区域棉稻轮作周期的遥感估算和统计分析方法

评估大地理区域内作物轮作水平是农业生产中必须解决的重要问题之一.借助统计学分析方法,在解译连续两年作物卫星遥感影像的基础上,构建统计分析模型,计算农作物的统计轮作周期、评估农作物统计轮作水平.对江苏省兴化市初步研究表明,该市棉稻轮作周期为2.09年,与传统的轮作周期相比较,统计轮作周期和水平更能反映大地理区域作物轮作的现状.     

适宜粮棉轮作的棉花品种筛选

为筛选出适宜粮棉轮作的棉花品种,以6个生产上应用较广的棉花品种为研究对象,在粮棉轮作模式下种植,调查棉花株高、果枝、三桃比例、单铃质量、衣分、籽棉产量等性状指标。结果表明,生育期偏长的棉花品种由于后期部分棉铃不能正常吐絮而产量相对较低,不宜在粮棉轮作模式下种植;中棉所89和冀228生育期偏短,籽棉产量分别达到4 923 kg·hm~(-2)和4 850kg·hm~(-2),显著高于其他品种,是粮棉轮作模式下的适宜棉花品种。     

新疆棉花长期连作对棉区生态环境的影响与棉花轮作可选择空间的思考

40多年来,新疆农业结构的调整是从以小麦为主导地位的作物结构向棉花占主导地位的作物结构的转变过程,但在植棉比重越来越高的过程中,棉花连作对新疆棉区农业生态环境的影响日渐突出,导致棉区病虫害加剧、地膜污染严重、土壤肥力下降.本文分析了土地质量、规模及土地承包制度、经济效益、非农产业、交易成本对棉花轮作的影响和替代农作物的选择空间,提出实施棉花轮作补贴,推进农业产化化进程,降低机动地比重,扩大棉花轮作替代作物选择空间的建议.     

水稻卫星遥感估产研究现状与对策

概述了卫星遥感估产的原理和国内外在水稻产量估算方面的研究进展,分析了其中存在的问题,并对水稻卫星遥感估产研究的发展方向进行了思考.     

粮棉轮作与土壤深翻对棉花生育性状及产量的影响

试验采用随机区组设计,研究了粮棉轮作种植模式与土壤深翻对棉花生长发育及产量性状的影响。结果表明,轮作促进了棉花的营养生长与生殖生长,无论是在旋耕条件下还是在深翻条件下,棉花株高、真叶数、果枝数、蕾铃数、单铃质量均较连作有不同程度提高,籽棉产量在旋耕与深翻条件下分别较连作提高4.5%与2.6%。土壤深翻前期抑制棉花生长,棉花株高、真叶数均低于旋耕处理,但棉花中后期优势明显,果枝数、单株成铃数、单铃质量均高于旋耕处理,籽棉产量在连作与轮作条件下分别较旋耕处理提高4.0%与2.1%。粮棉轮作与土壤深翻相结合是提高棉花产量的有效措施。     

新疆棉花遥感识别最佳时相的选择

棉花遥感识别最佳时相的选择是棉花遥感监测系统快速有效建立和正常运行的关键性、基础性环节之一,它必须兼顾作物遥感识别和监测系统中各模型对遥感时相选择的要求,综合考虑多方面的影响因素.从新疆三大棉区棉花和其它主要农作物的光谱差异和物候历的差异,同时参考太阳高度和土壤光谱噪声的变化以及棉花面积的代表性等方面,初步确定新疆三大棉区的棉花遥感识别最佳时相期,同时提出了最佳时相选择时还有待试验和解决的问题,以供进一步研究参考.     

