共查询到18条相似文献，搜索用时 515 毫秒
1.
基于CBERS卫星遥感的冬小麦产量估测研究 总被引：3，自引：0，他引：3
对冬小麦产量进行遥感监测预报,有利于农业管理部门及时获取冬小麦区域产量信息,便于其制定有效的栽培管理措施,达到增产的目的。中巴资源卫星（CBERS-02）CCD影像具有较高的空间分辨率和较丰富的光谱信息,对植被及作物长势信息具有较强的探测能力。以江苏省泰兴市为例,进行了基于CBERS-02卫星遥感和小麦估产模型的冬小麦产量监测预报研究。在利用计算机分类结合人机交互式判读解译的基础上,结合GPS样点信息校验,进行冬小麦种植面积提取;利用影像提取的冬小麦NDVI数据,反演叶面积指数、生物量信息等,结合冬小麦估产模型,计算单点产量信息。经过线性转换,对整个区域的冬小麦产量进行分级监测预报,叠加样点的产量信息检验,最终制作了区域的冬小麦产量分级专题图。结果表明,冬小麦种植面积解译精度在90%以上,分级估产精度达到85%以上。中巴资源卫星影像数据基本能满足冬小麦长势监测和产量预报的需要,可以在实际农业生产中推广应用。 相似文献
2.
3.
基于NDVI密度分割的冬小麦种植面积提取 总被引：2，自引：0，他引：2
为解决作物面积遥感监测中常遇的混合像元问题,选用江苏省沭阳县冬小麦扬花期HJ-1A卫星遥感影像,基于不同地物光谱信息的差异性与可分割性,提出基于归一化植被指数(NDVI)密度分割的冬小麦种植面积提取方法。在利用GPS实地取样调查和建立解译标志的基础上,对HJ-1A卫星影像进行了几何与大气校正。利用NDVI灰度影像提取混合像元训练样本的NDVI值和小麦种植面积,计算小麦面积权重,确定混合像元的NDVI阈值。利用NDVI再归一化结果对NDVI灰度影像进行密度分割,依据不同密度分割系数下像元总面积及其所对应的小麦面积权重关系,最终得到沭阳县冬小麦种植面积。结果表明,根据NDVI密度分割法提取冬小麦面积为8.37×104 hm2,面积精度为92.37%,样本精度为93.31%。基于密度分割系数(P0.5)制作沭阳县冬小麦种植分布图,获取了全县冬小麦空间分布特征信息。以上结果说明NDVI密度分割法能较准确地提取研究区内冬小麦种植面积,可有效解决农作物种植面积提取中混合像元问题。 相似文献
4.
基于组件式GIS的冬小麦遥感估产系统的开发研究 总被引：1，自引：0，他引：1
为给政府管理部门和冬小麦生产者提供适用于生产管理与决策支持的空间信息支持,基于组件式GIS的二次开发技术,利用面向对象的可视化编程语言Borland Delphi,设计开发了冬小麦遥感估产计算机软件系统。该系统包括四大子系统模块：数据管理模块、参数运算与模型模拟模块、信息统计与分析模块以及专题图制作与输出模块。通过系统功能和输入遥感图像数据,可实现大范围的冬小麦种植品种区划、面积分布等基本农情信息的简单查询;通过图像计算处理获取植被指数信息,结合样点参数建立长势和产量估算模型,可以进行实时的长势分级监测和产量预报,并且可以输出遥感监测分级专题图等信息产品。该软件系统的开发,是对作物遥感估产方法进行定量化、信息化研究的积极探索。 相似文献
5.
基于生态因子的冬小麦产量遥感估测研究 总被引：3，自引：0，他引：3
为提高冬小麦遥感估产的精确性与适用性,在河南省的孟州市和沁阳市利用GPS定位布设田间试验,利用P-6卫星数据进行了冬小麦遥感估产研究.通过对遥感植被指数和冬小麦长势与产量GPS定位数据的综合分析,基于遥感影像信息获取的瞬时性和准确性,结合小麦灌浆期生态条件对小麦产量形成的影响,利用开花期遥感影像归一化植被指数(NDVI)和灌浆期生态因子(气温、日照、氮素营养、土壤水分)建立了冬小麦产量遥感估测模型,并检验了该模型的可靠性.结果表明,模型预测值与实测值较为一致,利用开花期遥感影像NDVI和灌浆期生态数据估测冬小麦产量的RMSE值为369.27 kg·ha-1,相对误差为6.45%.模型估测性能好,且具有一定的解释性. 相似文献
6.
