遥感技术在主要粮食作物估产中的应用

文章分析了国内外遥感技术在主要粮食作物估产中应用现状,探讨了遥感技术在作物估产领域的研究进展,研究了作物气候产量预报模型、遗传算法结合神经网络模型、基于人机交互的反演模型、基于决策树分类的县域估产模型、单产估测模型、基于SCE_UA算法的CERES_Wheat模型、雷达遥感估产模型等在我国主要农作物估产中的应用;分析表明遥感关键技术及模型选择为农作物估产精度的提高提供了重要的技术支持.最后对作物估产遥感技术发展趋势及农业信息化相关技术做了展望,指出综合遥感与计算机技术开发自动化系统、推进物联网与遥感技术结合等问题,是进一步的研究趋势.     

遥感技术在大面积天然草地估产和预报中的应用探讨

利用新疆北疆地区不同草地类型上观测的草地可食产量、环境与遥感资料等,使用3S技术进行了相关分析和遥感估产及预报,建立了地面光学和线性或非线性遥感估产及产量预报模型,在实际估产和产量预测中加以应用、检验,并给出了生态学解释。     

基于无人机遥感混合光谱分析的油菜估产模型

针对无人机遥感油菜估产问题,提出基于全约束混合像元分析方法的油菜估产模型。针对油菜冠层构成实际特征,分析了不同地面端元构建方式对油菜无人机影像光谱分解的影响,在此基础上,分别在油菜开花期和油菜荚果期建立了影像丰度数据和地面实测产量数据的关联。实验分析表明,所提出的混合光谱油菜产量估算方法具有较好的效果。油菜荚果期和开花期估产模型的相关系数R~2分别为0.765 2和0.721 2,综合两个时期的估产模型相关系数R~2为0.814,说明在油菜生长的不同时期,目标端元丰度与油菜产量具有较强的相关性,证明了该模型具有较高的精度和较强的稳定性。     

遥感技术在大面积天然草地估产和预报中的应用探讨

利用新疆北疆地区不同草地类型上观测的草地可食产量、环境与遥感资料等,使用３Ｓ技术进行了相关分析和遥感估产及预报,建立了地面光学和线性或非线性遥感估产及产量预报模型,在实际估产和产量预测中加以应用、检验,并给出了生态学解释。     

基于多时相MODIS-RVI的玉米遥感估产研究

为了获得更加宏观高效的农作物估产模型,以吉林省德惠市为研究区,以MODIS为数据源,进行了玉米估产模型研究。通过分析比值植被指数(RVI)与玉米产量之间的相关关系,建立玉米单产预测模型。研究表明,利用多时相的RVI对玉米点进行遥感回归估产可得到较好的估算效果,模型相关系数可达0.825,均方根误差为7.61,验证点的实际产量与理论产量间的相对误差均在10%以内,对吉林省德惠市玉米估产模型研究具有一定的指导意义。     

MODIS植被指数的美国玉米单产遥感估测

针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。     

大面积小麦遥感估产模型的构建与调试方法的研究

本文重点研究大面积冬小麦遥感估产模型构建及其调试方法。通过分析冬小麦生长发育过程,对光、温、水、肥等必须条件需求规律研究的基础上,提出了以绿度指数、温度和绿度变化速率等因子,构建大面积冬小麦遥感估产模型。为了适应大面积遥感估产运行系统的需要,在变量获取及模型调试等方面进行了一些新的探索。     

对建立遥感估产模式的几点初步认识

本文从分析遥感光谱参数的生物学意义着手，论证了正确建立遥感估产模型的可能途径。对几种有代表性的遥感估产模型作了分析，作者认为把可见光、近红外波段的遥感信息与热红外信息有机结合是解决遥感估产模型的最佳方案。对ＮＯＡＡ－ＡＶＨＲＲ的第１通道与第２通道光谱数值进行非朗伯体特性的纠正是必要的。遥感估产模型不仅可以使估产的空间尺度大大缩小而且参数数目亦可大大减小，更有利于实际运行。     

