东北地区主要粮食作物种植结构时空变化分析

在农业供给侧结构性改革背景下,明确区域种植结构时空变化过程,可为东北地区种植结构的调整及优化提供科学依据。采用2005-2015年东北地区40个市/盟主要粮食作物播种面积数据,运用数理统计方法,根据主要作物种植面积比重以及作物组合状况,划分主要作物种植结构类型,进而分析东北地区主要粮食作物种植结构时空变化。结果表明:(1) 2005-2015年东北地区粮食作物播种面积持续扩大,其中,大豆播种面积及其占粮食作物总播种面积的比重均呈现"上升-下降"趋势,玉米和水稻播种面积稳定上升,水稻占粮食作物总播种面积比重在2011年超过大豆;(2)种植结构类型共出现8种,以作物主导型为主。其中,玉米主导型和水稻主导型地区数量增加,大豆主导型地区数量减少;(3)玉米主导型地区分布最广,由辽宁省、吉林省向黑龙江省中部和东部地区扩散,大豆主导型萎缩至大、小兴安岭地区。种植结构类型单一化趋势明显,黑龙江省中部和东部地区、吉林省东部地区及内蒙古自治区呼伦贝尔市种植结构类型向玉米转变。     

地块尺度下基于多源卫星遥感数据的粮食作物识别

开展粮食作物监测对于国家粮食安全具有重要意义。在传统像元尺度下,利用单一遥感数据进行粮食作物监测,识别精度往往较低,提取的作物地块破碎,难以满足应用需求。为此,该研究以山东省青岛市黄岛区为研究区,提出了一套地块尺度下综合多源卫星遥感数据（包括高分辨率数据、多时相数据、高光谱数据）与土地利用调查矢量数据的粮食作物信息识别方法。首先,对高分辨率数据进行分割获取耕地地块矢量数据;其次,基于多源卫星遥感数据提取地块级时空谱特征;再次,利用样本数据计算特征类间可分性,并进行特征优选;最后,构建基于二次多项式支持向量机的主要粮食作物（春玉米）识别方法。结果表明：1）该研究所提的方法可以有效进行粮食作物信息识别,基于地块数统计的识别精度为89.7%;2）利用光谱特征、植被指数、纹理特征组合得到的识别结果精度最优,基于像元数统计的精度为97.1%,与传统方法相比提高了24.2个百分点,且提取的地块信息更完整。该研究成果可支持粮食作物种植用地的调查与监测,也可为耕地非粮化时空演变与分析提供新的思路。     

利用MODIS遥感数据监测冬小麦种植面积

冬小麦是中国最主要的粮食作物之一，利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一。美国1999年发射的TERRA卫星上携带的中分辨率成像光谱仪（MODIs）具有独特的光谱、时相和空间分辨率，为大范围的冬小麦种植面积监测提供了可靠的数据源。但中国耕地破碎，即使是250m分辨率的MODIS数据，采用传统的信息提取方法依然无法取得高的精度。因此结合多源遥感数据和GIS数据，建立了基于TERRA／MODIS数据的冬小麦种植面积遥感监测体系结构。首先利用IKONOS米级高分辨率遥感影像提取试验样区的地块图，用以指导野外采样工作；其次，在采样工作基础上，利用LANDSAT进行区域冬小麦种植面积提取；最后利用2002年TERRA／MODIS时间序列数据的混合像元线性分解模型进行河南省冬小麦种植面积的遥感监测，监测结果与国家统计数据相比，相对误差为5．25％，精度能满足农情监测的需要。研究结果为中国冬小麦种植面积遥感监测提供了一种业务化工作方法。     

临沂市种植业结构调查与分析

以临沂市三区九县为研究对象,对临沂地区2008—2017年的种植业结构进行了深入调查与分析。结果表明:2008—2017年,临沂地区粮食作物播种面积明显下降,但是历年总产量比较平稳。油料作物播种面积增加,总产和单产也逐年增加。烟叶、棉花播种面积和总产量表现出逐年降低的趋势,药材、水果种植面积和总产量稳步提升。由于种植结构的不断调整和优化,经济效益明显提高。     

玉米宽窄行休闲种植技术要点

榆树市位于松辽平原腹地．玉米是主要粮食作物,播种面积23．67万hm^2,占榆树市粮食作物播种面积的70％以上。由于长年实施玉米大面积连作,造成土壤板结、蓄水保墒能力差、有机质含量降低、土壤养分失调．为此,2009-2011年,组织实施玉米宽窄行休闲种植,在育民乡富强村、五棵树镇互助村等20个村,     

