低空遥感技术及其在精准农业中的应用

以中国农业科学院土壤肥料研究所所进行的低空遥感为例,系统描述了低空遥感的技术体系、硬件设备的工作原理和影像处理过程。介绍了低空遥感技术在精准农业中的应用情况,如地块边界数字化、地块面积量算、作物种类识别、作物长势分析等。同时分析了低空遥感技术的应用前景。     

低空无人飞行器遥感技术在重庆城口滑坡堰塞湖灾害监测中的应用研究

应用无人飞行器低空遥感技术对重庆城口滑坡地质灾害进行监测,分析了无人飞行器低空遥感技术在复杂地形及气象条件下数据获取与数据处理的技术流程和方法,并对无人飞行器低空遥感技术在滑坡地质灾害灾情评估和灾损评价中的应用上进行了探索。结果表明,无人飞行器低空遥感技术在困难地区完成遥感数据的获取与处理、三维建模和应用分析具有明显优势;无人飞行器低空遥感技术生成的数字正射影像图和数字高程模型数据可以为地质灾害发生后的抢险救灾、灾情评估和灾后重建提供准确、直观、翔实的基础数据和统计分析数据;采用无人飞行器低空遥感进行地质灾害监测可以有效弥补传统遥感技术的不足,为地质灾害遥感监测提供技术保障。     

农业低空遥感技术及其应用前景

系统分析了我国农业低空遥感技术的平台系统、传感系统及信息处理系统的组成、工作原理及目前的发展情况,详细分析了目前我国常用的几种低空遥感平台如飞艇、系留气球、动力三角翼飞行器、微型无人机驾驶飞机的工作原理及优缺点;分析了我国目前低空遥感的应用情况,同时对我国农业低空遥感存在的问题及应用前景。     

水土保持规划中低空遥感数据的获取及应用

[目的]为实现水土保持规划设计的高精度、高效率及现时性要求,探求低空遥感技术在水土保持规划设计中的应用基础和前景。[方法]选取陕西省榆林市横山区鲍家寺景区进行低空遥感试验,通过建立数字高程模型(DEM)和数字正射模型(DOM),从3个方面比较分析低空遥感数据的优势,并进一步探索了低空遥感成果在水土保持规划前期基础信息获取阶段的基本应用。[结果]低空遥感不但具有灵活性好,时效性好,数据精度高等基础优点,而且借助其他地理信息系统软件可方便、快捷提取地形现状信息和水土保持治理现状信息等水土保持规划基础资料,大大提高工作效率,能满足水土保持规划设计的要求。[结论]低空遥感数据应用于水土保持规划设计具备广阔前景。     

无人机技术在生产建设项目水土保持监测中的应用

[目的]对无人机低空遥感技术在水土保持监测中的应用进行探索,为该技术应用于小流域综合治理、水土保持监督管理、施工监理和水土保持验收等方面奠定基础。[方法]以浙江省长龙山抽水蓄能电站工程为例,结合《生产建设项目水土保持监测规程(试行)》,从背景资料分析、遥感数据获取、监测信息提取及应用3个方面,开展无人机低空遥感技术在水土保持监测中的案例分析。[结果]利用无人机低空遥感技术并结合传统定位观测手段,能够精细化、定量化地完成土地利用类型、扰动范围及流失量、弃渣场挖填方量、水土流失隐患及危害和水土保持措施等监测工作。[结论]无人机低空遥感技术在水土保持监测中的应用可靠性高,实用性强,计算结果的精度满足《监测规程》要求,有利于提高生产建设项目水土保持监测工作的技术水平,可为防治水土流失提供技术支撑。     

我国农业遥感的应用现状与展望

目前，遥感技术在我国农业上主要应用在农用地资源的监测与保护、农作物大面积估产与长势监测、农业气象灾害监测和作物模拟模型等几方面。该文对我国农业遥感上述几方面的研究、应用进行了讨论、分析与评价，认为3S一体化、灾害预测研究、高光谱遥感、定量遥感是今后的发展方向。同时，遥感技术的应用与发展，对我国农业数字化进程的推进有不可替代的作用。     

