征稿简则

正《陕西气象》是陕西省气象局、陕西省气象学会主办的,陕西省气象行业唯一的科技期刊。《陕西气象》主要刊登气象科学各分支学科研究论文、技术总结、调查报告;农业遥感、计算机等新技术在气象领域的应用;气象管理软科学;气象预测、专业服务经验交流;气象科普等。1来稿要求和注意事项文稿务求论点明确,文字简练,数据可靠,标点符号准确,引用资料请给出文献出处。论著、总结、综述一般不     

利用NOAA NDVI数据集监测冬小麦生育期的研究

探索了利用NDVI研究作物生育期的方法，对黄淮海冬麦区的返青期、抽穗期、成熟期进行了估测，并利用地面实际观测资料进行了验证。结果表明，NDVI数据对大范围农作物生育期监测是可行的。冬小麦遥感反青期由南到北依次推迟，符合春季绿波由南到北推移规律。对冬小麦遥感生育期年际变化分析表明，黄淮海平原返青期变化相对较大，而抽穗期和成熟期变化较小。根据历年月平均温度与返青期分析，冬小麦返青日期与2月份平均温度密切相关。对于局部地区，利用5d合成1km分辨率数据，且按农业生态分区分别制定生育期判别标准，估测效果将更好。     

征稿简则

<正>《陕西气象》是陕西省气象局、陕西省气象学会主办的,陕西省气象行业唯一的科技期刊。《陕西气象》主要刊登气象科学各分支学科研究论文、技术总结、调查报告;农业遥感、计算机等新技术在气象领域的应用;气象管理软科学;气象预测、专业服务经验交流;气象科普等。1来稿要求和注意事项文稿务求论点明确,文字简练,数据可靠,标点符号准确,引用资料请给出文献出处。论著、总结、综述一般超过6000字。其它文稿限3500字以内。附3~8个中文关     

HRPT接收系统夏秋季接收数据异常的判断分析

采取对比法、排除法和统计分析法,对陕西省农业遥感信息中心卫星地面接收站的HRPT系统,接收的NOAA-17、FY-1D卫星出现随机丢帧现象异常原因进行了排查判识。利用现有的两支前置高频放大器(又称:场放)进行对比实验,跟踪监视白天NOAA-12、NOAA-16、NOAA-17和FY-1D,观察记录每条轨     

利用神经网络方法提取水稻种植面积—以湖北省双季早稻为例

在利用NOAA数据提取水稻种植面积的过程中，由于其地面分辨率较低，存在大量混合像元问题，使得提取精度不够理想，该文基于神经网络方法即可以提供多源数据的输入，又不受数据分布假设限制的特点，从NOAA图像演算最能反应朋稻分布信息的绿度指数（NDVI）和日夜温差值，将其重采样，然后加入对水稻生产区域有重要影响的土壤类型，土地利用类型及高程分布等信息，以TM图像作为准直值进行分类，获得较为理想的湖北省双季早稻种植面积。     

沈阳市农业遥感应用研究取得丰硕成果

本刊讯 记者从8月1日召开的沈阳市农业速惑应用研究鉴定会上获悉，该项研究历时4年，取得了显著的经济效益和社会效益。     

卫星遥感数据的农作物时空特征分析与农业资源评价合作研究

2004年9月14日,中国农科院农业资源与农业区划研究所与日本国际农业研究中心在京签订“利用卫星遥感数据开展农作物时空特征分析与农业资源评价”项目合作备忘录。这标志着中日农业遥感领域新一轮的合作正式启动。     

卫星图像光盘资料管理系统

截止2010年年初,陕西省农业遥感信息中心接收极轨卫星图像光盘资料累积达6000多张,总数据量达10TB。不同种类的数据分别刻盘后,人工检验登记分箱保存。使用时,手工查找光盘,由专用软件逐一打开文件浏览。由于卫星图像数据量大,单个文件长度多在500～1000MB以上,读盘查询费时,且由于图像质量和时差等原因,打开的文件不一定可用。     

征稿简则

<正>《陕西气象》是陕西省气象局、陕西省气象学会主办的,陕西省气象行业唯一的科技期刊。《陕西气象》主要刊登气象科学各分支学科研究论文、技术总结、调查报告;农业遥感、计算机等新技术在气象领域的应用;气象管理软科学     

基于NDVI时间序列影像的天山北坡经济带农业种植结构提取

水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源,不同农作物在生长期所需的灌溉水量存在较大的差异,因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济带为研究区,以谷歌地球引擎（Google Earth Engine,GEE）云平台为支撑,以Sentinel 2以及Landsat 7-8的数据为遥感数据源,采取以下步骤进行研究区的农业种植结构提取：首先,为了简化农业种植结构提取的过程,利用一年最大NDVI值以及坡度信息构建耕地掩膜图层;然后,根据研究区内主要农作物的物候历,获取不同时间段内的最大NDVI值的时间序列数据以及农作物在一年中出现NDVI最大值的日期,并在此基础上构建一个包含10波段的特征波段影像;最后,结合野外实地考察获得的有效样本点以及经耕地掩膜图层掩膜后的10波段特征波段影像,利用随机森林分类器进行研究区的农业种植结构提取。分类结果表明：2018年研究区内棉花、玉米、小麦的总体分类精度为92.19%,Kappa系数为0.883。为了进一步将分类结果与统计数据进行对比,我们将训练得到的分类器应用于2017年的遥感影像,提取了研究区内2017年的农业种植结构信息,其分类结果表明2017年研究区内棉花、玉米、小麦的种植面积分别为5 270 km²、2 000 km²、2 340 km²,其相对精度分别为86.53%、77.54%、86.19%。