玉米全氮含量高光谱遥感估算模型研究

该文对不同品种玉米测定了其室内光谱反射率及其对应的全氮含量，采用相关性分析以及单变量线性与非线性拟合分析技术，对全氮含量与原始光谱反射率、光谱反射率一阶微分、一些高光谱特征参数(如红边波长、红边位置以及红边面积等)以及由一阶微分光谱所构建的一些比值植被指数和归一化植被指数之间的关系进行了分析，结果表明：全氮含量与原始光谱在716 nm处具有最大相关系数(r=-0.847)，呈极显著负相关，并且基于此波长所构建的对数关系估算模型明显优于线性模型；与光谱反射率一阶微分值在759 nm处具有最大相关系数(r=0.944)，呈极显著正相关，并且基于此波长所构建的线性和非线性模型的拟合效果接近；对于所选取的3类高光谱特征变量，全氮含量除了与黄边位置(λy)以及由红边面积和黄边面积所构建的比值植被指数和归一化植被指数的相关性较弱之外，与其余变量均呈极显著相关关系，说明由这些变量对玉米全氮含量进行估算具有可行性；对所建立的各类方程进行精度检验，最终筛选确定由759 nm处的光谱反射率一阶微分值所构建的指数模型作为对玉米全N含量的预测模型最为理想。     

水稻叶面积指数与MODIS植被指数、红边位置之间的相关分析

对模拟中分辨率成像光谱仪（MODIS）两个植被指数归一化植被指数（NDVI）、增强植被指数（EVI）以及红边位置（REP）与水稻叶面积指数（LAI）进行了相关研究。利用光谱分辨率为3 nm 的ASD FieldSpec UV/VNIR 光谱仪获得了2002年两个不同水稻品种——杂交稻和常规稻整个生长期的高光谱数据，同时对水稻LAI进行了测定。利用一阶微分计算红边位移。模拟了MODIS 3个波段，波段1(620-670 nm，红波段)，波段2(841～876 nm，近红外)和波段3(459～479 nm，蓝波段)，并用这些波段计算了MODIS-NDVI和EVI。结果表明：对于常规稻，MODIS-NDVI、EVI和REP与水稻LAI呈现出良好的相关性；而对于杂交稻，与水稻LAI相关性来说，MODIS-EVI和REP要比MODIS-NDVI更敏感。分析原因，主要是因为杂交稻同常规稻相比在生长的中后期LAI比较大，MODIS-NDVI容易饱和；而MODIS-EVI和REP由于可以消除背景影响，增强对LAI的敏感性。因此MODIS-EVI和REP可以更有效地监测水稻叶面积指数。     

利用GIS与TM资料集成技术估算龙游县早稻面积

提出利用GIS 与TM资料集成技术估算中国南方丘陵山地早稻种植面积的方法。该方法首先利用ARC/INFO对土地利用现状图进行数字化，建立拓朴关系后将其转化为栅格，然后进行投影变换，使土地利用现状图、行政图、TM数据具有相同的坐标，最后利用土地现状图，提取水田分布图，对水田分布图进行分类估算早稻种植面积。不同方法比较结果表明：非监督分类法不能用于提取丘陵山区的水稻种植面积；只用TM资料估算龙游县早稻面积，与统计数据相比，平行六面体分类法、最大似然分类法精度分别达到82.83%和59.95%；而用GIS 与TM资料集成技术对水田分布图进行分类估算早稻面积，平行六面体分类法、最大似然分类法的估算精度分别达到93.98%和60.65%，所以利用平行六面体分类法对南方丘陵山地早稻种植面积估算是可行的。     

论农业信息科学的形成与发展

在"论农业信息系统工程建设"的基础上,对农业信息系统工程的学科基础,即农业信息科学学科发展的科学背景、技术背景和应用背景作了较详细的讨论;进而提出了农业信息科学的定义及其科学体系、学科位置及分类的初步设想;最后简要介绍了农业信息技术体系的主要技术及其应用于农业的优点.     

