基于优化ISODATA法的冬小麦长势分级监测

以江苏省姜堰市为例,利用TM卫星遥感技术监测冬小麦的种植面积与长势情况.在利用GPS实地采样调查和建立解译标志的基础上,进行影像校正、非监督分类、人机交互式判读解译等操作,并将样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上.结合NDVI指数反演的叶面积指数进行小麦长势分级分类,并制作了冬小麦长势分级专题图.     

HJ卫星遥感在水稻长势分级监测中的应用

利用水稻分蘖期HJ-1A卫星遥感影像,提取江苏省姜堰市水稻种植面积并分析水稻的长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-1A卫星影像校正、人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上。最后,利用归一化植被指数(NDVI)反演叶面积指数(LAI),依据LAI数据进行水稻长势分级,制作了姜堰市水稻分蘖期长势分级遥感监测专题图。     

基于ISODATA的冬小麦籽粒蛋白质含量遥感分级监测

对冬小麦籽粒蛋白质含量进行遥感分级监测预报,有利于农业管理部门大面积获取田间长势信息,便于及时制定有效的栽培管理措施,实现调优品质的目的.以江苏省姜堰市为例,进行基于TM卫星遥感技术的冬小麦蛋白质含量的监测研究.在利用GPS实地采样调查和建立解译标志的基础上,采用优化的ISODATA分类方法,结合人机交互式判读解译等操作,将样点的信息数据贯穿于整个分类过程;利用分类提取的冬小麦面积数据,反演叶面积指数、生物量和植株氮素含量信息,结合基于光谱参数与氮素积累的冬小麦籽粒蛋白质含量预测模型,对整个区域的冬小麦籽粒蛋白含量进行监测预报,对叠加样点实测数据进行了检验.结果表明,冬小麦面积信息解译精度在95%以上,籽粒蛋白质含量预报精度达到90%以上,最终制作了区域的冬小麦籽粒蛋白质含量分级监测专题图.     

基于遥感技术的水稻抽穗期长势分级监测研究

选择黑龙江省泰来县为试验样区,利用环境减灾卫星数据,结合遥感、地理信息系统和全球定位系统技术手段对水稻种植面积进行监测并分析水稻抽穗期的长势情况。利用地形图,对卫星影像数据进行精校正,结合GPS调查点建立的解译标志,采用人机交互目视解译方法进行水稻面积提取,解译精度在95%以上。最后,根据水稻抽穗期的植被覆盖指数反演的叶面积指数数据信息,进行水稻长势分析与分等定级,结果表明:泰来县水稻抽穗期长势分为3个等级。叶面积指数小于4.2的为水稻长势弱的地域,占水稻总面积的5.53%,在4.2～5.9的为长势正常区域,占水稻总面积的67.80%,大于5.9的为长势旺盛区域,占水稻总面积的26.67%。     

基于线性回归的冬小麦籽粒淀粉含量卫星遥感预测模型

以环境减灾卫星HJ及与其同步或准同步实地观测的冬小麦长势参数和籽粒品质指标为基础,分析了试验样点卫星遥感变量、叶片SPAD值及开花期冬小麦籽粒淀粉含量间的相关性,建立及评价运用HJ影像遥感变量监测冬小麦籽粒淀粉含量的间接定量关系模型.结果表明:应用HJ影像数据监测冬小麦籽粒淀粉含量是可行的.归一化遥感植被指数NDVI可作为预测籽粒淀粉含量的敏感遥感光谱指数;以此为基础可建立冬小麦品质遥感预测模型,为遥感技术监测小麦品质提供理论依据,也为农业生产进行实时指导提供实时信息支持.     

基于HJ-1CCD影像的冬小麦种植面积提取研究

针对目前省域冬小麦种植面积遥感监测业务化运行中所存在的监测精度与成本之间相互制约的问题,本研究选取冬小麦主产区——山东省为研究区域,利用HJ-1卫星提供的CCD遥感影像,采用决策树分类法,同时以山东省土地利用类型之林地数据和野外地面调查数据作为辅助,通过分区解译提取出山东省冬小麦种植面积和分布区域。研究表明:利用HJ-1 CCD影像进行山东省冬小麦种植面积提取是可行的,位置精度和面积总量精度分别达到93.0%和96.8%,对国产卫星的推广应用具有良好的示范作用。     

基于GF-1影像的冬小麦面积提取及年际变化动态监测

为探讨国产高分一号(GF-1)卫星影像在作物面积提取中的适用性,以冬小麦主产区山东省菏泽市为研究区域,利用GF-1卫星携带的多光谱宽幅相机(WFV)16米遥感影像为主要数据源,以菏泽市土地利用类型和野外地面调查数据作为辅助,采用决策树分类法和监督分类—最大似然分类法相结合的方法,通过分区解译方式,分别提取出菏泽市2014和2015年冬小麦种植面积和分布区域,并利用地面样方数据对分类结果进行精度验证,同时开展年际变化动态监测分析。结果表明:以GF-1/WFV 16米影像为主要数据源,将多源信息引入决策树和监督分类模型,进行种植结构复杂地区冬小麦种植面积遥感估算的方法是可行的。GF-1/WFV 16米影像在作物面积遥感监测业务运行中具有较大的开发应用潜力。2014和2015年菏泽市冬小麦位置提取精度分别达到96.5%和96.7%,面积总量提取精度分别达到96.8%和95.0%;遥感提取的两年冬小麦种植面积均略小于官方提供的统计数据,但两者呈现出的变化趋势一致,即菏泽市两年间的冬小麦种植面积呈减少趋势。     

