排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
农情信息是指农业资源、环境与主要农作物的生长过程、状况的信息.调查研究与分析的目的是为国家农情监测系统的研究开发提供信息采集、处理与发布的标准.本次调查通过抽样方式,覆盖了国家7个部委局与全国22个省、自治区三个层次的农情信息用户,通过对农情信息需求的调查分析得出:农情监测信息具有及时、客观与覆盖面广的特点,已成为不可缺少的农业信息资源;农情信息同时已成为各级决策、生产管理、生产经营及农产品市场部门制定农业政策、管理指导农业生产和制定经营策略的重要科学依据;我国农情信息的采集、加工处理与发布缺乏统一的标准,缺乏统一协调的信息服务管理机制,信息资源共享系统亟待解决. 相似文献
2.
3.
国家级作物长势遥感监测业务系统设计与实现 总被引:6,自引:2,他引:4
作物长势监测是农情遥感监测的重要组成部分。为了建立稳定的作物长势监测业务系统,该文一方面选取NDVI时间序列提取的时空参数从不同侧面描述作物长势,建立作物长势监测的综合性模型,另一方面建立了一个覆盖全国主要农区、由200个县组成的地面调查网络,采集地面实况信息,并采用客户端/服务器(C/S)和浏览器/服务器(B/S)的混合结构开展系统设计,基于遥感和地面调查两个角度设计实现了国家级作物长势遥感监测业务系统,同时对由于作物种类和监测区域不同引起的长势评价标准不一致、模型定量化和业务系统架构仍需根据应用进一步分解完善等问题进行了讨论。以中国冬小麦主产区为例,进行了作物长势监测试验,取得较好的监测结果。目前该系统已在大尺度作物遥感监测中得到应用。 相似文献
4.
IHS变换与低通滤波相结合的遥感图像增强模型 总被引:2,自引:0,他引:2
利用遥感图像分类提取作物面积时,由于作物长势的差异,同种作物往往表现出不尽相同的图像光谱特征,在大片连续或近似连续图斑中出现光谱突变,类似于图像噪声。这种微小的差异使得图像分类时同种作物容易被误判为其他地物,增大了分类后处理的难度,降低了分类精度。作者研究的SMM模型首先对原始多光谱图像做IHS变换,将原始图像分离成I(亮度)、H(色度)和S(饱和度),然后对色度H和饱和度S进行卷积滤波运算,得到H′和S′,再将I、H′和S′做IHS逆变换,得到新图像。SMM模型旨在通过图像平滑解决目前图像非监督分类方法上存在的不足,但又在图像平滑的同时保留了原始图像的空间分辨率。通过分类试验验证,使用SMM模型进行图像增强,可以提高图像分类的精度。 相似文献
5.
四种用于雷达遥感图像融合的空间分量提取方法 总被引:1,自引:0,他引:1
使用光学多光谱遥感图像对雷达图像进行空间增强,需要从光学多光谱图像中提取其空间分量。提取空间分量的基本方法有两种:主成分分析(PCA)和IHS变换法,PCA法可以对多光谱图像的所有波段进行分析,得到的第一主成分PC-1代表原始多光谱图像的空间信息,而IHS法只能输入多光谱图像的3个波段,经IHS变换得到的I分量代表原图像的空间信息;将用两种方法提取的PC-1和I分量直接与雷达遥感图像融合,发现PCA法的空间增强效果更为显著,而IHS法的色调保持效果更好。将PC-1和I分量分别进行0~255线性拉伸,然后与雷达遥感图像融合,发现二者对雷达图像的空间增强效果都显著增加,而色调保持水平均有所下降,但PCA法的空间增强效果仍然优于IHS法,而IHS法的色调保持水平仍然优于PCA法。该项研究为用户进行雷达图像融合提供了四种可供选择的提取空间分量的方法。 相似文献
6.
7.
土地利用中线状地物在遥感影像中的变化规律 总被引:3,自引:2,他引:1
一般线状地物在遥感影像中的变化规律是目前国内外土地利用调查中非常活跃的研究领域。该研究在遥感影像的线状地物特征提取和面积量算的应用中可以提供重要依据和参考。采用数理统计回归分析的方法,通过对华北地区(京津冀三地)地面线状地物的105个随机样本的实际宽度量测、定位和图片采集,与其在landsatTM7遥感影像中的具体表现相结合,进行数理统计分析,得出一般线状地物在landsatTM7遥感影像中的变化规律。通过分析和比较,发现不同线状地物如道路和沟渠,由于在地面实际宽度和走向等的不同,其在landsatTM7遥感影像上变化规律是各不相同的;即使是相同实际宽度相同走向的同一类别线状地物其在landsatTM7遥感影像上影像变化也是有较大差异的,文章还进一步分析了造成变化的主要原因。 相似文献
8.
冬小麦产量分阶段预测模型 总被引:1,自引:0,他引:1
为了解决冬小麦估产的时效性和运行化问题,通过对河北省玉田县2007~2009年冬小麦的连续监测,在不同生育期(抽穗期、灌浆期和收获期)对其产量构成三因子(穗数、粒数和粒质量)进行实地抽样测定,并结合冬小麦各个生长发育期的生理生态特点,建立相应的分阶段单产预测模型。试验发现,单因子模型的应用,可使冬小麦估产的预报时间提前到抽穗期,其拟合精度可达到88%以上。双因子模型的应用可使预报时间提前到抽穗后期至灌浆期,模型拟合精度大于90%;结果表明,冬小麦分阶段预产模型可以作为县级区域农业遥感业务化运行系统的基础,增强农业遥感监测产量的预警能力。 相似文献
1