方法。 相似文献
17.
Ishfaq Ahmad Umer Saeed Muhammad Fahad Asmat Ullah M. Habib ur Rahman Ashfaq Ahmad Jasmeet Judge 《Journal of the Indian Society of Remote Sensing》2018,46(10):1701-1711
Real time, accurate and reliable estimation of maize yield is valuable to policy makers in decision making. The current study was planned for yield estimation of spring maize using remote sensing and crop modeling. In crop modeling, the CERES-Maize model was calibrated and evaluated with the field experiment data and after calibration and evaluation, this model was used to forecast maize yield. A Field survey of 64 farm was also conducted in Faisalabad to collect data on initial field conditions and crop management data. These data were used to forecast maize yield using crop model at farmers’ field. While in remote sensing, peak season Landsat 8 images were classified for landcover classification using machine learning algorithm. After classification, time series normalized difference vegetation index (NDVI) and land surface temperature (LST) of the surveyed 64 farms were calculated. Principle component analysis were run to correlate the indicators with maize yield. The selected LSTs and NDVIs were used to develop yield forecasting equations using least absolute shrinkage and selection operator (LASSO) regression. Calibrated and evaluated results of CERES-Maize showed the mean absolute % error (MAPE) of 0.35–6.71% for all recorded variables. In remote sensing all machine learning algorithms showed the accuracy greater the 90%, however support vector machine (SVM-radial basis) showed the higher accuracy of 97%, that was used for classification of maize area. The accuracy of area estimated through SVM-radial basis was 91%, when validated with crop reporting service. Yield forecasting results of crop model were precise with RMSE of 255 kg ha?1, while remote sensing showed the RMSE of 397 kg ha?1. Overall strength of relationship between estimated and actual grain yields were good with R2 of 0.94 in both techniques. For regional yield forecasting remote sensing could be used due greater advantages of less input dataset and if focus is to assess specific stress, and interaction of plant genetics to soil and environmental conditions than crop model is very useful tool. 相似文献
18.
Sujay Dutta N K Patel S K. Srivastava 《Journal of the Indian Society of Remote Sensing》2001,29(3):175-182
Pre-harvest crop production forecast has been successfully provided by remote sensing technique. However, the probability to get cloud-free optical remote sensing data during kharif season is poor. Microwave data having the capability to penetrate cloud is used in the absence of cloud free optical remote sensing data. Yield models in broad band frequency range are in development stage. Meteorological yield models are developed and predicted yield is combined with area estimated by remote sensing data to provide rice production forecast. This paper describes the methodology adopted for improving the predictability of rice yield before harvest of the crop in Bihar province by taking into consideration meteorological parameters during its growth cycle upto October. Models developed using fortnightly meteorological data have been found to give reasonably fair indications of expected yield of rice in advance of harvest. The yield predictions have been made based on meteorological data and effective rainfall based on water requirement calculations representing a group of districts under similar agro-climatic zones, which could be further improved by incorporating meteorological data of individual districts within each group. 相似文献
19.
针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。 相似文献
20.
地表生物量对农作物估产、植被长势评估具有很重要的意义。随着遥感技术的发展与应用,遥感为生物量估算提供了一种新的手段。本文以唐山市为例,利用小麦种植区的MODIS遥感影像数据和同期野外调查获得的16组32个生物量数据,对比分析了归一化植被指数(NDVI)、增强型植被指数(EVI)与小麦生物量多个回归方程的相关系数,进而建立了NDVI、EVI与小麦生物量的线性回归模型。结果显示,使用MODIS数据的植被指数能够很好地对研究区地上生物量进行估算,其中使用EVI的三次函数模型拟合精度最高,并且对每组数据进行平均处理会使模型精度进一步提高。 相似文献