基于遥感技术的沙坨草甸交错带玉米农业气象灾害评估——以科尔沁左翼后旗为例

为了评估农业气象灾害对沙坨草甸交错带玉米产量的影响,于2013 年灾后在科尔沁左翼后旗进行实地测产,结合遥感估产和生态分类的方法,以遥感图像数据为主,地面测试数据为辅,获取农作物受灾面积,进而对科尔沁左翼后旗玉米进行灾害评估。结果表明,科尔沁左翼后旗农业区各镇玉米地受气象灾害影响程度的大小顺序为：双胜镇＞金宝屯镇＞查日苏镇,其绝产面积分别达到669.87、55.23 和6.77 hm2。玉米产量受损主要受气象灾害影响,除此还与土壤类型、玉米生育期、地形地貌等因素有关。利用玉米长势衰减表现在光谱响应特征差异的特性,估测玉米不同受灾程度的受灾面积成为可能,对于农业上遥感估产具有非常重要的作用。     

中国农作物长势遥感监测研究综述

农作物长势监测的目的是为早期估产提供依据，同时为田间管理提供及时的信息。笔者总结了中国农作物长势监测的研究进展、研究方法，指出用于长势监测的遥感数据空间分辨率较低，常用的监测指标 具有局限性，监测精度有待提高。“3S”技术的集成发展，进一步实现一体化应用于该领域仍是今后的发展方向。随着农作物长势运行化监测系统的进一步完善，对田间管理的诊断需求会日益加剧，因此作物长势的诊断将成为今后的研究重点。     

多参数冬小麦估产模型研究及产量影响因素分析

产量估算研究对制定粮食政策和经济计划,科学地进行粮食宏观调控有着重要意义。针对以往线性遥感估产模型中多是基于NDVI和LAI的研究,且参数间存在多重共线性等问题,该研究以河北省南部石家庄、保定、邯郸、邢台、衡水、沧州六市为研究区,选用2000—2008 年的种植区最佳时相NDVI、LAI累加值,并引入与小麦生物量积累密切相关的不同月份地表温度作为原始估产指标,针对参数累加值存在的误差,提出一个修正公式对NDVI、LAI 进行修正,再对选用参数进行主成分分析,将结果与冬小麦产量数据建立出4 个多参数综合作用的冬小麦遥感估产模型。结果表明,利用2009 年数据对模型进行验证,结果表明4 个模型的R2介于0.714~0.818 之间,估产精度均在93.0%以上,其中,综合所有遥感参数的模型拟合效果最好,R2为0.818,估产精度达95%,而且引入温差主成分的模型精度高于仅用NDVI、LAI作参数的模型,另外深入分析各参数对产量估测的影响可知4 月中旬和5 月中旬的地表昼夜温差对冬小麦的后期产量具有较大影响。     

棉花产量遥感预测的L-Y模型构建

本文利用LAI动态与棉花产量的关系建立了叶面积指数—产量（L-Y）模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以小区控制和大田生产试验数据为基础,以农学原理为背景,采用数学推演方法,具简单、灵活、普适性强等特点。检验结果表明,用便携式光谱辐射计测定棉花冠层高光谱反射率,以棉花全生育期LAI动态与棉花产量的关系和近地高光谱遥感参数模型监测的多时相LAI,可很好地定量预测棉花产量,估算误差约为5.44%,RMSE达到116.2 kg·hm^-2,预测值与实测值相关系数为0.836,达极显著水平。L-Y模型为棉花卫星遥感估产提供了参考模型,对其他作物使用动态生长信息提高遥感估产水平也有一定的借鉴意义。     

遥感光谱技术在农作物估产中的应用研究进展

农作物产量是一个国家或地区的重要经济信息,关系着国家和区域粮食安全,对农业规划布局、政策调整及可持续发展等方面具有重要意义。农作物遥感估产主要包括作物识别和产量评估2项主要环节,文章通过总结农作物遥感识别与产量估算的研究现状,以其依据的特征不同、针对的目标不同对现有的作物识别分为2类进行总结;根据数据源与评估模型原理的区别将现有作物遥感估产方法总结为4类,对其方法、原理和应用要点进行总结,讨论分析了各类方法的优势和仍需完善的问题,并对今后的发展趋势进行了展望。     

遥感光谱技术在农作物产量估算中的应用研究进展

农作物产量是一个国家或地区的重要经济信息,关系着国家和区域粮食安全,对农业规划布局、政策调整及可持续发展等方面具有重要意义。农作物遥感估产主要包括作物识别和产量评估两项主要环节,文章通过总结农作物遥感识别与产量估算的研究现状,以其依据的特征不同、针对的目标不同对现有的作物识别分为两类进行总结;根据数据源与评估模型原理的区别将现有作物遥感估产方法总结为四类,对其方法、原理和应用要点进行总结,讨论分析了各类方法的优势和仍需完善的问题,并对今后的发展趋势进行了展望。     

