基于多源遥感影像的农作物分类提取

合成孔径雷达数据因其较强的纹理特征近年来被广泛应用于农作物分类的研究中.针对多光谱影像无法实现农作物的精确分类问题,本文选取鲁西南济宁市为研究区,融合了2020年4-9月的Sentinel-1 SAR数据和Sentinel-2多光谱数据作为数据源,提取光谱特征、纹理特征、双极化后向散射系数共52个特征变量,通过独立主成...     

基于无人机遥感的农作物面积提取

对无人机遥感的农作物面积提取技术应用流程以及具体应用进行了分析,旨在为农村土地资源信息收集、分配以及利用提供更加客观的依据,从而提升农村土地管理水平。     

多源遥感数据协同的地块级农作物精细提取

【目的】 针对云南省大理市耕地地块不规整、破碎且农作物空间种植结构复杂的特点,结合多源数据在时间和空间分辨率的优势,达到准确地提取农作物信息的目的。【方法】 协同BJ-2数据和Sentinal-2数据进行农作物精细信息提取。首先,利用空间分辨率较高的BJ-2数据进行面向对象的图像分割,获得农作物地块信息;其次,在农作物物候规律分析的基础上,通过标准差分析获得关键时相,利用相应时间分辨率较高的Sentinal-2数据获取农作物地类信息,实现基于地块的小春农作物的快速精细提取。【结果】 采用实地调查地块真值与提取地类生成混淆矩阵进行精度验证,总体精度和Kappa系数分别为87.4%和0.83。其中,连片种植的农作物如蚕豆和马铃薯提取精度较高,地块细碎且内部种植结构复杂的作物提取精度略低。【结论】 多源遥感数据协同的农作物提取方法,通过高分辨率影像上获得的对象分析单元能很好地对单一地块中的农作物空间特征进行统计分析,很大程度上弥补了中分辨率影像由于分辨率偏低所导致的混合像元处错分的不足;不仅能从耕地地块级别获得农作物种植结构,更直观地反映农作物种植,能有效提升农作物提取的精细化程度,有利于精细化的农作物种植结构管理。     

遥感技术在农作物种植结构的研究现状

农作物种植结构信息是农业生产管理和决策的重要基础,遥感技术在此领域的应用逐渐成为研究热点。以遥感数据源、分类特征变量和分类算法为论述框架,首先介绍了不同的遥感数据源,然后从分类特征变量和分类算法两方面对遥感数据源在农作物种植结构提取中的应用现状进行综述,最后展望未来遥感发展方向。有利于提高农作物种植结构信息提取的精度和效率,为农业高效发展和乡村振兴提供重要支持。     

农作物遥感识别中的多源数据融合研究进展

农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000-2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据集的需求是多源数据融合的农作物遥感识别研究的重点发展方向和亟待解决的问题。研究结果有助于更好地理解多源遥感数据融合的技术和模式,为摸清多源数据融合在农作物识别中总体进展提供支撑,同时也为其他多源数据融合研究提供借鉴。     

农作物种植面积遥感提取研究进展

介绍了农作物种植面积遥感提取方面的研究进展,新算法包括：选择多时相数据、多源遥感数据;GIS辅助等手段,并指出采用中分辨率与低分辨率数据相结合的测量方法是获取作物种植面积的主要趋势之一。     

高光谱分辨率遥感技术在农作物估产中的研究现状与发展趋势

综述了高光谱分辨率遥感技术及利用高光谱分辨率遥感对农作物估产的研究,包括作物种植面积的遥感估测、作物遥感估产最佳时相的选择和地面单产遥感估产模型的研究,并分析了高光谱分辨率遥感在农作物估产中的发展趋势。     