面向数字土壤制图的土壤采样设计研究进展与展望

全球化土壤环境问题的出现对基础输入数据的精度、尺度和时序提出了更高要求,面向数字土壤制图的土壤采样研究得到了快速发展。首先利用文献计量学的方法定量化分析国内外土壤采样研究学科分布和研究热点变化;随后重点梳理了国内外土壤采样研究的文献,根据不同的土壤调查目的、调查区历史采样点将土壤采样设计分为:土壤全面采样设计、土壤补充采样设计、土壤验证采样设计和土壤监测采样设计;最后介绍了基于样点的推理制图方法。在此基础上,对未来在多尺度的土壤采样设计、土壤–环境因子关系的新型假设和采样设计中现实问题的量化等方面进行了展望,旨在为数字土壤调查工作的开展提供参考依据。     

黄土旱塬施肥和集雨补灌的效应研究

试验结果表明，在肥料和量和补供水量均相同的情况下，膜侧谷子，地膜玉米的增产量大于膜侧冬小麦的增产效果，果树的增产效果大于粮食作物的增产效果，据此认为，适当压缩粮田面积，扩大果树面积，在粮食作物中压缩冬小麦播种面积，扩大谷子播种面积，是农田增效，农民增收的有效途径。     

区域粮食产量因灾损失评估之内蒙古自治区灾情-产量模型构建

基于1981-2020年内蒙古自治区农业气象灾害灾情及该地区粮食作物播种面积和产量数据,构建灾情-粮食作物产量评估模型,并对该模型进行验证,以此估算该地区粮食作物因灾减产量。结果表明：(1)1981-2020年内蒙古自治区粮食作物播种面积、总产和单产均呈显著上升趋势,增速分别为74.48×10³hm²·a^-1、78.85×10⁴t·a^-1和100.97kg·hm^-2·a^-1。(2)1981-2020年内蒙古农业气象灾害受灾、成灾面积均呈先上升后下降趋势,同期全国农业气象灾害成灾和受灾面积亦呈先上升后下降趋势。(3)干旱是该地区最主要的农业气象灾害,其受灾和成灾面积分别占历年各灾种的总受灾和成灾面积的64.10%和62.45%。灰色关联度分析表明,在受灾率和成灾率水平上干旱是与粮食单产关联度最高的农业气象灾害,在绝收率水平上风雹与粮食单产关联度最高。(4)构建的灾情-粮食作物产量评估模型模拟准确率较高,其模拟粮食产量与实际粮食产量呈极显...     

河北省粮食产量趋势性的影响因素定量研究

[目的]对河北省粮食产量趋势性影响因素进行定量研究,为保障国家粮食安全提供科学支撑。[方法]运用EMD方法提取河北省1978—2015年粮食产量趋势量,利用C-D生产函数与全要素生产率(TFP)对该省的粮食产量影响因素进行定量化研究。[结果]河北省粮食总产发展趋势呈现明显的阶段性:快速增长,缓慢发展,停滞不前甚至下降3个阶段;各投入要素对河北省粮食总产趋势增长的贡献率依次为:粮食作物播种面积(51.99%)有效灌溉面积(38.68%)科技进步(12.73%)农林牧渔业劳动力(-2.86%)支持农业生产和事业支出(-0.55%)。[结论]粮食作物播种面积、有效灌溉面积和科技进步是促进河北省粮食总产增长的3个主要因素。     

东北三省区耕地资源与粮食生产潜力分析

东北三省区是我国最大的商品粮基地,其粮食生产能力关系到国家粮食安全。本文以1980/1996~2014年耕地面积和粮食生产系列数据为样本,应用时间序列预测方法,分析预测了东北三省区2020年耕地面积、复种指数、粮作与非粮作面积比、粮食作物结构、三大粮食作物单产和粮食总产量。预测结果表明,到2020年,东北三省区耕地面积为27841×103 hm2,粮食作物与非粮作物面积比为90.9:9.1,粮食作物播种面积为22448×103 hm2,粮食总产能力为1.41×108t,与2014年相比增产60.2%,未来东北三省区粮食总生产能力呈稳定上升之势。     

基于遥感与多变量概率抽样调查的作物种植面积测量

针对传统抽样调查工作中调查基础资料时效性不高和野外调查工作量较大等问题,该文提出了一种遥感与MPPS(multivariate probability proportional to size)抽样调查相结合的农作物种植面积测量方法。利用第2次农业普查数据进行抽样框的编制;利用时序中分辨率遥感数据进行农作物种植面积的分类;在中分辨率遥感分类图的基础上进行MPPS抽样;采用高空间分辨率遥感数据对抽选样本进行面向对象的分类;根据MPPS抽样方法进行总体农作物种植面积的推断;计算CV值,评价抽样精度,以国家统计局公布数据为标准进行总体面积精度评价。以辽宁省北镇市为研究区对该方法进行了测试。结果显示,该方法能够有效的提取县级农作物种植面积,农作物种植面积提取精度优于92%。     

