基于深度学习的作物长势监测和产量估测研究进展

作物长势是粮食产量估测与预测的主要信息源,随着高时空分辨率遥感数据的不断出现,遥感数据已呈现出明显的大数据特征,以深度学习为基础的作物长势监测和产量估测已成为指导农业生产的重要手段之一.本文通过总结深度学习模型样本以及模型结构的发展历程,概括了深度学习在区域尺度的研究现状,其中从样本构建和样本扩充两方面概述了模型样本,...     

基于作物长势的农田地理信息系统

农田地理要素、作物生长长势和环境状况信息是实施精准农业的重要基础,对不同时期作物长势信息进行监测与管理具有极其重要的作用.为此,针对当前基本农田在管理与监测等技术手段上存在的问题,笔者在Mediamapper软件基础上,按照基本农田建设和管理的要求,建立了一个关于作物长势的农田地理信息系统,用来辅助农户对农田进行精确管理.     

作物长势检测仪的开发

给出了作物检测仪的设计方案,介绍了检测仪开发的整个过程,包括光学系统设计、硬件电路设计及软件设计,并对检测仪进行性能试验.由实验结果可知:监测仪对光强影响最敏感,具有明显的相关关系;对测量距离也比较敏感,具有明显的相关关系.通过重复性试验证实,作物长势检测仪性能比较稳定,使得该仪器用于检测温室其他作物甚至检测大田作物的生长状态都具有一定的应用潜力.     

基于NDVI与EVI的作物长势监测研究

基于2015年大气校正后的时间序列Landsat8影像,研究了归一化植被指数NDVI与增强型植被指数EVI随植被覆盖度增加的变化规律,定量分析了二者监测低、中、高植被覆盖的差异,比较分析了NDVI和EVI分布频率曲线差异及时间序列曲线差异。结果表明:地表刚出现植被时,NDVI和EVI的增加速度最快,随着地表植被覆盖度的增加,NDVI与EVI的增加速度减缓。低植被覆盖下NDVI的增加速度大于EVI,中等植被覆盖下NDVI和EVI的增加速度接近,高植被覆盖下NDVI的增加速度小于EVI,不同植被覆盖下的NDVI值始终大于EVI值。NDVI和EVI分布频率曲线能描述不同植被覆盖度像元数量和随时间的变化。NDVI和EVI时间序列曲线能清晰反映一种作物的长势变化规律及不同作物在同一时期的长势差异。在作物生长初期或低植被覆盖下,NDVI、EVI都偏高估计植被覆盖度,NDVI估计值略高于EVI的估计值。在作物生育中期或中等植被覆盖下,二者对植被描述能力相似。在作物生育高峰期或高植被覆盖下,监测作物长势变化EVI比NDVI更敏感。综上所述,监测作物时可根据作物生育期植被覆盖度变化特点合理选取NDVI和EVI植被指数,也可同时选用NDVI和EVI两种植被指数互为补充。     

基于MODIS数据的冬小麦种植面积快速提取与长势监测

利用MODIS-NDVI数据,以中国冬小麦主产区为例,探讨了基于遥感影像全覆盖的大尺度冬小麦种植面积遥感综合自动识别及长势监测的方法。通过分析冬小麦的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征,确定了冬小麦信息提取的NDVI阈值,建立了冬小麦面积提取模型,并最终获取了2010—2011年中国农情遥感监测中冬小麦长势监测所需的空间分布数据,与多年平均统计数据比较,总体精度达到81%以上。基于提取的冬小麦面积信息空间分布数据,利用MODIS-NDVI差值模型,对冬小麦2011年的长势进行监测。结果表明,与近5年平均状况对比,2011年冬小麦在其整个生育期内长势基本与常年持平,但时空分布差异较大。     

基于无人机影像技术的小麦长势遥感监测

随着精准农业的发展,农作物长势监测越来越重要.传统的小麦长势监测主要依靠人工采样进行,作业效率低、监测范围小、耗费人力物力大.为有效提高小麦长势监测效率,引入无人机影像技术,以曹妃甸地区的小麦为研究对象,利用无人机影像技术和高光谱影像采集传感器完成对曹妃甸地区小麦叶面积指数、叶片生物量、叶绿素含量及叶片氮含量等长势参数...     

