同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

四川草原MODIS数据的产草量估算

四川草原是我国5大牧区之一,其可利用的天然草地占全省草原总面积的85%,准确掌握草原产草量信息对草原管理和当地经济发展具有重要意义。本研究利用2011年7月MODIS不同分辨率(250m、500m、1km)NDVI、EVI产品和同期地面调查数据(共181个采样点),对四川草原4种主要草地类型(即高寒草甸草地、高寒灌木草地、高寒沼泽草地和山地疏林草地)产草量鲜重分类型建立估产模型。研究发现,NDVI对该地区4种主要草地类型产草量的拟合效果普遍优于EVI;相对于500m和1km的遥感数据,250m的遥感数据拟合效果较好;分草地类型建立模型的效果优于对全体样本建立模型;该地区除高寒沼泽草地用幂函数模型拟合效果较好外,其余均用指数模型进行建模效果较好;对该地区各草地类型建立的最优估产模型,精度均在70%以上,回归判定系数R2在0.75以上;利用最优模型对2011年四川省草原进行估产,总体估产精度约为90%。     

产粮区遥感估产

‘八五’农作物遥感估产国家攻关项目的研究·解决了一批主要农作物遥感估产中的关键技术问题,如播种面积提取技术信息复合技术、遥感估产模型建立的技术和全数字化电脑估产技术等。     

农作物遥感估产的方法综述

概述了遥感在农作物长势预测、种植面积测算和产量估算方面的原理、技术路线、研究进展,并分析了遥感估产在现实利用上存在的问题。     

浅议应收账款的风险及管理

随着市场经济的发展,市场竞争的加剧,企业的销售策略及显著变化,赊销已成为企业扩展市场,增强竞争能力的重要手段。应收账款必然成为了企业促进销售、增加销售量、增加利润的一种营销策略。     

阿富汗战争和地下空间

阿富汗战争，是美军在21世纪进行的第一场高技术局部战争，倍受世人关注。尤其是，双方采取的战术和利用地下空间的斗智斗勇，给人们留下了许多悬念和思索。     

论信息化与地理信息产业的发展战略

当今,我们处在信息化时代,其时代特征是以现代科学为基础的高技术,高技术的核心是计算机,通过计算机,测绘生产(产品)的核心是数字化,以GIS为中心,建立数字化测绘生产、科研、教育综合技术体系是当前测绘产业即地理信息产业的发展方向。“3S”集成和“5S”结合是当今测绘高技术的发展方向。高技术的发展将从整体上推动测绘产业结构发生革命性变革,其变革的大趋势是不以人们的意志为转移的。     

高光谱遥感精准农业示范基地研究

为跟踪国际上农业高技术的最新发展 ,在国家计委、北京市政府和北京市计委领导和支持下 ,北京市农林科学院承担了“北京精准农业示范工程项目”,率先在我国开展精准农业示范研究。精准农业是 80年代中期从事作物栽培、土壤肥力、作物病虫草害防治的专家们在进行作物生长模拟、栽培管理、测土配方施肥等专家应用系统研究中 ,为进一步了解农田内小区作物产量和生长环境条件的时空差异 ,从而实现定位、定量投入而发展起来的。迄今精准农业在美国、加拿大、法国等发达国家也不过 5～ 6年的应用试验历史。     

基于时序遥感影像的西南山区地块尺度作物类型识别

西南山区地块破碎且复杂,种植类型多样,且该地区多云多雨,可利用遥感数据有限,利用单一的光谱特征或植被指数难以实现作物的有效识别。物候特征能够反映作物的生长周期规律,可用于复杂地区作物的精细监测。本研究以重庆市潼南区为例,基于多时相中分辨率的Sentinel-2和Landsat8遥感影像,对地块尺度的NDVI、EVI等6个植被指数进行时间序列构建并提取其物候特征,通过特征优选构建多维数据,利用随机森林分类模型对柠檬、油菜、水稻、玉米等作物进行识别。结合植被指数与物候特征进行作物分类,总体精度达94.52%,Kappa系数为0.90,柠檬、油菜、玉米、水稻的精度分别为89.88%、87.30%、84.98%和95.57%。研究表明,利用时序遥感数据的植被指数与物候特征能够有效进行地块尺度的作物识别,为复杂种植结构地区获取大范围作物分布制图提供参考。     