棉花冠层反射光谱特征研究

研究了棉花品种、氮素用量及种植密度对棉花冠层光谱反射特性的影响.结果表明:棉花冠层光谱反射率在不同生育期间存在明显差异,花铃期前,随着棉花的生长,光谱反射率逐渐增加,花铃期后,光谱反射率逐渐降低;不同棉花品种冠层光谱反射率存在一定差异,缺氮和氮过量处理的冠层光谱反射率在近红外波段差异显著;随着种植密度的提高,光谱反射率在可见光波段降低,近红外波段增加.     

基于GIS及气候-土壤-地形因子的浙江省茶树栽培适宜性评价

进行茶树栽培精细化的综合区划研究可为浙江省茶叶产业的规划布局提供科学依据.该文根据茶叶产量与气象、地形、土壤条件的相关分析,提出了茶树栽培综合区划指标为4个气候因子(年平均气温、稳定通过10℃的积温、极端最低气温≤-13℃出现的频率和4-10月的平均相对湿度)、2个土壤因子(土壤类型和土壤质地)和3个地形因子(坡度、坡...     

基于GIS的滑坡临界降雨指标的研究

利用滑坡灾害普查资料和气象资料,结合地理信息系统(GIS)和降雨推算模型进行空间分析,对庆元县滑坡与降雨作相关研究后发现:降雨具有诱导和直接触发滑坡的综合作用效果;庆元县滑坡的时空分布,受降雨地区和降雨时间的控制,并与一定的地质条件及人类活动有关;滑坡剧烈活动时间与降雨时间及暴雨、大暴雨频次吻合或略滞后,庆元县滑坡的起动降雨量为:日降雨量≥50 mm或滑坡前10 d累积降雨量≥100 mm.     

中国水稻生产的时空动态分析

【目的】绘制中国南北稻区不同稻作制度下的水稻播种面积和产量重心变动图,分析成因,找出影响现阶段中国水稻总产稳定的关键因素。【方法】利用重心拟合模型对水稻生产的时空动态进行分析,敏感性分析方法找出该变动背景下影响中国水稻总产稳定的关键因素。【结果】新中国成立以来除20世纪60、70年代中国水稻播种面积重心和产量重心向东南和东部发生偏移以外,总体上向东北方向移动。1979-2009年北方稻重心由华北快速移动到了东北松辽盆地。中稻和一季晚稻重心移动方向为先东北后东南与南方稻作制度“双改单”变化顺序由北向南相吻合。早稻和双季晚稻重心移动方向都为西南。南方稻区单季稻比例明显上升,“双改单”现象明显,这是导致中国水稻种植面积下降的主要原因。结合敏感性分析得出播种面积已成为目前最有可能造成中国水稻总产量大幅下滑的关键因素。【结论】市场机制的调控和技术进步是目前影响中国水稻时空变动的两个主要因素。在继续坚持以市场为指导的前提下,依据国情从粮食安全的角度出发,重点对面积呈下滑趋势的早稻和双季晚稻进行调控,同时兼顾水稻总面积,防止其出现较大波动,努力提高水稻单产,是确保现阶段中国水稻总产稳中有升的关键。     

