首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   3篇
  完全免费   11篇
  农学   14篇
  2019年   8篇
  2018年   5篇
  2017年   1篇
排序方式: 共有14条查询结果,搜索用时 31 毫秒
1.
玉米大豆轮作遥感监测技术研究   总被引:1,自引:0,他引:1       下载免费PDF全文
基于黑龙江省北安市2014—2015 年的Google Earth 影像、多时相OLI 数据和RapidEye 影像,采用遥感目视解译的方法,构建了玉米大豆轮作遥感监测业务化技术流程。主要技术环节包括数据预处理、地块位置与面积信息的精准获取、农作物类型识别、精度验证、变化统计等5 个内容。研究结果表明:工程区域总面积4528.7 hm2,计有447 个地块;其中,2014 年玉米轮作为2015 年大豆的地块为193 块3794.4 hm2,大豆轮作为玉米的地块为65 块88.0 hm2;采用地块逐一调查的方式进行验证,地块吻合率为100.0%。研究提出的技术方法具有较高的地块测量准确性和监测效率,可以作为农作物种植结构调整政策落实程度核查技术使用。  相似文献
2.
计算环境是包括农情遥感监测系统在内的农业资源遥感监测系统的重要支撑。该文在对农业资源遥感监测系统硬件环境组成、逻辑结构、核心功能分析等内容阐述基础上,以中国农业科学院农业资源与农业区划研究所运行的“国家农情遥感监测业务运行系统”硬件环境为例,进行了具体说明。研究结果表明,农业资源遥感监测系统是以基础硬件层为支撑,以计算层为核心,以存储层作为辅助,在网络层、软件层支持下,开展农情遥感监测应用。核心功能包括括登录节点、管理节点、计算节点、存储服务器(包括磁盘)等5个部分。“国家农情遥感监测业务运行系统”的计算环境的硬件是以42台基于Intel 64位至强处理器的IBM Flex X240刀片服务器为核心,4台S5700 10G以太网交换机为中转设备,连接华为1套N8500 NAS集群、1台基于Intel 64位至强处理器的IBM X3650M4管理服务器;56G计算IB网络是通过1台Mellanox 36口FDR交换机实现,并包括KVM交换机、机架键盘、液晶显示器,以及机柜、电源插座、连接线缆等附件。系统理论运行效率可以达到13.312万亿次,实际运行效率可以达到理论值的85%以上。  相似文献
3.
【研究目的】为了实现遥感影像的作物自动分类,并探索空间信息在分类中作用,【方法】本文提出结合光谱和空间信息的作物分类方法。首先,借助光谱信息实现地物初始分割,然后以目标作物历史空间分布为语义约束,根据隶属度提取目标作物。最后,在多时相遥感影像条件下,以冬小麦为目标作物进行了方法的验证,【结果】结果显示,本文方法可实现冬小麦自动提取与识别,总体精度为95.33%,Kappa系数为0.90,可满足农情监测的实际需求。另外,在单时相遥感影像条件下,本文结合几何语义知识的作物分类精度也达到了较高水平。【结论】相对于遥感影像单一光谱信息的分类方法,本文方法利用了作物空间信息,不仅能满足精度要求,还实现了分类的自动化,对工程化应用具有一定的参考价值。  相似文献
4.
【目的】为了弄清中国大陆区域水灾空间分布规律,【方法】基于1998—2017年农作物水灾面积统计数据,采用多年平均、标准差和聚类分析等方法对31个省级行政区农业水灾空间分布及动态变化规律进行研究。【结果】结果表明中国水灾在空间分布和时间分布上均表现出一定的规律性,在水灾空间分布上,水灾受灾面积较大的区域主要集中在中国东北、华东和华南区域,该区域也是中国的农业主产区,受灾面积较大的省份呈点状分布;在水灾时间分布上,水灾发生呈现出常年总体稳定、个别年份水灾异常严重的特点;最后通过地理区尺度的聚类分析,对全国进行了水灾分区。【结论】基于历史统计数据,获得了中国大陆区域水灾时空变化规律,可以为农业生产者及管理者提供参考。  相似文献
5.
为了实现基于遥感影像作物的自动分类,发挥遥感技术宏观、迅速的大范围监测特点,本文在遥感影像非监督分类的基础上,提出了一种基于ISODATA非监督分类结果的自动分类方法。该方法分为ISODATA非监督分类过程和自动分类过程,自动分类过程又可分为冬小麦样本点占比排序和类冬小麦类别确定两个方面。当非监督分类类别设置为40或50类、每类样本数量为4或5类时,冬小麦遥感分类精度较高且分类精度稳定。在200个样本点组合(40个分类类别,每个类别中5个样本点)中,基于ISODATA非监督自动分类结果的总体精度相较于最大似然分类方法提高了2.5个百分点,KAPPA系数提高了19.4%。在500个样本点组合(100个分类类别,每个类别中5个样本点)下,基于ISODATA非监督自动分类结果总体精度和KAPPA系数与最大似然分类方法相近。基于ISODATA非监督分类结果的自动分类方法可以在样本量较少时保持较高的分类精度,人机交互少,分类效率高,适用于业务化应用。  相似文献
6.
