成都郊区农业乡镇的土地利用变化特征分析

【目的】定量分析成都郊区农业乡镇土地利用变化特征，对产业结构调整优化意义重大。 【方法】文章选择以农业为主导的乡镇，建立浅丘、平坝不同地形的土地利用现状调查样区各 2 个，通过 2013 年和 2018 年分辨率优于 1 m 的高分辨率遥感影像获取土地利用类型信息，计 算土地利用类型转移矩阵，分析该区土地利用时空变化特征。【结果】（1）2013—2018 年该地 区农业用地结构发生明显变化，园地、设施大棚和坑塘水面等占比上升，耕地和林地占比下 降。（2）主要土地利用类型转移为耕地转出与园地转入，其中耕地主要转为园地、设施大棚和 建设用地，分别占转出面积的 64.1%、15.3% 和 12.5%；园地主要来源于耕地和林地，分别占 转入面积的 83.2% 和 11.5%。（3）浅丘、平坝不同地形农区发展的主导产业不同，显著影响农 业土地利用类型转化，浅丘区以耕地和林地转为园地为主，平坝区以耕地转为设施大棚和果 园为主。【结论】成都郊区农业乡镇的农业产业类型、规模化趋势改变了该地区农业土地利 用格局、提高了土地集约化水平，研究结果可为农业产业结构优化调整、乡村振兴提供参考。     

基于高分六号影像的四川盆地油菜种植调查

目的:使用高分六号多光谱影像调查评价四川地区油菜种植空间分布现状。方法:以四川盆地四川部分油菜种植区为调查区,选择油菜识别最佳时期的高分六号卫星多光谱影像,进行正射校正及几何精纠正,通过最大似然监督分类方法提取调查区内油菜种植空间信息,初步评价该区油菜种植区的空间分布现状。结果:结合地面调查样方数据验证:①基于高分六号影像的油菜分类总体精度为82.06%,Kappa系数为0.6997。②盆地内四川地区2019年油菜种植面积约为103.24万hm~2,规模种植区主要分布于成都、德阳、绵阳、雅安、眉山、乐山等地区。结论:高分六号遥感数据及监测结果可为四川农业产业发展及种植结构调整优化提供参考信息。     

两种植物冠层分析仪测量夏玉米LAI结果比较分析

植物冠层分析仪测量作物叶面积指数存在高估或低估现象,不同仪器的测量结果均与真实值存在差异,这种差异除了与仪器有关,还在不同的作物物候期表现出不同规律。本研究使用LAI-2000、Sunscan两种主流植物冠层分析仪测量夏玉米不同生育期LAI,并与LI-3000C叶面积仪实测结果比较。研究发现：当玉米LAI<1时,LAI-2000测量结果高于实际值,Sunscan测量结果与实际值无显著差异;12时,两种冠层分析仪测量结果均低于实际叶面积指数;不同LAI范围内,LAI-2000、Sunscan测量值与实际值的相关系数不同,最高可达0.9778和0.9637,通过建立测量值和实际值的经验关系模型,对仪器测量值进行校正可减少误差。     

基于Deeplabv3+模型的成都平原水产养殖水体信息提取

为应用深度学习和遥感影像实现养殖水体信息的快速提取,以成都平原为研究区,以Sentinel 2A和高分6号多光谱影像为数据源,基于国产开源深度学习平台PaddlePaddle训练Deeplabv3+语义分割模型,构建遥感影像的水体语义分割模型,用于提取成都平原养殖水体信息。Deeplabv3+方法的总体精度和Kappa系数分别达到94.14%和0.88,均高于归一化差分水体指数法和最大似然监督分类法;模型对阴影和建筑物等误分为水体的抑制效果较好,而对小面积和细小线状水体信息的提取则受影像分辨率影响,效果无明显改进;成都平原2018年和2020年养殖水体面积分别为22.3 khm²和28.6 khm²,其验证区青白江区、新津县和广汉市养殖水体面积的泛化提取结果验证误差均≤±10%。该研究结果可为应用深度学习平台建立遥感影像的水体语义分割模型及提取水产养殖水体信息提供参考。     

基于遥感影像的云南甘蔗种植区优势评估

为运用遥感手段掌握云南省甘蔗种植区域空间分布特征,评估甘蔗种植优势度,以云南甘蔗种植区为研究对象,采用Landsat8-OLI为数据源,结合地面调查结果,通过极大似然法提取甘蔗种植区域空间分布及面积,利用比较优势指数法、使用甘蔗遥感面积评估各区甘蔗种植优势度。2014—2016年遥感影像监测显示,云南省甘蔗种植面积约为24.12万hm ²,主要集中分布在该省西南以及南部地区的主要河流沿线地带,临沧、德宏、保山、普洱、文山等区域的甘蔗面积约占全省的88%。比较优势指数法评估结果显示,临沧、德宏、普洱、保山、西双版纳的甘蔗规模优势指数分别为4.76、5.25、2.07、1.53、3.26,为云南甘蔗种植的优势区域;文山、玉溪、红河、大理等地区规模优势指数均小于1,种植优势不明显。研究结果可为云南甘蔗种植空间布局与优化调整提供参考。     