基于不同时相遥感的冬小麦种植面积的提取

卫星遥感技术能够快速、准确、大面积对农作物生长进行监测,多时相遥感监测可克服单时相遥感监测的不足,利于实现对农作物生长变化的动态监测。以江苏省大丰市为研究区域,选用拔节期和抽穗期两景环境(HJ)卫星遥感影像进行不同地物光谱信息识别与种植面积提取研究。首先,在分析两景HJ星影像植被光谱信息的基础上,提取出各自影像的归一化差值植被指数(NDVI)影像,并对两景NDVI影像分别进行加运算和减运算,得到另外两景NDVI合成影像。其次,通过对提取到的四景NDVI影像光谱信息进行比较分析,最终选用植被光谱信息特征较为明显的加运算合成影像进行冬小麦种植面积提取。最后,基于影像不同地物的NDVI阈值划分,并叠加GPS样点信息校正,提取到大丰市冬小麦种植面积数据及其空间分布信息。结果显示,大丰市遥感提取冬小麦种植面积为78 712.13 hm2,精度为92.51%。在该市20个乡镇(或农场)冬小麦种植面积提取精度中,精度大于95%有9个乡镇(或农场),精度在90%至95%之间的有7个乡镇(或农场),仅有4个乡镇(或农场)提取精度在80%至90%之间。说明,利用不同时相遥感合成运算方法得到的合成影像,能明显增强冬小麦光谱信息与其他植被信息特征区别,有利于实现高精度提取冬小麦种植面积的目的。     

基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测

[目的]强化冬小麦长势遥感监测机制,为田间生产管理提供信息支撑.[方法]以2007-2009年试验实测数据为基础,以Landsat TM影像为数据源,分析试验样点拨节期冬小麦主要长势参数与品质、产量以及卫星遥感变量间的相关性,分别建立及评价了TM影像遥感变量监测冬小麦拔节期叶面积指数(LAI)、生物量、SPAD值和叶片氮含量(LNC)的模型.[结果]冬小麦拔节期,选用中红外波段的反射率(B5)、归一化植被指数(NDVI)、DSW5和绿波段的反射率(B2)等遥感变量分别反演冬小麦的SPAD值、生物量、LAI和LNC是可行的;SPAD值,生物量、LAI和LNC遥感监测模型的精度较高,以此为基础,制作出了具有实际农学意义的冬小麦拔节期不同等级SPAD值、生物量,LAI和LNC遥感监测专题图,实现了主要长势参数空间分布量化表达.[结论]研究结果可为广大农学家、农业部门决策者和田问管理人员提供及时的农情信息.     

基于CBERS-02卫星遥感图像的棉花光谱识别模型的建立

新疆南疆地区是中国重要的棉花产区,准确及时地获取棉区播种面积及长势状况对于棉花生产与管理有重要的意义。本研究以2005年7月10日中巴资源卫星CBERS-02卫星CCD1-4波段遥感图像为数据源,分析了阿拉尔垦区棉花、果园、草地、居民地、盐碱地及水库6种典型地物的光谱特征,建立了遥感解译标志。以CBERS-02卫星CCD1-4图像DN值及NDVI值组合为条件构成判断表达式,从而建立了棉花遥感光谱识别模型,并采用ERDAS遥感图像处理软件的空间建模方法提取了棉花面积及分布信息。     

黄淮海地区旱情遥感监测实践

以我国黄淮海冬小麦主产区为研究地点,以EOS-MODIS数据为主要数据源,针对不同作物生长时期,采用植被供水指数与土壤热惯量两种方法,结合地面观测数据建立以土壤水分为基础的旱情遥感监测指标体系,并对2006-2007年度冬小麦生育期的旱情进行了监测,结果表明,遥感旱情变化趋势与地面监测结果较为一致,进一步说明了植被供水指数与热惯量方法在区域旱情遥感监测中的潜力.     

以HJ-CCD影像为基础的冬小麦孕穗期关键苗情参数遥感定量反演

【目的】应用卫星遥感数据可以及时获取大田种植作物“面状”苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息。【方法】结合2011-2013年定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以2013年数据为建模样本、2011年和2012年数据为验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型。【结果】冬小麦处于孕穗期,植被衰减指数（PSRI）可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数（RVI）可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数（R²）分别为0.651、0.585、0.630和0.675,均方根误差（RMSE）分别为1.344、4.62、0.618%和2 804.3 kg·hm^-2。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据。【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农业研究者、涉农部门领导和种植管理者获取及时有效的农情信息。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

