共查询到18条相似文献，搜索用时 265 毫秒
1.
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
2.
基于SPOT/VGT NDVI的大区域农作物空间分布 总被引：1，自引：0，他引：1
随着遥感技术在农业上的广泛应用,及时准确掌握小区域农作物长势和分布的方法相对成熟,但对于省级以上的大区域而言,进行作物遥感测量涉及数据、耗费时间和经费等问题,而中国的农业普查制度又存在时效性的问题。以江苏省为研究区,利用SPOT/VGT NDVI长时间序列数据作为农作物分布研究的底图,分别与研究区农业普查数据和野外调查样方数据进行农作物空间分布的统计回归分析和对比,结果表明：对于大区域而言,SPOT/VGT NDVI长时间序列数据对农业作物生长期特征监测有较好地反应,其逐旬的时间分辨率可以弥补空间分辨率的不足,可有效地对农作物长势进行动态监测;农业普查数据、野外调查样方与SPOT/VGT NDVI时间序列分类结果结合进行回归分析,基本可以满足空间分布情况的调查研究,相对于遥感分类法和传统抽样调查等方式,该方法可以高效率低成本地掌握大区域农作物空间分布情况。 相似文献
3.
基于LAI时间序列重构数据的冬小麦物候监测 总被引：5，自引：2，他引：3
农作物物候信息对农作物长势监测和估产具有重要意义。该文以河北省中南部冬小麦为研究对象,以叶面积指数(LAI,leaf area index)为同化量,采用重采样粒子滤波算法同化WOFOST(world food studies)作物生长模型和遥感观测LAI,重构LAI时间序列数据,基于重构数据提取冬小麦返青期、抽穗期和成熟期等关键物候期。重构结果表明,重构的LAI具有良好的时间连续性和空间连续性,可减缓WOFOST作物模型LAI变化剧烈程度,峰值出现时间与遥感LAI曲线基本同步,且可一定程度上解决遥感观测LAI数值整体偏低和数据缺失的问题。物候期监测结果表明,在空间分布上与冬小麦实际生长状况基本相符,时间上也较为合理,但因在返青期存在LAI高初始值、成熟期存在LAI下限不确定性等问题致使在具体日期存在偏差。 相似文献
4.
基于多源遥感数据的草地生物量估算方法 总被引：6，自引：4，他引：2
为了寻求有效的草地生物量估算方法和精确估计荒漠草原草地生物量及其变化规律,该文探讨了利用全极化RADARSAT-2 C波段雷达数据和HJ1B图像及野外调查获得的样方生物量数据,估算荒漠草原人工柠条灌木林地上生物量的方法。在对柠条灌木林地上生物量和雷达后向散射系数及HJ1B图像归一化植被指数(normalized difference vegetation index,NDVI)进行相关分析的基础上,采用多元逐步回归分析从RADARSAT-2数据及HJ1B植被指数NDVI建立了人工柠条林生物量模型,用实测草地生物量值对模型进行验证,同时将光学和雷达图像进行融合和分类处理,在此基础上对草地生物量进行分布制图,并将其结果与HJ1B的NDVI模型生物量估算结果进行对比。结果表明:柠条林地上生物量与RADARSAT-2雷达后向散射系数之间存在较好的定量关系(决定系数R2=0.71,均方根误差(root mean square error,RMSE)=14.2 kg/hm2,P0.001),其估算生物量与实测生物量一致性较好,估算生物量精度优于HJ1B的NDVI指数估算结果(R2=0.27,RMSE=20.58 kg/hm2)。由此可见,利用光学图像HJ1B和雷达数据RADARSAT-2融合分类能进行地物有效识别,雷达遥感数据可以用于草地结构参数的定量研究。利用光学和微波协同遥感进行草地生态系统监测研究具有一定的应用潜力。 相似文献
5.
