REGIONALIZATION FOR LARGE AREA CROP ESTIMATES BY REMOTE SENSING——A Case Study of Chinese Wheat

Ｔｈｅｃｒｏｐｅｓｔｉｍａｔｅｓｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇ,ｄｅｖｅｌｏｐｉｎｇｑｕｉｃｋｌｙｉｎｒｅｃｅｎｔｄｅｃａｄｅｓ,ｉｓａｕｐｔｏｄａｔｅｔｅｃｈｎｉｑｕｅ．Ｓｏｍｅｓｙｓｔｅｍｓｏｆｃｒｏｐｅｓｔｉｍａｔｅｓｂｙｒｅｍｏｔｅｓｅｎ...     

Regionalization for large area crop estimates by remote sensing

The crop estimates by remote sensing, developing quickly in recent decades, is a up-to-date technique. Regionalization for large area crop estimates by remote sensing, a special applied regionalization, is the foundation of crop estimates in a large area by remote sensing. According to the actual demands of wheat yield estimation by remote sensing and wheat agroclimatic demarcation of China, this paper first puts forward some principles upheld in this regionalization and analyses its main bases. Secondly, it works out the classificatory schemes about the optimum temporal for estimating wheat yield by remote sensing, information sources of space remote sensing and landuse structure in China. Finally, According to the regionalization indices, this study divides the wheat plantable region of China into 14 regions of crop yield estimates and 31 subregions of crop yield estimates.     

基于MODIS GPP产品的冬小麦保险费率厘定方法研究

农作物保险是国内外减少灾害造成的种植户经济损失,保障农民基本生产收入的重要手段。国内传统的农作物保险费率是基于行政单元的统计数据厘定的,忽略了行政单元内部灾害的空间风险差异,因此如何获得行政单元内部农户级农作物纯保险费率,成为精细化农作物保险的关键问题。本文针对农户级的冬小麦纯保险费率,以河南省周口市为实验区,利用2005—2015年MODIS MOD17 A2 GPP总初级生产力数据产品生成2005—2015年冬小麦生长季的GPP数据,同时利用Landsat5/7/8 TM/ETM/OLI数据计算2005—2015年公里级的冬小麦种植面积比。通过Bühlmann-Straub模型和经验费率法厘定得到2016年实验区基于格网单元的冬小麦纯保险费率。研究表明：遥感数据可以为农作物保险空间精细费率厘定提供数据保障,利用遥感数据可以得到公里级格网单元的冬小麦纯保险费率。将利用遥感数据得到的农作物纯保险费率用于农作物保险中,提高了农作物保险的空间精细水平,可以进行基于地块的空间差异化农户投保,有利于政府针对不同农户制定合理的农作物保险政策,保险公司合理的收取保费。     

关键生育期冬小麦和油菜遥感分类方法

农作物空间分布的遥感识别是地理学、生态学和农学等多学科研究的前沿和热点,多源遥感数据在其中发挥着重要的作用。本研究结合冬小麦和油菜的种植及生长特点,以安徽省合肥市为研究区域,利用ZY-3、Sentinel-2和GF-1等多源遥感影像数据,以高程、坡度等数据为辅助信息,结合以多尺度分割、最邻近法和阈值法等为主要步骤的面向对象的分类方法,提取研究区合肥市冬小麦和油菜种植的空间分布信息。结合来自于GVG农情采样系统和Google Earth高分辨率影像上获得的地面验证数据进行分类精度验证,计算得到分类结果的混淆矩阵,并根据混淆矩阵数据计算出分类的总体精度为94.43%,Kappa系数为0.914。结果表明,本研究提出的方法能够有效地区分在冬小麦和油菜的混种区域里两种作物种植区域的空间分布,且这种多种策略相结合的分类方法体系,能够适用于其它区域甚至是更加大尺度上的作物分类。     

REMOTE SENSING BASED ESTIMATION SYSTEM FOR WINTER WHEAT YIELD IN NORTH CHINA PLAIN

1IN~IOXChinaisabigagriculturalcountrywithaverylargePOPulation.ChinesegovernmentattacheSgreatimportancetomdproduction.Anobviousapplicationofsatelliteremotesensing,withitsregularsynOPticcoverage,istOmonitoragriculturalpefforrnance.CropyieldestimationhaSbeenoneofthemainapplicationsofspaceremotesensingtechnologysincethelaunchingofhighrefutionsatellite-Landsat.Forgaininginformationofcropsproductionintime,StatePlanning~ssionsetupanationalkeyprojectduringtheeighthfiveyearplanPened(1991--1995)c…     