MODIS遥感产品在三江源地区草产量估测中的应用

三江源地区草场生长状况对当地畜牧业的发展及三江源地区生态系统的平衡具有重要的影响,合理精确地估测草产量具有重要意义。针对该区域面积较大,地表结构较复杂的特点,应用MODIS产品数据预测该区域的草场产量,构建了三江源地区草产量的预测模型。使用2009年4月—10月6种MODIS产品数据(归一化差分植被指数、增强型植被指数、叶面积指数、光合有效辐射吸收比率、总初级生产力和地表温度),结合偏最小二乘回归(partial least squares regression,PLS)与多元线性回归理论实现6种产品草产量的遥感估算。基于构建的模型,使用2011年4月—10月间共140景数据开展应用试验,并将试验结果与三江源地区16个草地生态监测站对应时间的草产量实测数据进行对比分析。结果表明,基于MODIS的6种产品估测的草场草产量与实际地面测量的草产量之间有较好的相关性;与传统多元回归法相比,基于PLS的草产量估产模型具有较高的决定系数(0. 829～0. 878之间)和较低的均方根误差(约42. 457～93. 674 kg·hm-2之间)。     

基于光能利用率模型的玉米遥感估产研究

农作物长势监测和产量预测对于国家制定相关粮食政策、农业发展等都具有重要的意义,如何获得高效、宏观、精确的估产方法一直是学者关注的重点问题。以吉林省德惠市的玉米作为研究对象,利用光能利用率模型对玉米进行产量估算的研究,并且使用空间数据插值方法中的反距离权重法获得了每月平均温度数据的格网数据。通过玉米的净初级生产力NPP的累计值以及玉米的收获指数来获得最终的玉米产量值,利用验证点实测产量值与估算值的相关性和相对误差进行精度验证,相关系数R^2为0.649 9,平均相对误差值为1.676%,证明基于光能利用率模型的玉米估产在研究区具有一定的可行性。     

农业遥感研究应用进展与展望

得益于中国自主遥感卫星、无人机遥感和物联网等技术的发展,中国农业遥感研究与应用在过去20年取得了显著进步,中国农业遥感信息获取呈现出天地网一体化的趋势;农业定量遥感在关键参数遥感反演技术方法与应用方面取得进展;作物面积、长势、产量、灾害遥感监测的理论与技术方法取得突破,农业遥感技术应用领域不断拓展。本文从农业遥感信息获取、农业定量遥感、农业灾害遥感、作物遥感识别与制图、作物长势遥感监测与产量预测、农业土地资源遥感等方面对中国农业遥感科研与应用进行了总结综述。     

遥感监测土壤湿度综述及其在新疆的应用展望

土壤湿度在全球水循环运动中扮演着非常重要的角色,是水文、气象和农业研究中的重要参数,国内外都极为重视对土壤湿度的研究。国外利用可见光、红外、热红外、微波遥感监测土壤水分已有三、四十年的历史,随着研究的深入和技术的发展,现已形成地面、航空、航天、多星的立体干旱遥感监测格局。国内遥感监测土壤湿度的方法主要有微波遥感、热红外遥感、距平植被指数法、植被供水指数、作物缺水指数等方法。本文通过对国内外已有的土壤湿度遥感监测方法的介绍和总结,对比分析了各种方法的原理、适用领域及其研究进展,并针对新疆的具体情况,认为借助Mod is影像进行新疆地区土壤湿度的监测是较为可行的一种方法。     

利用无人机遥感监测农作物种植面积

南方平原耕地具有地块破碎、农作物种植品种多且空间分布混杂程度高等特点,运用传统的遥感技术方法精确监测农作物面积较为困难。无人机航拍具有拍摄时间灵活、空间分辨率高、成本低等优势,为解决这一难题提供了有利途径。本文通过地面样地调查,获取杭州市余杭区瓶窑镇农作物样地的位置及种植品种数据,利用面向对象的多尺度分割方法与随机森林的分类方法对无人机航拍数据进行分割、分类,深入挖掘高分辨率遥感数据信息,用于提取农作物种植品种及其空间分布信息,实现高精度的农作物种植面积遥感监测,推进无人机遥感在农业中的深入应用,提高农业遥感应用效益。     

农情遥感信息与其他农情信息的对比分析

农情信息多种多样 ,来源不同 ,分散于各个部门或单位 ,缺乏相互交换与验证 ,综合分析与集成不够 ,特别是遥感信息为经济领域决策服务的渠道不通畅。为更好地应用各种信息 ,必须加强信息综合分析。对耕地面积、作物面积、作物单产、作物长势、粮食产量等几种农情信息中不同来源的信息进行了初步对比分析 ,肯定了遥感监测农情信息在客观性、时空连续性、可对比与可预测、低成本等几个方面的优势 ,同时也分析了遥感信息的不足和局限。认为遥感信息与其他信息不是互相替代的关系 ,而是互相补充、互相验证的关系。只有通过多源农情信息的综合分析和集成 ,才能更全面准确地反映农情。     

