首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 96 毫秒
1.
中国作物模型系列的研究与应用   总被引:11,自引:0,他引:11  
农业模型是“数字农业”的核心技术之一,作物模型是农业模型的重要内容。本文从中国作物模型技术初创、发展、中国作物模型系列的形成以及中国作物模型系列的原理、结构与功能等方面,回顾与分析了中国作物模型系列的研究过程与创新点等,同时列举了其在全国范围的应用情况,在此基础上,提出了进一步完善与发展的思路。  相似文献   

2.
作物生长发育过程的计算机模拟决策研究概述   总被引:11,自引:0,他引:11  
种植业是农业的基础产业 ,作物生长发育过程的计算机模拟决策研究是种植智能化、数字化与精确化的桥梁与纽带。本文对作物计算机模型的定义、模型分类、产生和发展、应用及意义等进行了概述。作物模拟技术经历了初创、发展及完善与成熟阶段。作物模拟研究的作用主要有解释作物生长过程的机理、预测及调控指导 3个方面 ,其目的主要有定量关系、综合知识、检验假设、进行模拟、支持决策与教学及连接其它模型等 ,其意义主要表现在为人们提供了新的认知工具 ,使作物生产决策向动态、定量、目标与优化方向发展 ,实现智能化与精确化管理 ,推动农业信息化与可持续发展  相似文献   

3.
荷兰作物模型的发展与应用   总被引:5,自引:0,他引:5  
30多年来,许多国家都进行了作物生长模型研究,由于目的不同,出现了不同类型的作物模型。荷兰是最早开始作物模型研究的国家之一。荷兰的瓦赫宁恩作物模型自成体系,很有特色。一、荷兰作物模型发展的阶段1早期(1965~1980):以对作物透彻理解为目标开发...  相似文献   

4.
作物生长模拟模型的研究与应用   总被引:7,自引:0,他引:7  
作物生长发育模型与模拟是近40年来国际学术界的一个新的生长点,目前已发展为当今最为活跃的农业前沿性研究领域之一,是数字农业的重要基础和关键技术。上世纪90年代以来,作物模拟继续朝着应用多元化方向发展,作物生长模型的机理性和预测性不断得到改进和提高。现作物模型已成功地应用于农业生产及资源环境的管理中,从而在社会经济发展中将会起着日益重要的作用。文章系统介绍了作物生长模型发展的4个主要阶段,指出了各阶段生长模型的研究进展,并对模型的建立过程及涉及的关键技术进行阐述,指出生长模型在农业生产和科研中的应用。  相似文献   

5.
基于本体的作物系统模拟框架构建研究   总被引:4,自引:0,他引:4  
 【目的】研究作物系统模拟框架(CSSF)可以为构建作物生长模型及设计可重用的作物系统模拟软件提供基础框架。【方法】将本体技术应用于作物模拟模型领域,以作物生长的基础生理生态过程为主线,基于仿真本体和作物模拟本体,综合分析与提炼稻麦棉油等作物的建模流程、生长模拟模型算法及模型参数中的共性概念及概念之间的相互关系,构建了CSSF。【结果】CSSF包括作物建模外部知识框架(CMOKF)和作物模型内部知识框架(CMIKF),其中CMOKF提炼了作物系统受时间、空间和自然环境共同驱动的共享特征,CMIKF描述了生育期、生物量积累、干物质分配与产量形成、器官建成、作物-土壤水分动态和养分平衡等作物模型组分与模型算法的共性特征。【结论】CSSF实现了作物建模概念、流程、结构和方法的知识级共享,对设计可重用的作物模型软件体系结构具有指导作用。  相似文献   

6.
作物模型是指通过数学方程把植物生长过程在计算机上表达出来,其可以帮助科学家概化和联系复杂的作物生长现象、理解耕作系统的过程、预测产量、预报气候变化对作物的影响,以及优化、利用、管理土地和水资源,是农业研究的强有力工具。但在实际模拟应用中作物模型仍存在一些不足,如作物模型参数获取与校准难、受气候变化影响严重、模型结构和模型输入存在较大的不确定性等。该文简要地对作物模型的发展历程进行了综述,总结了作物模型研究方面的不足,并对作物模型未来的发展方向进行了展望,为今后的模型研究和应用提供参考。  相似文献   

7.
一个作物发育动态理论模型   总被引:1,自引:0,他引:1  
在分析作物发育特性及作物发育与环境及措施因子关系的基础上,建立了一个作物发育动态的理论模型(CPTM),该模型为乘积形式的指数模型。模型具有较好的解释能力,并适于生育进程的计算机模拟。应用于小麦的发育动态建模,模拟值与实测值非常接近,模拟性能良好。通过确定可控因子函数f  相似文献   

