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   2篇
  完全免费   8篇
  农学   10篇
  2019年   6篇
  2018年   3篇
  2017年   1篇
排序方式: 共有10条查询结果,搜索用时 125 毫秒
1
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.
基于GF-1卫星影像的中国冬小麦制图研究   总被引:1,自引:1,他引:0       下载免费PDF全文
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
3.
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
4.
【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
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.
【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
7.
[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
8.
省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积,该文以北京市(京)、天津市(津)和河北省(冀)3个省域范围为例,以国家标准地形图分幅为分类的图幅单元,利用国产GF-1/WFV数据,构建冬小麦面积指数,实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源,依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理,以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数,将冬小麦面积指数按照1%的比例等分,并将面积指数从0到100%分割为101个提取节点,将提取节点的NDVI值依次与类型确认样本比较,精度最高的则确认为冬小麦面积提取阈值,同时将该阈值应用于图幅单元内冬小麦面积指数影像,获取冬小麦种植分布。最后冬小麦面积识别的精度表明,以标准地图分幅作为计算单元,在GF-1影像基础上,利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异,且冬小麦的总体识别精度达到89.6%,用户精度达到89.8%,制图精度96.5%,Kappa系数0.72。在典型区域,本文算法与监督分类算法精度结果较为一致,除制图精度相差4.77%外,总体精度与用户精度差都在1.00%以内,说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点,能够满足省级尺度农情遥感业务监测的需要。  相似文献
9.
作物长势是农情遥感监测的重要内容之一。长期以来,作物长势遥感监测主要基于卫星影像反演的相关植被参数,如归一化植被指数(NDVI,normalized difference vegetation index)、叶面积指数(LAI,leaf area index)等。本文通过对比研究16 m分辨率GF-1卫星影像及250 m分辨率MODIS影像的NDVI与冬小麦综合茎数、株高、叶绿素浓度之间的关系,尝试建立遥感监测作物长势指标与地面实测作物长势指标的定量关系。研究发现GF-1的NDVI与冬小麦综合茎数的相关性最高(R2=0.8961),而与其他指标相关性较弱;MODIS的NDVI指数与冬小麦综合茎数相关性较低(R2=0.4432),对作物长势的遥感监测精度较低。统计MODIS冬小麦像元内GF-1像元的NDVI平均值,并与MODIS的NDVI对比,发现两者之间的相关性较低(R2=0.3944);在消除MODIS与GF-1影像传感器光谱响应函数差异及NDVI尺度效应后,MODIS影像的冬小麦作物长势遥感监测精度得到一定提高(R2=0.4633)。对MODIS像元内GF-1 NDVI标准差排序发现,MODIS像元内冬小麦长势一致性越高,MODIS的长势遥感监测精度越高。GF-1和MODIS影像NDVI长势监测主要代表地面冬小麦综合茎数,且卫星影像分辨率越高,NDVI值越能反映实际的作物长势。MODIS像元内冬小麦长势一致性越高,基于NDVI的MODIS与GF-1数据冬小麦长势监测结果越一致。从区域长势监测角度来看,尽管MODIS与GF-1数据的监测结果趋势较为一致,并且通过光谱、尺度归一化能够进一步提高监测结果的一致性,但MODIS NDVI长势监测总体精度较低,为满足作物长势精细化监测的业务需要,应逐步使用高分辨率的遥感数据替代中低分辨率遥感数据进行作物长势遥感监测,并将其作为长势监测业务化运行的研究重点。  相似文献
10.
[目的]研究旨在挖掘红边、短波红外谱段对玉米大豆识别精度的提升程度,发现分辨率和谱段对作物识别的综合影响规律。[方法]采用德国Rapideye和美国Landsat-OLI数据,基于最大似然监督分类的方法,针对玉米、大豆、其他等3种地物类型。[结果]结果表明,与仅有蓝、绿、红、近红外波段相比,增加红边后总体分类精度从73.1%提高到80.5%。与仅有气溶胶、蓝、绿、红、近红波段相比,增加1个短波红外波段后,总体分类精度从72.9%提高到75.4%。[结论]中分辨率多时相数据能够弥补由于缺少短波红外、降低空间分辨率造成的识别精度的下降。  相似文献
1
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