排序方式: 共有23条查询结果,搜索用时 46 毫秒
1.
面向地块的农作物遥感分类研究进展 总被引:4,自引:0,他引:4
农作物遥感分类是农作物面积监测的核心问题,对于进一步开展农作物长势、产量等专题监测具有重要意义。与同质像元聚类得到的对象相比,地块数据包含了更为精确的位置和面积信息,被越来越多地应用于农作物遥感分类。首先,系统总结了面向地块农作物遥感分类在理论、方法和实践中取得的进展;然后,分析了该方法目前存在的问题;最后,对未来的发展趋势进行了展望。研究认为,数字化和影像分割是获取地块数据的主要途径,陆续发布的全国地块数据集也给面向地块农作物遥感分类带来了新的契机;将面向地块的农作物遥感分类策略分为考虑地块整体特征和以像元为基础2种,并总结了遥感分类特征和分类方法取得的进展;在未来一段时间,多源数据的应用、地块边界检测技术的发展、分类特征的挖掘以及遥感分类运行化能力的提高将是面向地块农作物遥感分类的重要研究内容。 相似文献
2.
国外农情遥感监测系统现状与启示 总被引:19,自引:1,他引:18
大范围的可靠农情信息对粮食市场及相关政策的制定至关重要,是保障区域及全球粮食安全的重要依据,在全球气候变化、人口增长、土地利用/覆盖变化剧烈的背景下,对这一信息的需求也更加迫切.传统农情信息的获取依赖于庞大的调查队伍和大量的调查工作,信息的获取存在成本高、时效性差和结果受主观影响大的缺点.伴随着近30年遥感技术本身及其在农情信息获取领域能力的提升,一些国家与国际组织建设了各自的农情遥感监测系统,并开展了运行化的监测.对美国、欧盟、FAO、加拿大、巴西、阿根廷、俄罗斯、印度等主要的农情遥感监测系统进展进行了详细的介绍,并通过对这些系统的分析得到一些农情监测系统建设的启示.指出作物种植面积估算、单产预测、长势监测、旱情监测是农情遥感监测中最主要的4个主题.在面积估算方面,各个系统在遥感技术不断发展的同时对地面调查的依赖并没有减少,甚至得到了强化,这与遥感降低地面调查的初衷相违背,导致遥感技术在大范围农情监测中的潜力没有得到充分发挥,在单产预测方面,需要发展独立的遥感预测方法.提升遥感的作用是未来一段时间内农情遥感监测系统建设的主要方向. 相似文献
3.
"全球农情遥感速报系统(CropWatch)"新进展 总被引:5,自引:0,他引:5
目前由中国科学院遥感应用研究所建设和运行的"全球农情遥感速报系统",是世界上开展全球尺度农情遥感业务监测的主要运行系统之一,可以在中国和全球尺度提供作物长势、单产、种植面积、产量和旱情等农情信息.自1998年建设至今,已经发展成为一个独立运行、监测内容全面、技术先进、监测结果可靠,并具有快速响应能力的系统.2004年,<遥感学报>(第8卷第6期)对该系统的主要技术方法进行了系统介绍.2005-2009年,通过对CropWatch的不断完善,提高了系统的独立性和运行效率,并在2008年春季雪灾、汶川地震、2009年冬小麦种植区春季干旱、2010年西南大旱等关键时期发挥了重要作用.详细介绍了2005-2009年间在系统化建设、监测的独立性和系统的应用推广等方面的进展,并对系统在"十二五"期间的发展重点进行了展望. 相似文献
4.
遥感数据在空间分辨率和时间分辨率上相互制约,单一的卫星传感器不能获得既具有高空间分辨率又具有高时间分辨率的数据,遥感数据时空融合技术是目前解决此问题的重要方法之一。对此介绍了国内外在遥感数据时空融合领域的主要研究成果,通过对当前主流融合模型构建理论进行对比分析,将时空融合模型分为基于变换的模型和基于像元重构的模型,并且进一步将基于像元重构的模型分为了基于线性混合模型和时空自适应融合模型2类,分别介绍了各类模型的基本原理与方法,并对模型的优缺点进行了对比分析。最后,对时空融合模型的发展趋势从数据、应用和尺度3个方面进行了展望。 相似文献
5.
