共查询到20条相似文献，搜索用时 500 毫秒
1.
农业遥感研究与应用进展 总被引：29，自引：0，他引：29
农业是遥感技术应用最重要和广泛的领域之一,本文回顾了遥感技术在国内外农业研究与应用中的进展,概括和总结了农田辐射传输机理及作物参量遥感反演、作物遥感分类与识别、农田养分遥感与变量施肥决策、作物产量与品质预测、农情遥感监测与预报、农业遥感监测空间决策支持系统6个主要研究与应用方面。在此基础上,针对农业遥感技术面临的问题与发展趋势,指出了农业遥感技术今后的重点发展方向。 相似文献
2.
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.
农业遥感研究现状与展望 总被引：29，自引：0，他引：29
遥感技术具有覆盖面积大、重访周期短、获取成本相对低等优势,对大面积露天农业生产的调查、评价、监测和管理具有独特的作用。从20世纪70年代出现民用资源卫星后,农业成为遥感技术最先投入应用和收益显著的领域。特别是随着高空间、高光谱和高时间分辨率遥感数据的出现,农业遥感技术在长时间序列作物长势动态监测、农作物种类细分、田间精细农业信息获取等关键技术方面得到了突破。但是农业生产的分散性、时空变异性等特点,对当前农业遥感技术的应用还存在诸多挑战。本文简要回顾了农业遥感发展历程以及其应用的理论基础;再从农作物估产、农业资源调查、农业灾害监测和精准农业管理4个领域阐述了国内外相关研究和应用情况。最后提出农业遥感应加强与地面农业观测网技术的结合,推动新一代低空无人机遥感平台的发展,强化多源传感器融合以及农业过程模型与遥感数据同化的研究。 相似文献
4.
针对精确获取大尺度空间范围内农业大棚的分布情况并进行长时间的序列动态监测存在数据量大、计算效率低、精度不高等问题,利用Google Earth Engine(GEE)云平台能够实现快速存取、实时处理海量卫星数据,基于多时相Landsat影像进行农业大棚时序光谱特征和纹理特征的自动提取,采用随机森林算法实现山东省农业大棚的遥感分类,从而生成了山东省近30年农业大棚的空间分布和时空动态变化图。结果表明,本文分类流程具有较高的分类精度,其平均总体精度达到91.63%,Kappa系数均值为0.8642。经分析,山东省农业大棚从1990年的6.67 km^2增加到2018年的9919.40 km^2,增长速度为354.03 km^2/a。 相似文献
5.
Adel H Elmetwalli 《农业工程》2015,5(1):115-117
无损识别作物属性为了解作物对各种环境影响的反应提供一种快速、准确的方法。作物叶绿素含量是判断作物健康情况和估测作物产量的重要指标。近年来,在局地和大尺度下通过遥感技术测定作物参数已作为地域特性管理的有力工具。在区域尺度上,评估了通过高分辨率卫星图像预测小麦属性的潜力。植被指数NDVI、RVI、GNDVIbr和其他波段比值都来自于Aster影响和相关作物叶绿素含量。通过导出植被指数,证明了利用Aster高分辨率卫星影像映射作物叶绿素含量空间变化的有效性。NDVI和红绿波段比被作为评价小麦叶绿素含量的敏感性指标（R=0.73和R=0.72）。结果表明,在区域范围内利用高空间分辨率卫星影像取得作物叶绿素水平对评估作物状况是一种行之有效的方法。 相似文献
6.