作物长势信息空间分析系统设计

为了满足作物长势动态测量的要求,设计了作物长势信息空间分析系统,针对作物冠层信息获取手段及其数据特点设计相应的功能模块。系统主要由光谱文件管理、定点作物光谱分析、动态采集监测、空间数据分析等功能模块组成。系统能够兼容多种光谱文件格式,具有两种空间数据分析方法,配有专家数据库接口,具有较强的二次开发潜力。该系统配合车载作物长势检测平台,对玉米的长势空间分析进行了应用效果验证,结果证明：该系统能够实时读取和分析车载式作物长势检测平台的动态数据,通过不同的空间插值方法能够掌握冠层生物信息空间分布状况。该系统为车载动态测量提供了良好的技术支持,可为制定相应的精准管理决策提供理论依据。     

基于无人机高光谱长势指标的冬小麦长势监测

为快速准确监测作物长势,以冬小麦为研究对象,获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数,并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标(Growth monitoring indicator,GMI)的相关性;建立与GMI相关性较强的4个光谱指数的单指数回归模型,利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型;将最佳模型应用于无人机高光谱影像,得到冬小麦长势监测图。结果表明:各生育期光谱指数与冬小麦GMI相关性较高,大部分指数都达到了显著水平,其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性;拔节期、挑旗期、开花期、灌浆期、全生育期,表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR;对比3种方法构建的GMI反演模型,开花期模型MLR-GMI效果最佳,此时期的模型建模R~2、RMSE和NRMSE分别是0. 716 4、0. 096 3、15. 90%。     

基于微小无人机农作物长势监测试验研究——以猕猴桃为例

快速、准确获取农作物长势信息能够为种植业的科学化管理提供依据。研究以四川省雅安市芦山县某猕猴桃农业园为例,基于微小无人机遥感平台,采集了研究区可见光遥感影像、地面实测数据及其它管理信息。经过处理获得研究区正射影像图(Digital Orthophoto Map,DOM)和数字表面模型(Digital Surface Model,DSM),在此基础上选取8个不同样方网格进行分析,运用影像分割算法对DOM进行分割,运用空间分析方法对DSM进行分类并统计猕猴桃上架的面积,并计算得到各样方的上架猕猴桃覆盖度(%),依据实际上架株数与覆盖度进行相关性分析。结果表明,对DOM的分割很难区分猕猴桃和其他植被;对DSM的空间分析表明,以搭架的水泥柱平均高度来区分猕猴桃与其他杂草是可行的,覆盖度与猕猴桃实际上架株数存在较强的正相关关系(R2=0. 8416),即猕猴桃覆盖度越多则上架株数也是增加的,通过猕猴桃覆盖度可以反映猕猴桃上架株数情况进而反映猕猴桃的产业状况,该方法为快速监测猕猴桃生长提供了参考。     

基于合成孔径雷达数据的农作物长势监测研究进展

[目的/意义]农作物长势监测能及时提供农作物的生长状态信息,对于加强中国作物生产管理、确保国家粮食安全具有重要的意义。卫星遥感技术的发展为大面积的作物长势监测提供了契机。然而,在雨热同期的作物生长旺季,光学遥感数据的获取经常受到天气的限制。因此,近年微波雷达遥感技术受到了广泛重视。[进展]梳理了利用合成孔径雷达(Synthetic Aperture Radar,SAR)数据进行农作物长势监测的国内外研究现状,从农作物长势SAR遥感监测指标、农作物长势SAR遥感监测数据和农作物长势SAR遥感监测方法3个方面对基于SAR数据农作物长势监测研究进展与标志性成果进行总结。在分析常用于农作物长势监测的方法及其适用性的基础上,对它们在长势监测中应用情况进行分析。[结论/展望]提出了4个国内外SAR监测农作物长势所存在的问题:1)基于SAR数据的农作物长势监测方法研究整体较少;2)微波散射特征挖掘不够,特别是对极化分解参数的长势监测应用研究还有待深入;3)针对农作物长势监测中的雷达植被指数相对较少,其应用尚未得到充分发挥;4)基于SAR散射强度的农作物长势监测主要采用经验模型,难以推广到不同地区和类...     

