2019年美国冬小麦长势遥感监测分析

美国是全球重要的小麦出口大国,其生产状况在一定程度上影响全球小麦贸易形势。利用卫星遥感技术,基于作物长势遥感监测中应用最广泛的归一化植被指数NDVI,采用同期对比法对2019年美国冬小麦进行长势监测分析。结果表明,2019年美国冬小麦长势基本呈现持平略好趋势,且总体好于2018年同期;良好的气象条件是主产州冬小麦长势总体表现偏好的主要原因。产量有望稳中略增,进一步增加国际小麦供给。     

基于EOS/MODIS数据的河南省小麦秸秆焚烧监测分析

为了准确、迅速地了解秸秆焚烧动态变化,提高预警能力和监督检查效果,利用卫星遥感监测技术,选取MODIS 2008年5月29日至6月14日卫星数据,对河南省小麦主产区秸秆焚烧实施监测分析.结果表明,监测期间河南省麦田共存在1 799个火点.火点分布主要集中在南阳、驻马店及平顶山地区,其中邓州、方城、镇平、正阳尤为突出,火...     

冬小麦抽穗期长势遥感监测的初步研究

小麦抽穗期是其生长的关键阶段,田间群体较大、郁蔽,抵抗力弱,常遇高温高湿天气,也是病虫害多发时期.因此,及时监测小麦抽穗期的苗情长势,是制定和采取科学管理措施的必要前提.有学者曾使用NOAAAVHRR、EOSMODIS数据进行小麦长势监测研究[1~3],由于这些影像的空间分辨率较低,常常造成"同物异谱"或"异物同谱"现象,使得监测精度降低.本研究利用分辨率较高的TM影像数据并结合实地GPS定位调查,试图通过分析TM影像植被指数与小麦抽穗期叶面积指数、生物量以及植株氮素含量的关系,建立上述群体质量指标监测模型,为小麦抽穗阶段的农田精确管理提供信息支持.     

基于MODIS数据的河南省秋季作物秸秆焚烧火点监测研究

利用MODIS热异常产品数据,提取河南省秋季作物收获期的秸秆焚烧火点信息,经过初步筛选和地面验证,分析该时段内秸秆焚烧火点数量及时空分布格局,以期对政府为控制秋季秸秆焚烧采取的约谈措施进行效果评价。结果表明,利用MODIS热异常产品数据提取的河南省秋季作物收获期秸秆焚烧火点的准确度可达86.54%,能准确反映河南省秋季作物秸秆焚烧火点的空间分布与发展态势。河南省2015年秋季作物秸秆焚烧火点主要集中在豫中、豫东、豫南地区,尤其是周口、驻马店、南阳、信阳、开封等市,5个地区的秸秆焚烧火点总数占到全省秸秆焚烧火点总数的79.90%。2015年河南省秋季作物秸秆焚烧主要发生于9月27日至10月20日共24 d,整体表现平—增—减—平—增—减的趋势。河南省政府针对秋季作物秸秆焚烧采取政府约谈措施之后,秸秆焚烧火点数量大大减少,整体干预效果明显。利用遥感监测技术可对作物秸秆焚烧进行动态监测,为各级监管部门及时提供大范围内的秸秆焚烧信息,也为加强秸秆焚烧监控提供了可靠依据。     

河南省冬小麦产量遥感监测精度比较研究

【目的】预测冬小麦产量,提高估产精度,为国家粮食生产安全宏观调控提供重要的数据和技术支撑。【方法】以河南省为研究区,利用时间序列MODIS-NDVI数据,结合河南省17个地市的产量数据以及河南省的冬小麦遥感监测面积数据,运用实时NDVI与产量数据建立线性模型、两年差值NDVI与对应的差值产量建立线性模型两种方法对河南省冬小麦产量进行预估,比较分析两种方法的精度。【结果】(1)两年差值归一化植被指数(dNDVI)明显比实时归一化植被指数(NDVI)更好地预估冬小麦产量。(2)实时NDVI预估单产产量相对误差基本可以满足要求,大部分在0.25以下,只有少数几个市(焦作、鹤壁、新乡、安阳)相对误差较高。(3)两年差值归一化植被指数(dNDVI)预估单产的整体误差均可以满足估产的要求,均在0.1以下。【结论】两年差值归一化植被指数(dNDVI)可以有效预测冬小麦产量,有利于提高估产精度。     