作物病虫害遥感监测研究进展

农作物病虫害监测目前在数据采集上主要依靠植保人员田间调查、田间取样等传统方式,不仅耗时、费力,而且存在以点代面的代表性差、主观性强和时效性差等弊端,难以满足大范围病虫害实时监测的需求。近年来遥感技术的发展,为大面积、快速获取作物和环境信息提供了重要的手段,是未来大面积病虫害监测和预测预报与产量损失评估的重要手段。该文在阐述植物病虫害胁迫光谱响应的生理机制的基础上,对目前病虫害遥感监测中所常用的光谱敏感波段及植被指数进行了汇总、整理,并对病虫害识别、严重度监测和损失评估等方面所使用的算法进行了综述。在此基础上,指出了目前作物病虫害遥感监测中尚需解决的关键技术问题,并就如何实现大面积作物病虫害遥感监测提出了解决思路。     

改进YOLOX检测单位面积麦穗

单位面积麦穗数是估算小麦产量的重要指标,对于作物表型参数计算、产量预测和大田管理都具有重要的意义。目前的研究均未以单位面积麦穗图像为研究对象,为准确获取单位面积麦穗数,该研究提出了基于改进YOLOX的单位面积麦穗检测方法,利用采样框直接实现单位面积麦穗计数。首先,设计了一种简单的单位面积采样框,通过训练角点检测网络识别采样框,以提取单位面积小麦区域;其次,针对麦穗检测中存在的目标密集和相互遮挡问题,在麦穗检测网络的特征融合层,采用上下文信息进行特征重组的上采样方法（Content-Aware ReAssembly of Features,CARAFE）代替YOLOX-m模型中的上采样算法,同时结合迭代注意力特征融合模块（iterative Attentional Feature Fusion,iAFF）,增加对麦穗空间信息和语义信息的提取。试验结果表明,改进的YOLOX-m模型明显改善了对密集麦穗和遮挡麦穗的检测效果,其精确率、召回率、平均精确度和F1值分别为96.83%、91.29%、92.29%和93.97%,与SSD、CenterNet和原YOLOX-m模型相比,平均精确度分别提升了10.26、8.2和1.14个百分点。该研究方法能够直接对复杂大田场景下的单位面积麦穗进行准确检测和计数,为实际生产小麦产量预测中的麦穗智能化计数提供了一种方法参考。     

大尺度作物面积遥感监测中小地物的影响与双重抽样

在大尺度作物面积遥感监测中，一般采用抽样方法。由于小地物在影像上无法识别或难以量算，形成样本误差而影响总体面积的估计。改进的措施是采用双重抽样的方法，即在抽样设计中，首先控制作物样本精度，从而消除或减小小地物影响，进而获得较准确的作物面积绝对值。     

小地物比例提取在河北耕地遥感调查中的应用研究

小地物的存在是影响大尺度下遥感面积监测的重要因素。该文以河北省为研究区域，借鉴分层抽样的基本思想，采用分区抽样方法，在不同立地条件的耕地上布设小地物抽样样方，共99个，最终得到河北省耕地中小地物面积比例的一系列估计值。其中，水田为10.15％，平原为3.51％，丘陵为7.14％。利用该数据对河北耕地面积遥感调查结果进行修正，可有效提高其结果的精度，对于河北省耕地面积遥感调查、作物面积遥感调查等应用具有实用性和使用价值，同时对具有相似立地条件的地区有重要的参考价值。     

基于无人机多光谱影像的完熟期玉米倒伏面积提取

由于土壤、地形、水分以及耕作方式等存在的时空变异性,致使灾后完熟期玉米地块存在4类作物形态,包括叶片呈绿色的未倒伏玉米、叶片淡黄的未倒伏玉米、叶片淡黄的倒伏玉米、黑色阴影区域。为进一步提高现有倒伏玉米面积提取方法的精度,该文以黑龙江省国营农场典型玉米倒伏地块为研究区,获取无人机多光谱数据,对比4类作物形态的光谱、植被指数以及纹理特征差异,经特征筛选后,首先面向倒伏玉米提取构建了5种典型特征组合。然后针对植被指数特征、光谱和纹理特征组合采用最大似然法分类,最后对提取结果的精度进行评价和分析。结果表明:反射光谱特征或植被指数特征无法准确区分4类作物形态,提取的倒伏玉米面积偏差较大;多类纹理特征法所得结果最优,4类典型作物形态的识别平均误差为9.82%,倒伏面积提取的误差为3.40%,Kappa系数为0.84。该研究延展了纹理特征在倒伏玉米面积提取中的应用并对完熟期倒伏玉米识别具有重要的借鉴意义。     