耕地轮作休耕遥感核查基础信息的填报方法

基础信息填报是开展耕地轮作休耕遥感核查的首要环节,核查范围逐年扩大,基础信息填报工作涉及省份逐年增多。针对基层单位经验不足、技术力量薄弱等问题,研究并设计适用性强、可复制、可推广的基础信息填报技术方案,从而保证基础信息能够顺利填报,满足后续遥感核查的基础数据需求。选取部分农村土地承包经营权确权登记颁证成果数据(以下简称土地确权数据)作为试验数据,在充分调研的基础上,结合农业生产部门和土地确权数据管理部门的工作特点与现状,分别从首先开展轮作休耕任务分配落实信息采集工作和首先开展土地确权数据整理工作2种不同角度进行试验研究,研究设计了2套相应的基础信息填报方案。研究认为,以不同工作起点为前提设计的2种基础信息填报方案能够实现任务信息和四至数据的结合与对应填报,满足下一步遥感核查工作对基础信息数据的需求。目前,农村土地承包经营权确权颁证总体工作尚未结束,在此阶段,2种基础信息填报方案均需不同部门的相互配合和反复对接,基础信息获取过程较为复杂。与农业生产部门首先开展工作的方案相比,以数据管理部门首先开展数据整理工作为基础信息填报工作起点的方法,能够减少2部门反复对接的过程,减少多环节造成的人为因素误差影响的可能性并提高工作效率;同时,受工作人员不足、数据信息量大、数据处理能力及效率普遍偏低等因素影响,2种方案的选用要与基层单位实际工作情况密切结合。     

基于遥感的乡镇级棉花面积提取与长势监测研究

棉花面积及长势信息是棉花生产管理的重要依据.本文以山东广饶县丁庄镇为研究区,以CBERS01和HJ1B卫星图像为信息源,选取棉花信息较为突出的时相,经几何校正、腌膜、图像增强等预处理,在分析研究区典型地物光谱特征的基础上,采用决策树分类方法提取棉花种植面积.利用2009年棉花生长期4个不同时相的遥感图像,分析棉花生长过...     

不同施肥模式对油菜—棉花轮作产量及土壤养分的影响

为了确保洞庭湖区油菜和棉花的经济效益,持续改善和提高区域土壤肥力,通过2015—2019年连续5 a定位监测,研究了油菜—棉花轮作模式下不同施肥处理对油菜和棉花的产量及土壤肥力状况的影响,旨在为区域经济作物合理施肥和耕地土壤可持续发展提供科学依据。结果表明:有机无机肥配施有利于提高油菜和棉花的产量,50%有机肥处理的油菜和棉花经济产量分别较纯化肥处理增加23.3%和24.3%;同时,有机无机肥配施有利于提高油菜—棉花模式的土壤养分水平,50%有机肥处理的土壤有机质、全氮、有效磷和有效钾分别较纯化肥处理增加42.1%、44.5%、5.7%和24.8%。     

不同种植年限紫花苜蓿和棉花轮作对土壤理化性质的影响

【目的】研究阿克苏地区不同种植年限紫花苜蓿和苜蓿/棉花轮作,对土壤理化性质的影响。【方法】采集种植1~4 a的紫花苜蓿地、连作5 a棉花地和第5 a苜蓿轮作棉花地的0~10、10~20和20~40 cm土壤,测定土壤容重、全盐、有机质、全氮、碱解氮、速效磷和速效钾。【结果】紫花苜蓿与棉花轮作能够降低pH;土壤容重随苜蓿种植年限的增加而降低,并且种植时间越长,改善效果越好;棉花连作土壤全盐含量最高,种植苜蓿和苜蓿与棉花轮作可以降低土壤全盐,苜蓿种植时间越长,土壤全盐降低越明显,苜蓿种植第四年全盐量比第一年降低50.5%,苜蓿/棉花全盐比棉花连作降低了41.7%;土壤有机质含量随苜蓿种植年限增加而增加;苜蓿/棉花轮作土壤土全氮含量最高,种植苜蓿地0~10 cm全氮含量呈增加趋势;种植苜蓿第四年的土壤碱解氮及速效磷含量最高,速效钾随苜蓿种植年限的增加而逐渐增加。【结论】阿克苏地区种植紫花苜蓿可显著降低土壤容重,增加土壤有机质和氮素含量,苜蓿、苜蓿/棉花轮作能够降低土壤盐分。     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

