Traditional agrodiversity management: A case study of central himalayan village ecosystem

Environmental, biological, socio-cultural and economic status variation existing in the Central Himalaya have led to the evolution of diverse and unique traditional agroecosystems, crop species and livestock, which facilitate the traditional mountain farming societies to sustain themselves. Indigenous agroecosystems are highly site specific and differ from place to place, as they have evolved along divergent lines. For maintenance of traditional agrodiversity management the farmers of the Central Himalaya have evolved various types of crop rotations in consonance with the varied environmental conditions and agronomic requirements. In irrigated flat lands two crops are harvested in a year with negligible fallow period but in rainfed conditions if a cropping sequence is presumed to be starting after winter fallow phase then four major cropping seasons can be identified namely first kharif season (first crop season), first rabi season (second crop season), second kharif season (third crop season) and second rabi season (fourth crop season). Highest crop diversity is present in kharif season in comparison to rabi season. Traditionally the fields are left fallow after harvest of the second kharif season crop. Important characteristics of agrodiversity management are the use of bullocks for draught power, human energy as labour, crop residues as animal feed and animal waste mixed with forest litter as organic input to restore soil fertility levels. Women provide most of the human labour except for ploughing and threshing grain. The present study deals with assessment of traditional agrodiversity management such as (i) crop diversity, (ii) realized yield under the traditional practices and (iii) assess the differences of realized yields under sole and mixed cropping systems. It indicated that crop rotation is an important feature of the Central Himalayan village ecosystem which helps to continue the diversity of species grown, as are the distribution of crops in the growing period and the management of soil fertility. The cropping diversity existing and the sequences practiced by the traditional farmers seems to have achieved high degree of specialization and thus even when the yield/biomass variations are about 60%, the farmers continue to practice these sequences as they need to maintain diversity and synergistic relationships of crops in addition to manage the food and labour requirements for crop husbandry. Crop yields are generally higher in irrigated systems than rainfed systems and in sole cropping as compared with mixed cropping. However, gross biological and economic yields are higher in mixed cropping than sole cropping systems.     

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。     

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。     

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。     

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。     

Paradigm and ecological implication of changing agricultural land-use: A case study from Govind Wildlife Sanctuary, Central Himalaya, India

The paper scrutinizes that the changes in any sub-system(i.e.agriculture,livestock and forest) have direct impact on biophysical and social processes in village ecosystem of the central Himalayan region.In view of this,we studied the changes in spatial patterns of agricultural land use and dependency of agroecosystem on forest and animal husbandry over a period of two decades.Based on data analysis it was found that the cultivation of some traditional crops has either been abandoned in the area or declined by 25%-85% due to introduction of cash crops viz.,potato,kidney bean and apple farming with acreage increased up to 51%-72% in the last three decades.Livestock population of different categories has declined drastically by 17%-75%,and has resulted shortage of farmyard manure,deterioration of soil quality and fertility which leads to un-sustainability of agriculture system.The changes in agrobiodiversity have led to the dramatic increase in soil loss and runoff from the croplands together with the increase pressure on forests.The economic evaluation of each crop showed higher monetary benefit from cash crops as compared to traditional crops.Among all the evaluated crops,the monetary output/input ratio was found highest(3.04) for kidney bean and lowest(1.26) for paddy.Changes in land use and management have improved household income but at the cost of forest degradation,less productive animal husbandry and loss of agrodiversity in the region.Therefore,there is an urgent need to bring desirable changes in agricultural policy,research,land use and efficient management of the resources for maintaining sustainability in agro and Himalayan forest ecosystem.     

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。     

基于时序影像的农业活动因子提取与闽西耕地SOC数字制图

人类活动对表层耕地土壤有机碳（Soil Organic Carbon, SOC）影响强烈,但目前大范围复杂地貌地形区的耕地SOC数字制图对人为因素的空间刻画不足。本文以福建省西部耕地为研究对象,基于Sentinel-2/MSI时间序列数据提取轮作模式分类信息（Crop Rotation, CR）,以及可反映轮作模式信息的植被特征变换变量（Harmonic Analysis of Time Series, HANTS）,分别作为农业活动定性和定量因子,将常规气候和地形因子作为自然环境因子,并对不同类型环境变量进行组合（气候+地形、气候+地形+轮作模式、气候+地形+HANTS变量、气候+地形+轮作模式+HANTS变量）。基于随机森林模型（Random Forest, RF）对不同环境变量组合驱动的耕地表层SOC空间预测精度进行对比分析,探索以轮作模式为例的农业活动因子提高耕地表层SOC数字制图精度的可能性。结果表明,同时加入两种农业活动因子的RF模型表现最佳,其模型预测精度相较于纯自然环境变量驱动的模型有明显提高（R²提高了89.47%,RMSE和MAE分别下降了10.66%和12.05%）。轮作模式类型（CR）和HANTS变量两种农业活动因子均被保留参与建模,尤其是轮作模式类型显著影响耕地SOC,在最佳模型的环境变量重要性中排序第四。由此可见,轮作模式相关农业活动因子可有效提高耕地SOC空间预测精度。在所有RF模型中,年降水量（Annual Rainfall, Rainfall）的重要性排名都是第一位。通过最佳模型反演得出该区耕地土壤有机碳均值为18.22±2.99 g/kg,范围为8.25~30.69 g/kg,双季稻和烟稻种植区域SOC含量高于稻菜种植区域。研究结果为复杂地貌地形区耕地土壤有机碳协同变量的更新提供了新的思路。     