作物生长模型研究现状与展望

作物生长模型由最初的作物生长发育模型发展到农业决策支持模型,在科学研究、农业管理、政策制定等方面发挥着越来越重要的作用。本文首先回顾了作物生长模型的发展过程,并按照模型主要驱动因子,将作物生长模型分为土壤因子、光合作用因子和人为因子驱动3类并分别进行了归纳阐述;然后对典型的模型分别从模型模块、时空尺度、可模拟的作物类型等方面进行列表式对比;并对作物生长模型在气候变化评估、生产管理决策支持、资源管理优化等方面的应用,以及面临的极端条件、复杂农业景观和模型复杂度等挑战进行了总结,在此基础上认为遥感数据同化和孪生农场是其发展方向。     

九波段多光谱相机在作物长势监测中的应用

无人机低空遥感数据具有机动性好、时效性强,受大气辐射影响小,空间分辨率高、数据量大、数据质量好的特点,是传统卫星遥感所无法比拟的,在探测和识别地表的物质种类、评价和测量光谱所反映出来的物质含量、描绘地物空间分布、监测地物变化等应用领域具有较强的优势。随着遥感技术的发展,遥感已成为精准农业中农田信息获取的重要手段,也是地块面积量算、作物种类识别、长势分析等工作的重要数据来源,由于无人机低空遥感数据具有机动性好、时效性强、空间分辨率高的特点,主要应用于绘制低空大比例尺地图、监测自然灾害等[1]。受传感器单一导致的光谱分辨率低的限制,目前在精准农业领域的应用才刚刚起步。     

作物病虫害遥感监测研究进展与展望

病虫害是农业生产过程中影响粮食产量和质量的重要生物灾害。目前,我国的作物病虫害监测方式以点状的地面调查为主,无法大面积、快速获取作物病虫害发生状况和空间分布信息,难以满足作物病虫害的大尺度科学监测和防控的需求。近年来,随着国内外卫星光谱、时间和空间分辨率的不断提升,利用遥感手段开展高效、无损的病虫害监测成为有效提升我国病虫害测报水平的重要手段。与此同时,多平台、多种方式的作物病虫害遥感监测也为病虫害的有效防治和管理提供了重要科技支撑。本文从作物病虫害光谱特征、遥感监测方法和遥感监测系统等方面阐述了作物病虫害遥感监测研究的进展,分析了当前面临的挑战,并对未来发展趋势进行了展望。     

无人机遥感在作物病虫害监测中的应用方法与研究进展

病虫害是导致作物减产的主要因素。传统的病虫害防治方式主要依靠植保人员实地勘察,速度慢且无法进行大面积监测。随着光谱技术的发展,无人机遥感也得到了飞速发展。目前,无人机遥感技术已成功应用于农业、林业、生态等多领域。课题组首先对无人机遥感用于作物病虫害监测的背景进行了介绍;其次总结了无人机遥感用于作物病虫害监测的方法,主要讨论无人机的数据采集与处理;最后对无人机搭载的主要传感器进行了系统的说明,并探讨了无人机遥感技术目前存在的问题和发展建议,以期为作物的病虫害防治提供参考。     

基于MODIS数据的土壤水分预测方法研究

针对目前应用MODIS数据进行土壤水分预测研究现状,综合分析现有文献,依据使用遥感光谱波段的不同,分别讨论了基于热红外遥感的温度法、基于可见光-近红外遥感的植被指数法以及综合温度和植被指数的特征空间法,分析了几种主要方法在精度、适用范围、实时性等方面的优缺点,认为在裸土或低植被情况下使用热惯量法,而在植被覆盖地区应选择特征空间法来预测土壤水分。在此基础上,提出了未来基于MODIS的土壤水分监测的发展趋势,即多源遥感数据融合技术是提高反演精度的主要手段,MODIS数据与GIS和高光谱数据的结合是今后的研究重点。     

