跟我一起下基层,走进安徽省安庆市——稗草防治给出中肯意见 农资经销思路仍需摸索

<正>2017年,《农药市场信息》传媒读者服务站正式成立,其中一站花落于安徽省安庆市宿松县洲头乡农技站。最近,记者来到安徽省安庆市宿松县洲头乡农技站,聆听安徽省安庆市宿松县洲头乡农技站高志祥站长对农资行业的评说!高站长告诉记者,安徽省安庆市宿松县洲头乡主要种植的农作物有大豆、小麦、水稻和少量棉花。随着国家棉花政策的调整,棉花价格下滑,植棉效益低下,且农村劳动力日趋紧张,导致植棉面积日益减少。此外当地特色农作物还有葡萄和瓜蒌等。对于这些作物来说,最难防治的还是抗性杂草。大豆田里的早熟禾、香附     

基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

利用环境减灾卫星估测增城水稻产量

为了探讨将国产环境减灾卫星遥感影像应用于田块破碎度大,生长季多云、雨天气的增城地区水稻产量估测的可行性。试验于2010年在增城地区进行,获取了水稻生长季长势、产量信息,及多时相环境减灾卫星遥感影像,提取了水稻种植面积信息,并基于“光谱信息-长势-产量”间相互关系,利用主成分分析算法建立水稻产量估测模型。结果表明,国产环境减灾卫星的特点可使其有效获取研究区水稻遥感影像,便于准确提取水稻种植面积及估测产量。本研究获得的2010年早稻种植面积的提取精度在97.3%,估产模型的预测决定系数为0.73,预测相对误差为12%。推动了国产卫星在该区域的应用。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

利用MODIS数据提取水稻种植面积及精度分析

为了研究MODIS遥感数据及方法提取水稻种植面积在东北地区的适用性,利用MODIS数据对东北地区水稻面积进行提取,采用非监督分类法、决策树法等方法,并与SPOT、ALOS等遥感资料提取结果比较,进行精度分析。结果表明,MODIS监测水稻面积具有很好的效果,利用MODIS-LSWI提取黑龙江地区移栽期的水稻面积,采用非监督分类法,与SPOT比较,提取精度达97.4%;利用MODIS数据提取辽宁盘锦地区移栽期的水田面积,采用决策树法,与ALOS比较,提取精度达89.5%。因此,利用MODIS遥感数据及方法监测东北地区水稻种植面积是可行的。     

杂交稻新组合博Ⅱ优1618及高产栽培技术

博Ⅱ优1618是中国种子集团有限公司三亚分公司选育的弱感光三系杂交水稻新组合,2017年6月通过海南省农作物品种审定委员会审定。介绍了该组合2016年晚稻在昌江县的种植表现,并总结了其高产栽培技术。     

基于遥感的黑龙江省东部水稻种植信息提取

为了实现黑龙江省东部地区水稻种植信息遥感监测的业务化,通过采用实地调查、ISODATA非监督分类、遥感数据融合和光谱耦合等方法,研究提取研究区水稻种植分布的方法,并进行面积推算。结果表明,2012年黑龙江省东部地区水稻种植面积为15389.01 km2,主要集中在佳木斯、双鸭山和鸡西地区,分类精度达89.19%。该方法可为区域水田空间分布信息提取提供借鉴。     

四川盆地莲藕种植遥感提取及热点区域分析

为准确提取四川省盆地地区莲藕种植空间信息，掌握该作物种植热点区域，采用高分六号遥感影像和地面调查数据，分析藕田光谱特征，提取该地区最佳遥感时期内莲藕种植空间信息；通过Moran’s I指数和Getis-Ord G_i^*指数分析四川莲藕空间分布特征及种植热点区域。结果表明：(1)基于极大似然分类法的莲藕空间信息的提取总精度为92.35%,Kappa系数为0.9045。(2)基于遥感的四川盆地莲藕种植面积约为128.57 km²，分布于1374个乡镇，部分地区存在聚集现象；73个热点乡镇的莲藕种植面积为54.31 km²，占四川盆地莲藕面积的42.24%，空间极化现象明显，主要分布于遂宁安居区、资阳乐至县、成都简阳市等区县。研究结果可为四川省开展乡镇专业化莲藕种植及莲藕产业优化调整提供参考。     