LAI无人机多光谱遥感估测及其在盐渍土改良中的应用

【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数（LAI）是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于LAI反演结果的盐渍土改良效果评价能够从众多试验小区中定位出最优的改良效果。与传统方法相比,该方法具有成本低廉、精度高等优势,研究结果有广泛推广前景,可以为盐渍土的改良提供重要技术支持。     

省域冬小麦种植面积遥感本底调查方法——以安徽省冬小麦遥感本底调查为例

遥感技术目前在农业方面得到了广泛的应用,冬小麦作为我国重要粮食作物,农业部先后2次在全国范围内组织开展了冬小麦遥感本底调查工作。该研究介绍了2015年安徽省冬小麦遥感本底调查的遥感数据选择、数据预处理、解译方法,并对调查结果进行了分析,总结了省域冬小麦种植面积遥感本底调查方法和经验。     

基于面向对象分类的冬小麦种植面积遥感监测 —以淮北市临涣矿区为例

为揭示2000年以来淮北矿区冬小麦种植面积变化规律,以IKNOS、Worldview-III高分辨率遥感影像为数据源,采用基于多尺度分割的面向对象分类方法,提取安徽淮北临涣矿区冬小麦种植面积信息,分析其时空变化特征及其驱动因素。结果表明,基于多尺度分割的面向对象分类方法对冬小麦种植信息提取结果非常理想,Kappa系数达到0.92,总体精度为93%,制图精度可达到94%;临涣矿区现有冬小麦种植面积为21.16 km2,占矿区总面积的55.1%;随着临涣矿区开采规模不断扩大与人口密度的增加,矿区冬小麦种植面积显著减少,交通运输用地、工业用地以及住宅用地均有不同程度增加。该研究对深入开展淮北矿区冬小麦长势监测和估产、区域粮食安全评估等工作提供重要的科学参考。     

基于相邻轨道图像的冬小麦面积提取及长势分析

冬小麦是我国北方主要农作物之一,及时掌握冬小麦面积信息及长势情况,能够快速地为农业生产管理者以及财政部门提供决策依据,有利于小麦增产、提高农民收入。本文以山东省滨州、东营市为研究区,通过主成分分析、监督及非监督分类结合的方法提取ETM+遥感影像的冬小麦信息,以SPSS聚类分析法估测滨州市冬小麦长势,用距离加权法构建相邻轨道图像的植被长势分级模型并估测东营市的冬小麦长势。结果显示：小麦提取平均精度约为93.79%,冬小麦分布呈现“西多东少,南多北少”的特征,一般小麦分布较多的地区长势也较好。基于重叠区距离加权法构建的植被长势分级模型,能够在一定程度上消除相邻轨道遥感图像的时间差异,实现大区域的植被长势分析。     

GEE支持下的河南省冬小麦面积提取及长势监测

【目的】使用遥感技术对2017—2020年河南省冬小麦的空间分布信息进行高精度的提取,然后对2020年冬小麦的长势进行高频度的监测并结合气象条件进行分析。【方法】本文基于谷歌地球引擎（Google Earth Engine,GEE）云平台,对选取的Landsat 8影像数据根据NDVI最大值进行合成,然后进行特征构建,添加地形特征、纹理特征、NDVI以及一个新特征NDVI增幅,使用随机森林分类方法对样本数据按照构建的特征进行训练提取河南省2017—2020年冬小麦的播种面积信息;经过精度验证后对提取的河南省2020年的冬小麦种植区域生成掩膜,对掩膜区域（冬小麦种植区域）结合MODIS高时间分辨率影像数据,使用NDVI同期差值法对2020年2—4月份的冬小麦进行高频度的长势监测。【结果】使用GEE云平台能够对河南省冬小麦种植区域的空间分布信息进行快速制图;使用随机森林方法加入地形特征、纹理特征、NDVI后再加入新特征NDVI增幅,能够有效提高冬小麦的提取精度以及降低与统计数据的相对误差,基于混淆矩阵计算的平均总体分类精度为95.2%、平均kappa系数为0.909、冬小麦的平均分类精度为95.3%,与河南省统计年鉴数据相比,本文方法提取的2017—2019年河南省冬小麦播种面积相对误差均低于3%,河南省冬小麦主要种植区域的冬小麦播种面积的平均相对误差低于6%;使用MODIS影像数据结合NDVI差值模型能够对河南省2020年的冬小麦进行高频度的长势监测,河南省冬小麦在返青初期长势较往年及2019年好,到生育后期大部分区域长势与往年及2019年持平,总体上2020年冬小麦的长势较往年及2019年好。【结论】本文提出的方法能够对河南省冬小麦进行高精度的提取以及高频度的长势监测,且能够为地方政府或者一些农业部门在安排指导农事活动上提供科学依据。     

基于遥感数据的冬小麦农情监测研究进展

对国内基于遥感数据冬小麦农情监测技术的研究与应用进行了全面的回顾,对冬小麦长势、产量、品质和灾害预测预报方面的研究进展作了较系统的调查及研究,分析了遥感技术在小麦农情监测方面取得的成效。提出了冬小麦冠层光谱指数和遥感信息与冠层生化参量之间的关系是实现小麦农情监测的关键,对利用遥感技术进行小麦生长发育监测进行了展望。