共查询到18条相似文献，搜索用时 250 毫秒
1.
棉花产量遥感预测的L-Y模型构建 总被引：5，自引：0，他引：5
本文利用LAI动态与棉花产量的关系建立了叶面积指数—产量（L-Y）模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以小区控制和大田生产试验数据为基础,以农学原理为背景,采用数学推演方法,具简单、灵活、普适性强等特点。检验结果表明,用便携式光谱辐射计测定棉花冠层高光谱反射率,以棉花全生育期LAI动态与棉花产量的关系和近地高光谱遥感参数模型监测的多时相LAI,可很好地定量预测棉花产量,估算误差约为5.44%,RMSE达到116.2 kg·hm-2,预测值与实测值相关系数为0.836,达极显著水平。L-Y模型为棉花卫星遥感估产提供了参考模型,对其他作物使用动态生长信息提高遥感估产水平也有一定的借鉴意义。 相似文献
2.
基于全波段高光谱的冬小麦生长参数估算方法比较 总被引：1，自引：0，他引：1
利用高光谱数据监测作物生长情况具有无损和高效的特点,是现代农业的发展方向。为了简化高光谱数据处理流程,直接利用原始的高光谱反射率完成从建模到估算作物生长参数的全过程,应用于作物长势的实时监测。本文利用偏最小二乘回归（partial least squares regression,PLSR）、支持向量回归（support vector regression,SVR）和前馈神经网络（feedforward neural network,FNN）3种方法,利用全波段高光谱数据分别对冬小麦多个关键生育期（拔节、孕穗、扬花和乳熟期）生长参数（地上部生物量、叶面积指数、全氮含量和叶绿素浓度）进行了估算。比较3种方法的建模及估测效果,发现对于建模集数据,SVR对上述生长参数4个生育期的估测结果R2均值为0.89~0.98,MAPE为1.70%~7.53%,对于验证集数据,R2均值为0.90~0.94,MAPE为4.04%~7.46%,拟合优度和估测精度均超过PLSR和FNN,是估算方法中利用全波段光谱反射率估测冬小麦生长参数的最佳方案。随着无人机载高光谱技术成熟,SVR方法能够用于处理航拍获取的大范围田间高光谱信息,简便快捷地进行建模与参数反演,实时反映作物生长状态。 相似文献
3.
高光谱遥感土壤质量信息监测研究进展 总被引：6，自引：0，他引：6
高光谱遥感具有波段多且光谱连续等特点,在土壤质量信息的监测方面,利用高光谱遥感数据,能够实现对土壤特性的定量分析。总结了利用高光谱遥感技术获取土壤质量信息的方式和特点,以及影响土壤光谱反射特性的主要因素,回顾了国内外基于遥感的土壤质量信息提取的定量研究,并对研究中的问题进行了分析和展望。 相似文献
4.
GF-1和MODIS影像冬小麦长势监测指标NDVI的对比 总被引：3，自引：0，他引：3
作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R 2=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R 2=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R 2=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R 2=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。 相似文献
5.
基于模型和遥感的水稻长势监测研究进展 总被引：11，自引：2，他引：9
水稻生长模型是集气候、土壤、品种和栽培措施等因素为一体的对水稻的物候发育、光合生产、器官建成、同化物积累与分配以及产量与品质形成等生理过程及其与环境和技术因子关系综合量化的动态数学模型,具有机理性和预测性。遥感影像的信息波段及其组合可以反射作物生长的空间信息,可实现对水稻进行长势监测和估产,具有及时性和广域性。将二者结合用于长势监测不但具有理论研究意义,而且还具有重要的应用价值。在简要概述水稻生长模型和长势遥感监测研究进展的基础上,总结了水稻生长模型和长势遥感监测相结合下水稻长势监测应用的研究进展,并提出一些今后研究设想。 相似文献
6.