冬小麦种植面积空间抽样效率影响因子分析

基于遥感与抽样的农作物种植面积测量方法结合了遥感和抽样理论的优势,已经成为农作物种植面积测量中有着广泛应用前景的测量方法。以格网为单元,进行分层空间抽样,分析在二值图像的情况下,抽样格网大小、分层层数对抽样精度、抽样精度方差、抽样比的影响;将二值图像分类结果定义为作物区,随机混入不同丰度10%,20%,……,100%的冬小麦,在不同冬小麦丰度（即不同的分类误差）的前提下,分析抽样格网大小、分层层数、分类误差对抽样精度、抽样比的影响,确定最优分层定义为6层,在分类误差小于40%（即冬小麦丰度大于60%）的前提下,可以有效地进行空间抽样推算区域冬小麦种植面积,为农作物种植面积测量空间抽样方案的优化提供理论基础。     

基于光谱和成像技术的作物养分生理信息快速检测研究进展

该文阐述了应用光谱和成像技术进行作物养分生理信息快速检测的主要研究进展和发展趋势。介绍了光谱和成像技术的基本原理、常用数据处理方法、建模方法和模型评价指标,重点总结了光谱和成像技术在5种常见农作物(水稻、小麦、油菜、玉米、大豆)的养分生理信息检测中的应用成果和研究进展(主要包括叶绿素类和氮素检测,病虫害、水分、杂草、重金属、农药胁迫诊断及产量预测等方面),分析了光谱和成像技术在作物生长信息检测的发展趋势。结果表明,光谱和成像技术能够快速无损获取作物养分生理信息,并能有效地对作物长势和逆境胁迫响应进行动态监测,对实现农业的精准化、数字化、信息化及智能化管理和作业具有重要意义。     

水稻遥感识别偏差修正的地统计学方法

为了进一步提高农作物遥感识别精度,充分利用高分辨率遥感影像上不同地物之间的邻域空间关系,提出农作物遥感识别偏差修正的地统计学方法。该方法综合考虑目标地物的光谱特征与空间信息,以类别隶属度偏差为研究对象,首先利用类别指示向量和类别后验概率向量之间的差异实现目标地物的类别隶属度偏差量化,然后对训练样本的类别隶属度偏差进行变异函数建模,并采用带局部均值的简单克里格插值方法预测总体类别隶属度偏差,之后用总体偏差的预测值对光谱分类所得的类别后验概率进行修正,重新确定识别结果,实现农作物遥感识别的偏差修正。以安徽省南部的一景 SPOT-5影像覆盖范围为研究区,选择2块典型区域分别作为试验区和验证区,以一季稻和晚稻为目标农作物,以支持向量机作为光谱分类的分类器,建立了水稻遥感识别的偏差修正流程;采用地面实测数据对修正效果进行评估,并与最大似然分类、模糊分类和支持向量机分类的结果进行比较。试验结果表明,该方法的总体分类精度能够达到90%以上,与传统分类方法相比,总体精度提高了近14%;且该方法能够大幅提高一季稻和晚稻的生产者精度和用户精度,有效改善了研究区的水稻识别结果,可以为中国南方复杂种植条件下的水稻识别提供参考。     

基于无人机载高光谱空间尺度优化的大豆育种产量估算

为探讨无人机载高光谱空间尺度对大豆产量预测精度的影响,该文以山东嘉祥圣丰大豆为研究对象,设计以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器的无人机遥感农情监测系统,获取了大豆多个生育期的无人机高光谱数据。首先,该研究利用盛荚期-始粒期(R4-R5期)的高光谱影像,由21个不同光谱空间尺度提取的高光谱数据构建植被指数,通过植被指数方差分析结果可知所选冠层植被指数与不同品种大豆植株的生长状况密切相关,但是不同空间尺度下的F值仍存在较为明显的差异;其次,采用偏最小二乘回归建立产量与不同空间尺度的植被指数之间的回归模型,通过模型方程估算精度的曲线变化趋势进一步将最优空间尺度面积确认至9.03~10.13 m2,即当采样空间尺度区域长、宽与小区总长、宽比例介于4.25:5和4.5:5时,所得到的冠层光谱能够尽可能准确地估测大豆产量,此时估算产量和实测产量呈极显著相关(相关系数r=0.811 7,参与建模的样本个数270)。该研究可为使用高、低空高光谱影像进行作物表型信息解析和估产提供参考。