HJ卫星数据在棉花种植面积提取中的应用研究

 探索利用环境小卫星数据进行棉花种植面积的提取,旨在利用国产卫星数据建立一种方便快捷的棉花种植面积提取技术,为棉花的遥感估产奠定基础;选取2011年新疆北部国营农场棉花不同生育期内两期HJ卫星影像,根据棉花与研究区其他作物物候和光谱差异性、农作物生长规律,运用监督分类算法、密度分割和逻辑运算,辅助于人机交互的目视解译,得到研究区棉花种植面积;结果表明：不同监督分类算法中,神经网络分类法和最大似然法分类效果最佳;最终提取的棉花面积总体精度为87.7%;本文采用的方法较为实际、便捷,提取棉花种植面积的精度符合农场生产要求,可为棉花估产和作物种植结构分析提供科学依据。     

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作...     

柴达木地区枸杞种植区遥感提取方法对比研究

枸杞作为柴达木地区特色经济作物之一,利用高分辨率遥感影像开展枸杞种植区识别与提取,有利于政府和农业部门开展市场调控和作物精细化管理。以柴达木典型枸杞种植区诺木洪农场为例,利用随机森林、Softmax、支持向量机、BP神经网络和最大似然5种分类器开展农场内不同生长年限枸杞种植区精细化提取,并对结果进行精度验证。结果表明：采用随机森林的分类效果最佳,其总体分类精度达到93.8%,Kappa 0.93,采用Softmax、支持向量机和BP神经网络方法也均获得了较高的分类精度,其总体分类精度均达到了86.6%~87.6%,Kappa系数达到0.84~0.86,而最大似然法分类效果最差,其总体分类精度仅为76.9%,Kappa系数为0.73。通过实验利用国产高分辨率卫星结合较优的分类器能够实现包括枸杞等小宗特色经济作物种植区域和种植结构的精细化识别和监测。     

CLDAS数据在早稻低温冷害监测中的应用

本研究旨在实现水稻低温灾害的实时动态监测,改善目前遥感数据在南方地区应用受云雨天气影响受限的现状。利用CLDAS气温数据,结合遥感水稻种植本底信息,参考低温冷害监测指标,选取广西典型早稻低温冷害过程进行监测试验。试验结果表明：利用CLDAS气温分量数据可对区域气温变化状况进行有效的动态监测,结合水稻种植空间分布信息,可实现精细化的水稻受灾面积及等级监测。CLDAS反演的气温精度较高,与气象台站实测气温误差多小于0.5℃。CLDAS和遥感数据结合可为水稻精细化低温冷害监测提供一种新的有效途径。     

基于HJ卫星的中国南方地区甘蔗面积提取研究

为了研究大范围甘蔗种植面积的提取方法，以广西、云南、广东湛江和海南为研究区，以30 m空间分辨率的多时相HJ卫星影像为数据源，采用基于NDVI时间序列的决策树分类模型提取研究区内2014/2015年度甘蔗种植面积。结合农业部门的统计数据对甘蔗种植面积提取结果进行精度评价，总体精度达到87.5%。对研究区广东湛江甘蔗种植区域进行抽样调查，抽样调查精度达到93.2%，Kappa系数为0.81。表明该方法可以高效地应用于中国南方地区的甘蔗种植空间信息识别。     