烟草是中国重要的经济作物之一,准确提取烟草种植面积对农作物种植结构调整、烟田科学管理和监测具有重要意义。笔者基于GEE(Google Earth Engine)云平台,利用2021年2—11月Sentinel-2A多时相数据,根据烟草种植特性排除误差因子,并结合实地采样数据的分布特征归纳植被特征,利用阈值法,以山东省临沂市为例,开展烟田种植地块自动提取的研究。结果表明,采用GEE和随机森林算法组合模式,能够准确获得烟田种植的空间分布信息,总体分类精度为96.04%。本研究方法分类质量较高,可以满足研究需要,为烟田种植管理部门提供准确、快捷、科学的参考。 相似文献
7.
水稻发育期信息对水稻长势监测、田间管理、品质及产量估算等均具有重要意义。为了探索一种高效、实用性强、适合黑龙江省水稻种植特点的水稻发育期识别及监测方法,基于风云三号气象卫星250 m分辨率数据,利用水稻生长发育期的EVI变化特征,对水稻的返青期、分蘖期、抽穗期和成熟期进行识别,并把遥感识别结果与地面观测站资料进行对比,结果表明：水稻关键发育期遥感识别的准确率在80%以上,其中抽穗期的准确率最高,分蘖期的准确率最低,发育期遥感识别的结果与地面观测结果相比,各发育期均有提前和延后的判识点。研究结果可为水稻长势遥感监测提供方法参考。 相似文献
8.
基于HJ-1数据的冬小麦种植面积、长势与收割进度遥感监测 总被引：1，自引：1，他引：0
及时、准确地获取冬小麦种植面积、长势、收割进度等信息对冬小麦产量预报和农田精细管理具有重要意义。本研究采用HJ-1A/B CCD1/CCD2影像,结合S-G滤波算法、波段最大化的光谱角目标探测器、阈值分割等方法进行新乡市冬小麦种植面积、小麦长势和收割进度等遥感监测。结果表明：（1）利用HJ卫星NDVI时间序列数据结合波段最大化的光谱角度目标探测器方法,可以进行冬小麦种植面积提取,各县市冬小麦种植面积提取相对误差在10%以内;（2）单景影像NDVI值阈值分割可以反映冬小麦长势在时空差异;（3）冬小麦达到抽穗期的时间不一致,NDVI值在4月15日和21日附近达到最大值;（4）利用成熟期和收割期不同时间的NDVI影像,可监测各县市冬小麦收割进度的时空差异。各县市冬小麦在6月4日前开始收割与6月15日左右完成收割工作。HJ卫星时间序列遥感数据可以进行冬小麦种植面积、长势、收割进度等遥感监测。 相似文献
9.
为了评估农业气象灾害对沙坨草甸交错带玉米产量的影响,于2013 年灾后在科尔沁左翼后旗进行实地测产,结合遥感估产和生态分类的方法,以遥感图像数据为主,地面测试数据为辅,获取农作物受灾面积,进而对科尔沁左翼后旗玉米进行灾害评估。结果表明,科尔沁左翼后旗农业区各镇玉米地受气象灾害影响程度的大小顺序为：双胜镇＞金宝屯镇＞查日苏镇,其绝产面积分别达到669.87、55.23 和6.77 hm2。玉米产量受损主要受气象灾害影响,除此还与土壤类型、玉米生育期、地形地貌等因素有关。利用玉米长势衰减表现在光谱响应特征差异的特性,估测玉米不同受灾程度的受灾面积成为可能,对于农业上遥感估产具有非常重要的作用。 相似文献
10.
利用MODIS数据的增强型植被指数和陆地表面温度数据,反演得到湖南省逐月的改进型增强植被指数和温度状态指数,并与临近气象台站的综合气象干旱指数进行相关性分析,选取适宜的权重因子建立干旱状态指数(DCI)遥感干旱监测模型,并对其划分了遥感干旱等级。将此模型应用到2013 年6—9 月湖南旱情的监测中,该模型能较好地反映全省旱情的时空演变特征以及旱情的演变情况。该模型一定程度上削弱了云层的影响,在湿润的南方地区的农作物长势监测、作物估产和灾损评估等方面具有重要的应用前景。 相似文献
11.
