基于异源多时相遥感数据提取灌区作物种植结构

用遥感技术提取灌区作物种植结构需要源影像具有适宜的时空分辨率以适应其动态变化特征。该文综合运用多种遥感影像数据,将Landsat ETM+与MODIS NDVI数据融合区分灌区土地利用类型,由融合后的时间系列数据非监督分类结果提取植被指数变化信息,结合作物系数变化规律运用光谱耦合技术提取作物种植结构。根据该方法将漳河灌区作物种植结构区分为水稻—油菜、水稻—小麦、单季夏季作物以及双季经济作物。由地面统计数据和高分辨率IKONOS影像进行了检验,分类精度达到91%并且与统计数据相吻合。结果表明该法不仅能提供更为准确的灌区作物种植结构时空信息,而且节省影像购买成本,方便灌区尺度遥感应用。     

基于波谱分析技术的遥感作物分类方法

为获取东北三省作物类型分布信息,精确地进行粮食估产,该文以250mMODIS时间序列NDVI数据为主要数据源,以东北三省主要粮食作物水稻、玉米、大豆、小麦为研究对象,利用波谱分析方法对东北三省作物类型的空间分布进行研究。研究结果表明,大豆的遥感反演面积和统计面积的相关性最好(R2=0.770),其次是玉米(R2=0.710),水稻(R2=0.686)。该文使用的作物分类方法适用于试验条件有限,实测数据较难获得并以遥感数据为主要数据源且研究区域较大、作物类型单一、种植面积广的情况。     

中低分辨率小波融合的玉米种植面积遥感估算

采用中分辨率与低分辨率数据相结合的遥感估算方法是获取大范围作物种植面积的主要趋势之一。在MODIS时序影像和TM影像支持下,采用小波变换融合方法获取30m分辨率的NDVI时间序列信息,构建主要秋季作物的NDVI标准生长曲线,以最小距离分类器进行分层分类,获得河南原阳县玉米种植面积总量信息和空间分布,并以野外实测地块样本进行精度评价。由于充分利用MODIS影像的时间序列优势和TM影像的空间分辨率优势,通过秋季作物之间的物候差异,有效地区分出各种秋季作物的空间分布,基于融合NDVI时间序列信息玉米种植面积遥感估算的位置和面积精度分别达到79%和89%,远高于常规的监督分类,为大范围玉米种植面积遥感估算提供了一种可行的方法。     

基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析

作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明:多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻和小麦,面积分别为2204、1955、122和19 km~2,其中大豆的种植面积最大,占作物种植面积的51.24%。基于NDVI、EVI和GNDVI构建的多元回归模型为北安市大豆和玉米产量估算最优模型(R~2=0.823 7,均方根误差135.45 g/m~2,精度80.55%);北安市玉米高产区集中分布在西部,大豆的高产区主要分布在东部;2015年北安市玉米和大豆的单产分别为8 659、2 846 kg/hm~2,总产量分别为16.93×10~8、6.27×10~8 kg。利用作物关键物候期的多源多时相遥感数据能够精确高效地提取作物种植结构,构建的产量估算多元回归模型,为精准农业科学发展提供参考。     

利用遥感数据时空融合技术提取水稻种植面积

为解决水稻种植面积提取过程中的数据缺失问题,提出了一种利用遥感数据时空融合技术提取水稻种植面积的方法。该方法从时序MODIS数据中提取地物的时间变化信息,结合早期Landsat-ETM+影像的纹理信息,融合出具有MODIS时间分辨率和ETM+空间分辨率的影像,再利用关键期的高时空分辨率融合影像,利用光谱角分类法进行水稻种植面积的提取。以江苏省南京市江宁区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水稻种植面积,水稻种植面积提取精度为93%,Kappa系数为0.96。     