遥感凭借其快速、宏观、无损及客观等特点,在快速获取与解析作物类型、种植面积、产量等信息方面具有独特优势。遥感提取和解译的作物空间分布图、种植面积、产量信息可以服务于农业资源监管、农业信息普查、农业保险、农业投资、精准农业等方面。本文分别就农作物遥感识别与农作物单产遥感估算的研究现状、面临的问题、潜在研究方向进行了总结概述。首先总结了农作物遥感识别特征与分类模型的研究现状,针对遥感识别特征与作物类型缺乏知识关联的核心问题,提出利用深度学习方法协同学习作物生长过程中的“时-空-谱”特征,并构建面向农作物遥感识别的知识图谱,从而解决当前农作物遥感识别在识别精度和识别效率方面的问题。然后,分别从经验统计模型、遥感光合模型、作物生长模型方面对当前作物单产遥感估算进行分析总结,提出随着高空间分辨率、高光谱分辨率、高时间分辨率数据的普及和深度学习技术发展,未来应充分利用作物生长模型机理性强、深度学习对复杂问题建模能力强的特点,使用作物生长模型进行点位尺度模拟以驱动深度学习完成复杂场景下的建模学习,最终实现以机理做约束、以深度学习做空间外推的单产估算模式。 相似文献
7.
GEE环境下融合主被动遥感数据的冬小麦识别技术 总被引：2，自引：0，他引：2
遥感技术已成为大宗作物种植面积提取的有效手段。为避免冬小麦提取中受光学数据缺乏的影响,基于随机森林算法（RF）和Google Earth Engine（GEE）云平台,探索时间序列Sentinel-1合成孔径雷达（SAR）数据后向散射系数对冬小麦提取效果,并融合Sentinel-1、2主被动遥感数据,研究后向散射系数、光谱特征、植被指数特征与纹理特征的不同组合对冬小麦识别精度的改善情况。结果表明：仅融合多时相Sentinel-1 SAR数据时,分类总体精度为85.93%,Kappa系数为0.75,冬小麦识别精度达到95%以上。融合多时相SAR数据与单时相光学数据,在充分利用极化信息和光谱信息进行分类后,分类总体精度为95.78%,Kappa系数为0.92,比多时相SAR分类结果分别提高9.85个百分点和约22.67%,对冬小麦的识别精度提高约2个百分点。通过分析不同特征组合情况下纹理特征对分类的影响,发现纹理特征对冬小麦的识别精度影响程度较小。 相似文献
8.
【目的】探究基于Sentinel-2遥感影像的决策树分类模型提取破碎化地块灌区作物种植结构的适用性。【方法】选取新疆阿拉沟灌区为研究区,以2021年覆盖作物全生育期的Sentinel-2遥感影像为数据源,结合田间调查和Google高清影像目视解译采样,基于主要作物物候信息、NDVI时序特征等分析确定作物识别的关键期阈值,构建决策树模型进行灌区主要作物分类,并对分类结果精度验证。【结果】基于Sentinel-2提取的灌区种植结构分布图地块纹理清晰,能够满足灌区用水管理需要;构建的决策树分类模型可在灌区尺度实现作物分类,方法简便易行,总体精度达到81.56%,Kappa系数为0.716 6。【结论】采用Sentinel-2遥感影像和决策树分类方法识别破碎化地块灌区复杂作物分类是可行的,可为灌区输配水决策和农业用水精细化管理提供基础信息。 相似文献
9.
顺序同化不同时空分辨率LAI的冬小麦估产对比研究 总被引：3，自引：0，他引：3
选择PyWOFOST模型为动态模型,以叶面积指数(LAI)为状态变量,遥感LAI为观测值,采用集合卡尔曼滤波(En KF)同化算法,研发了一种遥感LAI与作物模型同化的区域冬小麦产量估测系统。为消除云的污染,采用Savitzky-Golay(S-G)滤波算法重构时间序列MODIS LAI;通过构建地面观测LAI与3个关键物候期Landsat TM植被指数回归统计模型,获得区域TM LAI;通过融合3个关键物候期的TM LAI与时间序列S-G MODIS LAI,生成尺度转换LAI。对比分析3种不同时空分辨率的遥感LAI的同化精度,研究结果表明,同化尺度转换LAI获得了最高的同化精度,与官方县域统计产量相比,在潜在模式下,决定系数由同化前的0.24提高到0.47,均方根误差由602kg/hm2下降到478 kg/hm2。结果表明,遥感观测与作物模型的尺度调整对提高冬小麦同化模型精度具有重要作用,遥感LAI与作物模型的En KF同化方法是一种有效的区域作物产量估测方法。 相似文献
10.