国际玉米小麦改良中心（CIMMYT）的玉米早熟性和抗病,虫育种

国际玉米小麦改良中心（ＣＩＭＭＹＴ）的玉米早熟性和抗病、虫育种庄铁成，王月（长春市农业科学院长春１３０１１１）１９９３年３月，在我们考察国际玉米小麦改良中心（ＣＩＭＭＹＴ）期间，与ＣＩＭＭＹＴ的耐寒玉米专家Ｊ．Ｌｏｔｈｒｏｐ，玉米病害专家Ｊ．Ｍｉｈｍ...     

中科院遥感地球所作物病虫害遥感监测与预测系统正式对外发布

正据中国科学院遥感与数字地球研究所通报,近期,该所研究员黄文江及其研究团队自主研发的"作物病虫害遥感监测与预测系统"正式对外发布。该系统以空间对地观测技术为主要手段,开展全国小麦、水稻、玉米等主要作物主要病虫害遥感监测与预测,并定期在线发布病虫遥感专题图和灾情评估报告。     

农作物-农田环境系统关键信息采集规范研究与应用

高效率、标准化地采集反映或影响农作物生长的关键信息对通过遥感观测实现作物估产、长势预测等至关重要。通过采集指标筛选、取样点布局、数据采集方法、数据处理等的研究制定关键信息采集规范,以水稻-稻田系统为例,应用农作物-农田环境系统关键信息采集规范指导了实地的数据采集点选择、采集路线分析,完成了地面实测、气象等关键数据的采集,为基于遥感与现场数据结合的水稻估产模型的建立和验证提供了重要的数据支持。最后,还提出了规范在大区域农田环境系统下应用的改进建议。     

中国瘦肉猪母本新品系(DVI系)的选育及杂交利用

中国瘦肉猪母本新品系（ＤＶＩ）系,是利用国内外优秀猪种资源,太湖猪,长白猪和施格猪杂交育成的,经过６个世代的选育,其经产猪的平均窝产仔数１３头以上,平均日增重６６５ｇ,胴体瘦肉率５９．３２％,ＤＶＩ系经产母猪与大白猪,杜洛克和皮特兰杂交,其窝产瘦肉量分别为４６２ｋｇ,４７０ｋｇ和４９２ｋｇ。     

遥感技术在烟草长势监测及估产中的应用进展

烟草长势信息是烟草生产管理的重要依据,全面了解遥感技术在烟草长势监测及估产中的应用进展,为利用遥感技术支撑科学化、精细化烟田管理提供科学参考。在对相关文献分析和归纳的基础上,从地面光谱、无人机遥感、卫星遥感3种尺度对目前遥感技术在烟草长势监测与估产方面的应用进行系统总结,并对进一步研究进行展望。（1）基于地面光谱对烟草的监测,主要是利用反射率光谱及其不同的变换形式、光谱指数和光谱位置变量估测其生理生化参量（氮、磷、钾、生物量、叶面积指数、叶绿素等）,为诊断烟草生长、健康状况、成熟度提供依据,进一步实现烟草长势监测、估产与品质评定。（2）利用无人机遥感技术能够在小尺度上对作物的面积进行提取、监测长势及估产,但受搭载相机分辨率、地形、自身稳定性等影响,不能监测烟草的细微变化。（3）参考LandSat、SPOT、MODIS、HJ-1等光学遥感数据以及SAR数据,利用遥感影像融合、分类等技术能够实现对大面积烟田病害、长势进行监测和产量估计。结合多源、多平台遥感数据,对烟草的参数进行定量研究,并利用同化技术对大尺度上烟草生长过程进行动态监测,来探索烟草的最佳采收期是未来研究的重点。     

基于无人机高光谱影像的玉米地上生物量反演

【目的】研究以玉米地上干生物量为研究对象,探讨基于无人机高光谱数据利用人工神经网络法反演生物量的可行性。【方法】在吉林省蔡家镇开展玉米氮肥梯度试验,并进行无人机高光谱数据和地上干生物量获取,共获数据30组。随机选22组数据用于建模,剩下8组用于模型的外部验证。分别基于光谱指数法和BP神经网络算法构建反演模型,比较分析各种方法反演玉米生物量的优劣。【结果】结果表明：和基于光谱指数构建的生物量反演模型相比,BP神经网络模型取得了更好的反演结果。其建模时决定系数为0.99均方根误差为0.08 t/ha,相对均方根误差为3.39%;外部验证时,决定系数为0.99,均方根误差为0.15 t/ha,相对均方根误差为8.56%。【结论】BP神经网络模型可有效提高无人机高光谱遥感反演玉米地上生物量的精度。     

