排序方式： 共有15条查询结果，搜索用时 213 毫秒
1.
为发展适宜中国区域农业种植特点的农业气象模式,基于国外作物生长模拟方法,通过模式机理过程改进或重构以及应用方式革新,建立了中国农业气象模式（Chinese AgroMeteorological Model version 1.0,CAMM1.0）。CAMM1.0利用平均温度和土壤水分改进了作物发育进程模式,利用土壤水分改进了作物叶片光合作用、干物质分配和叶面积扩展过程模式,通过蒸发比法扩展了作物蒸散过程模式;自主建立了基于发育进程的冬小麦株高、基于遥感信息的作物灌溉、遥感数据同化、作物长势与灾害评价等模式。基于互联网技术构造了实时运转平台,主要功能包括作物生长过程实时常规模拟与用户个性化定制模拟。CAMM1.0的部分子模式采用多种方法构造,便于多模式集成。CAMM1.0对作物发育进程、光合过程、株高的模拟效果较好,但对土壤水分变化过程的拟合略差,模拟产量略偏低。CAMM1.0评价淮河流域夏玉米年际干旱减弱而涝渍增加的趋势与实际基本相符。 相似文献
2.
蝗虫是常见的害虫之一,对农作物和生态系统具有很大的危害,采用常规的方法对蝗虫进行监测存在一定局限性,为了有效应用海量野外影像数据实现对蝗虫实时监测,本文建立了一种基于深度学习网络的蝗虫自动识别模型。利用手机模拟摄像头获取的内蒙古锡林浩特附近草原的280张蝗虫的RGB图像,采用深度学习算法中的Faster R-CNN（Faster Region-based Convolutional Neural Network）网络结构建立了蝗虫识别模型。经验证该模型的精确度为0.756,可以较准确地将蝗虫从野外复杂环境中识别出来,与以往同类研究相比,在识别结果和实用性方面均有较大的进步。该模型是建立蝗虫实时监测系统的基础,可以为蝗虫的防治提供辅助信息,同时该网络结构还可以应用于其他害虫的识别,具有较强的推广性,拓宽了深度学习算法的应用领域。 相似文献
3.
涝渍害是中国除干旱以外对农作物影响最严重的气象灾害,涝渍害的发生和发展对人民的生命和财产安全以及农作物的生长发育产生巨大的影响。2021年7月至8月间,中国北方多地降水达到历史观测极值,而相应时期地面的涝渍害发生和发展状况及其时空特征并未得到有效研究。因此,本研究首先利用中国大陆土壤水分站点日数据和被动微波遥感卫星SMAP反演土壤水分日产品获取中国高精度表层土壤湿度数据（0—10 cm）;随后,结合田间持水量数据计算土壤表层相对含水量。在此基础上,以连续10 d土壤相对含水量大于等于90%为标准,分析中国大陆2021年7月1日—8月25日的涝渍害时空分布情况。结果表明：（1）融合后的土壤水分产品较原始的SMAP微波土壤水分产品精度具有明显的提高;（2）中国东北地区水稻田种植区的土壤相对含水量大于等于90%的最长持续天数均为56 d,土壤的水分长期处于饱和状态,说明了本文方法能够较为准确的反应出土壤涝渍害的情况;（3）中国东北及华北地区受灾较为严重,其中黑龙江的西部和河北、河南、山东发生的涝渍面积最大。中国大陆耕地部分受涝渍灾害区域占到总耕地面积的1/2左右,重灾区面积为1.940×105 km2;（4）黑龙江的西部及河北、河南、山东等地较往年降水偏多,这与涝渍害受灾区基本吻合。 相似文献
4.
遥感技术在新一轮国土资源大调查中的进展与作用 总被引：6，自引：2，他引：4
随着现代科学技术的飞速发展,遥感技术的应用领域越来越广泛,特别是在国土资源的本底调查、环境评价和科学规划等研究应用中,已成为空间多源信息获取的有力手段,为在国民经济发展中合理开发利用自然资源提供了科学的数据源和信息服务。作者在本文中就近年来遥感技术在遥感数据获取、遥感图像信息提取与分析等方面的进展作了简要阐述,并针对新一轮国土资源大调查的性质和任务,探讨了遥感、地理信息系统在新一轮国土资源大调查中的作用。 相似文献
5.