8.
甘蔗生长模型研究进展   总被引:1,自引:0,他引:1  
作物生长模型在农业生态研究、作物管理、产量预测以及农业技术推广等过程中发挥着重要的作用。对甘蔗作物生长模型的研究与发展进行综述和回顾,对应用最广泛的2个主要模型(澳大利亚APSIM–Sugarcane和南非CANEGRO)的优势及差异进行了比较分析,并对AUSCANE和QCANE等其他甘蔗模型作了介绍。对甘蔗模型在生产应用中存在的问题和今后的发展方向进行了展望。  相似文献   

9.
基于作物模型的计算机模拟软件研究   总被引:1,自引:0,他引:1  
基于作物模型的计算机模拟软件是数字农业中实现农业信息化的重要基础。该文系统介绍了作物模型及作物模拟的概念,作物生长模拟技术的产生和发展,并对模拟软件的研发过程中涉及的关键技术进行阐述,指出模拟软件在农业生产和科研中的应用。  相似文献   

10.
风险决策在作物优势选择和布局中的应用张金良(洛阳农业高等专科学校,洛阳471003)因地制宜地调整种植业结构,进行合理的作物布局,是高产优质高效农业必不可缺的一项基础性措施。为了使种植业结构的调整科学、客观,试用风险决策方法对洛阳市1949-1988...  相似文献   

11.
作物叶面积测量的研究进展   总被引:1,自引:0,他引:1  
对作物叶面积测量理论和方法进行梳理,综述了基于单叶叶面积、单株叶面积、群体叶面积3个维度进行叶面积测量的研究进展,提出作物叶面积测量的物理原理、数学建模原理、光学特征提取原理的理论分类,从精确度、有损和无损测量2个角度分析了叶面积测量的研究进展,并对叶面积测量技术发展趋势进行展望。  相似文献   

12.
北京市观光农业园发展类型的探讨   总被引:5,自引:1,他引:4  
为探讨观光农业园的类型划分,通过对以往观光农业园分类方式的归纳、比较、总结,结合北京市观光农业园的全面调查和详细分析,对其发展类型进行了探讨。在前期研究的基础上,结合实地调研获得的北京市观光农业园基础数据,提出了观光农业园"二六五"类型划分方法——以形成原因及存在状态为基础的2种分类模式,综合发展阶段、占地规模、经营主体、地域模式、功能定位和产业结构6种分类方法,将都市农业园区分为5种典型类型,并结合案例分析不同类型的特点。结果表明:在观光农业园的形成原因和存在状态2种分类模式基础下,其形成原因可以分析园区的经营主体、地域模式和功能定位,其存在状态可以分析发展阶段、占地规模和产业结构,综合这6种分类方法对观光农业园进行类型划分,将北京市观光农业园划分为观光采摘园、农业科技园、市民农园、综合性休闲观光农园和农业公园5种典型类型。该研究可为观光农业园开发建设提供参考,为农业部门对不同类型园区进行分类管理提供决策依据。  相似文献   

13.
Synthetic aperture radar (SAR) is an effective and important technique in monitoring crop and other agricultural targets because its quality does not depend on weather conditions. SAR is sensitive to the geometrical structures and dielectric properties of the targets and has a certain penetration ability to some agricultural targets. The capabilities of SAR for agriculture applications can be organized into three main categories: crop identification and crop planting area statistics, crop and cropland parameter extraction, and crop yield estimation. According to the above concepts, this paper systematically analyses the recent progresses, existing problems and future directions in SAR agricultural remote sensing. In recent years, with the remarkable progresses in SAR remote sensing systems, the available SAR data sources have been greatly enriched. The accuracies of the crop classification and parameter extraction by SAR data have been improved progressively. But the development of modern agriculture has put forwarded higher requirements for SAR remote sensing. For instance, the spatial resolution and revisiting cycle of the SAR sensors, the accuracy of crop classification, the whole phenological period monitoring of crop growth status, the soil moisture inversion under the condition of high vegetation coverage, the integrations of SAR remote sensing retrieval information with hydrological models and/or crop growth models, and so on, still need to be improved. In the future, the joint use of optical and SAR remote sensing data, the application of multi-band multi-dimensional SAR, the precise and high efficient modeling of electromagnetic scattering and parameter extraction of crop and farmland composite scene, the development of light and small SAR systems like those onboard unmanned aerial vehicles and their applications will be active research areas in agriculture remote sensing. This paper concludes that SAR remote sensing has great potential and will play a more significant role in the various fields of agricultural remote sensing.  相似文献   