卫星遥感估产技术的发展与展望

在简述遥感估产的基本原理、程序及研究进展的基础上,对遥感估产模型进行了评价,并介绍了面积估算方法的发展趋势。遥感信息源的分辨率越来越高,3S、建模与农业、生态、计算机应用等技术相结合,为遥感估产打下了良好基础,从而使建立集高时效性、高精度、可操作性强、易于业务化等优点于一身的优秀的遥感估产系统成为可能。     

遥感作物物候监测方法研究

分析了阈值法、Logistic函数拟合法、谐波分析法、滑动平均法、斜率最大值法等目前遥感物候监测方法的优点及存在的不足,并讨论了相应改进措施,对遥感作物物候监测方法进行了展望。     

基于RS的区域植被景观格局研究

遥感影像以其覆盖范围广、信息量大、更新快等特点,在环境监测方面得到了广泛的应用。该研究应用遥感技术,以1979年和2005年的Landsat TM影像为数据源,采用归一化植被指数和改进的像元二分模型,对北京市门头沟区的植被覆盖进行了监测,结果表明该区植被覆盖总体呈下降趋势。在此基础上,结合当地基础地理信息数据,利用GIS技术和生态景观指标分析方法,对植被变化进行了景观生态学评价,结果表明植被覆盖的景观破碎度急剧增加,景观生态质量下降显著;2005年的景观及各植被覆盖景观类型被边界切割程度及其破碎化程度均高于1979年,且景观尺度上的斑块形状更为复杂,由于斑块形状及分维数受地形、地貌、其他自然及人为因素的影响,地形地貌等自然因素相对固定,因此,影响景观斑块形状及其分维数的因素主要来自人为因素。     

作物品质遥感监测预报研究进展

 当前中国对优质农作物有巨大需求,部分优质农作物产品供不应求或依赖进口。通过监测作物生长过程而进行调优栽培,优化作物分类收获、分级收购加工体制,提高作物品质监控水平是保证作物品质的重要组成部分。遥感技术的发展为作物品质信息的监测和预报提供了快捷、低廉、无损检测的手段。本文综述了面向多种作物的品质遥感监测预报研究最新进展,归纳了作物品质遥感监测的主要模式,分析了作物品质遥感技术中存在的问题并进行了展望。     

卫星遥感影像的自动匹配

影像匹配是指在两幅或者多幅影像之间寻找同名像点的过程.它是从影像上自动提取地物三维空间信息的关键技术之一,已被广泛应用于摄影测量与遥感领域,如影像的自动内定向和立体像对的相对定向、摄影测量区域网平差中连接点的自动提取和DSM自动生成等.影像匹配结果的优劣直接影响后续遥感产品的质量.对于多重影像覆盖的区域或者基于控制点影像库的不同源遥感影像的联合处理,影像自动匹配技术就成为提高影像几何处理精度与作业效率的一项关键技术.该研究基于影像匹配的国内外研究成果,介绍了匹配中的图像预处理和基于控制点影像库匹配流程;并根据三线阵CCD影像的特点,介绍了基于金字塔分层动态窗口匹配运算的相关系数法在三线阵CCD影像像点立体匹配中的应用.     

作物种植面积遥感提取方法的研究进展*

 农作物种植面积监测是遥感估产的关键技术之一。回顾和总结了国内外利用遥感数据进行农作物种植面积提取的方法,重点分析了遥感影像分析方法的进展以及大面积作物种植面积提取两个方面,对农作物种植面积遥感提取的发展方向作了简要评述。     

IRS遥感卫星图像地形校正

运用经验统计法、Minnaert校正和C校正方法对高黎贡山南段地区的IRS卫星图像进行校正试验,从视觉、定量方面对校正效果评价:低太阳高度角时,经验统计法是校正IRS遥感卫星图像地形影响的理想方法。     