基于遥感技术监测作物收获指数(HI)的可行性分析

鉴于作物收获指数(HI)在遥感定量监测作物单产研究中的重要性,本文通过分析作物HI的形成机制和总结目前相关的遥感技术应用情况,探讨了利用遥感技术估算HI的可行性,认为结合遥感信息的时空特点,可以对HI的形成过程进行动态监测,进而建模估算最终的HI。通过分析,文中将遥感估算HI方法归纳为三类:(1)通过高时间分辨率的遥感数据对作物的整个生长过程进行监测,然后基于作物生长过程的遥感监测实现HI实时估算;(2)通过遥感技术手段获取影响HI形成的因素,然后基于环境影响因子的遥感监测进行HI的估算;(3)随着雷达、激光雷达数据获取和测量精度的提高,将可能基于作物结构参数的遥感监测来反演HI。并且分析了不同遥感数据的自身特点及其用于监测HI的缺陷和不足之处,指出遥感数据源的多元化趋势和新型传感器的出现必将推动遥感估算HI模型的改进和估算精度的提高;鉴于遥感信息的优势主要体现在空间差异化,认为遥感估算HI的结果验证应该以像元尺度为主,结合其他数据(区域统计数据等)对比分析为辅。     

低空无人机遥感技术在公路水土保持监测中的应用实践

公路施工期间工程组成复杂、土石方挖填动态变化大，传统的水土保持地面人工监测手段由于识别工程类型效率低下，难以高效、直观地获取工程点位开挖扰动面挖填变化、水土保持措施实施动态变化等情况，无法满足公路水土保持监测的需要。低空无人机遥感技术因其辨识度高，为精准、高效、直观地判识复杂地物提供了方法。本文以四川山区某隧道掘进施工现场为对象，实施了两期低空无人机遥感监测，运用空间信息处理技术进行遥感影像处理，精准识别了临建工区各项工程、水土保持措施和挖填方量变化情况，有效弥补了传统监测方法的不足，为规范公路水土保持低空遥感监测技术提供了参考。     

无人机低空遥感技术在生产建设项目水土保持监测中的应用——以某燃机电厂为例

为提高生产建设项目水土保持监测工作效率和成果精度,探索水土保持监测新技术的使用,以某燃机电厂为例,在水土保持监测中应用无人机低空遥感技术,重点分析了扰动范围、土石方量、水土保持措施、水土流失危害等内容的监测。结果表明,无人机低空遥感监测技术能极大地提高监测效率和精度,可实现监测信息的有效管理,相较于传统监测方法具有显著的优势。该技术可应用在小流域综合治理、水土流失动态监测、水土保持规划等领域。     

土地资源遥感监测产业化应用方法探讨

遥感技术已广泛应用于国土资源调查、评价和监测等领域，而遥感数据处理与分析仍是制约其应用深度的重要因素。该文在对比分析目前资源遥感监测技术的基础上，探索了基于两个时相遥感影像的变化信息提取、基于遥感影像与基年土地利用现状图的变化信息提取和基于最新遥感影像土地利用现状信息提取等关键环节的技术方法，提出了适合工程化和规模化应用的解决方案，为遥感技术在土地资源领域的深入应用提供技术支持。     

低空无人机遥感技术在淤地坝水土资源监测中的应用

通过分析传统监测方法在渭源县桥子沟小流域水泉湾骨干坝坝控区水土资源调查应用中存在的问题,探讨如何利用低空无人机遥感技术对坝控区域水土资源动态变化进行快速监测。研究成果表明,利用低空无人机遥感技术可以快速获取坝控区域的空间遥感信息和数字高程模型,实现坝控区域影像的数字化;通过无人机处理软件对影像数据进行处理后不仅可以直接量取坝系坡面区域的面积,了解坡面治理及土地利用的动态变化,还可以直接测量沟道水域的面积和沟道两侧滑坡体的体积,为分析坝地水土资源量及其来源提供数据支持;低空无人机遥感影像还能够直观地显示沟道堰塞湖的面积大小,为淤地坝的安全管理和预警提供支持。在淤地坝水土资源监测中利用低空无人机遥感技术可以自动智能、高效快速地获取影像数据,具有灵活、高效、周期短、成本低、影像分辨率高等优点,能极大地减轻外业人员的工作量,具有广阔的应用前景。     

