共查询到20条相似文献，搜索用时 31 毫秒
1.
农作物苗情长势是指导农业生产、预测农作物产量的重要参考,利用气象卫星绿度值资料分析统计淮北地区的冬小麦三类苗情比例,首先根据1986～1994年地面苗情观测资料分析了小麦苗情的分布特征,提出4条假设,通过对绿度 值历史资料的统计分析,确定三类苗情的绿度值划分指标,从而可利用气象卫星绿度值资料统计小麦苗情比例及其分布。 相似文献
2.
农作物苗情长势是指导农业生产、预测农作物产量的重要参考，利用气象卫星绿度值资料分析统计淮北地区的冬小麦三类苗情比例，首先根据１９８６￣１９９４年地面苗情观测资料分析了小麦苗情的分布特征，提出４条假设，通过对绿度值历史资料的统计分析，确定三类苗情的绿度值划分指标，从而可利用气象卫星绿度值资料统计小麦苗情比例及其分布。 相似文献
3.
气象卫星遥感监测小麦苗情应用的研究 总被引：3，自引：0，他引：3
１９８６至１９９２年，收集气象卫星遥感资料图片（字符型数字图像）监测小麦苗情（下称卫感图片）和农业部门调查小麦苗情类型（下称农调苗情）同步进行。并介绍剔除卫感图片的误差因素的方法，找出两者关系指标，使卫感图片在今后小麦监测过程中，更充分地发挥作用。 相似文献
4.
5.
基于变化向量分析的冬小麦长势变化监测研究 总被引：9，自引：4，他引：5
现有的农作物长势遥感监测的基本思路是利用NDVI曲线形态变化与作物苗情变化的响应关系,提取特征参数,推测作物的生长发育状况.但由于表征NDVI时间序列曲线的特征参数较多,难以对所有特征参数进行全面变化分析.本研究引进变化向量分析理论,以东部五省冬小麦为研究对象,以1999-2005年SPOT-VGT的旬最大合成NDVI数据为主要数据源,采用Savizky-Golay滤波器重构NDVI时间序列,进而构建基于变化向量分析的长势监测模型,分别对研究区的年际与年内长势变化进行时间和空间上的定量分析.研究表明,变化向量分析方法能有效地从空间域和时间域反映东部五省冬小麦长势变化规律,以单一综合性指标综合了NDVI时间序列曲线的大多数特征参数,为农作物长势遥感监测提供了一种新的研究思路. 相似文献
6.
基于关键发育期的冬小麦长势遥感监测方法 总被引：1，自引：0，他引：1
利用遥感方法识别中国冬小麦关键发育期并基于识别发育期进行长势监测。通过冬小麦主产区271个气象站2005-2010年的农业气象资料和同期MODIS-EVI(增强植被指数)遥感资料,综合分析EVI时间序列与冬小麦返青、抽穗和成熟期的关系,使用最大变化斜率法、窗口转折点法和简单转折点法识别冬小麦关键发育期。然后基于遥感识别抽穗期数据,使用相邻年抽穗期EVI值比较方法对冬小麦2006-2010年长势进行遥感监测。遥感识别冬小麦主要发育期均方根均值为14.61d,平均绝对偏差均值为11.2d;冬小麦遥感长势监测结果显示基于识别抽穗期的遥感长势监测方法监测效果好于传统长势监测方法。 相似文献
7.
8.
北方冬小麦越冬前后生物量消长规律 总被引：1，自引：0，他引：1
华北冬小麦生育期中通常有一个越冬休眠枯萎过程,现有国外作物模型未考虑冬小麦越冬过程生物量损耗及其影响。为了探索冬小麦越冬过程生物量模拟的修订方法,通过大田调查观测和田间处理试验研究了华北冬小麦越冬枯萎的变化规律和冬前苗情长势对冬后生长速率的影响。越冬期冬小麦枯萎大田调查观测涵盖了河北、河南、山东及天津等华北冬小麦主产区15个县;田间处理试验分别在河北固城试验基地和衡水试验站进行,采用分期播种和控制底肥以形成不同冬前苗情长势。结果表明,北方冬小麦越冬期地上部枯萎程度与越冬期气象条件密切相关,在试验年份,调查区域内冬小麦返青前地上生物量枯萎率随越冬期极端最低气温下降而直线增加,极端最低气温解释了地上生物量枯萎率86%的原因;在越冬期小麦叶片部分或完全枯萎情况下,冬小麦冬前长势仍显著影响着冬后生长速率,小麦返青-抽穗期平均生长速率随冬前地上生物量的变化服从抛物线函数关系。因此,根据越冬期气象条件可以反演出返青期地上生物量初始值,同时,利用冬前小麦苗情长势修订冬后生物量的模拟是必要和可行的。 相似文献
9.