《灌溉排水学报》2021,40(6)
【目的】分析作物需水量与灌溉需水量时空分布规律,为新疆灌溉用水管理和最严格水资源管理制度的实施提供基础数据和技术支撑。【方法】通过构建多时相归一化植被指数(NDVI)曲线,提取南疆地区作物种植结构;基于GF-1数据构建NDVI多时相序列,采用监督分类方法提取阿克苏河绿洲区作物种植结构,并结合Penman-Monteith公式与GIS空间分析功能,分析绿洲区作物需水量与毛灌溉需水量的时空分布特征。【结果】多时相NDVI序列下,监督分类中最大似然法分类结果最优,总体精度达93.08%,Kappa系数为0.913。监督分类结果显示粮食作物(水稻,玉米,小麦)主要分布在流域上游的乌什县和温宿县;经济作物棉花主要分布在阿克苏市、阿拉尔市及农一师的部分农场;果树主要分布在阿克苏市和阿瓦提县。南疆阿克苏流域作物需水量和灌溉需水量时空分布存在显著性差异,时间上,春夏需水量占全年需水量70%左右;空间上,温宿县附近区域需水量和灌溉需水量明显高于其他地区。同种作物需水量在不同区域存在差别,其中棉花年需水量范围在704.4～808.8 mm之间,不同地区需水量差达100mm左右。【结论】基于GF-1数据的多时相NDVI序列与监督分类结合的方法可以实现大区域作物种植结构的提取。阿克苏流域绿洲区作物需水量和灌溉需水量在空间和时间上均存在明显差异,需水量和灌水量的空间分布图可以为灌溉制度的制定和农业水资源利用的格局优化提供参考。 相似文献
11.
该文简要回顾了国内外学者在卫星遥感方面所做的相关工作,主要介绍的国内外学者研究内容有卫星遥感资料、图像的处理和订正、对地面目标物的识别、农作物产量预报、卫星遥感的发展状况、建立卫星遥感资料库、建立预报模型、降水监测、地温监测、冻土监测、灾害监测、气体监测、卫星云图应用和不同类型卫星遥感技术相互融合使用等内容。该文在简要介绍卫星遥感技术监测原理的基础上,分析了卫星遥感技术在气象为农服务中的应用现状,提出了在气象为农服务的工作中亟需加强卫星遥感技术应用,阐述了要结合农业气象服务产品加强卫星遥感技术在农业气候区划、农作物种植规划、农作物生长期监测管理、病虫害防治、灾害防御、农作物产量预报、防御火灾以及农业气象服务效益评估等方面的应用。强调要强化卫星遥感技术的应用,最大程度地开发和利用卫星遥感数据,使卫星遥感技术在农业生产实践中能够趋利避害和发挥出更大的作用。 相似文献
12.
种植收入保险已成为中国农业保险的一种重要形式,2022年将在13个粮食主产省的所有主产县开展.本文首先回顾了遥感技术在农业保险中的总体应用历程,其次,通过阐述现有种植收入保险的业务模式,展现了目前遥感技术在该模式下的应用场景,并对各种应用场景下的关键技术的应用研究进展进行了评述,包括耕地地块提取、作物分类提取、作物灾情... 相似文献
13.
基于决策树和面向对象的作物分布信息遥感提取 总被引：5，自引：0，他引：5
利用我国2012年4—11月覆盖主要农作物全生育期的23幅中分辨率HJ-1A/1B卫星时序影像,采用决策树和面向对象相结合的分类方法提取黑龙江省双河农场主要农作物分布信息,并与传统决策树分类方法进行对比。通过影像预处理构建时序HJ星影像集,先利用面向对象方法提取道路,为作物提取排除田间道路及附属地物干扰;再结合作物物候历分析不同地物光谱和时序特征,筛选出7个特征指数和14个敏感时相,建立决策树分类模型,提取出玉米和水稻。研究表明,多特征指数辅助作物分类十分有效,尤其是归一化水指数NDWI对水稻提取非常有效;较之传统决策树分类,决策树和面向对象相结合的分类方法能有效剔除田间道路及附属林带沟渠对作物分类的干扰,总体分类精度从89.22%提升至95.18%,该方法可为其他地区利用中分辨率遥感影像低成本高精度提取作物分布信息提供借鉴。 相似文献
14.