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。     

LSTM支持下时序Sentinel-1A数据的太白山区植被制图

植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。     

Multiple cropping intensity in China derived from agro-meteorological observations and MODIS data

Double-and triple-cropping in a year have played a very important role in meeting the rising need for food in China.However,the intensified agricultural practices have significantly altered biogeochemical cycles and soil quality.Understanding and mapping cropping intensity in China′s agricultural systems are therefore necessary to better estimate carbon,nitrogen and water fluxes within agro-ecosystems on the national scale.In this study,we investigated the spatial pattern of crop calendar and multiple cropping rotations in China using phenological records from 394 agro-meteorological stations(AMSs)across China.The results from the analysis of in situ field observations were used to develop a new algorithm that identifies the spatial distribution of multiple cropping in China from moderate resolution imaging spectroradiometer(MODIS)time series data with a 500 m spatial resolution and an 8-day temporal resolution.According to the MODIS-derived multiple cropping distribution in 2002,the proportion of cropland cultivated with multiple crops reached 34%in China.Double-cropping accounted for approximately 94.6%and triple-cropping for 5.4%.The results demonstrat that MODIS EVI(Enhanced Vegetation Index)time series data have the capability and potential to delineate the dynamics of double-and triple-cropping practices.The resultant multiple cropping map could be used to evaluate the impacts of agricultural intensification on biogeochemical cycles.     

Systems of agriculture farming in the Uttranchal Himalaya,India

Agricultural practices are the main stay of the people of Uttranchal. Out of the total population,more than 75% people are engaged either with the main occupation of agriculture or its allied practices,dominated by traditional subsistence cereal farming.Among them, the main crops are rice, wheat, millet,barley, all types of pulses, all types of oilseeds and almost all types of fruits. The crops, vegetables and fruits of all varieties are grown in the different climatic zones such as tropical, temperate, and cold because, the region is characterized by the different altitudinal zones elevated from 200 m to more than 8000m. As a result, different climates are found from hot tropical to sub temperate and chilly cold. Pulses varieties are grown extensively. Among vegetables,potato, onion, carrot, all types of green leaf vegetables,brinzal, pumpkin, ladyfinger, pea, gram, radish,ginger, garlic, etc, are grown widely. All fruit varieties are grown in the different altitudinal zones. The mainfruits are orange, malta (a big size of orange),elephant citrus, lemon and all other types of citrus,apple, stone fruits including peach and pears, manykinds of nuts, and the fruits which are grown in the low lying areas. In spite of feasible climatic conditions,agricultural dominant society, and availability of all types of crops, the production and productivity of these crops are very low, even they are unable to meet the grain-need of the people in Uttaranchal. Agricultural crops are grown almost in all the altitudinal zones -- from the low-lying areas, which are called ‘Ga. ngarh‘, to the highly elevated region,where the legendary term is given as ‘Danda‘. The growing seasons vary according to the heights. The present paper aims to discuss the agricultural practices including cropping season, cropping pattern,land use, production of cropsagricultural system in thisand ecological aspect of Himalayan state and suggest some measures for developing farming system,which could lead the sustainability, in terms of meeting the food grain needs of the people on the one hand and restoring the ecological balance on the other.     

Technical efficiency and its determinants of the various cropping systems in the purple-soiled,hilly region of southwestern China

This study examines the technical efficiency (TE) differences among typical cropping systems of smallholder farmers in the purple-soiled hilly region of southwestern China. Household-, plot-, and crop- level data and community surveys were conducted to explore TE levels and determinants of typical cropping systems by using a translog stochastic frontier production function. Results indicate significant difference in TE and its determinants among cropping systems. The mean TEs of the rice cropping system (R), the rice-rape cropping system (RR), the rice-rape-potato cropping system (RRP), and the oil cropping system (O) are 0.86, 0.90, 0.84, and 0.85, respectively, which are over 1.17 times higher than those of the maize-sweet potato-other crop cropping system (MSO) and the maize-sweet potato-wheat cropping system (MSW) at 0.78 and 0.69, respectively. Moreover, Technical inefficiency (TIE) of different cropping systems is significantly affected by characteristics of the household as well as plot. However, the impact of land quality, mechanical cultivation conditions, crop structure, farming system, farm radius, household type, cultivated land area per capita, and annual household income per capital on TIE vary by cropping system. Additionally, output elasticity of land, labor, and capital, as a group, is greater than the one of agricultural machinery and irrigation. Finally, when household-owned effective agricultural labor is at full farming capacity, optimal plot sizes for the R, RR, RRP, MSO, MSW, and O cropping systems are 1.12 hm², 0.35 hm², 0.25 hm², 2.82 hm², 1.87 hm², and 1.17 hm², respectively.     