基于6S模型的环境星CCD数据大气校正 总被引:5,自引:0,他引:5
应用6S辐射传输模型建立查找表,对环境与减灾小卫星CCD数据进行大气校正。结果表明:校正后的图像更加清晰,对比度增强;与实测光谱对比,处理后的环境星数据可以更真实地反映地物反射特征,消除了NDVI信号在大气传输过程中的衰减效应,更好地复原了地表植被覆盖的真实状况。通过讨论,提出对于HJ-1-A的CCD数据,可以考虑通过同星搭载的高光谱传感器进行气溶胶光学厚度反演;对于HJ-1-B的CCD数据,可以采用对比方法反演气溶胶光学厚度,进而作为模型的输入来提高大气校正精度,以及考虑地表二向性反射现象来提高大气校正精度。 相似文献
6.
7.
大数据时代的农情监测与预警 总被引:4,自引:0,他引:4
农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。 相似文献
8.
利用HR-768型便携式光谱仪,测定了不同大豆残茬覆盖度下的地面光谱,利用照相法获取对应的大豆残茬覆盖度。采用线性回归方法分析了单波段反射率、反射率一阶导数、归一化指数、比值指数与大豆残茬覆盖度的相关性,获取了不同覆盖度水平下大豆残茬的光谱响应特征,并结合MODIS、TM、HJ-1B星的波段响应函数建立了大豆残茬覆盖度最优估算模型。结果表明,在2050—2150nm和2250—2350nm两个波段范围内,大豆残茬与裸土的光谱差异最显著,可用于二者的区分;大豆残茬的光谱特征与玉米、小麦残茬的光谱特征相似,仅在920—967nm范围内存在特殊的吸收峰;以高光谱数据为数据源,941.6nm处的反射率、2151.8nm处反射率一阶导数、1461.3nm和2404.4nm反射率构建的归一化指数以及2247nm和608.6nm反射率构建的比值指数适宜用于作物残茬覆盖度估算,以宽波段数据为数据源,短波红外与红波段反射率构建的比值指数适宜用于大豆残茬覆盖度估算。 相似文献
9.
基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究 总被引:11,自引:0,他引:11
以山东禹城为研究区,利用我国自主研发的环境星数据,计算了4种植被指数,即归一化植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)及增强型植被指数(EVI);结合同步观测数据,将植被指数与实测叶面积指数(LAI)进行回归分析,比较各种植被指数模型对冬小麦LAI的估测精度。结果表明,4种植被指数与LAI均具有较高的相关性,其中,比值植被指数(RVI)对LAI反演精度最高,即LAI=2.967 lnRVI-1.201是估算冬小麦LAI的最优模型。使用2009年5月冬小麦LAI观测数据对模型进行验证,平均相对误差为19%。 相似文献
10.
基于Google Earth Engine与机器学习的省级尺度零散分布草地生物量估算 总被引:4,自引:0,他引:4
大区域草地地上生物量估算对草地资源利用管理及全球碳循环研究具有重要意义。为高效快速地估算大区域零散分布草地地上生物量,本文选取安徽省为研究区,在谷歌地球云引擎(Google Earth Engine)平台的支撑下,通过机器学习方法建立Landsat 8 OLI及其他辅助数据与地面实测草地地上生物量之间的联系,开展了草地零散分布地区省级尺度草地地上生物量高分辨率估算,并与传统的基于归一化植被指数(NDVI)回归模型进行了比较。研究结果表明,综合利用光谱与地形因子的机器学习方法,估算零散化分布草地地上生物量的精度可以达到65%以上,其中分类回归树(CART)模型R2=0.57,预测精度为68.60%,支持向量机(SVM)模型R2=0.59,预测精度为75.74%,而使用NDVI的回归分析产生的误差较大,R2=0.37,预测精度为57.51%,因此机器学习方法相对于传统基于NDVI的回归分析具有明显优势。另外,谷歌地球云引擎平台数据来源广泛、获取方便,可以高效地实现海量影像数据的预处理及计算分析,大大提升了工作效率,与地面调查数据的结合可实现更大区域乃至全国尺度上的零散分布草地地上生物量高分辨率遥感估算。 相似文献