Study on model for remote sensing estimation of maize yield

ＳＴＵＤＹＯＮＭＯＤＥＬＦＯＲＲＥＭＯＴＥＳＥＮＳＩＮＧＥＳＴＩＭＡＴＩＯＮＯＦＭＡＩＺＥＹＩＥＬＤＬｉｕＺｈａｏｌｉ（刘兆礼）ＨｕａｎｇＴｉｅｑｉｎｇ（黄铁青）ＷａｎＥｎｐｕ（万恩璞）ＺｈａｎｇＹａｎｇｚｈｅｎ（张养贞）ＣｈａｎｇｃｈｕｎＩｎｓｔｉ...     

基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

Study on model for remote sensing estimation of maize yield

Through analysis of perpendicular vegetation index (PVI) from combination of visible and near-infrared spectrums reflecting the feature of crop reflectance, we come to the conclusion that the index can better indicate crop instantaneous photosynthesis whereas people generally regard it as the representation of crop leaf area index (LAI). Exploration of crop photosynthesis within a day and its period of duration leads to production of photosynthetic vegetation index (PST) that can reflect the whole crop accumulated photosynthesis, which means the total biomass produced by crop, moreover the method simulating PST is put forward by employment of multi-temporal spectrum parameters. On the basis of the achievements mentioned above, a new comprehensive model for remote sensing estimation of maize yield is established, which can comprehensively show major physiological actions of maize and the course of its yield formation, organically integrate various effective ways of crop yield estimation. It lays a solid foundation for carrying out remote sensing estimation of maize yield on a large scale.     

基于Google Earth Engine和NDVI时序差异指数的作物种植区提取

为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。     

特征优选与卷积神经网络在农作物精细分类中的应用研究

农作物的精细分类一直是农业遥感领域的热点,对农作物估产和种植结构监管有重要意义。深度学习的出现为农作物分类准确性的提升提供了新的思路。本文提出一种特征优选与卷积神经网络（Convolutional Neural Networks, CNN）相结合的多光谱遥感农作物分类方法,用以解决精细分类问题。实验以哨兵2号遥感影像为数据源,基于多光谱遥感影像的波段反射率与包括归一化植被指数在内的10种植被指数,利用Relief F算法进行特征增强与优选,获取最优特征集,从而设计出基于特征优选的CNN分类方法,并对河南省原阳县主要农作物水稻、玉米、花生进行分类识别与制图,分类精度达到96.39%。同时,选用支持向量机、CNN方法分别对研究区农作物进行分类识别。对比分析3种方法的分类结果,发现本文提出的基于最优特征集的CNN农作物分类方法表现最优,CNN方法次之,支持向量机方法表现最差。实验结果表明：① 利用Relief F算法能够对特征贡献度进行排序,完成特征筛选,得到包含24个特征的最优特征子集,训练精度达到99.89%;② 基于最优特征集的CNN方法能够在最大程度上提取高精度差异性特征,实现对农作物的精细分类,且相比CNN和支持向量机的农作物分类方法,本文方法表现更佳。     

STUDY ON THE INTERACTION BETWEEN NDVI PROFILE AND THE GROWING STATUS OF CROPS

Daily and ten-day Normalized Difference Vegetation Index(NDVI) of crops were retrieved from meteorological statellite NOAA AVHRR images ,The temporal variations of the NDVI were analyzed during the whole growing season,and thus the principle of the interaction between NDIV profile and the growing status of crops was discussed,As a case in point,the relationship between integral NDVI and winter wheat yield of Henan Province in 1999 had been analyzed.By putting integral NDVI values of 60 sample counties into the winter wheat yield-integral NDVI coordination,scattering map was plotted. It demonstrated that integral NDVI had a close relation with winter wheat yield.These relation could be described with linear,cubic polynomial ,and exponential regression,and the cubic polynomial regression was the best way,In general ,NDVI reflects growing status of green vegetation ,so crop monitoring and crop yield estimation could be realized by using remote sensing technique on the basis of time serial NDVI data together with agriculture calendars.     