10.
对小麦各生育期的日数、某生育期卫星遥感绿度值与正积温的关系进行了定量分析,得出了其间的定量关系,为卫星遥感绿度资料在小麦生产气象服务中的应用提供了新的途径。 相似文献
11.
ASTER卫星遥感影像在冬小麦品质监测方面的初步应用 总被引：7，自引：2，他引：7
该文利用ASTER遥感数据在冬小麦品质监测方面进行了初步的应用。根据2004年搭载ASTER传感器的Terra卫星的过境周期，对北京郊区21个冬小麦试验点进行田间取样试验，通过分析试验点冬小麦叶片生化组分(叶绿素a)与氮素间的关系、冬小麦叶片氮素含量与籽粒品质(蛋白质含量)间的关系、以及冬小麦ASTER影像冠层光谱信息与叶片生化组分和籽粒品质之间的关系，发现：冬小麦灌浆期小麦叶片叶绿素含量与同期ASTER影像的光谱信息－NDVI之间有良好的相关性，而冬小麦籽粒蛋白质含量也与ASTER影像波段2之间有很好的相关性；利用ASTER遥感影像对冬小麦灌浆期叶绿素以及籽粒蛋白质含量进行建模并反演，能够在较大的范围里了解冬小麦的品质信息，并能够在一定程度上对作物的籽粒蛋白质含量等品质进行预测；研究还表明，利用遥感技术来进行小麦籽粒蛋白质等主要品质指标的预测是可行的。研究成果为利用遥感技术监测冬小麦长势和籽粒品质提供了理论依据，开辟了遥感应用的新途径。 相似文献
12.
利用Landsat TM遥感数据监测冬小麦开花期主要长势参数 总被引：9，自引：4，他引：5
为精准农业技术体系中的小麦农艺处方管理决策提供详尽的全局性信息,该文以2007－2009年试验实测数据为基础,以Landsat TM影像为遥感数据源,分析了试验样点开花期冬小麦主要长势参数与品质和产量间以及与卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦开花期SPAD值、生物量、叶面积指数和叶片氮含量的模型。结果表明：冬小麦开花期,选用作物氮反射指数、近红外波段反射率和归一化植被指数这些遥感变量分别反演冬小麦SPAD值、生物量、叶面积指数和叶片氮含量是可行的;SPAD值、生物量、叶面积指数和叶片氮含量遥感监测模型的精度较高,均方根误差分别为3.12、216.5 kg/hm2、0.269和0.162,以此为基础,制作出具有实际农学意义的冬小麦开花期不同等级SPAD值、生物量、叶面积指数和叶片氮含量遥感监测专题图,实现了主要长势参数空间分布量化表达。基于卫星影像的农田面状信息获取技术克服了点状信息的不足,为农业生产管理决策及时提供信息支持,使该研究技术更利于大面积应用和推广。 相似文献
13.
14.
变量施肥条件下冬小麦长势及品质变异遥感监测 总被引：7，自引：6，他引：1
卫星遥感数据能够在作物生长期内获取大范围“面状”地物光谱信息,反映作物的长势变异情况,以2005－2006年度国家精准农业研究示范基地冬小麦变量施肥试验为基础,以高空间分辨率卫星遥感影像Quickbird为数据源,结合地面获取的冬小麦品质、产量等数据,研究冬小麦长势及品质的变异情况。研究结果表明,Quickbird光谱参数能够反映冬小麦不同施肥处理小区的长势变异,而冬小麦早期的空间长势变异与其最终产量、品质变异有着密切的关系;冬小麦孕穗后期长势光谱信息与其产量有着很好的正相关关系,而与其品质信息存在着显著的负相关关系,其中OSAVI与产量的相关性达到0.536、GNDVI与冬小麦籽粒蛋白质及湿面筋含量的相关性分别达到了-0.531和-0.535;研究还发现,不同植被指数所反映的作物长势存在一定差异,反映冬小麦群体长势的植被参数和反映冬小麦叶绿素密度的植被指数在指示作物空间长势变异上有所不同。因此,利用遥感影像监测作物长势及其品质空间变异在技术上是可行的。 相似文献
15.
