不同特征信息对TM尺度冬小麦面积测量精度影响研究

充分挖掘遥感数据信息，改善作物识别环境，一直是农作物遥感监测的重要工作。以往研究表明最佳波段组合、纹理信息和植被指数信息可以在一定程度上提高分类精度，但这些手段是否一定可以提高作物识别的精度，不同分类器对不同特征信息组合的响应是否一致等都是值得探讨的问题，也是目前研究甚少的问题。为此，该文将平均值(Mean)、方差(Variance)、均一性(Homogeneity)、反差(Contrast)、相异性(Dissimilarity)、熵(Entropy)、角二阶矩(Angular Second Moment)、灰度相关(Correlation)7种纹理信息以及比值植被指数(RVI)、土壤调整植被指数(SAVI)、重归一化植被指数(RDVI)、植被液态水含量指数(NDWI)、有效叶面积植被指数(SLAVI)5种植被指数信息分别加入到TM多光谱数据中，同时还进行了最佳波段选择，利用最小距离、最大似然和支持向量机3种方法进行分类提取小麦，研究了不同特征信息对小麦测量精度的影响。结果表明：该试验区内最佳波段5、4、3组合，纹理信息和植被指数信息的加入，对小麦面积测量精度的提高没有贡献；同一个特征信息组合对不同的分类器影响不同。在实际小麦面积测量的操作中，作业员不应该盲目的加入特征信息。选用何种信息不仅仅和研究区本身的性质有关，还和使用的分类器有关。     

美国精准农业技术推广经验及对我国启示

精准农业技术的普及对我国发展现代农业、实现农业生产收益与环境质量双赢有重要意义。其中,现代农机装备的普及与信息技术的融合应用是促进精准农业发展的两个关键着力点,且中小规模农户的广泛参与对落实推广至关重要。通过梳理和借鉴美国相关经验,结合我国国情,比较分析了精准农业技术普及的着力点。研究认为:(1)在推广方面,技术信息服务应向信息接收不充分农户倾斜,同时政府应加大对经济较弱势农户的财政支持,以助其生产方式升级转型;(2)在宏观政策层面,我国可借鉴美国,通过实施农业生态环境保护项目来推动精准农业的发展。