基于多源卫星遥感的暴雨灾情时空动态信息的提取

强暴雨淹没耕地形成灾害的同时,对耕地作物的生长也产生着极大的影响,而暴雨灾害对耕地作物生长的影响是一个渐变过程,需要由时空动态的观测进行监测。多源卫星遥感观测技术具有捕捉地面瞬间状态和刻画过程的优势。论文利用Terra/MODIS、Landsat和Sentinel卫星观测数据,挖掘多源卫星遥感观测数据,提出了一种利用NDVI变化的特征值进行灾情动态信息提取方法;并以2016年发生暴雨灾害的巢湖地区为实验区进行了方法的应用和讨论。结果表明,基于MODIS多时相NDVI变化结果提取的信息能够获得受灾害影响开始时期和持续时长等丰富的时空动态信息,根据这些信息可以统计得出大范围区域中受灾害影响的面积。另外,结合利用30 m和10 m的Landsat和Sentinel观测数据提取的水淹区,可为在暴雨致灾范围方面提供准确的参考信息。多源遥感作为评估灾情信息的依据之一,其获取的灾情动态信息能够为灾后耕地的恢复情况以及国家灾后损失评估和救助决策提供科学的数据依据。     

基于多源异构数据的粮食作物种植面积提取

利用遥感影像进行农作物面积提取已经普遍应用到农作物种植面积提取工作中,但是普遍存在着提取效率低,精度达不到生产要求。随着高分辨率传感器的相继问世,融合多平台遥感数据有利于提高分类和动态监测的精度。本文以日照市莒县粮食种植面积提取为例,融合多时相和多源异构数据,利用深度学习算法提取粮食种植区域,深入挖掘多源数据的互补效应,提出了融合多时段、多源地理信息提取农作物种植面积的方法,为实现农作物种植面积快速高效的提取奠定了基础。     

渤海陆源入海排污口的多尺度遥感监测分析

 陆源入海排污口是主要的海洋污染源之一,陆源入海排污口调查是海洋环境监测的重要内容。故此,针对陆源入海排污口监测与评价的业务需求,参照现行"陆源入海排污口及邻近海域生态环境监测指南"(HY/T086-2005), 在综合考虑各类卫星传感器应用能力与经济性的基础上,研究提出了一种利用多尺度卫星遥感数据对陆源入海排污口监测的方法。通过中分辨率卫星遥感数据的水质参数反演,结合水体光谱特征,进行渤海海域水质评价,划分重点监测区域,再利用高分辨率遥感影像,进行排污口的解译与制图。试验结果表明,该方法可以准确识别陆源入海排污口的分布及污染类型,对该区环境整治具有深远科学意义。     

基于协同计算的白洋淀湿地时序水体信息提取

白洋淀湿地是华北平原仅存的为数极少的湖泊型湿地之一,具有改善生态环境、保护生物多样性等功能。通过遥感手段进行白洋淀地区湿地变化研究,可为景观格局变化、生态环境分析及湿地保护等提供重要的信息支撑,具有非常重要的意义。本文在分析遥感大数据特点的基础上,对遥感应用中的大数据信息提取这一重要环节进行了分析,并以遥感信息计算为切入点,深入分析并总结了遥感大数据计算过程中的多种协同计算问题。结合白洋淀地区长时相遥感湿地水体提取与变化分析的应用需求,本文提出了基于协同计算方式下的白洋淀水体提取技术路线,并详细分析了水体信息计算过程中的几种重要的协同计算问题,提高了水体信息提取的精度。最后,根据白洋淀地区43期（1973-2015年）精确的水体提取信息,统计了白洋淀历史时期水体面积的变化,并指出该区域自1973年以来水体面积经历了“减少-增加-再减少-再增加”的变化过程。     

东北地区农业需水动态调控模型设计与应用

一个地区水量的充足与否直接影响该区农作物产量的高低。利用空间信息技术(RS和GIS)建立的东北地区农业需水动态调控模型,可服务于不同地区农业(农作物)的合理发展。文中以东北地区黑龙江、吉林、辽宁3省主要农作物及其分布现状为研究对象,依据区内水资源的供需平衡原理和水资源与农业的相互耦合关系,运用RS和GIS手段,进行了东北地区农业需水动态调控模型系统的概念设计。东北农业需水动态调控GIS不仅可以实现对现有数据查询、检索、修改和分析,还可对农业未来的发展做出预测,对未来20年内东北地区作物单产、作物耗水量、作物需水量以及作物产量变化等趋势做出评价。据此可为一些重大水利工程规划布局决策提供参考依据,从而实现东北地区农业稳定、快速的可持续发展。     

基于NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例

MODIS植被指数时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源.本文选取江苏省为研究区,利用2008年23个时相的MODIS NDVI数据,采用S-G滤波法进行时间序列的重构,提高NDVI时间序列信息的真实性.另结合农作物物候历、种植结构、地面调查样本等辅助资料,将水稻植被指数时间序列曲线参量化...     

