排序方式: 共有23条查询结果,搜索用时 15 毫秒
1.
2.
3.
宁南山区干草原地下生物量与降水量的相关分析 总被引:1,自引:0,他引:1
本文通过对宁夏南部山区干草原的调查 ,统计分析了连续2 0年积累的数据资料 ,对该区域地下生物量与降水量之间的动态关系及内在规律进行了初步探讨 ,分析总结出二者之间的函数关系及线性回归方程。结果表明 ,地下生物量与降水量间呈极显著正相关 (r =0 .8892 ,P <0 .0 1) ,其线性回归方程式为 y =-2 8.42 3 6+ 4.9776X(P <0 .0 1,r2 =0 .790 6) 相似文献
4.
5.
通过综合利用CASA模型和VPM模型,在像元尺度上开展ε_(max)值估算研究,从而提高ε_(max)值的空间精细度,为指导农业生产,开展精准农业提供技术支持。以河南省为研究区,首先基于MODIS数据,结合CASA模型和关系模型计算NPP值,进一步结合VPM模型得到像元上的ε_(max)值,最后根据土地利用数据对林地、草地、水田和旱田4种植被覆盖类型的ε_(max)值进行时空分析,并探索相关环境因素对ε_(max)值的影响。结果表明,2001—2015年,ε_(max)值介于0.000~4.796 g/MJ,空间上呈西北、西南高,其他区域低的格局;月尺度变化上,不同植被覆盖类型ε_(max)值均在6—8月份达到峰值,其中,旱田ε_(max)值呈现明显的双峰分布,和河南省大部分地区一年两熟的作物种植制度相符。4种植被覆盖类型中,因为用于光合作用的叶面积较大,林地ε_(max)值较高;环境影响因素中,化肥使用折纯量、二氧化碳含量、植被含水指数和有效灌溉面积与ε_(max)值呈现明显的正相关,相关系数分别为0.66、0.61、0.56、0.53,说明ε_(max)值的变化是自然、人为因素共同影响的结果。可见,在农作物生长的关键阶段,适当增加人为的影响可以提高光能利用率,从而增加作物生产潜力和产量。 相似文献
6.
利用TM影像更新研究区的土地利用数据,提取冬小麦可能出现的区域作为掩膜限定识别范围,从而可以减少其他植被类型信息的干扰;通过选取冬小麦样点,在时间序列NDVI数据中提取纯冬小麦的时序曲线,根据曲线特征构建时相识别模型;在限定的范围内根据识别模型提取冬小麦,进而将两个尺度数据进行综合处理和面积统计,冬小麦面积为268.65×10~3 hm~2;利用统计年鉴数据和随机抽样两种方法进行精度分析,结果显示面积精度为91.56%,位置精度为87.46%。与实地调查和人工解译相比,大大提供了工作效率,减少了工作量,适用于大面积区域尺度的冬小麦监测。 相似文献
7.
基于SPOT5-10 m多光谱数据提取研究区的植被覆盖与土地利用/土地覆盖,利用1:5万DEM数据提取研究区坡度信息,采用中华人民共和国水利部部颁标准评价研究区的水蚀风险等级,并与第二次全国土壤侵蚀遥感(Landsat TM)调查数据进行对比分析.结果表明:(1)从整体上看,区域的侵蚀状况有所好转,侵蚀面积减少了84.10km2,但极强度侵蚀面积增加了6.68 km2,剧烈侵蚀增加了0.03 km2.(2)从空间分布看,大于1 700 m的高程带侵蚀面积最小,500~800 m高程带的侵蚀面积最大,小于5°和大于35°的坡度带侵蚀面积最小,而15°~25°坡度带侵蚀面积最大.研究结果可以作为基础数据,为管理部门进行治理决策依据. 相似文献
8.
多参数冬小麦估产模型研究及产量影响因素分析 总被引:1,自引:0,他引:1
产量估算研究对制定粮食政策和经济计划,科学地进行粮食宏观调控有着重要意义。针对以往线性遥感估产模型中多是基于NDVI和LAI的研究,且参数间存在多重共线性等问题,该研究以河北省南部石家庄、保定、邯郸、邢台、衡水、沧州六市为研究区,选用2000—2008 年的种植区最佳时相NDVI、LAI累加值,并引入与小麦生物量积累密切相关的不同月份地表温度作为原始估产指标,针对参数累加值存在的误差,提出一个修正公式对NDVI、LAI 进行修正,再对选用参数进行主成分分析,将结果与冬小麦产量数据建立出4 个多参数综合作用的冬小麦遥感估产模型。结果表明,利用2009 年数据对模型进行验证,结果表明4 个模型的R2介于0.714~0.818 之间,估产精度均在93.0%以上,其中,综合所有遥感参数的模型拟合效果最好,R2为0.818,估产精度达95%,而且引入温差主成分的模型精度高于仅用NDVI、LAI作参数的模型,另外深入分析各参数对产量估测的影响可知4 月中旬和5 月中旬的地表昼夜温差对冬小麦的后期产量具有较大影响。 相似文献
9.
综合季相节律和特征光谱的冬小麦种植面积遥感估算 总被引:7,自引:3,他引:4
及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。 相似文献
10.
基于时间序列MODIS NDVI的农作物物候信息提取 总被引:3,自引:1,他引:2
物候是植被长期适应环境的周期性变化而形成的生长发育规律,农作物物候研究对长势监测和产量评估以及气候变化都具有重要价值。针对现有研究的问题,改进物候信息遥感提取方法,并利用MODIS NDVI时间序列,提取伊洛河流域主要农业区的农作物物候信息。首先将8天间隔的NDVI时间序列进行Savitzky-Golay滤波去除噪音信息;再根据冬小麦和夏玉米的生物生理特性,利用与关键形态特征点的相对位置来界定物候期;最后提取多年关键物候期信息。监测结果与往年观测资料对比,研究结果客观可信。整体上物候期相对稳定,但当农作物受气候变化以及异常天气的影响,年际间会存在明显的差异。其中,出苗期相对变异最小,而冬小麦的抽穗期和夏玉米的抽雄期相对变异最大。研究发现10年间同一物候期相差最高达20天左右。结果证明了本文研究方法的可行性和有效性,及时掌握农作物物候信息对农业生产与管理,以及农业遥感的深入研究具有重要意义。 相似文献