水质遥感监测方法的探讨

不同水质具有不同的光谱特征,可以利用遥感技术对水质进行监测.水质监测结果是水质评价与水污染防治的主要依据,随着水体污染问题的日渐严重,水质监测成为社会经济可持续发展必须解决的重大问题,无论内陆水体还是海洋水体,其水质影响到国民生产和人们的生活用水,准确、快捷的水质监测显得尤为重要.水质遥感监测具有监测范围广、速度快、成本低和便于进行长期动态监测的特殊优势,在水体水质监测中具有巨大的应用潜力.本文主要对水质遥感监测方法进行探讨.     

地理国情监测遥感数据源比选方法研究

随着遥感技术的快速发展,遥感新设备、新方法不断出现,遥感数据来源不断扩大、种类不断增加、质量不断提升,遥感数据在地理国情监测中的应用也更加广泛。但由于遥感数据源过于复杂且数据量庞大,地理国情监测数据源的选取成为一个难题。基于地理国情监测的主要目标,选择遥感数据源的主要质量因子,采用一定的赋权方法对其进行评价比较,可实现数据源的最优选取。本文提出了一种结合主观专家评价和客观熵值计算的比选方法,归纳数据源的主要质量因子,构建指标体系,并对各因子赋权计算评价值,实现了对地理国情监测数据源的评价比选,试验证明了本文方法的有效性。     

全球农情遥感速报系统20年

面向国家粮食安全的重大战略需求,1998年中国科学院建立了"中国农情遥感速报系统"(CropWatch),持续运行20年后,现已发展成为"全球农情遥感速报系统"(CropWatch)。本文重点论述了2013年建立参与式全球农情遥感监测云平台(CropWatch-Cloud)以来,所采用的农情监测体系、可定制的农情监测云平台理念以及CropWatch-Cloud在国内外的应用推广情况,介绍了技术方法与农情信息服务方式的创新与进步带来的国际影响力的提升。系统总结了全球农情遥感速报系统发展的农情监测指标、农情预警能力、作物长势综合监测方法以及众源数据支持的作物面积监测方法,论文进一步阐述了CropWatch未来的发展方向,借助众源地理信息、大数据技术等的发展,打通从地块—村—镇—县—市—省—国家—全球的体系化全链条监测,满足从农户到政府决策部门对农情信息的差异化需求。     

基于遥感的大宗农产品优势产区监测研究

以HJ1卫星数据为实验数据,通过运用遥感处理技术、地理信息技术,完成实验区遥感反演作物长势指标体系研究,并将农情监测数据进行web发布。为高分数据迅速投入使用和生产提供理论基础与实现途径,同时为农作物估产的运行化遥感提供了标准、快速的农情监测方法。     

基于NDVI时间序列数据的江西省水稻种植制度变化研究

利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。     

Monitoring canopy growth and grain yield of paddy rice in South Korea by using the GRAMI model and high spatial resolution imagery

Monitoring crop conditions and forecasting crop yields are both important for assessing crop production and for determining appropriate agricultural management practices; however, remote sensing is limited by the resolution, timing, and coverage of satellite images, and crop modeling is limited in its application at regional scales. To resolve these issues, the Gramineae (GRAMI)-rice model, which utilizes remote sensing data, was used in an effort to combine the complementary techniques of remote sensing and crop modeling. The model was then investigated for its capability to monitor canopy growth and estimate the grain yield of rice (Oryza sativa), at both the field and the regional scales, by using remote sensing images with high spatial resolution. The field scale investigation was performed using unmanned aerial vehicle (UAV) images, and the regional-scale investigation was performed using RapidEye satellite images. Simulated grain yields at the field scale were not significantly different (p = 0.45, p = 0.27, and p = 0.52) from the corresponding measured grain yields according to paired t-tests (α = 0.05). The model’s projections of grain yield at the regional scale represented the spatial grain yield variation of the corresponding field conditions to within ±1 standard deviation. Therefore, based on mapping the growth and grain yield of rice at both field and regional scales of interest within coverages of a UAV or the RapidEye satellite, our results demonstrate the applicability of the GRAMI-rice model to the monitoring and prediction of rice growth and grain yield at different spatial scales. In addition, the GRAMI-rice model is capable of reproducing seasonal variations in rice growth and grain yield at different spatial scales.