为探讨利用稀缺或隔年卫星遥感影像估算大地理区域麦稻连作水平的可行性,以江苏省常熟市为例,利用隔年TM卫星遥感影像,提取小麦和水稻种植面积并分析了麦稻连作水平。在解译隔年稻麦卫星遥感影像获取麦稻连作面积信息的基础上,运用马尔可夫链建模方法构建麦稻连作水平评估模型来估算麦稻连作水平,并用GPS 实地取样调查对估算精度进行验证。结果表明,常熟市麦稻连作指数为0.76,即有76%的小麦连作水稻,估算精度在95%以上,与传统的地面调查方法相比较,统计麦稻连作指数或水平更能反映大地理区域麦稻连作的现状。 相似文献
7.
SPOT-5与HJ遥感影像用于冬小麦氮素监测的效果对比 总被引：2，自引：0，他引：2
为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT-5和HJ-1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价.结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT-5影像的最优模型植被指数为GNDVI(绿色归一化植被指数),HJ-1B影像的最优模型植被指数为NDVI(归一化植被指数),SPOT-5影像在监测精度上优于HJ-1B影像,但差别不大.填图结果表明,除地块较破碎地带外,利用HJ-1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT-5影像结果比较一致.说明利用SPOT-5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT-5等遥感影像的监测效果. 相似文献
8.
基于HJ-1A/1B影像的冬小麦开花期主要生长指标遥感定量监测研究 总被引：2，自引：0，他引：2
为建立冬小麦开花期生长状况的遥感监测方法和技术,结合2011-2013年定点观测试验,以环境减灾卫星HJ-1A/1B数据为遥感影像源,着重分析了样本试验区冬小麦开花期主要生长指标间及其与籽粒品质、产量和卫星遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的开花期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,在冬小麦开花期,作物氮反应指数(NRI)、绿色归一化植被指数(GNDVI)可分别作为监测冬小麦叶面积指数和生物量的敏感遥感变量,结构加强色素植被指数(SIPI)和SIPI可作为监测冬小麦SPAD值和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠,模型的决定系数(r2)分别为0.73、0.69、0.62和0.61,均方根误差(RMSE)分别为0.79、1 068kg·hm-2、4.66和0.42%。利用遥感数据绘制的冬小麦开花期主要生长指标遥感监测等级分布空间量化表达图与实际相符。 相似文献
9.
应用遥感技术提取水稻种植信息是农业遥感的重要内容。GF-1卫星WFV数据为农业信息提取提供了新的途径,面向对象的分类方法是遥感解译的重要方法。本研究以扬州市为研究区域,基于GF-1影像WFV数据,采用面向对象的分类方法,提取水稻种植信息,并实地调查验证试验结果,试图探讨GF-1数据面向对象分类方法在水稻种植信息提取中的可行性与影响提取精度的因素。结果表明,应用GF-1数据,采用面向对象的分类方法能够很好地完成扬州市水稻种植信息的提取,2016年扬州市有水稻种植面积214 524 hm~2,总体精度达到98.5%,Kappa系数0.95,面积精度达97.5%;实地考察能够提高提取精度,地形破碎程度越低,提取精度越高。 相似文献
10.
水稻产量的准确估算在农业生产中具有重要意义。本文通过无人机搭载多光谱传感器,获取水稻主要生育期冠层光谱信息,通过提取不同生育期8种植被指数与水稻产量的实测值建立拟合关系,筛选出最优植被指数和最佳的无人机遥感作业时期,建立水稻估产模型。结果表明,水稻生长前期不适合估产,抽穗期至成熟期估产效果好。最佳估产生育期是水稻抽穗期,基于该时期的植被指数NDVI、RVI、DVI、GNDVI、MSAVI2建立的多元线性模型估测效果较好,验证精度佳。因此,利用无人机多光谱数据对水稻产量进行估测是可行的。 相似文献
11.