多星数据协同的地块尺度作物分类与面积估算方法研究

为了解决多云雨地区遥感数据时空覆盖缺失的问题,以满足对地块尺度作物种植信息日益迫切的应用需求,本文在遥感图谱认知理论框架下发展了一种基于多星数据协同的地块尺度作物识别与面积估算方法。首先,基于米级高分辨率影像提取农田地块对象;其次,通过对多源中分辨率时序影像的有效化处理和指数计算,获取“碎片化”的高时空覆盖有效数据,并以地块对象为单元构建时间序列;然后,在时序分析基础上,建立多维特征空间,结合作物生长物候特征,构建决策树模型进行作物分类识别与面积计算;最后,以湖南省宁远县为研究区开展了水稻种植信息的提取实验。结果表明：本文方法可在农田地块尺度下实现不同水稻类型的准确识别及其种植面积的精细提取,早、中、晚稻的用户精度分别可达94.33%、90.76%和95.95%,总体分类精度为92.51%,Kappa系数为0.90;早、中、晚稻面积提取精度分别为93.37%、91.23%和95.42%。试验结果证明了本文方法的有效性,为其他作物种植信息的精细提取提供了借鉴。     

基于面向对象方法的Sentinel-1A SAR在洪水监测 中的应用

开展Sentinel-1A SAR数据在洪水淹没范围提取和水体变化监测方面的应用研究,对科学有效地管理洪涝灾害有重要意义。合成孔径雷达以其不受天气影响、能穿透云层、覆盖面积广等特点成为灾害监测的重要数据来源。面向对象的方法能有效解决影像的椒盐现象被广泛运用于信息提取研究。本文基于Sentinel-1A SAR数据,利用面向对象的方法构建洪水淹没范围提取流程,绘制灾前、灾中、灾后水体变化监测图,对比分析基于传统像元的提取方法,实现对广西临桂会仙岩溶湿地区域不同时期洪水动态监测。研究表明,Sentinel-1A SAR数据在洪水监测领域有巨大的应用潜力,相较于传统基于像元的方法,面向对象的方法能有效抑制杂斑生成,提高空间信息的利用效率,具有更好的提取精度。     

Sentinel-1 SAR在洪水范围提取与极化分析中的应用研究

在洪水灾情监测中,快速准确的获取淹没区域和洪灾面积,对防汛救灾和灾后重建工作具有重要价值.本文以2017年美国圣路易斯洪水为例,基于Sentinel-1 SAR数据,利用变化检测和阈值相结合的方法实现大范围洪水淹没提取,将VV/VH极化数据分别与从同期Sentinel-2光学影像中获取的洪水淹没范围进行比较,评定极化方...     

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。     

基于多层神经网络与Sentinel-2数据的大豆种植区识别方法

大豆作为全球最重要的油料作物,是中国进口的大宗农产品,对其种植区的精准识别是决策制定、种植结构调整基础,对国家粮食安全有重要意义。本文利用Sentinel-2作为数据源,利用多层神经网络方法与对大豆进行提取,并与随机森林、决策树、支持向量机等机器学习进行对比,发现F1-Socre指标显示多层神经网络的分类精度最高,为93.53%,其次为随机森林、支持向量机、决策树。将神经网络分类结果与SLIC面向对象分割聚合之后,结果既忽略了同一地块的微小差别,又区分出了不同地块的作物差异,很好的体现了大豆的分布。Sentinel-2数据是进行大尺度大豆种植监测的绝佳数据源,大豆与玉米等其他作物在第二个红边波段的反射率有较为明显的差异。多层神经网络方法在图像分类任务中表现出色,结合图像分割算法精度可达到95.51%,可以满足大豆种植面积监测的需求。     

黑河中游地区作物用水效率比较及种植结构调整方向研究

黑河流域地处西北干旱区,水资源短缺是限制其中游绿洲农业发展、下游生态环境保护的首要原因。该流域的中游绿洲农业用水约占总用水量的80%,因此农业节水对流域发展至关重要。在干旱区绿洲农业节水探索中,众多学者主张通过节水技术来提高用水效率,而关于农业种植结构调整对农业节水影响的定量研究较少。本文采用2012年黑河流域蒸散发数据、土地利用数据、降水数据和农业经济统计数据,定量分析黑河中游主要作物需水特征和用水效率差异,尝试从调整作物种植结构角度为其绿洲农业节水提供依据。结果表明：(1)研究区4种主要作物中,玉米生长期需水量最大,其次为小麦、油菜和大麦;(2)考虑降水补给,发现大麦和油菜生长需水可很大程度上依赖降水,而小麦和玉米则需要灌溉,且玉米灌溉需水量远超小麦;(3)作物用水效率由高到低依次为大麦、油菜、小麦和玉米。从用水效率角度而言,考虑种植区位,在黑河中游适当扩大小麦种植规模更有利于提高中游农业用水效率。