栈式稀疏自编码网络的多时相全极化SAR散射特征降维

利用极化合成孔径雷达（PolSAR）能够实现地物的识别和分类,而多时相全极化SAR可以获取地物更多的散射特征,提升地物识别精度,但高维散射特征的引入会带来严重的维数灾难问题。为了实现对高维散射特征的有效降维,本文提出一种基于栈式稀疏自编码网络S-SAE（Stacked Sparse AutoEncoder）的多时相PolSAR散射特征降维方法。该方法首先对PolSAR数据进行极化目标分解以获取高维散射特征;然后使用S-SAE对获取的多维特征进行降维处理,其中S-SAE降维方法首先采用无监督训练方式进行逐层贪婪训练;再结合Sigmod分类器,利用监督训练的方式对S-SAE进行参数优化,实现高维特征的有效降维;最后以降维后的特征作为支持向量机（SVM）和卷积神经网络（CNN）分类器的输入,实现地物分类。通过仿真和实测的两组多时相Sentinel-1数据处理结果表明,双隐层的S-SAE降维方法在各分类器上均取得最优的降维效果;对比各降维方法在SVM分类器上的分类精度,S-SAE较于局部线性嵌入（LLE）与主成分分析（PCA）降维方法,总体分类精度分别至少提升了9%和14%;在CNN分类器上,S-SAE较于LLE与PCA降维方法,总体分类精度分别至少提升了7%和9%。     

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。     

作物水生产力评估方法研究

农业用水作为消耗水资源最多的部分, 在全球和区域水资源消耗中占据很大比例. 农业水生产力的评价对于改进区域农业水资源利用方式, 促进农业经济发展具有重要意义, 尤其是在水资源匮乏地区. 首先阐述了作物水生产力的基本概念, 分析了影响作物水生产力的核心要素; 其次总结了作物水生产力的评价方法, 将其分为收获方法、 模型方法和集成遥感或GIS的模型方法, 并分析了这三类方法优缺点; 最后对作物水生产力研究发展趋势进行了展望, 认为将RS或GIS与模型结合用来估算作物水生产力的方法, 将是目前研究的发展方向.     

黄淮海平原雨养条件下冬小麦水分胁迫分析

雨养条件下的水分胁迫分析能够反映当地气候土壤条件下作物生长的水分环境对农作物生长的影响,可为农业干旱管理及灌溉策略的实施提供依据,减少农业干旱的发生。本文在阐述EPIC(Environmental Policy Integrated Climate Model)作物生长模型水分胁迫计算过程的基础上,模拟黄淮海平原冬小麦在雨养条件下的生长过程,分析水分胁迫现象的时空分异。结果发现,研究区内自然降雨远不能满足冬小麦的正常生长,从水分胁迫现象发生时间上讲,雨养条件下在冬小麦生长期后段(5月中旬以后)水分胁迫现象较为严重,以5月下旬最为严重,重度水分胁迫发生频率高达48.2%;从区域分布上分析,冀鲁豫低洼平原区和山东丘陵农林区水分胁迫现象在整个研究时间段上均较为突出。     

基于WOFOST模型的辽西地区典型旱年不同播期玉米干旱损失评估

针对干旱灾害频发的辽西地区,以春玉米为研究对象,选取WOFOST作物模型,利用干旱胁迫控制试验数据、田间试验数据和气象数据驱动模型,进行典型旱年的模型适用性及不同播期的干旱损失评估研究。结果表明：经过参数校准后的WOFOST模型能够较好的模拟辽西地区典型旱年春玉米产量及损失。辽西地区不同播期受干旱的影响程度不同,因旱减产风险随播期推迟而减小,2015年(中旱)干旱导致的平均减产率可达59%—61%,2018年(轻旱)可达20%—39%,2020年(中旱)可达36%—62%。不同生育期内干旱对产量的影响程度不同,总体上拔节期—抽雄期和抽雄期—乳熟期持续重旱对产量的影响最大,其次是抽雄期—乳熟期、拔节期—抽雄期。玉米各生育期受干旱影响程度,朝阳站最大,其次是黑山站和阜新站。辽西地区在旱年,拔节期—抽雄期发生中旱和重旱风险随播期推迟而增加,抽雄期—乳熟期发生中旱和重旱风险随播期推迟而减少,当拔节期—抽雄期和抽雄期—乳熟期连续发生重旱,干旱灾损程度随播期推迟而加重,减产率可高达46%—84%。     