融合多源遥感数据的黑河中游地区生长季早期作物识别

在生长季早期获取作物的种植情况,对于农业水资源管理,尤其是缺水地区的水量分配等具有重大的意义。本文利用改进型时空自适应融合模型（ESTARFM）,将作物生长早期3—6月的Sentinel 2影像与MOD09GQ数据计算得到的NDVI数据进行融合,建立NDVI时间序列,并利用随机森林分类方法对2019年黑河流域中游地区作物种植结构进行早期识别。利用3-6月Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列,作物分类精度达到91.42%,kappa系数为0.85,相比仅使用Sentinel-2 NDVI时间序列的作物分类精度提高1.05%,kappa系数提高0.02。与使用整个作物生长期（3—10月）Sentinel-2 NDVI时间序列的作物分类结果相比,精度仅低1.53%,kappa系数仅低0.03。利用Gini系数对利用Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列进行特征重要性评估,发现Gini系数得分高于平均值的10期NDVI影像中,有6期为时空融合影像,说明时空融合获取的NDVI数据利于提高分类精度的有效性。对比使用不同长度NDVI时间序列对作物种植结构进行早期识别的精度发现,最早可在4月中旬与4月下旬分别实现对苜蓿和玉米的早期识别;玉米的分类精度受NDVI时间序列长度的影响较大,可在5月下旬实现对玉米的早期识别。     

粤北稀土微肥资源开发前景及其应用意义

稀土微肥对农作物增产的神奇作用,近年来引起了人们的广泛重视。因为它除了能配合土壤正常肥效提高作物产量和品种质量外,还有保水、改土、维护生态环境、提高生物成活率、缩短成熟期、增强抗寒、防病和除虫的效果。 在粤北如利用稀土矿产资源得天独厚的优势,将稀土微肥开发应用到贫脊的石灰岩农业类型地区,定能提高农作物的产量。     

利用物候差异与面向对象决策树提取油菜种植面积

及时、准确地获取农作物种植信息,对于农业生产管理和国家粮食安全有重要意义。目前越来越多的免费卫星数据可以用于作物分类及生理参数反演。Sentinel-2卫星于2015年6月发射,提供了13个光谱波段,具有较高的时间分辨率、空间分辨率和光谱分辨率,为不同作物特征区分以及大范围作物种植面积快速提取业务化运行的精度与效率提高带来了契机。随着Sentinel-2数据的免费下载,这就为大面积生产下一代区域或者国家尺度的高分辨率（10~30 m）农情遥感产品提供了可能。物候信息包含了作物随着季节不断变化的特征,利用如NDVI等时间序列植被指数找出不同作物的特征进而开展作物分类得到了广泛应用。本文以油菜为主要研究对象,以长江中下游地区的江汉平原为实验区,基于作物物候差异与面向对象决策树的方法,对Sentinel-2卫星影像用于油菜种植区提取的效果进行了评估与分析。首先利用作物不同生长时期各波段光谱信息以及归一化植被指数等信息的差异分析并找出油菜种植区提取的最佳时相,然后对影像进行多尺度分割,根据对象特征建立决策树逐一去除非植被、林地等干扰类型,进而提取出油菜种植区域。通过分析发现,基于Sentinel-2影像的图像分割可以有效生成不同作物类型的对象;油菜开花期的特征是其区分于其他作物的关键因素,利用该特征可以有效消除分类时其他地物类型对油菜的影响,提高作物分类信息提取的精度和效率。研究表明：在区分油菜的决策树分类特征信息中,贡献最大的是归一化植被指数（NDVI）,近红外波段（NIR）和亮度（Brightness）信息。用162个油菜验证样本点计算混淆矩阵,油菜种植面积提取的总体分类精度为98%以上,Kappa系数为0.95。说明结合物候信息利用Sentinel-2数据进行大范围作物种植面积提取具有巨大潜力,可以提高大范围油菜种植区域快速提取的精度和效率。     

农业生态的化学元素分类及其与作物优质高产的关系

利用国家科学技术成果,并根据国内外研究现状,将103个化学元素分成对作物生长发育、增产起显著作用、起一定作用、起有害作用和起未知作用4个农业生态元素类型,进而论述了它们与作物优质高产的关系.     

应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类

农作物种植结构是农业生产活动对土地利用的表现形式。及时精确地获取农作物的空间分布信息对指导农业生产、合理分配资源以及解决粮食安全问题等具有重要意义。目前农作物信息提取研究大多局限于中低分辨率遥感影像的NDVI时间序列,影响了作物空间分布信息提取的准确性。随着Sentinel-2A卫星成功发射,为高分辨率NDVI时间序列的构建提供了可能。本文以黑龙江省北安市为研究区,基于覆盖完整生育期的Sentinel-2A多光谱数据,构建10 m分辨率的NDVI时间序列数据集,利用 Savitzky Golay (S-G) 滤波器对 Sentinel-2A NDVI时间序列数据进行平滑。基于典型时相的多光谱数据和NDVI时间序列构建面向对象决策树分类模型进行作物类型遥感识别。通过对样本的NDVI时间序列曲线分析,可以得出NDVI时间序列能够清晰地区分作物物候差异。此外,本文还利用面向对象分类和支持向量机（Support Vector Machine, SVM）分类两种方法,对典型时相的多光谱数据进行了作物分类对比实验,并对结果进行了对比分析。研究结果表明：① 典型时相多光谱数据引入平滑重构后的NDVI时间序列能够更好地描述作物的物候特性,能够准确刻画研究区作物发育情况,有效区分各类作物;② 通过对比分类实验发现,典型时相多光谱数据引入NDVI时间序列特征,增强了不同作物之间的光谱差异,提高了作物分类精度,总体精度和kappa系数较典型时相多光谱数据进行分类的结果分别提高了7.7% 和0.055;③ 基于面向对象的决策树分类模型在作物分类的结果中精度最高,总体精度为96.2%,kappa系数为0.892。本研究的方法为其他大区域农作物的分类提供了重要参考和借鉴价值。     