四川省丘陵区“两区”划定存在的问题及方法探讨

粮食生产功能区和重要农产品生产保护区划定是国家实施"藏粮于地、藏粮于技"战略的重要举措。在试点阶段,通过对四川省试点县中丘陵区"两区"划定项目调研,依据"两区"划定概念、方法以及划入原则,讨论了"两区"划定中片块、地块在划入条件及界定等方面的问题。根据调研分析,本文认为:(1)"两区"片块、地块划入条件需增加弹性。(2)片块划定时考虑农业规模经营和实际地形地貌,补充完善农田基础设施(如道路、沟渠)的相关信息,补充完善土地流转、农业产业等信息,建立片块数字空间信息库,为"两区"划定后的高标准农田建设、土地整理、生态建设等提供详实的基础信息。(3)综合考虑县级农村资源空间管理的需要,避免重复建设,"两区"划定信息平台应与其他已有相关平台进行整合。本论文探讨的问题及相关建议以供相关决策机构的管理、实施作业人员后期的"两区"划定工作顺利实施提供参考。     

基于Sentinel-2A影像的乡镇农业土地利用制图

目的 实现乡镇尺度准确的农业土地利用、作物分布快速制图。方法 文章选用Sentinel-2A遥感影像,基于时序遥感指数阈值分类、最大似然等方法完成各土地利用类型分类、作物空间信息提取,进行乡镇尺度农业土地利用制图,与基于WorldView-2融合图像的0.5 m分辨率农业空间信息图比较验证。结果 （1）研究区粮油作物用地、菜地、设施农用地和园地的面积精度良好,依次为92.93%、98.98%、95.71%和95.14%,与实际面积的差异在8%以内;（2）应用OSM道路数据和历史高分辨率影像等生产的地块边界、农田道路网、水渠网等空间信息与Sentinel-2A多光谱影像分类结果进行叠加制图,能提高10 m分辨率影像分类结果的地块边界信息精度。结论 使用多源信息融合方法和Sentinel-2A光学影像生产的乡镇农业土地利用、作物分布空间大数据,能有效提升乡镇尺度土地利用制图精度和时效性,为应用遥感大数据开展乡镇农业景观分析、农业产业结构优化调整等提供技术参考。     

成都郊区农业土地利用空间集聚及斑块变化特征分析

【目的】 应用时空大数据分析近年来成都郊区典型农业乡镇的农业土地利用变化的特征,为开展乡镇农业土地利用评估、农业产业结构调整优化和乡村振兴提供信息支撑。【方法】 文章使用Sentinel-2A多光谱影像、Google Earth高分辨率真彩色合成影像和WorldView-2影像相结合的数据源,提取研究区农业空间土地利用信息,通过莫兰指数、热点分析和景观格局指数分析农业土地利用变化特征。【结果】 ①园地较其他类型的聚集效应明显,呈现典型热点和冷点区域,其中热点主要分布于研究区西部的丘陵区域,冷点区域分布于东部的平原区域。②土地利用斑块变化指数表明耕地、园地和设施农用地变化明显,耕地平均面积减少,园地和设施大棚平均面积显著增加。【结论】 郊区乡村地区农业土地利用及作物用地类型存在显著聚集效应,粮油种植业则随着其他作物、大棚及水产养殖等产业发展,聚集效应逐步下降。农业用地逐步由单一粮油产业主导转为粮油、蔬菜、水果、水产养殖等多元结构,土地斑块特征受农业产业的规模化、专业化程度发展影响明显。     

超融合时序数据库在果园大数据中存储策略分析

【目的】 为智慧果园管理和综合服务提供技术支撑。【方法】 传统的数据库无法满足智慧果园多模态数据融合和全场景查询分析等问题,文章通过分析智慧果园数据来源和应用逻辑,以都市龙泉驿现代农业园区为示范应用,从多级数据局部存储策略、冷热数据存储和空间数据存储等方面探索了存储策略,提供了一站式数据库解决方案。【结果】 该解决方案满足果园数据高效存储、管理的需求,结果显示YMatrix充分发挥了其高吞吐、低延迟、高并发、准实时数据加载等优点。【结论】 该研究为数字农业和果园数字化基础设施建设和农业数字孪生建设提供技术参考,为实现现代化智慧农业提供经验。     

基于Darknet深度学习框架的桃花检测方法

【目的】 为实现果园自然场景下智能农业机器人对桃花的准确、快速、有效检测。【方法】 文章采用相机获取桃花图片数据,通过LabelImg软件进行人工标记建立桃花目标识别的检测样本数据集,训练Darknet深度学习框架下的YOLO v4模型对桃花进行识别。【结果】 模型精度评估表明,YOLO v4模型的平均准确率MAP值（86%）比Faster R-CNN的MAP值（51%）高出35%。【结论】 YOLO v4与经典的算法相比,对各种自然环境下的桃花检测具有较好的实时性和鲁棒性,可为精准识别桃花提供重要参考价值,桃花精准识别为疏花疏果作业奠定了基础。