12.
基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测 总被引：5，自引：2，他引：3
为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。 相似文献
13.
NOAA卫星玉米遥感估产方法的研究 总被引：7，自引：0，他引：7
利用美国国家海洋大气总署卫星空间覆盖度宽，运行周期短，资料获取时次多的特点，通过光面光谱观测寻求玉米遥感估产最佳时相期，经过对ＰＶＩ理论推得出ｆ值，在ＲＶＩ混合象元中提取玉米长势信息，建立了河北省空间玉米遥感估产模式。经过三年的预报结果检验，误差小于５％。 相似文献
14.
【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%；外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。 相似文献
15.
16.
冬小麦生物量及氮积累量的植被指数动态模型研究 总被引：1，自引：0，他引：1
利用遥感技术实时监测小麦生长状况,依据监测结果适时促控,可提高产量。本研究以高产小麦品种周麦27为试验材料,在不同试验地点设置了水氮耦合的大田试验,筛选出了适宜监测冬小麦地上部氮积累量和生物量的植被指数,并构建了不同产量水平下优选植被指数的动态模型。结果表明,(1)不同的水氮耦合模式显著影响小麦冠层光谱变化,在350～700nm和750～900nm表现相反的反应特征;(2)对2个农学生长指标反应敏感且兼容性好的植被指数主要有修正型红边比率(mRER)、土壤调整植被指数[SAVI(825,735)]、红边叶绿素指数(CI_(red-edge))和归一化差异光谱指数(NDSI),其与产量间相关性较好的时期为拔节至灌浆中期;(3)双Logistic模型可以很好地拟合植被指数的动态变化,高产和超高产水平下拟合精度较高(R~20.82),而低产水平下相对较低(R~2=0.608～0.736)。比较而言,CI_(red-edge)和SAVI (825, 735)用于评价小麦长势较为适宜。研究结果对作物因地定产、以苗管理、分类促控具有重要意义。 相似文献
17.
高效率、标准化地采集反映或影响农作物生长的关键信息对通过遥感观测实现作物估产、长势预测等至关重要。通过采集指标筛选、取样点布局、数据采集方法、数据处理等的研究制定关键信息采集规范,以水稻-稻田系统为例,应用农作物-农田环境系统关键信息采集规范指导了实地的数据采集点选择、采集路线分析,完成了地面实测、气象等关键数据的采集,为基于遥感与现场数据结合的水稻估产模型的建立和验证提供了重要的数据支持。最后,还提出了规范在大区域农田环境系统下应用的改进建议。 相似文献
18.
作物类型遥感识别研究进展 总被引：1，自引：0，他引：1
及时获取作物种植面积是研究粮食区域平衡,预测农业综合生产力和人口承载力的基础。遥感技术已经成为提取作物种植面积的重要手段,而前提是识别作物。为了理清当前该领域的国内外研究现状,以遥感在作物类型识别中的应用为主线,归纳了国内外作物类型识别研究中常用的各类遥感数据,如资源遥感影像、气象遥感影像、高分辨率影像、高光谱影像和微波影像等,分析其优缺点和适用性;同时总结了利用遥感进行作物类型识别的3 类研究方法,包括基于光谱的识别方法、基于物候差异的识别方法以及光谱与物候相结合的方法,分析了各种方法的特点;指出目前作物类型遥感识别中存在的主要问题,如影像空间精度与价格的平衡问题,多分辨率遥感数据的综合应用问题,物候差异对作物识别的影响问题等;认为不同分辨率遥感数据的结合可以弥补各自不足,遥感影像的时相选择是提高精度的关键,另外需要应用除光谱和物候以外的更多解译标志;建议进一步深入研究作物识别机理和多尺度数据融合方法。以期为遥感技术在作物类型识别中的深入研究提供参考和借鉴。 相似文献