NDVI时序相似性对冬小麦种植面积总量控制的制图精度影响 总被引：1，自引：1，他引：0
遥感技术获取的区域作物面积与作物面积统计数据间常常存在不一致的问题,这在一定程度上影响了作物分布遥感制图信息的应用。为获得与作物面积统计数据一致的高精度作物分布遥感制图信息,该研究以河北省衡水市武邑县为研究区,以时序Sentinel-2遥感影像生成的归一化差值植被指数(Normalized Difference Vegetation Index, NDVI)为研究数据,将冬小麦面积目视解译数据作为遥感提取的区域冬小麦面积总量参考,提出基于复合型混合演化算法(Shuffled Complex Evolution-University of Arizona, SCE-UA)和区域作物种植面积总量控制的NDVI时序相似性阈值优化冬小麦分布制图方法,并进行精度验证。在此基础上,进一步开展不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取精度对比研究。结果表明,利用全生育期NDVI时序相似性获得的冬小麦分布制图结果总量精度达99.99%以上,总体精度达98.08%,Kappa系数为0.96,可以保证遥感提取的区域冬小麦面积与冬小麦种植面积总量控制参考间的高度一致性且能获得较高的作物遥感识别精度。从不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取结果可知,利用出苗期-分蘖期、返青期-拔节期的NDVI时序可获得高精度冬小麦分布提取结果,而利用抽穗期-成熟期的NDVI时序数据提取冬小麦结果则精度较低,且综合不同生育阶段NDVI时序数据有利于冬小麦制图精度的提高。该研究可为高精度冬小麦分布提取和制图技术及其方案优化提供一定参考依据,也可为遥感数据和作物面积统计数据融合的大范围农作物分布遥感制图及统计数据空间化提供一定技术方法参考和思路借鉴。 相似文献
6.
基于小波变换的华北平原耕地复种指数提取 总被引：5，自引：2，他引：3
该文以中国华北平原为研究区域,提出了基于小波变换的耕地复种指数遥感提取方法。首先,利用小波变换对2007年36景SPOT VGT/NDVI（SPOT VEGETATIONVGT数据归一化植被指数）遥感数据进行去噪处理,重建耕地农作物生长NDVI（归一化植被指数）曲线;然后,结合地面样点数据、农时数据和农业统计数据,采用二次差分法提取了华北平原2007年耕地复种指数和空间分布特征。研究结果表明,华北平原5省市耕地复种空间分布存在明显的地域特性,河南省耕地复种指数最大,达到179.4%,山东省次之,北京市最小。该研究结果与统计数据和其他遥感监测比较结果表明,基于小波变换去噪时序遥感数据提取耕地复种指数的技术方法与统计数据和其他遥感监测结果总体上具有较好的一致性,复种指数空间分布变化趋同。 相似文献
7.
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
8.
基于SPOT/VEGETATION时间序列的冬小麦物候提取方法 总被引：8，自引：5，他引：3
农作物物候信息的获取十分重要。近年来,开展了大量利用时序遥感数据提取植被物候的研究,但这些研究中提出的方法主要应用于森林或草地等植被类型。由于冬小麦的光谱指数时间序列有着独特的特性,利用这些方法不能获取较好的冬小麦物候提取结果。研究提出了一种新的物候提取方法,能够从SPOT/VEGETATION NDVI S10产品时间序列中成功的提取出冬小麦的返青期等详细的物候信息。研究选取一个位于山东省济宁市的典型的冬小麦种植区对该方法进行验证。结果表明,这种方法能够有效的消除遥感数据中的噪音对提取结果造成的影响,可以达到较以往的物候提取方法更满意的拟合效果和更符合实际的物候提取结果。 相似文献
9.
该文是对全国主要产粮县旱地和水田作物的物候期进行遥感监测.在数据预处理中采用最小二乘法和谐函数分解重构方法相结合,去除时序植被指数影像的云噪声影响.基于土地利用数据,通过耕地植被指数加权平均的方法提取区旱地和水田作物生长过程.结合野外观察数据,对一年一熟作物用作物生长过程的最大上升斜率、最大值和最大下降斜率作为作物出苗(返青)期、抽穗期和收获期的遥感识别标志.对一年两熟、多熟县作物物候期依据轮作规律进行了监测.同时进行物候年际间对比和农业灾害监测分析.遥感监测出苗(返青)期和收获期与野外采样照片实测信息有90%的相同率,抽穗期遥感监测与实测信息相同率95%. 相似文献
10.
利用SPOT数据进行干旱监测的应用研究 总被引：1，自引：0，他引：1
植被状态与环境干湿程度密切相关,而归一化植被指数(NDVI)是植被状态的最直接表现.利用NOAA/AVHRR对植被生长环境的干旱监测研究已较成熟,并积累了一些如距平植被指数等快速、便捷的干旱监测方法.利用比利时佛莱芒技术研究所提供的1998-2006年SPOT VGT数据,采用距平植被指数干旱监测方法,对宁夏回族自治区2000年春末夏初遭遇的特大干旱进行监测,并用1998-2005年平均分布于全区的各气象监测点观测数据进行验证.结果表明,利用SPOT VGT数据能够较准确地监测出干旱发生的范围和相应的干旱程度,基于SPOT VGT数据的距平植被指数干旱监测模型可以作为一种快速、便捷的干旱监测方法,在实践部门进行推广应用. 相似文献
11.
