排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
土壤水分是影响农业生产活动的重要因素,在旱情监测、农作物估产等方面有重要意义。研究采用水云模型来消除研究区域植被对后向散射的影响。建立植被含水量和归一化水指数的关系提取模型中所需的植被含水量参数。利用AIEM模型结合粗糙度参数Zs建立研究区土壤墒情反演模型,将模型应用于河南省焦作广利灌区,反演结果和实测值相关性达0.7。将水云模型与AIEM模型联合反演土壤墒情,取得了较为满意的结果,该方法具有较高的适用性。 相似文献
2.
基于改进最大值法合成NDVI的夏玉米物候期遥感监测 总被引：6，自引：2，他引：4
利用遥感技术监测农作物物候期,能够及时有效地评估作物生长趋势、提高农情信息化管理水平。本研究利用2016年MODIS 8天合成数据,提出改进的最大值合成法,结合S-G滤波和Logistic函数拟合重构夏玉米生长曲线,最后利用曲率法提取夏玉米的拔节期和成熟期,利用动态阈值法提取夏玉米的出苗期和抽雄期。结果表明:采用本文提取的夏玉米物候期与实测物候期相比,平均误差为2.76 d,其中在抽雄期的绝对误差为1.06 d,运用改进的最大值合成提取作物NDVI时序数据可有效去除连续云雾对植被指数的影响,提高监测作物物候期的准确性,为精准农业提供技术支撑。 相似文献
3.
针对遥感墒情监测存在的时空分辨率矛盾,提出利用高时间分辨率的共享遥感数据,将修正归一化植被指数(NDVI)作为墒情指示因子,实现对大区域冬小麦全生育期墒情准实时、半定量化监测的思想。首先,对冬小麦种植区域进行地域划分,依据冬小麦的物候特征进行生育期阶段划分;其次,利用遥感数据计算各地域、各阶段的NDVI,针对各阶段冬小麦的生长情况,进行NDVI的自适应修正。经实测墒情数据和修正NDVI相关分析表明,修正NDVI可以作为农田墒情的指示因子;最后,将监测年的修正NDVI与前三年平均值做距平差值分析,得到与前三年平均值相比,冬小麦墒情的时空分布规律,结果与实际观测值相符。可以预见:如果有较长的时间序列积累,可以得到监测年与常年相比,麦田的墒情时空分布规律。研究结果表明:提出的方法,可以用于大区域冬小麦全生育期墒情的半定量化准实时监测,而且遥感数据容易获得,基本不需要实测数据,计算方便,成本低廉。对冬小麦农田管理与决策具有重要的参考价值。 相似文献
4.
土壤墒情是影响农作物生长状况重要参数之一,为提高农作物覆盖下地表土壤墒情反演精度,基于Sentinel-1雷达数据和Landsat8光学数据,利用改进的水云模型得到拔节期玉米覆盖下的地表土壤后向散射系数,并采用SAE深度学习的方法建立遥感影像与土壤水分之间的隐式映射,对玉米覆盖下的土壤墒情进行反演。结果表明:通过改进的水云模型去除植被影响后的反演精度有所提高,R~2达到0.657 7,比传统的水云模型提高了0.150 6;RMSE为0.038 7 cm~3/cm~3,误差降低0.002 5 cm~3/cm~3,为利用多源遥感数据反演农田地表土壤水分提供了参考。 相似文献
1