无人机遥感影像面向对象分类方法估算市域水稻面积

针对如何高效地从无人机遥感影像中提取农作物样方数据,用于农作物面积遥感估算,该文以浙江省平湖市为例,利用面向对象分类方法对无人机影像进行水稻自动化识别,作为样方数据与卫星遥感全覆盖空间分布分类结果结合,采用分层联合比估计进行2014年单季晚稻面积估算。然后,与人工目视解译识别方法获取的水稻样方数据推断的区域水稻面积估算的结果进行精度、效率对比分析。研究结果表明:1)利用面向对象分类方法对无人机影像进行分类,总体分类精度达到93%以上,满足构建样本的要求;2)通过区域作物估算对比分析发现,面向对象分类方法对无人机影像进行水稻识别,构建平湖市单季晚稻的样方数据,能够替代人工目视解译样方准确推断区域作物种植面积,有效地提高了无人机影像在遥感面积估算中的应用效率。     

粮食作物种植视角下东北粮食主产区耕地利用的时空分化特征

作物种植是耕地最直接的利用方式。基于粮食作物种植视角研究耕地利用问题,是耕地利用领域研究的进一步细化,也是粮食安全的基础。该研究以东北粮食主产区典型地域为研究区,基于主要粮食作物大豆、玉米和水稻的不同耕地利用方式,以乡镇为单元,综合运用标准差椭圆、重心模型及探索性空间数据分析法,阐明2016—2019年研究区粮食作物的耕地利用空间分化特征。结果表明:1)研究区主要粮食作物的耕地利用结构变化明显,大豆与玉米的耕地种植面积出现明显"剪刀差"变化特征,水稻的耕地种植面积基本保持稳定。2)研究区主要粮食作物的耕地利用空间分布呈现"西北-东南"动态格局,种植大豆和玉米的耕地利用重心位于研究区的中东部地区,分别向东偏南和西偏南方向迁移。3)研究区种植主要粮食作物的耕地利用结构具有较强的正负空间关联性,正相关类型聚集性较强,表现出明显的区域一致性;负相关类型无明显聚集区域,面积较小,且零星分布。研究结果较好地反映了种植结构调整政策实施阶段研究区种植主要粮食作物的耕地区域空间布局分化和耕地种植结构的空间关系,为区域种植结构调整及保障粮食结构性安全提供科学依据。     

面向对象的冬小麦种植面积遥感估算研究

种植面积的遥感估算是冬小麦遥感估产的重要基础性工作之一.该文主要的研究内容是基于Landsat ETM 遥感影像,利用面向对象的分类方法提取山东省桓台县冬小麦种植面积.以山东省桓台县为例,选择Landsat ETM LIG遥感影像,通过影像分割和基于知识的面向对象的分类方法准确地提取研究区冬小麦面积.以乡镇为单位将其结果同统计年鉴数据对比分析,误差最大的是果里镇,误差在95hm2,整个研究区的提取误差是-111hm2,能够满足实际应用的需求.     

基于遥感的华北平原农作物时空分布变化特征分析

作物种植面积的多年时空变化是进行农业结构调整和优化的基础,也是开展农业减灾、地下水保护的重要依据。为了解华北平原主要作物近年来种植面积的时空变化过程,本文基于2000—2013年的MODIS NDVI数据和TM/ETM遥感数据提取当地主要作物的种植面积,并分析了华北平原主要作物近年来的时空变化特征。结果表明:1基于MODIS NDVI数据和TM/ETM遥感数据提取当地主要作物的种植面积,提取精度较高,结果可靠;2冬小麦?夏玉米主要分布于太行山前平原、山东省和河南省的引黄河灌区,单季玉米在河北平原北部分布最广,水稻集中分布于天津、河北唐山地区和黄河沿岸,蔬菜主要分布在城市郊区,林果分散分布于几个产果区和京津周边地区,棉花主要集中于华北平原中部地区。3华北平原粮食作物(小麦、玉米和水稻)种植面积明显下降,经济作物(林果和蔬菜)则显著增加,其中林果、蔬菜和水稻的面积变化率较大,分别为56.45%、35.76%和23.16%,蔬菜和水稻的位置转移明显。4景观格局AWMPFD和SHEI指数值表明,河北平原以南的冬小麦?夏玉米种植规模化程度提高,豫北地区冬小麦?夏玉米种植面积增加,豫北以北地区由于各类经济作物种植面积增加,区域作物种植多样化指数增加。该结果可为农业种植结构调整、资源合理利用提供参考。     

