基于GF-1影像面向对象分类方法的水稻种植信息提取研究

应用遥感技术提取水稻种植信息是农业遥感的重要内容。GF-1卫星WFV数据为农业信息提取提供了新的途径,面向对象的分类方法是遥感解译的重要方法。本研究以扬州市为研究区域,基于GF-1影像WFV数据,采用面向对象的分类方法,提取水稻种植信息,并实地调查验证试验结果,试图探讨GF-1数据面向对象分类方法在水稻种植信息提取中的可行性与影响提取精度的因素。结果表明,应用GF-1数据,采用面向对象的分类方法能够很好地完成扬州市水稻种植信息的提取,2016年扬州市有水稻种植面积214 524 hm~2,总体精度达到98.5%,Kappa系数0.95,面积精度达97.5%;实地考察能够提高提取精度,地形破碎程度越低,提取精度越高。     

基于最大熵模型小麦黄花叶病在黄淮海地区的适生性分析

科学预测小麦黄花叶病在黄淮海地区的适生区，对控制该地区小麦黄花叶病扩展蔓延、保障小麦生产具有重要意义。采用最大熵（MaxEnt）模型，基于小麦黄花叶病的分布和环境因子数据，对该病害适生区进行预测，并分析生态因子的贡献率与ROC曲线，探索影响小麦黄花叶病的主要生态因子。结果表明：ROC曲线下面积的AUC 为0.955，模型可靠，其中最干月降水量、最暖月最高温、海拔、黏土、最湿月降水量对该病害的分布具有重要影响；适生区主要分布在已发生地区（威海、烟台、青岛、潍坊、淄博、济南、泰安、日照、临沂、济宁、枣庄、平顶山、驻马店、周口、开封和阜阳）和预测地区（莱芜、菏泽、信阳、商丘、淮南、淮北、宿州、徐州、宿迁连云港以及蚌埠）。预测适生面积较广，建议增补小麦黄花叶病为全国农业植物检疫性有害生物，在高适生区设立疫情监测点,根据主要环境因子，加强田间管理。