随机森林方法在玉米-大豆精细识别中的应用

研究基于遥感影像的作物精确识别技术方法, 对获取作物分布信息具有重要意义。随机森林分类(random forest classification, RFC)是机器学习的一种, 本文使用Landsat-8 OLI卫星影像数据, 针对研究区内的大豆、玉米和其他地物等3种主要作物类型, 系统比较了该方法与较为成熟的最大似然分类(maximum likelihood classification, MLC)、支持向量机分类(support vector machine, SVM)方法的分类精度。结果表明, MLC、SVM、RFC的总体分类精度分别为91.68%、91.49%、94.32%, Kappa系数分别为0.87、0.87、0.91, RFC方法作物识别精度比MLC和SVM分类显著提升。对原始7波段影像进行主成分变换(principal component analysis, PCA), 提取前4个主成分分量, 同时计算归一化植被指数(normalized difference vegetation index, NDVI)和归一化水体指数(normalized difference water index, NDWI), 将6个额外辅助特征波段叠加到原始7个波段影像上进行再次分类, MLC和SVM方法作物识别精度未有提升, RFC方法总体精度提高了1.49个百分点, Kappa系数提高0.03, 精度提升幅度有限, 主要原因是6个辅助波段在类型识别中作用较小。在分类耗时上, MLC、SVM、RFC分别为145 s、11 000 s、1800 s, 表明随机森林分类具有最好的分类精度和适中的耗时。综合评价后, 随机森林分类方法在进行大豆-玉米精细识别中具有较大优势, 具有业务应用的潜力。     

基于决策树方法的淡水沼泽湿地信息提取——以扎龙湿地为例

为了及时准确地获取湿地基础信息,对湿地进行动态监测和保护。以扎龙湿地为研究区,以区域湿地遥感信息提取为目标,采用TM影像数据、DEM数据、归一化植被指数、纹理信息等复合识别指标构建决策树模型,对研究区不同地类进行分类。然后与传统的最大监督分类法所得到的结果进行对比。结果表明,采用基于指数的决策树分类方法对扎龙湿地类型进行分类,较传统的最大似然监督分类精度提高了14.6%;总体Kappa系数提高了0.1751,分类精度较监督分类有明显的提高,证明基于多源数据决策树分类方法是内陆淡水沼泽湿地信息提取的有效手段。     

基于多时相MODIS数据监测水、旱作物种植面积及空间分布

针对农业信息服务中大范围水田、旱田种植面积信息调查业务的现状与需求,以黑龙江省为研究区,通过分析水田、旱田作物发育期特征、MODIS数据植被指数(NDVI、EVI、LSWI)时序特征,引入积温条件分区构建决策规则,提取检测农田与其他、水田与旱田作物种植的空间分布。以实地调查地面验证点对分类结果进行验证,结果表明,分类结果达到了较高的识别精度,分类结果的总体精度为90.68%,Kappa系数为0.81,其中水稻制图精度为81.13%,用户精度为97.73%;旱地制图精度为98.46%,用户精度为87.07%;与不考虑积温条件相比,分类结果总体精度提高了12.77%,水稻制图精度提高了22.57%,旱地制图精度提高了5.94%。本研究通过引入积温条件,提高了大范围水稻、旱地作物提取精度,具有自动化程度高、分类结果稳定的特点。     

基于Sentinel多源数据的晋南农田地表土壤水分反演

通过遥感数据反演农田地表土壤水分,对农作物干旱、长势监测及估产有重要指导作用。以山西省闻喜县冬小麦种植区为研究区,利用水云模型去除植被影响,建立土壤直接后向散射系数与土壤含水量的关系,反演闻喜县2018年3月19日冬小麦种植区土壤水分。结果表明：协同Sentinel-1微波和Sentinel-2光学影像数据能够去除植被影响提高土壤水分反演精度,VV极化决定系数R²提高0.0914,均方根误差RMSE减少0.0895%。闻喜县中部河谷平原以及东南和西北部的台地土壤处于轻度干旱状态,西南部丘陵和东部山地土壤处于中度干旱状态。反演的土壤水分空间分布结果与地形起伏、灌溉条件和地力等级有较好的空间一致性,地形起伏低、灌溉条件良好的农田土壤水分含量高。