时空协同的地块尺度作物分布遥感提取

地块尺度作物分布信息清晰直观地反映了农田位置、空间形态等空间细节和种植类型信息,对精准农业管理、种植补贴发放和农业资源调查等具有重要价值。虽然遥感时空协同思路为地块尺度作物分布提取提供了解决方案,但在农田地块提取和时序特征构建方面尚存在不足。该研究基于遥感时空协同的思路,以Google Earth高空间分辨率影像为底图,利用擅于学习影像视觉特征的D-LinkNet深度学习模型,快速、精准提取农田地块形态;以地块为观测单元,利用Landsat8和Sentinel-2多源遥感的"碎片化"无云数据构建地块时序数据集,基于加权Double-Logistic函数重建地块归一化植被指数(Normalized Difference Vegetation Index,NDVI)时序曲线;提取地块物候特征和多时相光谱特征,经过特征优选和随机森林分类模型构建,开展地块尺度作物分布制图。以广西扶绥县为研究区开展试验,共提取地块43.7万个,边界准确率为84.54%,相较于常规基于多尺度分割的地块提取,基于D-LinkNet的地块提取方法直接排除了非农田地物的干扰,地块形态与现实情况符合度更高;地块NDVI时间序列重建结果能够较好地捕捉作物开始生长、旺盛期、成熟收获期的动态变化趋势;分类特征重要性评价结果显示,红边特征、与时间相关的物候特征在分类中发挥重要作用,当联合物候特征和光谱特征时分类效果最佳;根据特征重要性分析不同特征数量情况下的分类精度,当特征数量大于40维时,作物分类精度和Kappa系数保持稳定,总体分类精度维持在88%左右;对扶绥县地块尺度作物分布进行制图,提取甘蔗地块277 421个、水稻地块33 747个、香蕉地块4 973个、柑橘地块102 055个,分别占农田地块总数的63.48%、7.72%、1.14%、23.35%,种植面积占比分别为69.78%、7.12%、1.71%、18.06%。该研究在理论上构建了遥感时空协同的地块尺度作物分类模型,为大范围、地块尺度作物分布遥感提取提供了实用化方案。     

机器学习算法在高光谱感知作物信息中的应用及展望

机器学习作为一种统计学与计算机科学相结合的新兴技术,近年来在作物信息获取任务中得到广泛应用。传统的作物信息获取方式主要依靠化学检测法,测定过程耗时、耗力。基于机器学习算法和高光谱遥感技术能够通过无损的方式,快速感知作物外观及内部理化参数,具有明显的应用优势和发展前景。本文对国内外作物信息高光谱遥感相关研究进行系统性梳理。总结了不同机器学习算法在高光谱感知作物信息中的应用及优缺点,归纳了机器学习算法建模的不确定性,指出高光谱感知作物信息的未来发展趋势为,通过多源遥感协同观测实现作物信息获取方式互补,发展高光谱遥感与作物模型同化技术、高光谱遥感与人工智能深度融合技术,从而实现面向作物全生育期的关键信息智能化获取与决策。     

农作物单产遥感估算模型研究进展

作物单产估算是农作物估产中的关键技术,也是作物估产的难点之一.遥感技术凭借其宏观、及时和动态等特点已在农作物产量估算中占据着极为重要的地位,运用遥感信息建模估算作物产量已成为区域作物估产的必然要求.在总结农作物单产遥感估算模型研究成果的基础上,将作物单产遥感估算方法划分为四种模式加以详细阐述,分析了用于单产建模的遥感数据源的多元化趋势,讨论了如何有效验证模型估算精度的问题,最后对作物单产遥感估算模型今后的发展趋势作了展望.     

作物单产估算模型研究进展与展望

作物单产估算是服务现代农业的一项重要内容,也是农业监测的难点之一,及时准确的产量模拟对国家农业决策、农田生产管理、粮食仓储安全等都有重要意义。利用模型对作物生长发育和产量形成过程进行动态模拟是当前产量估算的主流方式。本文通过对比当前主流模型构建的理论基础,将估产模型分为经验统计模型、作物生长模型、光能利用率模型和耦合模型4种类型,并对比分析4种模型的优缺点,得到了各个模型的优势和不足。同时分别分析了遥感技术在4种估产模型中的应用,对模型中遥感数据的使用方法、限制因素、解决办法等进行了总结,并分析了遥感技术在作物估产模型方面使用的优势、不足和应用前景。分析了模型发展过程中存在的问题和限制因素,最后对模型的研究热点和发展趋势进行了展望,总结了遥感数据的使用方法、不同模型的耦合、现有模型的优选3个作物估产模型研究需要重点关注的方向。     