黑河流域中游地区作物种植结构的遥感提取

及时、准确地获取农作物种植结构对区域水资源管理与作物产量估测等具有重要意义。随着对通过遥感手段获得作物种植结构的深入研究,如何优选遥感数据和分类器成为需要重点考虑的关键问题。针对黑河流域中游地区的作物分布与种植特点,提出一种基于多时相遥感影像与多分类器组合的作物种植结构提取方法。利用2018年18景16 m分辨率的GF-1 WFV影像,构建NDVI时间序列。根据NDVI时间序列表征的作物季相节律和物候变化规律特点,采用分层的策略,首先解译一级土地覆被类型,再解译二级土地覆被类型。一级土地覆被类型解译中,使用决策树分类方法先将NDVI特殊且易提取的水体进行解译,再使用面向对象分类方法通过分区将需借助NDVI纹理信息提取的建设用地进行解译,最后使用随机森林分类方法解译耕地、林地、草地、裸地和湿地。在对耕地的进一步分类中,使用决策树分类方法首先将具有特殊物候规律且易于区分的苜蓿类别解译出来,再将与其他类别物候差异较大的小麦解译,最后将物候相似的玉米、蔬菜及其他解译。黑河流域中游研究区内一级土地覆被分类总体精度为97.24%,卡帕系数为0.96;作物种植结构解译总体精度为86.58%,卡帕系数为0.80。此外,还分析了影响黑河流域中游研究区解译精度的4个因素：对土地覆被类别的定义、混合像元、影像分割时基础影像的选择以及分类方法的选择。通过对不同分类方法的比较发现,与仅使用最大似然分类方法、支持向量机分类方法或随机森林分类方法相比,本文提出方法的解译结果更好,解译精度更高。     

基于时序遥感数据的农作物种植制度研究进展与展望

及时准确掌握农作物种植制度时空分布信息,对于确保国家粮食安全与农业结构合理具有重要意义。随着时序遥感影像质量的不断提高,基于时序遥感数据的农作物种植制度研究备受关注。本文从研究框架、遥感特征参数以及数据产品等角度,分析了基于时序遥感数据的农作物种植制度最新研究进展。研究发现:① 前农作物种植制度研究框架,主要包括耕地复种指数和农作物制图等相关内容,其问题在于需要高质量耕地分布数据支撑以及易将热带亚热带湿润区撂荒地误判为农作物等;② 于红边和短波红外的新型多维度光谱指数,有助于更好地揭示农作物生长发育过程,大尺度农作物时序遥感制图取得了系列研究成果,但需要应对不同作物光谱差异细微、同种作物在不同区域和年份存在明显类内异质性的挑战;③ 尺度中高分辨率耕地复种指数产品不断丰富,但其时效性和时空连续性有待加强;④ 欧美少数国家外,目前农作物分布数据产品覆盖的作物类型有限,我国大尺度农作物种植制度数据产品欠缺,特别是复杂多熟制农业区。随着多源遥感数据时空谱分辨率的不断提高以及云计算平台性能的不断发展,我们对以下方面进行了研究展望:① 新研究框架,建立直接提取耕作区、农作物种植模式的农作物种植制度一体化遥感监测技术框架;② 一步加强新型多维度遥感指数及其物候特征指标设计,拓展农作物种植制度监测的遥感特征参数;③ 立作物种植制度变化遥感监测技术,实现多年信息连续自动提取。     

现代地貌制图学的发展与展望——纪念陈述彭先生诞辰100周年

陈述彭先生是中国地理学家、遥感学家、地理信息系统学家,是我国现代地图学、遥感与地球信息科学的一面旗帜。在纪念陈先生诞辰100周年之际,通过梳理先生对我国地貌制图学发展的贡献,传承他的科研经验,感悟他的科研精神等。通过对陈先生在地貌制图学研究成果的归纳,进一步梳理国内外地貌制图学的发展历程,总结我国地貌类型图、地貌区划图、数字地形分析与制图等方面取得的成果。展望现代地貌制图学的发展,将在区域精细地形表达、中国精细地貌类型与区划制图、全球地貌类型与区划制图、行星形貌制图、地貌过程数值模拟等方面继续探索,努力将中国的地貌制图学发扬光大。