排序方式： 共有22条查询结果，搜索用时 31 毫秒
1.
关键时相长势—环境和景观特征对河北省县级尺度冬小麦单产估算精度影响分析 总被引：1，自引：0，他引：1
区域尺度上精准、快速的作物单产估算可以有效地为国家粮食安全相关政策的制定提供数据支撑。本文针对县级估产时相和特征类型选择问题,基于遥感、气象和统计等多源数据,通过不同时相和特征要素之间的组合分析来探索其对于县级尺度冬小麦单产估算的影响。特征要素主要考虑作物长势、环境（水分和光温条件）和农田景观3个类型;时相主要考虑由冬小麦生长过程NDVI（Normalized Difference Vegetation Index）曲线特征提取的5个关键时段（P1—P5）。利用不同时相与类型特征的组合与统计单产构建随机森林回归模型,根据精度评价结果分析各组合的优劣。2014年—2017年的数据用来建模,2018年数据用来验证。对于单时相,P2、P3、P4的表现明显好于P1和P5;多时相的准确度明显优于单时相,其中P2、P4的组合效果最佳。对于不同类型的特征要素,作物长势特征参量对估产精度的影响最大,而水分影响和光温条件等环境因子的加入对估产准确性并没有明显提升,农田景观参数的加入能够有效提升估产的准确性。在最优组合的基础上,剔除冗余变量优选出5个重要的指标因子（PROP、NDVI_P2、B2_P2、ED、B1_P4）,并建立单产估算模型获取2018年河北省冬小麦县级尺度单产。结果表明,平均相对误差（MRE）仅为2.85%,决定系数（R 2）为0.83,均方根误差（RMSE）为253.25 kg/ha,归一化均方根误差（NRMSE）为4.09%。研究结果为全国县级冬小麦单产估算提供了新的思路和方法参考。 相似文献
2.
利用GVG线采样技术提取农作物种植面积及其精度分析 总被引：5，自引：0，他引：5
GVG(GIS&Video&GPS)线采样系统提出以线状样区代替以往成数抽样中的点样区与面积样区概念,通过统计线状样区内作物种植面积成数来反映区域总体农作物种植面积成数。通过 GVG实地采样,将其结果与解译遥感影像提取的作物种植面积成数结果进行了对比分析,结果显示采用GVG线采样方式精确度较高,其采样系统具有实用性和推广价值。 相似文献
3.
首先分析了农情采样网络建设所面临的问题 ,确定了中国农情采样网络的采样目的主要是农作物分类成数调查 ,并将全国划分为 9个采样片分别组织采样队伍进行农情采样的方案。从采样片划分及调整、农情采样队伍建设、农情采样内容、采样频次和采样时间 ,以及质量控制等角度讨论了农情采样网络的组织建设工作。从技术培训、督促、野外采样、室内汇总、质量检查和年终总结等方面介绍了中国农情采样网络的实施情况。实践证明 ,文中介绍的农情采样方案效率高 ,成本低 ,仅用 9个专业小组就完成了全国的农情采样工作 ,是一种符合中国国情的农情采样方案 ,有一定的推广价值。 相似文献
4.
玉米和大豆是两种主要的粮食作物,及时准确地监测两者的种植面积对于产量预测和市场价格的制定具有重要的意义。利用遥感技术探究在生长季中后期能有效区分玉米和大豆的指示性特征集,为在不同实验区进行推广应用和提前玉米和大豆种植面积信息发布的时间提供技术支撑。文章以玉米和大豆为研究对象,以黑龙江和安徽省两个典型种植区为实验区,以高分一号影像为数据源,计算多种植被指数特征和两种纹理特征,同时利用特征优选方法评价特征间的相对重要性,并结合随机森林分类算法分析特征个数对精度的影响,得到不同试验区区分两者的最佳特征子集。随后根据不同实验区最佳特征子集的共同点和差异,遴选出对玉米和大豆中后期区分的遥感指示性识别特征集,并设计实验方案验证其有效性和稳定性。实验表明：在玉米和大豆生长中后期存在具有高效辨识两者的遥感特征集,能有效和稳定地增强两者的遥感识别能力;在不同实验区,基于特征优选方法可以选择出区分玉米和大豆的最佳分类特征子集,得到两者最优的识别效果,比仅仅使用原始波段特征的分类精度提升了近10个百分点,总体分类精度能够平均达到97%,Kappa系数0.96,玉米和大豆的单类分类精度平均超过95%;在不同的种植区,利用玉米和大豆的指示性特征集可以得到几乎与优选出的最佳特征子集同样的分类精度和制图效果,且具有稳定性和有效性,较最佳特征集更具推广使用意义。指示性特征集包含6种：植被指数中的比值植被指数（RVI）,差值植被指数（DVI）,转换型植被指数（TVI）,改进型叶绿素吸收比率指数（MCARI）和灰度共生矩阵（GLCM）纹理特征中的二阶矩（the Second Moment）和熵（Entropy）。 相似文献
5.
"全球农情遥感速报系统(CropWatch)"新进展 总被引：5，自引：0，他引：5
目前由中国科学院遥感应用研究所建设和运行的"全球农情遥感速报系统",是世界上开展全球尺度农情遥感业务监测的主要运行系统之一,可以在中国和全球尺度提供作物长势、单产、种植面积、产量和旱情等农情信息.自1998年建设至今,已经发展成为一个独立运行、监测内容全面、技术先进、监测结果可靠,并具有快速响应能力的系统.2004年,<遥感学报>(第8卷第6期)对该系统的主要技术方法进行了系统介绍.2005-2009年,通过对CropWatch的不断完善,提高了系统的独立性和运行效率,并在2008年春季雪灾、汶川地震、2009年冬小麦种植区春季干旱、2010年西南大旱等关键时期发挥了重要作用.详细介绍了2005-2009年间在系统化建设、监测的独立性和系统的应用推广等方面的进展,并对系统在"十二五"期间的发展重点进行了展望. 相似文献
6.
国外农情遥感监测系统现状与启示 总被引：19，自引：1，他引：18
大范围的可靠农情信息对粮食市场及相关政策的制定至关重要,是保障区域及全球粮食安全的重要依据,在全球气候变化、人口增长、土地利用/覆盖变化剧烈的背景下,对这一信息的需求也更加迫切.传统农情信息的获取依赖于庞大的调查队伍和大量的调查工作,信息的获取存在成本高、时效性差和结果受主观影响大的缺点.伴随着近30年遥感技术本身及其在农情信息获取领域能力的提升,一些国家与国际组织建设了各自的农情遥感监测系统,并开展了运行化的监测.对美国、欧盟、FAO、加拿大、巴西、阿根廷、俄罗斯、印度等主要的农情遥感监测系统进展进行了详细的介绍,并通过对这些系统的分析得到一些农情监测系统建设的启示.指出作物种植面积估算、单产预测、长势监测、旱情监测是农情遥感监测中最主要的4个主题.在面积估算方面,各个系统在遥感技术不断发展的同时对地面调查的依赖并没有减少,甚至得到了强化,这与遥感降低地面调查的初衷相违背,导致遥感技术在大范围农情监测中的潜力没有得到充分发挥,在单产预测方面,需要发展独立的遥感预测方法.提升遥感的作用是未来一段时间内农情遥感监测系统建设的主要方向. 相似文献
7.
通过训练样本采样处理改善小宗作物遥感识别精度 总被引：1，自引：0，他引：1
训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。 相似文献
8.
单变量特征选择的苏北地区主要农作物遥感识别 总被引：2，自引：0，他引：2
遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。 相似文献
9.
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
10.
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