水稻遥感估产模拟模式比较

通过大田小区试验,测定了2个品种、3个供氮水平处理的水稻抽穗后不同时期冠层的光谱反射率、叶面积指数及最后的理论产量和实际产量,模拟MSS、TM、SPOT、资源一号CCD相机、IKONOS、MODI S和高光谱的波段来构建光谱差值植被指数DVI、比值植被指数RVI、差值归一化植被指数NDVI和绿度G,并模拟建立遥感估产模式.结果表明:单变量估产模式以差值植被指数DVI效果最好,蜡熟期估产效果要优于抽穗期和灌浆期;多时期复合估产模式估产效果要优于单一生育期;成熟期各种数据的DVI估产模式具有相近估产精度,达91%以上,其中MSS波段的估产精度最高.     

基于支持向量回归（SVR）和多时相遥感数据的冬小麦估产

发展和构建高精度的作物遥感估产模型,对于国家制订粮食进出口政策和保障粮食安全具有重要意义.尝试利用支持向量回归方法(SVR)构建遥感估产模型,首先利用北京郊区2004年和2007年冬小麦主要生育期多时相Landsat TM影像生成的归一化植被指数,通过SVR构建遥感估产模型进行产量估算.然后针对模型的稳健型和预报能力进行交叉验证,并与常规的多元回归方法进行对比.结果表明,利用SVR方法构建的遥感估算模型有效地提高了估算精度,与多元回归方法相比,2004年和2007年决定系数分别提高0.2162、0.2158,均方根误差分别降低0.1682、0.2912.因此基于SVR和多时相遥感数据构建估产模型用于冬小麦估产是可行、有效的,为应用多时相遥感数据进行冬小麦估产提供了一种方法.     

安塞县苹果发展的生态环境评价与对策

根据安塞县的生态环境和苹果生产现状,对安塞县苹果生产提出相关建议.认为安塞县中部丘陵沟壑区、南部次生林区适宜优质鲜食苹果生产;北部白于山山区降水偏少,温度偏低,不适宜优质鲜食苹果生产.建议安塞县2007-2010年以中部、南部为中心,每年新栽鲜食苹果1.667×103hm2,到2010年全县苹果总面积可达到1.667×104hm2.     

基于遥感蒸散发的区域作物估产方法

灌区作物产量估算对农业用水效率评价和灌区水分管理具有重要意义。该研究以干旱区代表性灌区-内蒙古河套灌区主要农作区为研究对象,基于遥感蒸散发模型HTEM和遥感作物识别结果获取河套灌区玉米生育期日蒸散发量。选取Jensen模型、Blank模型和Stewart模型3种常用水分生产函数模型,建立河套灌区玉米估产模型,并分析各估产模型的适用性及其参数。结果表明,研究区玉米生育期多年平均蒸散发量约为526 mm。3个模型均有较高的估产精度,其中Stewart模型的产量模拟精度最高,相对误差为4.30%,相关系数为0.75。因此,Stewart模型在河套灌区具有更好的适用性,基于遥感蒸散发模型、遥感作物识别模型和作物水分生产函数模型建立灌区作物估产模型可以取得良好的模拟效果。     

作物单产估算模型研究进展与展望

作物单产估算是服务现代农业的一项重要内容,也是农业监测的难点之一,及时准确的产量模拟对国家农业决策、农田生产管理、粮食仓储安全等都有重要意义。利用模型对作物生长发育和产量形成过程进行动态模拟是当前产量估算的主流方式。本文通过对比当前主流模型构建的理论基础,将估产模型分为经验统计模型、作物生长模型、光能利用率模型和耦合模型4种类型,并对比分析4种模型的优缺点,得到了各个模型的优势和不足。同时分别分析了遥感技术在4种估产模型中的应用,对模型中遥感数据的使用方法、限制因素、解决办法等进行了总结,并分析了遥感技术在作物估产模型方面使用的优势、不足和应用前景。分析了模型发展过程中存在的问题和限制因素,最后对模型的研究热点和发展趋势进行了展望,总结了遥感数据的使用方法、不同模型的耦合、现有模型的优选3个作物估产模型研究需要重点关注的方向。     

甘肃省苹果生产的比较优势和省域研究

以1999—2019年苹果产业统计数据为依据,运用综合比较优势、区位熵和显示性对称比较优势指数等方法,研究了甘肃省苹果生产比较优势和省域竞争力.结果表明,我国苹果生产空间格局基本形成且稳定.生产空间布局进一步向黄土高原优势产区和渤海湾优势产区集中,甘肃、陕西、山西、山东、辽宁、宁夏、河南、河北等8个省(自治区)的生产专...     

基于GIS的冬小麦动态估产模型研究——以山西省运城市为例

利用1982-2008年运城市各县(市)的气象观测资料及冬小麦单产资料,在ArcGIS地理信息系统软件下提取耕地区域的气象要素信息,在SPSS11.5统计软件中以旬为单位建立了分县小尺度及地区大尺度冬小麦动态估产模型,并利用2008年的实测资料对模型进行了验证。结果表明:分县估产模型估产精度较低,其估产相对误差绝对值在0.2%～20.6%,变幅较大;地区大尺度估产模型估产精度较高,其估产相对误差绝对值在0.3%～4.7%,具有较高的稳定性,适合于实际业务运行。     

