共查询到19条相似文献，搜索用时 187 毫秒
1.
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
2.
为了进一步提高冬小麦产量估测的精度,基于集合卡尔曼滤波算法和粒子滤波（particle filter, PF）算法,对CERES–Wheat模型模拟的冬小麦主要生育期条件植被温度指数（vegetation temperature condition index,VTCI）、叶面积指数（leaf area index, LAI）和中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer, MODIS）数据反演的VTCI、LAI进行同化,利用主成分分析与Copula函数结合的方法构建单变量和双变量的综合长势监测指标,建立冬小麦单产估测模型,并通过对比分析选择最优模型,对2017—2020年关中平原的冬小麦单产进行估测。结果表明,单点尺度的同化VTCI、同化LAI均能综合反映MODIS观测值和模型模拟值的变化特征,且PF算法具有更好的同化效果;区域尺度下利用PF算法得到的同化VTCI和LAI所构建的双变量估产模型精度最高,与未同化VTCI和LAI构建的估产模型精度相比,研究区各县（区）的冬小麦估测单产与实际单产的均方根误差降低了56.25 kg/hm2,平均相对误差降低了1.51%,表明该模型能有效提高产量估测的精度,应用该模型进行大范围的冬小麦产量估测具有较好的适用性。 相似文献
3.
4.
5.
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
6.
7.
8.
目前国内外学者提出了各种植被指数来进行作物遥感估产的定量研究。这些指数多是基于“土壤线”的存在来进行土壤背景消除的。但它们只消除了土壤背景中的含水量(沿“土壤线”方向)对遥感数据的影响,而没有消除由于不同土壤质地的变化(垂直于“土壤线”方向,如红壤、棕壤等不同的土壤类型)所造成的遥感数据的偏移。本文首次提出了能基本上完全消除土壤背景影响(包括土壤含水量、土壤类型等)的二轴土壤背景纠正的植被指数(TWVI)模型。该指数比目前使用的其它植被指数更适合于作为进行全球监测的植被指数。已成功地应用于华南地区的水稻遥感估产试验。 相似文献
9.
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
10.
本文提出了用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的方法,即绿度指数法和单通道法。绿度指数法是根据冬小麦在特定生育期内绿度值基本上保持为常数的特点,用几块巳知样地的种植面积,推算整体种植面积;单通道法是只使用AVHRR第二通道的反照率来计算冬小麦种植面积。这两种方法的优点在于不需考虑大气削弱的订正处理问题,从而使计算得以简化。 相似文献
11.
12.
13.
非监督分类的冬小麦种植信息提取模型 总被引：1，自引：0，他引：1
为了解决在区域冬小麦种植信息遥感提取过程中监督学习算法存在的需要地面样本数据支持、流程复杂、人为干扰因素多及自动化程度低等问题，本文以非监督分类为核心，结合多尺度技术，提出了一种新的非监督分类冬小麦种植信息提取模型。选取河北省辛集市为典型试验区，以2014年高分一号数据为数据源，对本文提出的模型进行实例验证。试验结果表明：该模型的Kappa系数为0.88，整体精度为94.00%；对于研究区内的冬小麦，在无需训练样本、人为干扰因素少等条件下，该模型具有与监督分类相似的提取精度，能够满足冬小麦种植信息地面遥感监测的需求。 相似文献
14.
本文以北京顺义县为例,以气象因子与垂直植被指数(PVI)作为参数,用灰色模型G(0,2)和逐段订正模型即阶乘模型,建立冬小表遥感信息-气象因子综合模型。计算结果表明,改进后的综合模型其平均精度比单纯的遥感信息模型提高近7％,个别年份达到10％以上。 相似文献
15.
高分二号遥感影像提取冬小麦空间分布 总被引：1，自引：0，他引：1
精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。 相似文献
16.
冬小麦是中国最主要的粮食作物之一,利用遥感技术提取冬小麦种植区是遥感应用研究的一个重要方向。2008年以来发射的系列风云三号(FY-3)卫星均携带着中分辨率光谱成像仪(MERSI),该传感器有5个250 m分辨率的波段,波段范围包括可见光、近红外和热红外,观测数据包含丰富的地表信息,为大范围冬小麦种植区提取提供了新的数据源。首先,选取生长季前期多幅高质量的MERSI数据,采用分层提取的方法,对于不同的层次选用与待提取类别最为敏感的特征波段来构建相应的决策树,从而将每一幅影像中冬小麦种植区提取出来,然后,将多幅数据融合为一幅生长季内的冬小麦种植区图。最后,使用野外实地调查的数据进行精度验证,面积提取精度为90.8%。结果表明,在春季返青后,即可做出当季冬小麦种植分布图,为农情监测提供及时的信息支撑。 相似文献
17.
MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究 总被引：5，自引：1，他引：5
针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率MODIS数据与中高分辨率TM样区数据相结合的方法,以支持向量机（SVM）为主要技术手段,通过选取不同比例的TM样本量,对MODIS进行混合像元分解,并对MODIS冬小麦测量结果与TM测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。研究结果表明：当TM样本量大于5%时,相对于TM识别结果而言,MODIS像元精度可以稳定在82%以上;当TM样本量大于40%时,区域精度可以稳定在97%。因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。 相似文献
18.
如何叩开地方决策系统大门,尽快建立航天遥感技术地面应用系统,是目前遥感专家系统最关键的问题之一。本文通过地方冬小麦遥感监测试点工作,引进TQC方法,在半年时间内,初步解决了应用遥感高技术手段对冬小麦进行监测,辅助宏观经济决策全过程中诸项矛盾,实现当年为政府决策系统提供质量合格的信息产品。围绕冬小麦遥感项目上马和解决冬小麦长势、面积、测产问题制定了四个PDCA循环目标,逐步推动遥感技术应用升级。以第一个PDCA为例,运用排列图、因果图及对策计划表等,分析和掌握遥感技术首次上马应用过程中的主要问题,找出影响主要问题的主因素,制定对策,组织实施,检查效果,总结升级,进入下一个PDCA. 相似文献
19.
统计数据总量约束下全局优化阈值的冬小麦分布制图 总被引：6，自引：0，他引：6
大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。 相似文献