基于卷积神经网络的无人机遥感农作物分类 总被引：3，自引：0，他引：3
针对采用长时间序列卫星影像、结合物候特征进行农作物精细分类识别精度较低的问题,将深度学习用于无人机遥感农作物识别,提出一种基于卷积神经网络的农作物精细分类方法,利用卷积神经网络提取高分辨率遥感影像中的农作物特征,通过调整网络参数及样本光谱组合,进一步优化网络结构,得到农作物识别模型。研究结果表明：卷积神经网络能够有效地提取影像中的农作物信息,实现农作物精细分类。除地块边缘因农作物种植稀疏、混杂而产生少许错分现象外,其他区域均得到较好的分类效果。经训练优化后的模型对3种农作物总体分类精度可达97.75%,优于SVM、BP神经网络等分类算法。 相似文献
15.
基于多时相Sentinel-2A的县域农作物分类 总被引：1，自引：0，他引：1
利用遥感技术精准地获取区域农作物种植结构数据,对指导农业生产、制定农业政策具有重要意义。以景泰县为研究区,以多时相Sentinel-2A遥感影像为数据源,计算时序归一化植被指数(Normalized difference vegetation index,NDVI)和红边归一化植被指数(Red edge normalized vegetation index,RENDVI)及其组合特征(NDVI+RENDVI、NDVI-RENDVI和NDVIRENDVI),分析作物特征曲线,并采用随机森林法分别以5种特征参数作为分类特征对研究区农作物进行精细分类。结果表明:根据形态特征,研究区农作物特征值曲线可划分为3种类型:高值型(玉米、水稻、胡麻和马铃薯)、低值型(洋葱、大棚作物和砂田瓜果)和开口型(春小麦、春小麦-秋油葵)。高值型和低值型可在7、8月影像中区分,开口型和前两种类型在5月和9月影像上的特征值有明显差异。3种类型内的作物可以通过不同时相影像区分,高值型的4种作物在9月影像上通过成熟期差异可以区分;低值型的3种作物的特征值差异在全年影像上都可以明显体现;开口型的两种作物利用9月影像可以明显区分。利用NDVI、RENDVI、NDVI+RENDVI、NDVI-RENDVI和NDVIRENDVI 5种特征分类的总体精度分别为82. 14%、78. 16%、81. 17%、75. 64%和86. 20%,Kappa系数分别为0. 78、0. 74、0. 77、0. 71和0. 83,总体精度和Kappa系数由大到小依次为NDVIRENDVI、NDVI、NDVI+RENDVI、RENDVI、NDVI-RENDVI,说明RENDVI辅助NDVI可以有效提高分类精度(精度较仅用NDVI提高4. 06个百分点)。选择合适的时期和分类特征,利用Sentinel-2A特有的红边波段数据及其较高的空间分辨率在县域农作物精细分类上具有较好的精度。 相似文献
16.
物候是植被生理生态过程与环境变化相互作用的体现,时间序列遥感数据的使用有助于揭示水稻物候特征。基于水稻物候特征建立一个可靠的水稻面积监测体系,及时、准确地监测水稻种植面积,对于粮食安全十分重要。本研究以中等分辨率成像光谱仪（Moderate resolution imaging spectroradiometer, MODIS）为数据源,选择增强型植被指数（Enhanced vegetation index, EVI）,重构2019年和2020年EVI时间序列,提取水稻物候信息,并选择季节积分和生长季振幅两个指标,结合2019年单点EVI时间序列和水稻种植面积的统计数据,确定江苏省13个地级市水稻的季节积分和生长季振幅的阈值,并根据得到的阈值,提取2020年江苏省水稻种植面积。利用2020年水稻种植面积的统计数据和美国陆地卫星-8携带的陆地成像仪（Landsat8 operational land image, Landsat8 OLI）影像,对提取结果进行了精度验证。结果表明,水稻提取的总体精度为92.55%,Kappa系数为0.8463,水稻的制图精度为92.90%,用户精度为89.09%,与统计数据的一致性为93.90%,提取精度较高,在技术上具有可行性。该方法为大区域提取农作物种植面积提供了参考。 相似文献
17.