遥感技术在村域尺度耕地种植动态监测中的应用

【目的】精确获取村域尺度耕地种植动态变化信息。【方法】笔者以福建省南平市万安乡连墩村为例,以国土“三调”耕地数据为基础,采用Landsat、SAR、无人机航飞影像等多源数据组合,结合人工智能的方法进行研究分析。【结果】研究结果显示,6—12月期间水稻、玉米、地瓜等粮食作物种植以及蔬菜等非粮食作物种植存在动态增减变化。【结论】耕地轮作休耕制度得到了有效推行,设施农用地与交通运输用地在持续增加,区域的发展活力和可持续性在不断增强。     

无人机遥感监测作物病虫害胁迫方法与最新研究进展

近年来,随着现代化科学信息技术高速发展,无人机产业迎来空前发展机遇,无人机农业遥感凭借自身成本低、数据时效性强、图像空间分辨率高等诸多优势,在作物病虫害胁迫监测环节得到了大范围的应用。笔者针对应用无人机遥感监测技术获取作物病虫害胁迫的方法进行研究,分析了当前一系列的最新研究进展。     

基于WMSN的作物环境与长势远程监测系统

针对目前田间监测主要是物理数据而缺少多媒体数据的问题,设计一种基于无线多媒体传感器网络(WMSN)的作物环境与长势远程监测系统.阐述了该系统存在的显著优势;设计了Hi3512和CC2430硬件电路关键部分和软件系统,解决了作物环境信息与多媒体长势信息融合的关键问题;实现了4间温室内不同监测点温湿度、光照度及4路视频信号的动态监测.实验结果表明,该作物环境与长势远程监控系统稳定可靠,实时精确,能实现多媒体数据采集、H.264压缩、3G传输、PC显示和温湿度、光照度传感器节点的ZigBee组网.     

基于高分卫星的冬小麦长势监测及驱动因素分析

【目的】冬小麦作为我国第二大粮食作物,掌握其长势情况对于保障我国粮食安全具有积极意义。【方法】首先基于Sentinel-2影像,利用随机森林的方法提取研究区2018—2020年冬小麦种植的空间分布,并利用高分影像提取分析了冬小麦种植区域内2018—2020年在返青期、起身拔节期、孕穗抽穗期、开花期的长势变化情况,之后将冬小麦长势变化分为长势较好、长势持平、长势较差3个等级进行对比分析;其次利用地理探测器对典型年份（2018年）的冬小麦长势监测结果与气温、降水量、坡度、坡向、高程、土壤类型、土壤湿度、日照时间、人口密度、乡村劳动力资源、GDP这11种驱动因子进行因子探测和交互探测,定量解释了影响冬小麦长势差异的原因。【结果】对比3 a冬小麦长势情况,2020年冬小麦在返青期与起身拔节期长势较好,面积占比为90%以上,而在孕穗抽穗期长势较差,面积占比为20%以上,在开花期长势持平,面积占比约80%。对冬小麦长势解释力较高的驱动因子的排列顺序为：乡村劳动力资源数>土壤湿度>降水量>气温>日照时间,各驱动因子之间的交互作用表现为双因子增强或非线性增强。【结论】冬小麦的长...     

滴灌条件下枣树生育期长势与产量监测

滴灌条件下对枣树进行生育期长势与产量监测,通过对枣树基径、树高、梢条和叶片在年生长周期及各时期的动态变化进行初步分析,结果表明枣树年生长周期在4月至11月之间,在年生长周期内枣树枝干生理生长在夏季最快,基径、树高、梢粗和梢长的增长量最大;枣树叶片的生理生长在春季最快,叶片厚度、叶绿素含量及叶面积指数增长量也最大;5年生灰枣果实的平均产量为9 316.2kg/hm2,果实中含有较高的还原糖、维生素C和人体必需的微量元素Ca、Mg、Fe。