基于物理模型训练神经网络的作物叶面积指数遥感反演研究

叶面积指数(LAI)是估算作物生长的关键参数。基于物理模型的LAI反演,被认为是当前最为可靠的方法,但其反演复杂。本文提出了将物理模型和神经网络相结合,从地表反射率反演叶面积指数的算法,利用MOD IS地表反射率和4-scale模型反演作物LAI。(1)利用4-scale模型模拟不同LAI与地表反射率的关系,生成训练数据;(2)利用模型模拟的LAI训练神经网络;(3)以MOD IS地表反射率输入训练后的神经网络,反演LAI。估算的LAI与其他LAI产品进行了比较,结果表明,估算的作物LAI和MOD IS及CYCLOPES LAI产品空间和时间分布一致,均方根误差分别为0.4994和0.6558。以2004年衡水的作物LAI地面观测数据进行了直接验证,估算的LAI与研究区地表植被分布一致,但是,三种卫星LAI产品都小于地表测量,故需针对华北平原浓密作物设计模型参数化方案。     

辽宁农作物的生物地球化学分类

根据А．П．维诺格拉多夫的动植物体化学组成分类方法,对辽宁省４５种农作物及其立地土壤中的５２种化学元素进行了定量分析测试后,采用双指标法将元素的含量与生物吸收系数各分成三个数值段,从而将辽宁主要农作物化学元素划分成最富集元素、富集元素、贫乏元素及最贫乏元素４种类型,并作出农作物化学元素分类表,然后再将其转变成农作物生物地球化学分类表。表中列出了５２种化学元素在各种农作物中的含量及其生物吸收系数组合,并由此将辽宁主要农作物分为元素最富集作物、元素富集作物、元素贫乏作物和元素最贫乏作物四类。根据农作物的生物地球化学分类,人们可以科学地调整农业种植结构,可以均衡人体营养结构。它不仅可以为环境质量监测提供指示植物标志而且对植物地球化学探矿也具有重要的参考价值。     

2001-2017年中国不同耕作区重建MODIS LAI时空动态

叶面积指数Leaf Area Index(LAI)作为植被生物量指标之一,耕作区LAI不仅能反映作物的长势动态,且与农业生态、作物产量密切相关.本文通过对2001-2017年中国农田区域的MODIS-LAI长时序数据进行重建,利用Mann-Kendall检验、变异系数、重心迁移模型等方法分析了中国耕作区LAI的时空变化...     

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。     

近10年黑龙江省气温的时空变异分析

以ArcGIS Analyst为支撑,80个气象站点观测的1997-2006年的旬平均气温为插值变量,利用高程、坡向等影响气温空间分异的局地因素作为协同变量,采用协同克里格(CoKriging)方法,考虑旬平均气温的自相关性以及旬平均气温与高程、坡向空间上的关联性,通过数据的检查、误差拟合、精度评价和模型比较,对黑龙江省旬平均气温进行空间插值,求得全省1km×1km的各旬平均气温表面数据。36旬气温插值结果的均误差、均方根误差、平均标准差、标准化均误差和均方根标准差的平均数分别为0.0024℃、0.774℃、0.682℃、0.0006和1.124。由旬平均气温插值结果叠加计算出月、年平均气温表面数据。利用插值计算结果和气象站点观测的数据,分析旬、月和年平均气温的时空分异特征,得出空间上东南部地区分异较小,其他地区分异较大时间上11-13、12-14、19-21等旬期平均气温有平稳下降趋势,15-17、26-28和27-29等旬期平均气温有平稳升高趋势。7月气温有稍许下降趋势,9月和11月的平均气温稍有上升趋势,5-9月平均气温升高约1℃。年平均气温以2.9℃为均值在2.5~3.3℃之间波动,略有升高但无明显上升趋势。春季之交一些旬期平均气温变化率降低趋稳,夏秋之交一些旬期平均气温变化率升高,实际物候有向后延迟的迹象。研究结果为气温变化监测、农业区划、土地生产潜力计算和千亿斤粮食背景下作物估产等相关研究奠定基础。     

ENVISAT测高数据波形重跟踪分析研究

对卫星测高技术中的波形重跟踪技术及其算法进行了详细分析讨论．同时分析了波形重跟踪中最小二乘解初值及权的确定,根据ENVISAT的SGDR波形数据,利用波形重跟踪技术研究了开阔海域上的距离改正情况(一般距离改正为20～30cm)。结果表明,重跟踪改正后的精度,18Hz距离优于1Hz距离。