基于EOS/MODIS资料的江西省水稻长势遥感监测

基于2010年的MODIS数据,进行江西省水稻长势遥感监测指标的研究,提取了4种植被指数作为遥感参数,即比值植被指数RVI、归一化植被指数NDVI、植被状态指数VCI和增强植被指数EVI,并利用植被指数进行叶面积指数LAI的反演,建立了植被指数VI-LAI模型。在VI-LAI模型中EVI、NDVI与LAI的相关性较好。利用LAI的预测值和地面实测数据进行精度的分析,结果显示EVI的三次方(Cubic)模型在各方面都优于其他植被指数和其他模型,因此选择EVI作为水稻的长势遥感监测指标。     

基于MODIS的农作物面积遥感监测及应用

MODIS遥感数据具有探测周期短、覆盖面积广、数据开放等优点,适合大尺度、动态的农业遥感监测应用。结合了MODIS遥感数据资源的特点和农作物物候特征,提出了基于MODIS的农作物面积遥感监测方法,并根据黄淮地区冬小麦种植面积提取的应用需求,选用地理空间数据云平台提供的3种MODIS数据产品进行了农作物面积提取。结果表明,使用5 d合成数据产品的提取精度较高。     

MODIS数据在河南省耕地雪盖监测中的应用

[目的]探讨利用MODIS数据监测河南省耕地雪盖的可行性,为减灾抗灾提供技术支持.[方法]利用多天的MODIS数据,通过计算归一化差分积雪指数,结合第2、4波段的波谱信息及植被指数,将雪、云与其他地物分开,再结合MODIS的云掩膜数据去除云的影响,实现雪盖的提取.[结果]2008年1月16、29、31日耕地积雪覆盖面积分别占全省耕地面积的13.04%、68.43%和65.23%,主要集中分布在黄河以南粮食主产区,且呈由西向东逐渐推移发展趋势.[结论]在基础地理信息数据辅助下,利用MODIS数据进行大面积雪情监测是可行的,监测结果得到地面调查支持,可进行业务化运作.将遥感监测结果和基础地理信息数据相结合,进行各种专题图的制作,可为减灾抗灾提供技术支持.     

基于无人机影像技术的小麦长势遥感监测

随着国家经济建设快速发展,我国越来越注重精准化农业的推广应用,即对农作物长势进行遥感监测。随着信息化技术在社会中受到广泛关注与应用,为加强小麦长势监测质量与效率,可以引进无人机影像技术在小麦生长过程中对其进行科学化、高效化的遥感监测。本文以无人机影像技术的基本类型与技术特点为切入点,对无人机影像技术在小麦生长过程中开展遥感监测的具体应用进行分析,为加强小麦长势监测、实现精细化农业、提升农业生产质量与效率提供参考。     

基于无人机高光谱长势指标的冬小麦长势监测

本文以冬小麦为主要研究对象,获取其不同生育期的无人机高光谱影像,并根据其高光谱数据建立光谱指数,利用多元线性回归等分析方法建立冬小麦各种生育期的GMI反演模型,在无人机高光谱影像中应用最佳模型得到冬小麦最终的长势监测图,以期为相关人员提供参考。     

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,...     