安徽省冬小麦长势遥感监测与评估方法研究

沿淮淮北是安徽省主要的冬小麦种植区,为了对该区域冬小麦长势进行实时、动态地监测,通过采用变化向量分析方法,利用2005-2010年EOS/MODIS数据,在HANTS算法重构无云NDVI时间序列图像以及安徽省冬小麦种植区提取等数据处理基础上,研究基于NDVI变化向量、曲边梯形面积的长势综合监测模型,对研究区的年际与年内长势变化进行时间和空间上的定量分析。结果表明：HANTS处理平滑后的MODIS的10天合成植被指数的年时序曲线有效消除了云和数据缺失的影响,重构后的生长曲线可以更清楚地反应作物生长变化趋势和规律,有利于监测模型的建立;冬小麦种植区提取,大大提高了卫星监测精度,构建的综合监测模型适合单一生长季苗情长势遥感监测,该模型在2011年冬小麦长势评估中取得了良好的监测效果。     

基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

利用环境减灾卫星估测增城水稻产量

为了探讨将国产环境减灾卫星遥感影像应用于田块破碎度大,生长季多云、雨天气的增城地区水稻产量估测的可行性。试验于2010年在增城地区进行,获取了水稻生长季长势、产量信息,及多时相环境减灾卫星遥感影像,提取了水稻种植面积信息,并基于“光谱信息-长势-产量”间相互关系,利用主成分分析算法建立水稻产量估测模型。结果表明,国产环境减灾卫星的特点可使其有效获取研究区水稻遥感影像,便于准确提取水稻种植面积及估测产量。本研究获得的2010年早稻种植面积的提取精度在97.3%,估产模型的预测决定系数为0.73,预测相对误差为12%。推动了国产卫星在该区域的应用。     

基于关键期HJ卫星数据提取无棣县作物种植面积

探讨利用作物关键生育期HJ卫星遥感数据,进行区域主要作物种植面积快速监测的可行性,旨在建立一种方便快捷的作物种植面积提取技术。以山东省无棣县为研究区,根据该县作物栽培技术月历为参考选择关键期HJ星遥感数据,通过EVI指数时序数据分析,采用支持向量机(SVM)方法进行了该县主要作物种植空间分布信息提取。结果表明：关键期HJ星EVI指数数据结合SVM方法,能较为准确地获取该县冬小麦、玉米和棉花的种植面积,总体的面积总量精度超过93%,空间分布精度大于75%;利用关键期影像大大减少了数据处理量,便于可视化感兴趣区的选择,仅利用SVM方法就获得了满足精度要求的作物面积提取结果,大大简化了操作流程,为其他区域利用HJ卫星数据提取作物种植面积提供了参考。     

GF-1和MODIS影像冬小麦长势监测指标NDVI的对比

作物长势是农情遥感监测的重要内容之一。长期以来, 作物长势遥感监测主要基于卫星影像反演的相关植被参数, 如归一化植被指数(NDVI, normalized difference vegetation index)、叶面积指数(LAI, leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系, 尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1 的NDVI与冬小麦综合茎数的相关性最高(R ²=0.8961), 而与其他指标相关性较弱; MODIS的 NDVI指数与冬小麦综合茎数相关性较低(R ²=0.4432), 对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值, 并与MODIS的NDVI对比, 发现两者之间的相关性较低(R ²=0.3944); 在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后, MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R ²=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现, MODIS像元内冬小麦长势一致性越高, MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数, 且卫星影像分辨率越高, NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高, 基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看, 尽管MODIS与GF-1数据的监测结果趋势较为一致, 并且通过光谱、尺度归一化能够进一步提高监测结果的一致性, 但MODIS NDVI长势监测总体精度较低, 为满足作物长势精细化监测的业务需要, 应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测, 并将其作为长势监测业务化运行的研究重点。     

2016年湖南一次典型污染天气过程成因与来源追踪分析

研究旨在对2016年12月7—12日湖南中东部地区出现的一次持续性污染天气过程进行分析,以得到本过程的空气污染物来源及造成本次污染过程的原因。[方法]本文利用环保部门国控空气质量监测资料、常规气象资料、NCEP再分析资料、MODIS卫星遥感资料进行诊断分析,同时使用HYSPLIT-4后向轨迹模式对污染来源进行了聚类分析模拟。[结果]结果表明,连续晴好天气背景下长江中游区域生物质燃烧所造成的烟尘颗粒物排放,以及不利于污染物扩散清除的气象条件是本次持续性污染天气过程的主要原因,另外,湖南特殊的地形条件也是造成本次持续性污染天气过程的一个重要因素。[结论]该诊断分析结果得出了湖南此次复杂的大气污染过程的成因,并分析出了大气污染物的来源。     

基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测

为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。