遥感技术在水污染监测方面的应用

遥感技术在水污染监测方面的发展状况分析,阐述了各种水体的光谱特征、水污染遥感监测常用方法。着重介绍了遥感技术在水体悬浮物浓度、油污染、城市污水、水体富营养化等监测方面的应用。最后指出目前水体污染遥感监测技术存在的问题及其发展趋势,展望了遥感技术在水污染监测方面的应用前景。     

遥感技术在农业中的应用探究

遥感技术作为一门先进的实用技术被广泛应用于农业中。在理解当前遥感技术在农业领域的应用研究基础上,分析其存在的区域性差异、遥感数据获取价位高且管理不规范、遥感数据库不足和解译水平需不断提高等问题和不足,提出推动遥感图像处理软件的更新、规范遥感影像管理数据管理、加强遥感与GIS的结合及解译水平有待进一步提高4个方面的对策建议,以提高遥感技术在农业工作中的应用效果。     

无人机遥感在农田信息监测中的应用进展

快速实时地掌握农田信息是实施精准农作的基础。以无人机为平台的低空遥感探测技术,具有空间分辨率高、时效性强和成本低等特点,可填补地面监测和高空遥感间的测量尺度空缺,因此在农田信息精准监测领域具有广泛的应用前景。近年来,随着无人机飞行平台稳定性增强、操作难度降低,机载遥感设备的轻量化和多样化,以及遥感数据处理技术的进步,无人机遥感在农田信息监测领域得到了快速发展。本文对国内外相关研究成果进行了总结,对常用遥感技术类型和数据处理方法以及具体应用方向和实施效果进行了综述,并提出了当前存在的突出问题和未来的发展方向,以期为推动无人机遥感在农田信息监测和精准农业中更广泛的应用提供依据。     

无人机遥感解析田间作物表型信息研究进展

田间作物表型信息是揭示作物生长发育规律及其与环境关系的重要依据,传统的田间试验取样和车载高通量平台测定作物性状参数的方法耗时耗力,且空间覆盖不全,限制了作物科学研究的快速发展,而以无人机为代表的近地遥感高通量表型平台凭借机动灵活、成本低、空间覆盖广的优势成为获取田间作物表型信息的重要手段。该文根据国内外无人机遥感平台解析作物表型信息的最新研究成果,针对不同传感器类型分析了无人机遥感解析作物表型信息的应用及其不足,总结了遥感定量反演作物表型信息的方法体系,展望了无人机载遥感技术在作物表型信息解析方面的应用前景。该项研究成果对推广无人机遥感平台获取田间作物表型信息、提高复杂农田环境作物长势信息的解析和辨识能力具有重要意义。     

高分辨率遥感影像中冬小麦长势空间异质性特征分析

遥感影像可以同时获取地物波谱及空间位置信息,为作物长势的空间变异研究提供新的技术手段,该文利用高空间分辨率遥感影像开展了冬小麦地块内长势空间异质性特征的提取及分析。研究基于小麦挑旗期QuickBird遥感影像,选取不同长势冬小麦地块,计算地块内冬小麦归一化植被指数(normalized difference vegetation index,NDVI)的经验半方差函数,采用最小二乘算法进行模型拟合,得到冬小麦地块NDVI最优半方差模型及参数(基台值、变程、块金值)。结果表明,不同冬小麦地块NDVI经验半方差图呈现明显的有基台模式,冬小麦NDVI表现出明显的带状异向性特征。在垂直及平行垄向上,基台值与地块内NDVI纹理值域范围、纹理方差均极显著正相关(P0.01),且受方向影响不大;变程在垂直垄向上与地块内部作物NDVI均值呈极显著负相关(P0.01),与变异系数及NDVI小于0.40的像元覆盖度极显著正相关(P0.01);块金值垂直垄向上与作物NDVI均值、变异系数、小于0.40的像元覆盖度有极显著关系(P0.01),变程、块金值在平行垄向与各个因子无相关性。该研究为利用遥感影像揭示作物长势的空间变异提供了参考。