农作物种植结构遥感提取研究进展

农作物种植结构信息对农业生产管理、农业可持续发展及国家粮食安全等具有重要意义。本文中概括了农作物种植结构遥感提取的理论基础,归类了近10年间不同农作物种植结构遥感提取技术方法,重点评述了不同技术方法的特点及应用情况,讨论和展望了未来农作物种植结构遥感提取研究的发展方向。当前,光谱特征、时相特征和空间特征是农作物种植结构遥感提取的三大理论基础。基于单一影像源的种植结构提取方法操作简单,但往往难以获取种植结构“最佳识别期”的遥感影像;基于多时序影像源的种植结构提取方法可以充分利用农作物季相节律特征,成为当前农作物种植结构遥感提取的主流方法。在基于多时序影像源的种植结构提取方法中,多特征参量法较单一特征参量法更适用于农作物种植结构复杂区域,基于多特征参量的统计模型法一定程度上解决了混合像元问题,但模型的鲁棒性有待提高。此外,遥感与统计数据融合的农作物种植结构提取法在国家及全球大尺度的农作物种植结构提取中具有优势,但较低的制图分辨率使得数据产品的区域适宜性较差。未来农作物种植结构遥感提取将以区域“作物一张图”为目标,充分发挥多源数据组合利用的优势,围绕多类型作物同步提取和大范围作物种植结构提取开展深入研究,重点加强遥感数据预处理、特征参量提取和分类器高效选择等关键技术研究,从而提升农作物种植结构遥感提取的时空尺度,满足多方位的农业应用需求。     

Utility of Remote Sensing in Predicting Crop and Soil Characteristics

Remote sensing during the production season can provide visual indications of crop growth along with the geographic locations of those areas. A grid coordinate system was used to sample cotton and soybean fields to determine the relationship between spectral radiance, soil parameters, and cotton and soybean yield. During the 2 years of this study, mid- to late-season correlation coefficients between spectral radiance and yield generally ranged from 0.52 to 0.87. These correlation coefficients were obtained using the green–red ratio and a vegetation index similar to the normalized difference vegetation index (NDVI) using the green and red bands. After 102 days after planting (DAP), the ratio vegetation index (RVI), difference vegetation index (DVI), NDVI, and soil-adjusted vegetation index (SAVI) generally provided correlation coefficients from 0.54 to 0.87. Correlation coefficients for cotton plant height measurements taken 57 and 66 DAP during 2000 ranged from 0.51 to 0.76 for all bands, ratios, and indices examined, with the exception of Band 4 (720nm). The most consistent correlation coefficients for soybean yield were obtained 89–93 DAP, corresponding to peak vegetative production and early pod set, using RVI, DVI, NDVI, and SAVI. Correlation coefficients generally ranged from 0.52 to 0.86. When the topographic features and soil nutrient data were analyzed using principal component analysis (PCA), the interaction between the crop canopy, topographic features, and soil parameters captured in the imagery allowed the formation of predictive models, indicating soil factors were influencing crop growth and could be observed by the imagery. The optimum time during 1999 and 2000 for explaining the largest amount of variability for cotton growth occurred during the period from first bloom to first open boll, with R values ranging from 0.28 to 0.70. When the PCA-stepwise regression analysis was performed on the soybean fields, R ² values were obtained ranging from 0.43 to 0.82, 15 DAP, and ranged from 0.27 to 0.78, 55–130 DAP. The use of individual bands located in the green, red, and NIR, ratios such as RVI and DVI, indices such as NDVI, and stepwise regression procedures performed on the cotton and soybean fields performed well during the cotton and soybean production season, though none of these single bands, ratios, or indices was consistent in the ability to correlate well with crop and soil characteristics over multiple dates within a production season. More research needs to be conducted to determine whether a certain image analysis method will be needed on a field-by-field basis, or whether multiple analysis procedures will need to be performed for each imagery date in order to provide reliable estimates of crop and soil characteristics.