基于时谱的秦岭中段农作物提取研究

以秦岭中段为研究区域,采用MODIS影像数据,利用时谱分析方法进行山区农作物提取研究。结果表明,利用时谱分析方法可以快速提取山区农作物,精度为87.9﹪。     

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。     

多源中高分辨率影像协同下时间合成窗口对农作物识别的影响

【背景】中高空间分辨率（≤30 m）影像是在耕地破碎、种植结构复杂的中国南方开展农作物遥感识别研究的重要数据。然而,要克服中高分辨率传感器重访周期较长以及南方多云雨天气的影响,对影像进行时间窗口合成以协同使用多源中高分辨率遥感数据,是获取时空连续农作物制图结果的必要保障。由于不同卫星影像获取的周期不同,且不同农作物物候季相节律存在较大差异,如何选择影像合成时间窗口是农作物准确识别的关键前提。【目的】通过探究影像合成时间窗口对于农作物识别的影响机制,为大尺度复杂农作物种植结构制图提供重要参考依据。【方法】以农作物类型多样且云雨天气频繁的湖北省江汉平原为研究区,通过协同Landsat-8和Sentinel-2A/2B卫星影像,设置7种时间合成窗口（15、20、25、30、40、50和60 d）情景,分别从影像的覆盖度、不同农作物时序光谱特征以及不同农作物分类精度等角度,深入分析影像时间合成窗口对农作物遥感识别的影响。【结果】在影像20 d时间合成窗口的情景下,江汉平原农作物（冬油菜、冬小麦、水稻、稻虾田和其他作物）的总体分类精度最高,为93.13%。对比而言,在影像较短时间合成窗口（如15...     

农作物秸秆纤维提取技术研究进展

农业废弃物的高值化利用有助于缓解资源约束、减少环境污染。秸秆纤维素是细胞壁中最主要的物质,与木质素和半纤维素稳定嵌套,难以分离。因此,秸秆有效组分分离提取是实现其高值化利用的基础和关键。本文对秸秆中纤维微观结构、形成机制及理化性质进行深入阐述,介绍了提取纤维素的多种技术,并对纤维素分离原理与优缺点进行了凝练。针对现有技术壁垒及局限性,展望秸秆纤维分离、提取及纯化等的研究领域和发展方向,以期为探索出高效绿色环保的工艺技术,实现秸秆纤维素的高值化利用奠定基础。     

5种主要农作物DNA快速提取方法研究

以玉米、小麦、大豆、高梁,水稻的种子和幼苗的4种处理组织为材料,利用碱煮法对DNA提取程序进行了研究,建立了一种简单、快速的DNA提取程序。该程序提取的DNA可用SSR引物进行扩增,扩增产物质量良好,并且能满足这5种常见作物的分子标记研究。     

普遍适用于农作物基因组DNA的提取方法及提取值得注意的几个问题

介绍了一种普遍适用于水稻、玉米、马铃薯、油菜、小麦等农作物材料基因组DNA的提取方法,并就在提取过程中遇到的问题,如RNA去除不干净,蛋白质或酚残留、DNA色素较深以及DNA机械剪切严重等,提出了相应的解决办法.     

遥感在农作物估产中的应用与发展

本文以遥感估产为出发点,介绍了遥感的概念、原理、方法特点及国内外遥感估产方面的研究进展。     

鄞州区不同生态环境农作物农残检测与分析

对鄞州区生产的稻谷、叶菜类、水果类、豆类、茄果类和块茎类农产品共411个批次按月进行了现场抽样,按照国家相关规定对22个农药项目进行了检测.结果显示,样本/农药项目检测出率为0.3％,农产品农残合格率97.82％.农残检出项目中88.89％是杀虫剂,叶菜类超标样本率比较显著为3.72％,超出农残标准的样本主要是5-10月的青菜.平原、滨海地区的农作物农残超标只发生在散户上,而山区各种植规模农户都有农残超标样本.小学文化程度农户样本农残超标率高达4.58％,高于大学文化程度农户样本农残超标率的6.16倍.     

青蒿素提取与检测工艺的研究进展

[目的]综述青蒿素提取与检测工艺的研究进展。[方法]从青蒿素的理化性质及来源、提取方法与检测技术3方面来对青蒿素的研究进展进行综述。[结果]青蒿素为无色针状结晶,易溶于有机溶剂;青蒿素提取方法主要有传统有机溶剂提取法、超声波提取法、微波萃取法和超临界流体萃取法;青蒿素检测技术主要有紫外分光光度法、高效液相色谱法、高效液相色谱-蒸发光检测法等。[结论]为研究者能更好地研究青蒿素,满足国际市场的需求提供了基础资料。     

茶树菇营养成分的提取与检测研究进展

综述茶树菇营养成分的提取与检测的研究进展,包括多糖、矿物质、氨基酸、脂肪和脂肪酸、抗氧化活性物质等方面内容,以为茶树菇的综合开发利用提供参考。