共查询到14条相似文献，搜索用时 203 毫秒
1.
基于SVM的县域冬小麦种植面积遥感提取 总被引：3，自引：0，他引：3
冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有着重要的支撑作用。本研究在对Landsat-8卫星15 m×15 m空间分辨率遥感影像进行预处理的基础上,基于最佳波段指数(OIF),采用支持向量机(SVM)算法中四种核函数进行影像分类,并比较分类精度,选择精度最高的核函数作为SVM最优核函数对盐城市大丰区冬小麦种植面积进行提取,与最大似然法、最小距离法的结果进行对比。结果表明,四种核函数中,Linear核函数分类精度最高,达到98.56%。将Linear核函数作为SVM最优核函数对大丰区冬小麦种植面积进行提取,提取到的种植面积为71 834.4 hm~2,提取精度、分类精度和Kappa系数分别为91.25%、98.56%和0.98。基于SVM的冬小麦面积提取效果明显好于传统监督分类方法,说明使用支持向量机与影像光谱特征进行影像分类能够准确提取县域冬小麦种植面积。 相似文献
2.
为了解无人机图像空间分辨率对倒伏小麦提取精度的影响,选取2019年6月9日冀南地区倒伏小麦农田为研究区,采用最大似然法、人工神经网络、支持向量机和随机森林四种分类方法,以倒伏小麦分类面积和空间一致性为指标,对不同空间分辨率下小麦倒伏的提取精度进行了比较。结果表明,最大似然法存在严重的错分现象,人工神经网络、随机森林和支持向量机的总体分类结果较好,其中人工神经网络对倒伏面积提取的结果最准确;随着像元尺寸的增大,倒伏小麦分类面积相对误差变化趋势缓慢,但像元尺寸大于40 cm时,分类结果与实际倒伏区域的空间一致性迅速降低。综合考虑无人机图像数据量、获取时间和倒伏小麦提取精度,本研究认为20～40 cm是提取冬小麦倒伏面积较为适宜的空间分辨率范围。 相似文献
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.
用投影寻踪降维方法估测冬小麦叶绿素密度 总被引：1，自引：0，他引：1
为综合更多有效信息来提高冬小麦叶绿素密度的估测精度,应用投影寻踪降维方法对条锈病胁迫下冬小麦冠层光谱进行降维,生成一维向量,然后采用支持向量机回归方法对其叶绿素密度进行估测,并与高光谱植被指数估测结果进行了比较。结果表明,以小麦冠层一阶微分光谱与叶绿素密度相关性较高的波段(400~500nm、720~770nm和840~870nm)进行投影寻踪降维得到的最优一维向量为自变量,利用支持向量机回归方法构建的冠层叶绿素密度估测模型的精度最高,决定系数为0.867,均方根误差与相对误差均最小,分别为1.135μg·cm-2和13.6%。说明利用投影寻踪降维技术对条锈病胁迫下冬小麦冠层光谱进行降维处理,可以保留有效信息,提高冬小麦叶绿素密度估测精度。 相似文献
5.
基于面向对象分类的冬小麦种植面积提取 总被引：2，自引：0，他引：2
为探索冬小麦种植面积的多源遥感提取方法,以江苏省中部宝应、高邮和兴化三市为研究区域,对冬小麦拔节期Land/TM和ERS/SAR遥感影像进行数据融合,基于波段最佳指数和地物光谱可分性,选择3-4-5波段进行分类,针对传统的基于像素分类方法结果易受"同物异谱"和"异物同谱"现象影响的问题,采用面向对象分类方法,以影像对象为处理单元,结合地物丰富的空间、纹理信息进行小麦面积提取,并与基于像素分类方法(SVM分类)结果进行了比较。结果表明,面向对象分类精度达到了94.16%,较准确地提取出研究区内冬小麦种植面积,比SVM分类结果具有明显优势。该方法可为南方冬小麦种植面积信息的快速获取提供技术支持。 相似文献
6.
基于RS和GIS的北京冬小麦面积多尺度时空变化研究 总被引：2，自引：0，他引：2
为了解小麦在不同空间尺度上的时空分布特征,基于冬小麦统计和遥感监测数据,利用空间统计分析方法,分别从北京市、区县和乡镇三个尺度,评价了2009-2014年冬小麦面积空间分布变化特征。结果表明：（1）北京市冬小麦面积从2009年的61 971.02 hm下降到2014年的26 814.87 hm,减少了56.73%;冬小麦成片种植的地块数量从11 243块降低到4 914块,减少了56.29%;地块平均面积也从4.76±0.19 hm减少到1.22±0.05 hm,降低了74.29%;（2）通州区、大兴区、房山区和顺义区的冬小麦面积减少量占总减少量的87.43%;每个乡镇的平均冬小麦面积从2009年的1 066.28±153.63 hm降低到2014年的388.21±59.17 hm,且大于1 000 hm和500~1 000 hm的乡镇数分别约减少了2/3和1/2;（3）四个典型乡镇冬小麦面积也均呈极显著减少趋势,地块平均面积降低幅度均在70%以上,并且面积大于5 hm的地块数量占总体的比例减少至不足8%。这说明2009-2014年北京市冬小麦种植面积显著减少,种植区域破碎化趋势严重。 相似文献
7.
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
8.
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
9.