利用人工接种病菌的方式诱发不同等级春玉米大斑病,在不同生育期测定正常种植区春玉米和不同染病种植区春玉米冠层的高光谱数据。为了有效监测和控制春玉米大斑病的影响,本研究以抽雄期的春玉米冠层高光谱数据为基础,提出了一个新的遥感监测指数,该指数为绿边核心区内一阶微分总和与红边核心区内一阶微分总和的乘积。最后,该监测指数与病害程度的相关性分析结果表明:本研究提出的监测指数与病害程度具有显著地线性相关性,相关系数r2=0.9711,优于常用监测指数与病情之间的相关性,能识别出健康与病害作物,且还可实现作物不同病害严重程度的划分。可见,高光谱遥感方式可进行作物病害监测,对提高粮食产量和保障粮食安全亦具有重要的参考价值。  相似文献
7.
【研究目的】样本总体的分布特征是影响抽样样本数量的主要因素,对于样本总体为非正态分布的情况,正态转换是降低抽样样本数量、提高抽样调查效率的有效手段。【方法】该文采用中国大陆区域2005年耕地空间分布数据,以1:10万地形图图幅框作为抽样单元,统计每个图幅框内耕地面积占比。分别采样1.5次开方、2次开方、2.5次开方、3次开方和4次开方运算的方式对原始数据进行正态转换。在此基础上对比分析了转换前后数据的峰度及偏度、抽样个数及抽样结果误差等。【结果】结果表明,基于2.5次开方运算后的分层抽样可以大大降低抽样率,由92.26%降低为22.55%,耕地面积指数平均值相对误差由7.06%降低为5.66%。利用2015年耕地面积指数进行抽样方法的精度检验,抽样平均值相对误差仅为3.27%。【结论】研究提出的抽样方法具有较高的适用性,同时也表明空间抽样中数据分布正态转换是非常必要的。本研究成果为广大学者在空间抽样调查方面的研究提供了有益的借鉴。  相似文献
8.
[目的]为充分发掘海洋一号C星(HY-1C)CZI数据的农业应用潜力,[方法]该文以HY-1C/CZI数据为基础数据源,结合土地利用现状数据、目视解译结果数据,以河南省商丘市及其附近区域作为研究区,对早播冬小麦、晚播冬小麦、裸地及建筑、森林、水体五类地物的光谱特征进行了分析,并在光谱分析的基础上基于决策树分类方法对冬小麦区域进行了提取。[结果]冬小麦面积提取结果表明,2018年研究区内冬小麦总播种面积69.42万公顷。以目视解译获得的地面验证点数据对提取结果进行精度验证,结果表明,冬小麦提取结果的总体精度为91.80%,Kappa系数为0.84,冬小麦用户精度和制图精度分别为91.88%和92.91%。 [结论] 基于HY-1C/CZI数据可以实现对冬小麦的早期识别和提取,提取精度较高,达到了其他相似数据源相近的识别精度,表明基于海洋一号卫星CZI数据具有一定的农业应用潜力。  相似文献
9.
旨在实现冬小麦面积自动化提取,本文提出一种基于冬小麦NDVI加权指数(WNDVI)的分类算法。将影像分割成标准的小区域,从而构建冬小麦分类单元,采用自适应方法确定冬小麦种植区和非种植区WNDVI分割阈值。以2013年10月至2014年5月期间的GF-1卫星WFV影像为例,构建了全国14个省(市、区)的1180个分类单元的WNDVI,实现了2014年全国主产区冬小麦种植区的空间分布图;采用14233个样本对结果进行验证精度,总体精度达到了90.6%。本方法自动化程度高,结果稳定,适合大范围冬小麦面积监测业务化运行。  相似文献
10.
研究基于遥感影像的作物精确识别技术方法,对获取作物分布信息具有重要意义。随机森林分类(random forest classification,RFC)是机器学习的一种,本文使用Landsat-8 OLI卫星影像数据,针对研究区内的大豆、玉米和其他地物等3种主要作物类型,系统比较了该方法与较为成熟的最大似然分类(maximum likelihood classification,MLC)、支持向量机分类(support vector machine,SVM)方法的分类精度。结果表明,MLC、SVM、RFC的总体分类精度分别为91.68%、91.49%、94.32%,Kappa系数分别为0.87、0.87、0.91,RFC方法作物识别精度比MLC和SVM分类显著提升。对原始7波段影像进行主成分变换(principal component analysis,PCA),提取前4个主成分分量,同时计算归一化植被指数(normalized difference vegetation index,NDVI)和归一化水体指数(normalized difference water index,NDWI),将6个额外辅助特征波段叠加到原始7个波段影像上进行再次分类,MLC和SVM方法作物识别精度未有提升,RFC方法总体精度提高了1.49个百分点,Kappa系数提高0.03,精度提升幅度有限,主要原因是6个辅助波段在类型识别中作用较小。在分类耗时上,MLC、SVM、RFC分别为145 s、11 000 s、1800 s,表明随机森林分类具有最好的分类精度和适中的耗时。综合评价后,随机森林分类方法在进行大豆-玉米精细识别中具有较大优势,具有业务应用的潜力。  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