EOS/MODIS卫星资料在监测冬小麦面积中的应用

用遥感影像处理软件从数据读取、转换、影像地理校正、波段组合等几方面对MODIS数据进行了分析，得到了天津市MODIS卫星数字图像。在此基础上，选取典型地物，计算其光谱统计特征，运用最大似然判别准则，对图像进行分类，得到了天津市2002年冬小麦统计面积及其分布图。     

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%。     

不同时序EOS/MODIS-NDVI监测河南省冬小麦面积

[目的]利用不同时序EOS/MODIS-NDVI数据计算河南省冬小麦面积。[方法]对MODIS图像数据进行转换、地理较正和波段组合等处理后,从而获得不同时间序列的归一化植被指数(Normal Difference Vegetation Index,NDVI),然后在地面光谱测量基础上进行监督分类,得出河南省2005年小麦种植面积。[结果]该法所测河南冬小麦像元总数92 208个,种植面积为576万hm2,与统计部门统计数据相比,误差为9.66%。[结论]该研究为冬小麦种植面积监测提供了新途径。     

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。     

基于MODIS数据的安徽农村秸秆焚烧现状监测

利用MODIS热异常数据(MOD14A2)结合MODIS土地分类产品(MCD12Q1)提取了安徽省2013—2017年秋收季秸秆焚烧火点,通过结果分析5a来安徽省秸秆焚烧状况的发展趋势.研究结果表明,2013年(焚烧火点29个)与2014年(焚烧火点30个)秸秆焚烧状况严重,自安徽省2015年起响应国家号召实行秸秆禁烧...     

基于MODIS NDVI的春小麦苗期长势监测——以呼伦贝尔市大兴安岭西麓为例

以大兴安岭西麓的拉布达林农场、谢尔塔拉农场、莫拐农场以及呼伦贝尔市华和有限责任公司的农场为研究区域,利用Landsat8OLI影像和时间序列MODIS NDVI数据,结合GPS野外定位技术,对各大农场2015的春小麦进行了苗期长势监测初探.结果表明:研究区南部的春小麦长势最好,其次为中部的谢尔塔拉农场及东部的莫拐农场,最差为北部拉布达林农场.从总体来看,MODIS NDVI数据能很好地反映大兴安岭西麓春小麦长势状况,为该区域田间管理和早期估产提供及时信息和理论依据.     

基于MODIS数据的黑龙江省洪涝灾害监测研究

洪涝灾害是目前黑龙江省内次于干旱灾害的重要灾害之一,了解洪涝灾害对农业生产的影响至关重要,特别是对洪涝灾害发生的地区及范围的掌握,可对抗灾救灾部门提供基本的数据保障。针对雨水大的年份内面临洪涝灾害的问题,基于遥感MODIS数据,通过卫星遥感技术对黑龙江省2013年发生的洪涝灾害进行监测。结果表明,通过文章方法可提取当年大部分水体,通过图像迭合发现,可基本提取出水体淹没区,只有少量淹没较浅的地区被漏掉。最后通过区域地块信息,监测到西部大部分地区和东部黑龙江与松花江沿岸洪涝较重。该方法对黑龙江省洪涝灾害应用具有一定的应用价值和参考价值。     

基于CBERS遥感的冬小麦长势分级监测

应用遥感信息技术,可实时对冬小麦长势进行分级监测预报,便于农业部门及时制定和实施相应的管理措施,达到目标化生产的目的。以江苏省姜堰市为例,进行了基于中巴资源卫星(CBERS-02)遥感的冬小麦拔节期长势分级监测研究。经过计算机分类和人机交互式判读解译,结合GPS样点信息校验,冬小麦面积解译精度在90%以上。利用遥感植被指数反演叶面积指数(LAI)等长势信息,对整个区域的冬小麦长势状况进行分级监测。叠加样点的实测数据校验,监测精度达到85%以上,最终制作区域的冬小麦长势分级专题图,并对各长势状况进行了分析。结果说明,中巴资源卫星影像数据可以满足区域冬小麦长势监测要求,并可在实际生产中进行推广应用。