美国国家航空航天局（NASA）成功发射了最新系列的陆地卫星（Landsat-8）,搭载的陆地成像仪（OLI）对波段进行了重新调整,从而避免了大气吸收干扰,能够更好地区分植被和无植被特征,为农业遥感提供了全新的高质量数据。本文选取皖北（阜阳、蚌埠、宿州）为研究区域,以Landsat-8遥感影像为研究数据,经缨帽变换得到遥感影像的主成分信息,并用其分量甄选出不同地物的端元,最后建立线性混合像元模型（LSMM）,并对皖北地区冬小麦进行提取。与历史统计数据对比,冬小麦种植面积的提取精度达到了90%以上,说明利用Landsat-8和LSMM开展大尺度范围的小麦种植面积提取具有明显的优势。 相似文献
10.
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
11.
宽幅带播对大穗型冬小麦冠层特征及产量的影响 总被引：4，自引：0，他引：4
为了解宽幅带播在小麦种植上的应用效果,在大田条件下,以兰考矮早八为材料,研究了宽幅带播种植对大穗型冬小麦冠层特征及产量的影响.结果表明,与常规条播比较,宽幅带播的小麦群体叶面积指数、冠层光截获量和相对湿度较高,而冠层温度较低,穗数显著增加,产量提高0.47％～13.70％.宽幅带播下随着行距增大,叶面积指数、光截获量和湿度降低,而冠层温度升高,穗数和穗粒数减少,千粒重增加,最终产量降低.宽幅带播下15 cm行距可作为大穗型冬小麦品种的适宜行距配置. 相似文献
12.
县域冬小麦生物量动态变化遥感估测研究 总被引：1，自引：0，他引：1
为给生产管理中及时掌握县域冬小麦长势的动态变化提供有效手段,以江苏省沭阳县为研究区,基于冬小麦生物量形成的生理生态过程,重构冬小麦生物量遥感估测模型。选用两景不同时相的HJ星影像数据,利用植被指数反演的LAI数据,对冬小麦生物量模型进行参数修订,并对县域冬小麦拔节期生物量的空间分布进行估测。在此基础上,进一步估测冬小麦抽穗期生物量分布特征及其动态变化特点。结果表明：（1）冬小麦拔节期生物量估测值和观测值范围分别为2 054.3~4 828.3 和1 962.5~4 568.4 kg·hm-2 ,平均值分别为3 148和3 045.5 kg·hm-2 ,RMSE为214.8 kg·hm-2 ,决定系数为0.919 1,表明冬小麦生物量模型模拟精度较好;（2）冬小麦抽穗期生物量较拔节期发生明显变化,其中长势变化快的田块面积为20 108.7hm,占总种植面积的23.4%。春季气候因素的转好以及肥水措施的实施对冬小麦营养与生殖共生阶段的生长起到明显促进作用。说明本研究提出的基于遥感反演信息与生长模型协同的冬小麦生物量估测方法能有效估测县域冬小麦不同生长时期生物量的空间分布及其动态变化。 相似文献
13.
为探讨基于等距拆分和随机森林算法用于皖北小麦始花期气象预报的可行性,利用1980-2019年皖北地区7个农业气象观测站的冬小麦始花期原位观测物候数据和平行观测的气象数据,采用相关系数法,筛选影响始花期早迟的特征变量,采用有序等距离抽样法,拆分出训练集和测试集。基于随机森林算法（RF）,从4月10日到4月15日,每日训练1个预报模型,实现小麦始花期逐日滚动气象预报,并与基于类神经网络（ANN）、线性支撑向量机（LSVM）、多元回归（RG）和支持向量机（SVM）4种算法训练的预报模型进行比较。结果表明,由平均气温、最高气温、日照时数3类气象要素构成的40个关键气象因子与小麦始花期早迟密切相关;训练出的6个始花期逐日气象预报模型中,4月10-14日5个模型入选特征变量均为40个,4月15日模型入选特征变量为39个;6个气象预报模型训练集与测试集的平均正确率分别为93.3%和80.4%,平均均方根误差（RMSE）分别为1.860～1.960和2.510～2.709,平均决定系数分别为0.944和0.841;基于RF算法训练的预报模型3项检验指标均优于ANN、LSVM、RG和SVM算法训练的预报模型;利用RF算法模型在2020年和2021年进行预报,提前7～9 d准确预报出当年始花期。由此可见,采用有序等距离抽样拆分出训练集,再基于RF算法构建的皖北地区小麦花期气象预报模型,能够以较高精度对小麦始花期进行预报。 相似文献
14.
未来气候变化情景下基于APSIM模型的黄土高原冬小麦适宜种植区域模拟 总被引：1，自引：0，他引：1
为探究气候变化对于黄土高原冬小麦适宜种植区域的影响,通过APSIM作物模型与降尺度气象数据集的耦合,模拟了RCP 4.5和RCP 8.5情景下2020-2060、2061-2100年间黄土高原冬小麦的产量及其稳定性,并依据产量及其稳定性分析了黄土高原冬小麦适宜种植范围对于气候变化的响应。结果表明,在RCP 4.5和RCP 8.5情景下,当前黄土高原冬小麦种植范围内产量将显著提高。同时,除RCP 4.5情景的2020-2060年外,其余情景和时间段内黄土高原冬小麦适宜种植范围存在向北扩大趋势,且RCP 8.5情景下种植区域北扩的面积更大。在RCP 4.5情景下,2020-2060年间,小麦适宜种植面积占黄土高原总面积的46.8%,较1981-2010年平均值减少13 095 km~2;2061-2100年间,小麦适宜种植面积占黄土高原总面积的65.2%,较1981-2010年平均值增加101 763 km~2。在RCP 8.5情景下,2020-2060年间,小麦适宜种植面积占黄土高原总面积的56.4%,较1981-2010年平均值增加46 968 km~2;2061-2100年间,小麦适宜种植面积占黄土高原总面积的65.7%,较1981-2010年平均值增加107 671 km~2。 相似文献