植被指数是反映地表植被覆盖状况的重要参数,分析气候因子与植被指数间的相互关系有助于揭示气候变化对植被的影响,然而当前研究有两种分析植被指数与气候因子关系的方法,分别为分析植被指数与生长季内和生长季间气候因子的关系,然而这两种法差异如何,何种方法更为合适需要进一步分析。利用2000年—2009年生长季的MODIS的归一化植被指数NDVI(Normalized Difference Vegetation Index)数据集和藏北那曲地区3个气象站逐月气象资料(月平均气温、≥0℃活动积温和月降水量),分析比较了生长季内和生长季间气候因子对植被生长影响的差异,并分析了两种方法的优劣。结果表明:(1)生长季内植被NDVI与同期气温和降水量均呈高度正相关,生长季内时滞时间尺度为1个月时,植被NDVI对月平均气温及降水响应均最为强烈。(2)生长季间NDVI与同期降水量相关性并不明显,气候因子的滞后效应在生长季间也较弱。(3)生长季内和生长季间植被NDVI与气候因子的关系所得出的结论有一定差异性,可能是因为两方面的原因:生长季内植被NDVI与水热因子的高相关性与中国季风季候造成的高温多雨出现在夏季有关,而生长季内高水热条件与高植被指数对应的多年重复必然造伪的高相关系数,但这种相关性不一定能真实反映植被与水热条件的关系,而生长季间水热等气候因子与植被指数年际变化相关性分析不存在水热与高植被指数同期问题,更能真实反映气候因子年际变化对植被的影响。 相似文献
6.
7.
受蚜虫危害与干旱胁迫的冬小麦高光谱判别 总被引：2，自引：0，他引：2
从高光谱遥感角度判别冬小麦旱害和蚜虫危害,可进一步提高遥感监测灾害的准确性.在麦长管蚜的自然危害下,通过控制其生育期水分条件形成的不同程度的干旱胁迫,监测了灌浆末期冬小麦冠层反射率对蚜虫危害和干旱胁迫的反应;并经一阶微分数据变换,筛选出识别蚜虫虫害和干旱胁迫响应最敏感的光谱波段.实验结果表明:受蚜虫危害和干旱胁迫后,灌浆末期冬小麦在近红外波段的光谱特征变化比在可见光波段的显著,可见光和近红外波段是识别蚜虫危害和干旱胁迫最敏感的谱段.经一阶微分数据变换发现,自然降水处理(灌水量相当于需水量的＜40％)下的冬小麦光谱曲线的“红边”斜率最小;受蚜虫危害以及灌水量分别相当于需水量的＞70％,60％～ 70％,50％～ 60％和40％～ 50％水分处理下的“红边”斜率依次变大;受蚜虫危害冬小麦光谱曲线的“红边”位置波长最短(698 nm),其他不同水分处理结果随着干旱胁迫的加重向波长短的方向发生“蓝移”.因此,“红边”参数也可以作为判别冬小麦蚜虫危害和干旱胁迫的重要参数. 相似文献
8.
该文概述了北半球和我国气候变暖中增温的非对称性特征:北半球气候变暖存在明显的季节差异和昼夜不同步性, 大部分地区冬、春季升温高于夏、秋季, 日最低气温升幅是日最高气温升幅的2~3倍; 近50年我国近地表气温升高主要是最低气温明显上升的结果, 日最低气温升幅是日最气高温升幅的2~3倍, 与北半球基本一致; 升温最显著的季节为冬季和春季。在此基础上概述了非对称性增温对农业生态系统的影响, 论述了非对称性增温对农作物物候和农作物产量的影响, 得出最低气温升高促使整个生长季延长, 促使早春作物物候期提前, 但最低气温和最高气温对不同作物的物候以及同一作物的不同发育阶段影响不同。现有研究多采用模型或统计的方法研究气候变暖对作物生长的影响, 认为温度升高对作物有“强迫成熟”效应; 而现有的最低气温升高和最高气温升高对作物生长影响的研究结果并不一致。非对称性增温对农作物影响的实验研究极少, 且缺乏对模型模拟结果的实验验证。 相似文献
9.
2020年初非洲东北和印巴边境沙漠蝗群席卷多个国家,大面积农田及自然植被被啃食,是什么气候条件促成了此次沙漠蝗灾?距离中国最近的印巴边境蝗群成为研究以及社会关注的热点,蝗灾对当地植被的影响如何?其发展趋势如何?从气候学上分析,蝗灾历史上是否曾经或者未来是否向印度东边迁飞而进入中国呢?本研究利用长时间序列的卫星遥感数据和气象气候观测数据,对沙漠蝗群可能扩展趋势进行了分析。研究结果表明:(1)由于沙漠蝗群的啃食,2020年1月和2月,在蝗群分布区大面积植被区的归一化植被指数较常年大幅度下降,2月(2月3日数据)的啃食面积较1月明显扩大;(2)发生在2018年5月和10月两次印度洋飓风和2019年12月强热带风暴等几个罕见气旋给非洲和阿拉伯半岛带来的强降水,是本次非洲-西亚蝗灾的形成重要原因;(3)从影响沙漠蝗群起飞的气温和沙漠蝗虫适合的降水条件来看,历史上或未来沙漠蝗群迁徙到印度东边的机会很少,进入中国的可能性非常小。 相似文献
10.
各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm2）,平均绝对误差(MAE=425.168 kg/hm2)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm2,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。 相似文献