Estimating Rice Yield by HJ-1A Satellite Images 总被引：1，自引：0，他引：1
As illustrated by the case of Xuyi County, Jinhu County and Hongze County in Jiangsu Province, China, monitoring and forecasting of rice production were carried out by using HJ-1A satellite remote sensing images. The handhold GPS machines were used to measure the geographical position and some other information of these samples such as area shape. The GPS data and the interpretation marks were used to correct HJ-1 image, assist human-computer interactive interpretation, and other operations. The test data had been participated in the whole classification process. The accuracy of interpreted information on rice planting area was more than 90%. By using the leaf area index from the normalized difference vegetation index inversion, the biomass from the ratio vegetation index inversion, and combined with the rice yield estimation model, the rice yield was estimated. Further, the thematic map of rice production classification was made based on the rice yield data. According to the comparison results between measured and fitted values of yields and areas of sampling sites, the accuracy of the yield estimation was more than 85%. The results suggest that HJ-A/B images could basically meet the demand of rice growth monitoring and yield forecasting, and could be widely applied to rice production monitoring. 相似文献
12.
基于穗帽变换的TM影像水稻面积提取 总被引：1，自引：0，他引：1
利用水稻生育前期和后期两个不同时期TM影像分别进行穗帽变换生成亮度、绿度和湿度变量,并将它们合成为多时相影像,充分利用这3个具有物理意义的变量,特别是湿度变量进行水稻种植区影像分类和以水为背景的水稻面积提取,并使用亚米级GPS地面调查的数据进行分类验证。 基于穗帽变换影像的分类方法有效提高了水稻面积提取精度,水稻分类的生产者精度和用户精度分别为84.30％和85.18％,这比原始合成影像数据的分类结果提高了约3个百分点;另外,总精度也由原始合成影像的74.12％提高到经过穗帽变换的78.04％。 相似文献
13.
SPOT 5与HJ遥感影像用于冬小麦氮素监测的效果对比 总被引：2，自引：0，他引：2
为探讨HJ遥感影像对冬小麦氮素监测的适用性,利用同期获取的SPOT5和HJ1B遥感影像,结合同步地面取样测试,从传感器的光谱响应、监测模型精度以及叶片氮含量空间填图3个方面,对冬小麦氮素的遥感影像监测效果进行了分析与评价。结果表明,两类遥感影像的3个波段反射率及植被指数与小麦叶片氮含量均密切相关,其中,SPOT5影像的最优模型植被指数为GNDVI（绿色归一化植被指数）,HJ1B影像的最优模型植被指数为NDVI（归一化植被指数）,SPOT5影像在监测精度上优于HJ1B影像,但差别不大。填图结果表明,除地块较破碎地带外,利用HJ1B影像反演填图所得的小麦叶片氮含量在空间分布上与SPOT5影像结果比较一致。说明利用SPOT5与HJ遥感影像监测小麦氮素营养状况都是可行的,而HJ遥感影像在一定精度要求范围内能够替代SPOT5等遥感影像的监测效果。 相似文献
14.
Satoshi UCHIDA 《水稻科学》2008,15(2):131-136
MODIS (Moderate Resolution Imaging Spectroradiometer) is a key instrument aboard the Terra (EOS AM) and Aqua (EOS PM) satellites.Linear spectral mixture models are applied to MOIDS data for the sub-pixel classification of land covers.Shaoxing county of Zhcjiang Province in China was chosen to be the study site and early rice was selected as the study crop.The derived proportions of land covers from MODIS pixel using linear spectral mixture models were compared with unsupervised classification derived from TM data acquired on the same day,which implies that MODIS data could be used as satellite data source for rice cultivation area estimation,possibly rice growth monitoring and yield forecasting on the regional scale. 相似文献
15.