基于环境减灾卫星时序归一化植被指数的冬小麦产量估测 总被引：8，自引：5，他引：3
依托国产环境减灾卫星构建作物归一化植被指数(NDVI)时序曲线,不但能提供与MODIS-NDVI、AVHRR-NDVI几乎相当的作物生长动态变化信息,还能提供更高分辨率的空间信息,将其应用于作物估产应更有优势。该研究以地处鲁西北平原的山东省禹城市为研究区,探讨基于环境减灾卫星影像构建冬小麦NDVI时序曲线,基于曲线特征参数,开展遥感估产的可行性。结果表明,可依赖环境减灾卫星遥感影像,重建冬小麦NDVI时序曲线,求算其生长季最大NDVI、返青期NDVI、生长季累积NDVI、营养生长期NDVI的变化速率、生殖生长期NDVI的变化速率等特征参数,建立可靠的估产模型。所建模型的建模决定系数为0.87,相对误差为5.02%;交叉检验决定系数为0.78,相对误差为6.87%。该研究可为基于遥感的作物估产提供参考。 相似文献
12.
利用2000-2012年SPOT VGT NDVI数据,通过差值及相关分析法,对陕西省植被覆盖的时空演变进行研究,并对植被指数（NDVI）与气候因子的关系进行分析。结果表明：（1）2000-2012年,陕西省植被覆盖改善区域明显大于退化区域,植被覆盖增加区域主要分布在陕北风沙过渡区和黄土高原地区,减少区域主要分布在关中平原地区和陕南部分地区。（2）月平均NDVI与月平均降水量和气温呈极显著相关关系（P＜0.01）,相关系数分别为0.875、0.885。（3）2000-2012年,陕西全省NDVI增长速率为0.109·10a-1,说明生态恢复建设取得一定成效。（4）陕西NDVI变化具有明显的季节性,夏季和秋季NDVI增加最快,冬季增长最慢,且NDVI对降水、气温的响应存在时滞性。 相似文献
13.
利用不同时期HJ-1 A/B-CCD影像提取湖北省冬小麦和油菜分布信息.计算冬小麦、油菜不同生长期的NDVI曲线,通过野外调查和测量,获取冬小麦、油菜和其它典型地物的光谱特征.确定CCD影像提取冬小麦和油菜信息的最佳时相及不同地物在CCD影像上的色彩特征.采取最大似然分类法,对CCD影像进行分类,提取冬小麦、油菜分布信息.结果表明,HJ-1 A/B-CCD影像提取精度达95.48％,可以用于提取冬小麦、油菜分布信息;对于湖北省而言,3月中、下旬(冬小麦拔节、油菜开花)是HJ卫星提取冬小麦、油菜信息的最佳时相;在最佳时相内,冬小麦和油菜具有不同的光谱特征和CCD影像色彩特点,且样本分布服从近似正态分布,可以用最大似然方法提取其信息. 相似文献
14.
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
15.
基于多年MODIS-NDVI的黄淮海农区冬小麦生产力评价 总被引：1，自引：1，他引：0
黄淮海农区是中国重要的粮食生产基地,研究该地区不同等级生产力耕地的空间分布,对提高该地区生产力有重要的意义。该文在提取研究区冬小麦种植空间分布的基础上,对10a时间序列冬小麦MODIS-NDVI进行特征参数提取,并将冬小麦主要生长季多年NDVI特征值均值和年际变异系数,作为多年平均产量水平和稳产水平的指示指标,进行黄淮海农区冬小麦种植区耕地生产力评价,得到黄淮海农区冬小麦生产力空间分布图。结果显示:1)多时相MODIS-NDVI数据可以用于研究区冬小麦种植空间分布提取。经县级尺度验证,有较高的提取精度;2)县级尺度的冬小麦单产水平与其辖区内冬小麦生长关键期多个NDVI特征值有显著的相关关系,可以用来评价冬小麦生产力水平;3)研究区冬小麦种植区耕地以中低生产力水平为主,高生产力水平的耕地只占不到20%。高生产力的麦田大多分布在水热条件较好的黄淮平原亚区,中等生产力麦田大多分布在燕山太行山山麓平原亚区和鲁西黄灌区,而低生产力的麦田多分布在冀、鲁、豫低洼平原亚区。低生产力麦田分布集中连片的区域多为春旱易发、土壤粘淤或低洼积盐的地区。呈现出整体气候条件主导,局部土壤条件影响的高中低生产力空间分布特征。研究结果可以为黄淮海农区的耕地质量管理和中低产田改良提供依据。 相似文献
16.