利用交叉信息熵模拟东北地区水稻种植面积空间分布

作物时空分布变化是农业研究的重要内容。近30a来,东北地区水稻种植面积显著增加,为探讨东北地区水稻时空变化特征,进一步丰富和完善作物空间分布信息获取方法,研究作物空间分布对包括气候变化在内的多种影响因素的响应关系,该研究综合80年代以来的作物面积与产量统计数据、耕地数据、农业灌溉数据以及作物生长适宜性分布等多源数据,利用基于交叉信息熵原理的作物空间分配模型(spatial production allocation model,SPAM)构建了针对中国作物分布特点的SPAM-China模型,模拟了中国东北地区1980-2008年像元尺度上水稻空间分布信息。结果表明,模拟结果能较好地反映出东北地区水稻主要种植区域,近30a东北地区水稻种植时空变化特征显著,水稻种植区域向北向东扩展,种植重心北移了约1.76个纬度,中北部地区水稻种植面积增加且趋势明显,南部地区变化趋势不显著。     

遥感数据和作物模型集成方法与应用前景

为了促进遥感数据和作物模型集成这一新方法在农业领域中更广泛的应用,在分析遥感数据和作物模型农业应用中各自优缺点的基础上,阐明二者结合的必要性,并介绍了遥感数据和作物模型的3种集成方式.回顾了遥感数据和作物模型同化的研究进展,并重点分析了遥感数据和作物模型结合在农作物产量预测、品质遥感预报、精准施肥管理决策、精准灌溉决策等领域的应用潜力,最后指出了当前遥感数据和作物模型结合中存在遥感定量化、参数集和驱动数据的获取、最优化算法选择和改进、作物模型的完善和订正等问题,有望随着遥感数据源的丰富、定量遥感和作物模型的发展、以及同化理论的进一步完善得到解决.     

国家作物科学数据结构组织模式研究

研究了国家农作物资源数据结构组织模式的架构,设计了国家作物科学数据管理远程控制平台,构建了国家农作物品种资源数据管理工具,包括农作物资源信息规范视图处理器、数据结构生成器、数据视图生成器,从而提升远程数据管理和存储管理能力,实现国家作物科学数据的安全性和完整性,达到可持续发展的运行目标。     

基于缓存机制的作物模型Web服务并发处理

为了改善作物模型Web服务的响应时间,该文提出了基于缓存机制的作物模型Web服务并发处理方案。通过综合分析作物模型Web服务的组合结构、数据Web服务的通信特性以及作物模型Web服务的响应时间特征,以多线程处理和数据缓存技术为基础,设计了基于缓存机制的作物模型Web服务并发处理方案;并以作物栽培管理知识模型Web服务为测试对象,在真实网络环境下,验证了该方案的有效性。结果表明,在单用户多地点请求和多用户多地点请求情况下,采用并发处理方案分别可以缩短32%和35%的模型服务响应时间,极大地提高了模型的多用户并发处理能力。该研究为作物模型的区域应用提供了技术支撑。     

作物生长模型与定量遥感参数结合研究进展与展望

作物生长模型与定量遥感参数的结合,不仅满足前者实现区域应用的需求,也有助于提高后者的反演精度,在生态、农业、资源调查与全球气候变化等研究上意义重大。该文从作物生长模型空间应用拓展的角度,对国内外主流作物生长模型、定量遥感参数以及两者结合的参数与方法进行了概述,分析了典型作物生长模型的主要模拟过程及其驱动、初始化、输出等参数,总结了当前定量遥感正反演结果可为作物生长模型区域应用提供的参数数据;建立了作物生长模型模拟过程与定量遥感参数的对应关系,对比分析了作物生长模型与定量遥感参数的不同结合方式。基于以上内容,对作物生长模型面应用的限制因素及其与定量遥感参数的关系、作物生长模型面应用时参数尺度效应的影响、作物生长模型与定量遥感参数耦合方法的发展3个方面展开了讨论,以期为作物生长模型与定量遥感参数开展更好的结合研究提供参考。     