以往的冬小麦分布信息提取研究大多基于单个物候期或单个植被指数,未考虑不同物候期特征及不同物候期之间的联系导致分类精度较低。为提高提取精度,本文基于冬小麦播种期、越冬期、生长期及成熟期选取相应特征指数,提出一种多物候特征指数的冬小麦识别方法,并对2020年焦作市的冬小麦面积进行提取。通过对不同物候期、不同分类方法下的结果进行对比,结果表明：在物候期的选择上,加入越冬期后,随机森林与支持向量机分类的总体精度与Kappa系数呈现不同程度的提升,均方根误差(RMSE)分别减小19.3%和9.8%,提取冬小麦面积的误差百分比分别降低8.64、4.42个百分点。在不同分类方法上,随机森林相较于支持向量机、最小距离,分类的总体精度与Kappa系数更高。相较于支持向量机,随机森林分类的RMSE减小19.6%。相较于单一特征指数,基于随机森林的多物候特征指数分类的总体精度,Kappa系数更高,RMSE为1.84×103 hm2,比单一特征指数减小33.6%,提取冬小麦面积的误差百分比减小7.14个百分点。 相似文献
18.
针对遥感技术只能获取作物的表征信息、对作物内在机理过程变化描述较为困难的问题,引入作物生长模型与遥感数据同化进行作物成熟期预测研究。以叶面积指数(LAI)作为耦合变量,以MODIS LAI(MCD15A3H产品)作为遥感数据源,结合2017—2018年实时气象数据以及气象预报数据,以2018年5月1日为预报时间节点,构建LAI归一化代价函数,采用复合形混合演化算法(Shuffled complex evolution-University of Arizona,SCE-UA)最小化代价函数,优化WOFOST作物模型的输入参数,用优化后的参数重新驱动WOFOST模型逐像元模拟冬小麦生长过程,得到研究区冬小麦成熟期的预测结果,并使用研究区内农业气象站点的观测数据进行验证。结果表明,冬小麦预测开花期、成熟期的均方根误差(RMSE)分别为2. 10、2. 48 d,预测精度较高。该方法能够为农作物的大区域成熟期预测提供重要理论基础。 相似文献
19.
基于MODIS-EVI的内蒙古沿黄平原区作物种植结构分析 总被引：1，自引：0，他引：1
【目的】获取内蒙古沿黄平原区农业资源信息,提高大区域中低分辨率遥感影像上作物种植结构分类的效率和精度。【方法】利用多时相作物分类方法在内蒙古沿黄平原区构建增强型植被指数(EVI)时间序列曲线,依据不同农作物EVI时间序列曲线的差异对6种主要农作物小麦、玉米、葵花、西葫芦、番茄和苜蓿的种植结构进行了分析。【结果】小麦、玉米、葵花、西葫芦、番茄、苜蓿和其他作物的用户精度分别为:79.59%、80%、83.67%、78.18%、75.93%、82.22%、68.75%,制图精度分别为78%、80%、82%、86%、82%、74%、66%,农作物总体分类精度达到78.29%,Kappa系数为0.747。经统计沿黄灌区种植的玉米实地统计面积合计为7912.17 km2,文中提取出的面积为7412.75 km2,相对误差为6.31%。【结论】通过对MODIS-EVI时间序列的分析可以较为准确地识别大尺度测区内的主要作物,该方法能够在大区域中低分辨率影像上实现较好的分类结果。 相似文献