基于TM和MODIS数据的水旱地冬小麦面积提取和长势监测 总被引：22，自引：6，他引：16
采用Mahalanobis Distance分类法提取了冬小麦种植面积,通过搭建决策树结构进行了不同灌溉类型冬小麦种植面积的提取,通过两个年份不同生育时期MODIS-NDVI的比较,分析了NDVI时间曲线与冬小麦长势的响应规律和水旱地冬小麦年同期长势。结果表明：2007年临汾地区冬小麦总种植面积为234778.5 hm2,提取精度为96.96%,其中水地种植面积为107488.3 hm2,提取精度为86.15%,旱地冬小麦为127290.2 hm2,提取精度为86.16%。生育期内,水地冬小麦整体长势好于旱地冬小麦,通过NDVI变化斜率比较,表明随着生育期的推进,水地冬小麦NDVI达到峰值前的上升速度远大于旱地冬小麦,峰值后水地冬小麦NDVI下降速度小于旱地冬小麦。 相似文献
17.
中高分辨率遥感协同反演冬小麦覆盖度 总被引：1，自引：0，他引：1
为了开展高精度、高时空分辨率的植被覆盖度(fraction vegetation cover,FVC)监测,该文以华北地区冬小麦地为研究对象,采用4期高分一号卫星多光谱(GF1-PMS)、多光谱宽幅(GF1-WFV)与环境一号卫星多光谱(HJ1-CCD)3种传感器同期影像数据集,基于像元二分法模型,研究多源中高分辨率遥感影像协同估算FVC方法.以基于高空间分辨率GF1-PMS影像反演的FVC作为检验数据,对单源直接获取法、多源全生育期法、多源分期法3种反演模型进行了分析比较.研究结果表明:HJ1-CCD、GF1-WFV数据与GF1-PMS数据的FVC直接反演结果具有较高的一致性,但在冬小麦的初期生长阶段,受卫星观测角度效应的影响,GF1-WFV与HJ1-CCD的FVC结果偏高,偏差随冬小麦的成熟封垄而逐渐减弱;多源分期法的时空反演得到的FVC精度最高,GF1-WFV的决定系数为0.984,均方根误差为0.030;HJ1-CCD的决定系数为0.978,均方根误差为0.034;而在缺少GF1-PMS匹配数据时,可通过多源全生育期法提高GF1-WFV与HJ1-CCD数据的反演精度,GF1-WFV的决定系数为0.964,均方根误差为0.044;HJ1-CCD的决定系数为0.950,均方根误差为0.052.通过多传感器的联合反演获取时间序列的高精度的FVC数据,可为研究植被生长状况及生态环境动态变化提供数据基础. 相似文献
18.
基于卫星光谱尺度反射率的冬小麦生物量估算 总被引：1，自引：1，他引：0
为探索基于光学卫星遥感数据的冬小麦地上生物量估算方法,本研究通过3年田间试验,获取冬小麦4个关键生育期（拔节期、抽穗期、开花期和灌浆期）和3种施氮水平下的地上生物量以及对应的近地冠层高光谱反射率数据。通过将高光谱数据重采样为具有红边波段的RapidEye、Sentinel-2和WorldView-2卫星波段反射率数据,构建任意两波段归一化植被指数。同时,将卫星波段反射率数据与6种机器学习和深度学习算法相结合,构建冬小麦生物量估算模型。研究结果表明：任意两波段构建的最佳植被指数在冬小麦开花期对生物量的敏感性最强（决定系数R2为0.50～0.56）。在不同施氮水平条件下,高施氮水平增强了植被指数对生物量的敏感性。Sentinel-2波段数据所构建的植被指数优于其他两颗卫星波段数据。对6种机器学习和深度学习算法,总的来说,基于深度神经网络（Deep Neural Networks,DNN）算法所构建的模型要优于其他算法。在单一生育期中,在拔节期（R2为0.69～0.78,归一化均方根误差为26%～31%）和开花期（R2为0.69～0.70,归一化均方根误差为24%～25%）的估算精度最高。Sentinel-2波段数据与DNN算法结合的估算精度最高,在全生育期中预测精度R2为0.70。施氮水平的提高同样增强了DNN模型的估算精度,3颗卫星波段数据在300 kg/hm2施氮条件下的预测精度R2都在0.71以上,均方根误差小于219 g/m2。研究结果揭示了光学卫星遥感数据在不同生育期和施氮条件下估算冬小麦生物量的潜力。 相似文献