作物模型参数敏感性分析现状与展望

作物模型作为作物产量预测等方面应用广泛、作用巨大的重要工具,其参数的校正和优化等工作是模型模拟的前提。普通的试错法缺乏客观性且效率低下,对作物模型的输入参数进行敏感性分析,识别模拟过程中参数的敏感程度,能够有效识别关键参数并减少率定的参数量,为后续模型参数优化和校正工作奠定基础。本文主要分析了作物模型的局部敏感性分析方法和全局敏感性方法的利弊及其适应条件,涵盖傅立叶幅度灵敏度检验法(FAST)、Morris法、LH-OAT法、普适似然不确定性估计法(GLUE)、Sobol法以及扩展傅立叶幅度灵敏度检验法(EFAST)等,回顾各方法在作物模型中的研究现状,并对作物模型参数敏感性分析方法提出了展望。     

西北地区特色作物对气候变化响应及应对技术的研究进展

总结了白兰瓜、 大樱桃、 酿酒葡萄、 苹果、 桃、 当归、 党参、 黄芪、 甘草、 枸杞等10种特色作物的生长发育、 种植区域、 气象灾害、 生物量、 产量与品质等对现代气候暖干化的响应特征. 结果表明: 气候暖干化使多年生特色作物萌芽或返青提早, 生长发育速度提前加快; 瓜果类作物全生育期缩短, 根类作物全生育期延长; 使种植区的高度提高150 m左右, 向更高纬度扩展, 种植面积迅速扩大. 对旱作农业区的特色作物气候产量下降, 对灌溉农业区的影响较少, 有利于喜温凉特色作物气候产量增加, 对较耐旱的影响较轻, 对不够耐旱受到较大的影响.有利于提高瓜果类作物的品质, 尤其含糖量提高. 提出了建立特色作物种植基地或示范区, 实现农工商产业系列服务, 创建现代农业发展模式和管理新模式适应气候变化; 制定精细化综合农业自然资源区划, 合理调整种植结构; 根据未来气候预测和不同气候年型调整作物种植比例; 加强气象灾害监测、 评估、 预警与防御工作等4个方面的措施应对气候暖干化.     

旱灾成灾综合指数的研究

分析了旱灾成灾的主要影响因素。指出作物的需水 状况及环境对水的供应状况是决定旱灾能否发生的关键因素。自然降水的变异、土层水的调贮量、作物不同生育期对缺雨的反应状况及人类活动都会对灾害情产生影响。     

构建地块二维表征及CNN模型的作物遥感分类

本文旨在研究基于地块数据约束的深度学习模型的分类特征表示方法,以识别不同作物在不同时相上光谱差异从而对作物类型进行分类。通过Google Earth Engine平台获取作物生育期内全部Landsat 8影像,利用其质量评定波段完成研究区无云时相及区域上的地块统计,提取地块级别的各波段反射率均值按照时相顺序及波长进行排列,构建波谱、时相二维特征图作为该地块的抽象表示。通过构建相对最优的卷积神经网络CNN(Convolutional Neural Network)结构完成对特征图的分类,从而完成对地块的分类。构建CNN模型并不需要手工特征和预定义功能的需求,可完成提取特征并遵循端到端原则进行分类。将该模型的分类结果与其他最为常用机器学习分类器进行了比较,获得了优于常用遥感分类算法的分类精度。结果表明地块数据的加入可以有效的缩减计算规模并提供了准确的分类边界。所提出得方法在地块特征表示及作物分类中具有突出的应用潜力,应视为基于地块的多时相影像分类任务的优选方法。     

黑龙江省作物生长动态模式预测产量的方法及应用

在分析作物干物质累积曲线的基础上，分析温度、降水等气候因子与作物干物质累积量的关系，而干物质累积量又与气候产量有着直接的关系。因此，在干物质累积模型的基础上，建立作物生长动态模式，该模式主要用于四大主栽作物玉米、大豆、水稻及小麦的产量预测。利用模式预测了2001～2002年黑龙江省四大作物的单产，其精确度在94％左右。