多光谱与热红外数据融合在冬小麦产量估测中的应用 总被引：1，自引：0，他引：1
为了解多光谱与热红外数据融合对冬小麦产量估测精度的影响,以30个黄淮麦区冬小麦品种为材料,利用三种灌溉处理（处理1、处理2和处理3灌水量分别为240、190和145 mm）下冬小麦拔节期、挑旗期、抽穗期与灌浆期的无人机多光谱和热红外动态数据,构造了多个光谱指数,以支持向量机构建冬小麦产量估测模型,并验证其精度。结果表明,植被指数与籽粒产量的相关性受溉水量影响,处理1下植被指数与籽粒产量均呈正相关,处理2下植被指数除土壤调整植被指数（SAVI）和转化叶绿素吸收反射指数（TCARI）外均与籽粒产量呈正相关,处理3下植被指数与籽粒产量均呈负相关。通过多光谱和热红外数据融合构建的冬小麦产量估测模型的预测精度比仅使用多光谱数据构建的模型提高8%。不同灌溉条件下,通过多光谱与热红外数据融合构建的模型的预测精度存在差异,在处理1、处理2和处理3下拔节期、挑旗期、抽穗期和灌浆期验证决定系数（R）最高值分别为0.63、0.68和0.56,均方根误差（RMSE）最低值分别为0.60、0.24和0.41 t·hm-2,且在三种灌溉条件下灌浆期预测效果均最佳。因此,利用无人机光谱对小麦品种产量估测时应将多光谱与热红外数据融合,用支持向量机（SVM）算法构建产量估测模型,且模型在灌浆期具有较高预测 精度。 相似文献
16.
基于中分辨率成像光谱仪(MODIS)数据的水稻遥感估产研究——以江苏省为例 总被引：2，自引：0，他引：2
选择以水稻为传统优势粮食产业的江苏省作为研究区,采用MODIS09数据作为数据源,根据水稻移栽期稻田土壤湿度较大的特点,利用不同植被指数间的关系,按照一定的算法排除地表干扰像元,提取水稻像元,并在此基础上结合统计资料,分析水稻单产与提取的水稻植被指数之间的关系,并利用水稻植被指数预测全省水稻单产。研究表明,在条件时间序列插值算法(CTIF)处理的基础上提取水稻像元,并基于提取的水稻像元进行遥感估产的方法能取得较好的估算效果。拟合的2004-2006年单产平均精度高于99%,预测的2007年各地级市水稻单产精度在95%左右,全省平均单产相对误差为0·38%,精度较高,具有一定可行性,可利用该方法对不同年份和不同地区进行水稻产量估算。 相似文献
17.
Kei Oyoshi Nobuhiro Tomiyama Toshio Okumura Shinichi Sobue Jun Sato 《Paddy and Water Environment》2016,14(4):463-472
In Asia, rice is a staple cereal crop and the continent accounts for about 90 % of the global rice production and consumption. Statistics on the areas planted with rice or production of paddy rice are fundamental to agriculture-related decisions or policy-making. Asia-Rice Crop Estimation & Monitoring (Asia-RiCE) aims to develop rice-related information, such as paddy field maps, rice growing conditions, yield, and production, using remote sensing tools and disseminate the same at the local and global scales. In this paper, we propose a methodology for the identification of rice-planted areas by using multi-temporal SAR images; a software named INternational Asian Harvest mOnitoring system for Rice (INAHOR) was developed to manipulate the proposed algorithm. The INAHOR uses the imagery observed both at the time of planting of rice and grown-up stages. In this study, two thresholds needed for the INAHOR were optimized based on the detailed land cover data collected through a field survey. Rice-planted areas across the study area in Japan were identified by the INAHOR using the RADARSAT-2 Wide Fine beam mode data. The classification results of RADARSAT-2 VV and VH polarizations were compared. The data with VH polarization showed a higher total accuracy of 83 % with ?20.5 dB and 3.0 dB for the minimum and range thresholds, respectively. The INAHOR is currently being used with the RADARSAT-2, ALOS, and ALOS-2 SAR data in the Southeast Asian countries to assess the robustness of the thresholds and classification accuracies under the framework of Asia-RiCE. 相似文献
18.
ZHOU Longfei MENG Ran YU Xing LIAO Yigui HUANG Zehua Lü Zhengang XU Binyuan YANG Guodong PENG Shaobing XU Le 《水稻科学》2023,30(3):247-260
Pre-harvest yield prediction of ratoon rice is critical for guiding crop interventions in precision agriculture.However,the unique agronomic practice(i.e.,varied stubble height treatment) in rice ratooning could lead to inconsistent rice phenology,which had a significant impact on yield prediction of ratoon rice.Multi-temporal unmanned aerial vehicle(UAV)-based remote sensing can likely monitor ratoon rice productivity and reflect maximum yield potential across growing seasons for improving the ... 相似文献