中国南方双季稻春季冷害动态监测

【目的】利用星地多源数据,在南方双季稻种植区空间信息提取、双季稻发育期动态图组制作及研究区逐日平均温度反演的基础上,结合冷害监测指标,实现多要素相协同的南方双季稻春季冷害动态监测,为农业部门及时准确地应对双季稻冷害,减少冷害损失提供技术支持。【方法】利用南方双季稻区190个气象站点1951-2011年逐日气温数据,计算各站点≥10℃的多年平均积温。根据各站点多年平均积温与其地理因子的相关关系,建立多年平均积温推算模型。通过所获模型得到研究区积温空间分布图。按照南方双季稻安全生产积温阈值≥5 300℃·d的指标,扣除研究区内积温小于该值的区域,制作南方双季稻积温区划图。利用 MODIS MCD12Q1 分类产品获取了 2001-2010 年 10 年的谷类作物分布图。将以上两步结果叠加求交集,提取南方双季稻种植区空间信息;利用南方双季稻区167个农业试验观测站点1981-2011年的水稻发育期资料,计算各个站点双季早稻主要发育期出现的多年平均日期。依据发育期多年平均日期与地理因子的相关性,获取各主要发育期回归拟合分布图。在拟合结果残差订正的基础上,将南方双季稻春季冷害重点监测时段前后两幅发育期静态图,通过EVNI+IDL编程,制作双季早稻发育期动态图;利用AMSR_E_L2A 89 GHz升轨和降轨垂直极化亮温、地理因子与气象站日平均气温建立多元混合回归拟合模型,通过所获模型反演研究区2010年2-5月逐日平均气温。【结果】对研究所建多年平均积温推算模型,利用未参与建模的90个气象站观测数据进行验证,观测值与模型模拟结果之间的均方根误差（RMSE）为289℃,这一估测精度能够满足研究所需。双季稻积温区划与MODIS土地利用分类结果叠加求交集,提取的双季稻种植区面积占研究区总面积的29.26%。通过该步骤一方面提升了双季稻冷害监测结果的使用价值。另一方面,可使双季稻冷害实时监测在还没有获取当年准确种植位置信息前就能有效开展起来;对研究所获南方双季稻春季冷害重点监测时段（早稻播种期至返青期）两幅发育期静态图,采用未参与建模的 59 个农业试验站观测数据进行验证,观测值与模型模拟结果之间的均方根误差（RMSE）分别为5.68和4.24 d,模型精度符合要求,试验结果可以于后续分析;研究将遥感数据与地面数据相结合通过混合建模反演逐日气温,该方法充分利用了微波遥感受天气影响小的特点,克服了南方常年多云的天气条件,使模拟的日平均气温的RMSE为1.69℃。微波数据的加入使日平均气温估计精度提高了0.35℃。研究对2010年南方双季稻春季冷害的动态监测结果与农业统计部门报道的当年南方双季早稻冷害在发生时间和空间上相吻合。【结论】本研究建立的冷害监测方法具有普适性,能够实现对南方双季稻大范围冷害的同步跟踪监测,对其他作物大范围冷害监测同样也适用。     

基于水稻背景特性的植被指数参数修正研究

植被指数广泛应用在各种植被遥感监测中,但不同土壤背景会对基于植被指数的遥感监测精度产生影响,特别是以水为背景的水稻遥感监测.该研究旨在对各种背景调节植被指数的参数进行修正,以便更适合以水土混合物为背景的水稻参数估算.首先通过不同生育期水稻的冠层光谱构建在不同参数条件下的背景调节植被指数(WDVI、SAVI、SAVI2、TSAVI),然后以多种方程形式拟合以不同参数构建的各个植被指数与水稻叶面积指数LAI的关系,最后通过比较各拟合方程的决定系数(R2)得到各植被指数修正后的合适参数.结果表明:在使用植被指数估算水稻LAI时,其参数都需要修正.对WDVI,其修正后的参数α=1.44;对SAVI,其修正后的参数L=0.08;对SAVI2,其修正后的参数θ=0.02;而对TSAVI,其修正后的参数a=0.5,b=0.02,X=0.02.另外,在各种拟合方程形式中,以指数和幂函数的拟合效果最佳.在以WDVI、SAVI、SAVI2和TSAVI为自变量,以LAI为因变量的各种估算模型中,TSAVI对LAI具有较高的估算精度,SAVI和SAVI2次之,WDVI最差.总之,在进行水稻遥感监测时,对植被指数的参数进行修正有利于提高监测精度.