遥感估测冬小麦种植面积 总被引：1，自引：0，他引：1
估测小麦种植面积是测产的一项重要内容,运用卫星遥感技术测算农作物种植面积是未来面积估算的发展方向.本文通过大样方试验,第一次建立了气象卫星遥感绿度值与绿度信息的两个主要构成因素(麦土比、叶面积系数)的直接经验统计关系. 相似文献
16.
冬小麦叶面积指数高光谱遥感反演方法对比 总被引：26，自引：13，他引：13
冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。 相似文献
17.
冬小麦叶面积指数（LAI, leaf area index）是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数（R2）为0.990、均方根误差（RMSE）为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。 相似文献
18.
高效、快速、准确获取冬小麦长势信息在农业发展和经营决策中具有重要作用。该研究以冬小麦为对象,开展无人机冬小麦长势监测,获取冬小麦生物量、株高、叶绿素含量和植株含水率数据,基于变异系数法（Coefficient of Variation Method,CV）构建综合长势监测指标（Comprehensive Growth Monitoring Indicators,CGMICV）,通过16种植被指数与CGMICV进行相关性分析,计算植被指数间的方差膨胀因子,筛选最优植被指数作为模型输入变量,采用偏最小二乘（Partial Least Squares Regression,PLSR）、随机森林（Random Forest,RF）、反向传播神经网络（Back Propagation Neural Networks,BPNN）及遗传算法（Genetic Algorithm,GA）优化的BPNN模型建立冬小麦长势反演模型,结合评价指标获得冬小麦最优长势反演模型,最终得到研究区冬小麦长势空间分布信息。研究结果表明：以变异系数法得到的冬小麦CGMICV相关性比单一指标的相关性有不同程度的提高;利用变异系数法结合BPNN得到的冬小麦长势最佳反演模型CGMICV-BPNN,其决定系数R2可达0.71,模型精度较传统赋权法提高了26.79%;采用GA优化后的BPNN模型的不稳定显著下降,其平均相对误差中位数下降了22.22%,决定系数R2也有所提高;研究区内半数以上的冬小麦长势集中于第Ⅲ等级,其所占比例为55.83%,其次集中于第Ⅰ等级,其所占比例为36.08%,研究区冬小麦整体长势较为稳定。研究结果可为冬小麦长势监测及区域作物生产监测提供重要参考。 相似文献
19.
采用SPOT VGT S10产品数据,通过S G滤波处理,重构NDVI时间序列,分析陕西关中地区冬小麦返青期和抽穗期在遥感影像上NDVI时序曲线变化特征,对冬小麦的返青期和抽穗期进行遥感识别。通过与站点观测的生育期数据比较,遥感识别的均方根误差大部分在±20d之内,返青期均方根误差（RMSE）为14.29d,抽穗期RMSE为9.16d,表明基于SPOT VGT数据对关中地区冬小麦返青期和抽穗期进行遥感识别是可行的。采用差值模型基于环境减灾小卫星（HJ星）数据进行渭南市2012年冬小麦抽穗期长势监测研究,结果显示大部分地区2012年冬小麦长势稍好于2011年,经与实地调查资料比较,监测结果与实际情况基本一致。采用HJ星数据进行冬小麦长势监测,结果纹理清晰,且以同源数据提取的冬小麦种植面积作为掩膜剔除非麦区域,降低了重采样带来的误差,用其进行长势监测研究具有明显优势。 相似文献
20.
基于小麦田间试验,采用ASD光谱仪连接余弦接收器实测小麦冠层宽波段反照率,并同步取样测试小麦覆盖指数、干物质积累量、含氮量及绿度特征等指标,对小麦冠层宽波段反照率与小麦长势的关系进行分析。结果表明,冠层反照率与叶面积指数(LAI)间呈极显著正相关关系(P0.01),拟合方程的决定系数为0.74,与NDVI、EVI间均呈显著的线性函数关系(P0.05);冠层反照率与地上干物质积累量、叶茎含氮量间也均呈极显著正相关关系(P0.01),拟合方程的决定系数分别为0.71、0.81和0.60。对于小麦叶片绿度特征,冠层反照率与其相关关系采用两段线性拟合效果较好,两个线性函数的决定系数分别为0.53、0.63。研究结果说明小麦冠层反照率与麦田覆盖特征关系密切,利用宽波段反照率监测小麦长势变化特征是可行的。 相似文献