14.
Precision treatment of both crops and weeds requires the accurate identification of both types of plant. However both identification and treatment methods are subject to error and it is important to understand how misclassification errors affect crop yield. This paper describes the use of a conductance growth model to quantify the effect of misclassification errors caused by an image analysis system.Colour, morphology and knowledge about planting patterns have been combined, in an image analysis algorithm, to distinguish crop plants from weeds. As the crop growth stage advances, the algorithm is forced to trade improved crop recognition for reduced weed classification. Depending on the chosen method of weed removal, misclassification may result in inadvertent damage to the crop or even complete removal of crop plants and subsequent loss of yield. However incomplete removal of weeds might result in competition and subsequent yield reduction. The plant competition model allows prediction of final crop yield after weed or crop removal. The competition model also allows the investigation of the impact on yield of misclassification in the presence of both aggressive and benign weed types. The competition model and the image analysis algorithm have been linked successfully to investigate a range of misclassification scenarios in scenes containing cabbage plants.  相似文献   

15.
紫花苜蓿(Medicago sativa L.)生物能源利用的研究进展   总被引:3,自引:1,他引:2  
紫花苜蓿(Medicago sativa L.)适应性强、生物质产量高,茎可用于生产酒精,叶片可用于家畜饲料,是最具开发潜力的能源植物之一。本文从紫花苜蓿生物能源利用角度出发,系统回顾了近年来紫花苜蓿作为能源植物在种质资源评价、细胞壁主要成分(纤维素、半纤维素、木质素)合成途径及其遗传调控以及栽培管理对酒精生产效率的影响等方面的研究进展,重点讨论了苜蓿细胞壁发育和木质素生物合成基因及其调控效应,并对紫花苜蓿作为能源植物的研发前景进行了展望。  相似文献   

16.
【目的】基于多时相的高分一号(GF-1)影像,利用面向地块对象分类法提取广西崇左市江州区大宗农作物种植面积,为南方多云雨丘陵地区提取作物信息提供参考。【方法】以2 m分辨率的GF-1影像为数据源,采用人机交互的方式准确识别地表覆盖的地块信息,基于对多时相GF-1影像进行云影检测,并处理生成影像的光谱、归一化植被指数(NDVI)、亮度等特征,采用面向地块对象的分类方法提取甘蔗、水稻和香蕉的作物信息。【结果】根据混淆矩阵评价分类的结果可知,提取大宗农作物的总体精度为90.08%,Kappa系数达0.85,满足农业成果应用的精度要求。【结论】利用有效影像数据,结合地块数据完成作物信息提取,该技术方法能够准确提取丘陵地区大宗农作物信息,为解决南方多云雨丘陵地区提取作物信息难题提供了有效途径。  相似文献   

17.
高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。  相似文献   

18.
作物模拟研究进展   总被引:1,自引:0,他引:1  
作物模拟是农业信息技术的核心和基础,有助于预测、调控作物的生长发育及对环境的反应。笔者着重介绍了作物生长模拟的概念、特征、国内外的研究进展以及存在的问题和今后的发展方向。  相似文献   

19.
一年一季农作物遥感分类的时效性分析   总被引:4,自引:1,他引:3  
【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。  相似文献   

20.
Rapid and accurate access to large-scale, high-resolution crop-type distribution maps is important for agricultural management and sustainable agricultural development. Due to the limitations of remote sensing image quality and data processing capabilities, large-scale crop classification is still challenging. This study aimed to map the distribution of crops in Heilongjiang Province using Google Earth Engine(GEE) and Sentinel-1 and Sentinel-2 images. We obtained Sentinel-1 and Sentinel-2 images from all the covered study areas in the critical period for crop growth in 2018(May to September), combined monthly composite images of reflectance bands, vegetation indices and polarization bands as input features, and then performed crop classification using a Random Forest(RF) classifier. The results show that the Sentinel-1 and Sentinel-2 monthly composite images combined with the RF classifier can accurately generate the crop distribution map of the study area, and the overall accuracy(OA) reached 89.75%. Through experiments, we also found that the classification performance using time-series images is significantly better than that using single-period images. Compared with the use of traditional bands only(i.e., the visible and near-infrared bands), the addition of shortwave infrared bands can improve the accuracy of crop classification most significantly, followed by the addition of red-edge bands. Adding common vegetation indices and Sentinel-1 data to the crop classification improved the overall classification accuracy and the OA by 0.2 and 0.6%, respectively, compared to using only the Sentinel-2 reflectance bands. The analysis of timeliness revealed that when the July image is available, the increase in the accuracy of crop classification is the highest. When the Sentinel-1 and Sentinel-2 images for May, June, and July are available, an OA greater than 80% can be achieved. The results of this study are applicable to large-scale, high-resolution crop classification and provide key technologies for remote sensing-based crop classification in small-scale agricultural areas.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号