基于贝叶斯最大熵和多源数据的作物需水量空间预测

作物需水量是灌溉工程规划、设计和管理的重要基础数据,充分利用多源数据和先验知识,快速经济地获取精度较高的区域作物需水量对于区域水资源的优化配置具有重要意义。为精确预测作物需水量,该文以长系列实际监测和校核作物系数后计算得到的作物需水量为硬数据,利用硬数据确定获得最大熵的约束条件,根据软数据获取渠道的不同(部分年份缺失的站点数据、文献中获得的数据、利用灌溉试验数据库中的作物需水量资料,采用协同克立格方法获得的数据、考虑主要地形因子和主要气象要素的影响,采用主成分分析和地理加权回归(geographically weighted regression,GWR)方法获得作物需水量数据以及遥感数据),提出不同来源软数据的概率密度函数表达方法,采用贝叶斯最大熵(Bayesian maximum entropy,BME)方法对不同来源的作物需水量信息进行有机整合。结果表明:除硬数据+文献软数据外,其他数据整合呈现一致结果。华北地区冬小麦作物需水量在豫南地区较小,中部地区黄河北岸有连片的相对高值区,山东需水量相对较高,冀东北的乐亭、唐山附近有相对低值区。除硬数据+文献软数据比不整合的精度低9.41%外,其他软数据源均可不同程度地提高整合效果,硬数据+克立格软数据、硬数据+GWR软数据和硬数据+除文献数据外的其他软数据分别比不整合的精度提高85.33%、85.75%和91.69%。对考虑地形、气象等要素的多源数据进行整合可更好地反映冬小麦作物需水量空间分布的细节,显著提高估算精度,为稀疏监测站点地区水土资源的精准管理和优化配置提供数据支撑。     

基于遥感数据与作物生长模型同化的作物长势监测

遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。     

多时相归一化植被指数NDVI的时空特征提取与作物长势模型设计

目前国内外对作物长势遥感监测研究主要集中在发展具体指标及其定量化,忽略了作物长势的时空特征。作物长势是一个时空变化的过程,同一时相的作物长势在空间地域上和同一空间地域的作物在不同时相上存在差异。因此,时空特征的提取是进行大尺度作物长势监测的基础。该文讨论多时相归一化植被指数NDVI时空特征提取并反映为相关的特征参数,并讨论了作物长势监测模型的建立     

基于Hadoop的云环境下作物生长模型算法的实现与测试

为了提高作物生长模型的计算速度,该文提出了云环境下作物生长模型算法的实现方案。综合分析了作物生长模型和子模型之间的数据依赖关系,以及不同并行计算方法的特点。以云计算基础架构开源软件Hadoop为基础,设计云环境下作物生长模型处理方案。以小麦生长模型WheatGrow为测试对象,在真实云环境下,验证了该方案的有效性。研究表明,在处理作物生长模型这类具有复杂数据依赖关系问题时,当区域数据点较多,需采用数据并行计算方法;且区域数据点越多,加入计算的计算结点越多,越能体现出MapReduce在并行计算上具有的可扩展性。研究可为促进作物生长模型和数字农业的发展提供参考。     

基于涡度相关仪的蒸散量时间尺度扩展方法比较分析

蒸散量（ET,evapotranspiration）的时间尺度扩展是遥感反演区域ET的关键。为比较基于蒸发比、作物系数和冠层阻力的3种ET时间尺度扩展方法的估值效果,该文利用涡度相关仪实测的北京大兴区冬小麦3－6月份生育期内的ET数据,分析了蒸发比、作物系数和冠层阻力3种参数在日内的变异性并最终比较基于3种参数的ET时间尺度扩展方法的估值效果。结果表明,作物系数在日内变异性最小且其在3个时段的小时值最接近日均值,此外,对比3种方法的估值效果发现,基于作物系数的ET时间尺度扩展方法在3个时段表现效果均最优。对与具有相近气象、气候、下垫面条件和空间尺度数据的地区,推荐采用基于作物系数的时间尺度扩展方法开展从小时到日的ET时间尺度扩展。