基于卷积神经网络的中国北方冬小麦遥感估产

针对传统的农作物估产方法过度依赖人工经验,以及实地采样成本高等问题。该研究使用MODIS数据构建了基于卷积神经网络(convolutional neural network,CNN)的冬小麦估产模型。对2006-2016年中国北方冬小麦核心区的60个地级市进行模型训练,鲁棒性检验以及估产误差空间特征分析。结果表明:1)估产模型在训练集和验证集的均方根误差(root mean squareerror,RMSE)分别为183.82kg/hm2、689.72 kg/hm2,决定系数(R2)分别为0.98、0.71。2)以同样的神经网络结构对2006-2016年估产样本分别作为验证集,训练11个独立模型的RMSE平均值是772.03 kg/hm2,证明算法具有较高的鲁棒性。3)2007、2012和2016年不同省份的估产结果表明,模型对北方冬小麦区的平原区估产精度较高,尤其是河北和山东2省(RMSE为500 kg/hm2)。该文构建的估产模型可以实现冬小麦单产的复杂拟合,可以应用于较大尺度(范围)冬小麦产量预报。     

粮食产量预测理论、方法与应用Ⅳ.粮食估产理论、模型及其应用

粮食估产的"通道-概率"理论:把属于最近通道的历年来的产量划分为5个气候年型通道,即丰产年、偏丰年、平产年、偏欠年、欠产年;计算产量出现在5个气候年型中的频率作为概率使用,估产年的初始估产值等于预测年各通道内平均产量与概率之积的和;估产值等于初始估产值与气候年型修正参数之积,专家根据当年气候条件和作物长势实时确定修正参数。预报单元为全国、省和县。应用结果表明:国家尺度上不需要修正,省和县级尺度需要气候年型参数修正;预测误差在3%以内;所述估产理论严谨、方法简单,参数少,参数来自原始数据本身和专家经验,易于推广使用。     

粮食估产的“通道-概率模型”的验证

本文应用全国、31个省、6个典型地区和16个典型县的数据对粮食估产的"通道-概率模型"进行了系统性的验证和讨论。研究结果如下:(1)国家级估产由于地域空间尺度足够大,不同地区气象条件对产量影响的互补性强,所以估产误差小,因此国家级可以不使用小趋势修正和气候年型修正;省级、地区级和县级的估产由于同处一个气候区,因此气象条件对产量影响的互补性不强,必须使用小趋势修正和气候年型修正,县级估产还必须增加根据作物适时长势和专家经验的修正。(2)小趋势修正有两个公式:当预测误差小于10%时,使用Y×(1-K)修正;当预测误差大于10%时,使用Y/(1+K)修正。(3)估产单元气候年型可以自动划分,一般分为5级,波动大的预测单元可以使用7级,其中超丰年和超欠年的修正参数必须根据实时气象条件和作物实时长势具体确定。(4)研究表明:"通道-概率"估产理论和方法是科学的、实用的和准确的;在小趋势修正和气候年型修正基础上,如能结合作物长势调查和当地专家经验,估产误差可以达到3%以下。     

基于作物及遥感同化模型的小麦产量估测

为提高陕西省关中平原冬小麦的估产精度,该文通过粒子滤波算法同化Landsat遥感数据反演的状态量叶面积指数(leaf area index,LAI)、土壤含水量(0~20 cm)、地上干生物量数据和CERES-Wheat模型模拟的状态量数据,分析小麦不同生育期的LAI、土壤含水量及生物量同化值和实测单产的线性相关性,以构建同化估产模型。结果表明,在返青期土壤含水量同化值和实测单产的相关性高于LAI、生物量同化值和实测单产的相关性,选择土壤含水量作为最优变量;在拔节期和抽穗-灌浆期同时选择LAI、土壤含水量及生物量作为最优变量;在乳熟期选择生物量作为最优变量。在小麦各生育时期同化最优变量的估产精度(R2=0.85)高于同时同化LAI、土壤含水量及生物量的估产精度,同时同化LAI、土壤含水量及生物量的估产精度高于同时同化LAI和土壤含水量(或LAI和地上干生物量、或土壤含水量和地上干生物量)的估产精度,表明在作物不同生育时期同化与产量相关性较大的变量对提高估产精度有重要作用。     

基于中高分辨率卫星遥感数据的县域冬小麦估产

随着人口的增加和耕地面积的不断减少,粮食安全问题一直备受关注。该文以山东省广饶县为研究区,探讨基于中高分辨率卫星遥感数据的县域冬小麦估产技术。采用陆地卫星和中巴资源卫星（CBERS）中高分辨率遥感图像,选择冬小麦信息较为突出的4个相似时相,经几何精校正、掩膜、相对辐射校正等预处理,在分析研究区典型地物光谱特征的基础上,采用决策树分类方法提取冬小麦种植面积。同时,利用植被指数变化规律对各时相植被指数进行修正,根据植被指数分布情况及其与产量的关系,分别构建了基于像元比值植被指数之和（∑RVI）及不同长势区归一化植被指数（NDVI）的冬小麦估产模型。结果显示：各时相冬小麦种植面积的提取精度均在96%以上,且具有较好的空间精度;二种估产模型的估产精度分别达到了96%以上和94.74%,效果较好。研究为县域冬小麦产量的预测提供了有效方法,能更好地指导冬小麦生产和粮食政策的制定,对区域农业可持续发展和粮食安全有积极价值。     

基于信息扩散和关键期遥感数据的冬小麦估产模型

农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。     

苹果病虫害绿色防控技术探讨

近年来,随着人们对无公害绿色食品的追求,苹果病虫害绿色防治逐渐成为苹果种植生产过程中的重点研究内容,高效安全、生态友好的绿色防控技术应用日益广泛.为推进我国苹果种植过程中绿色植保理念的应用,确保苹果生产安全,改善果品品质,提高苹果产量,助力果农增收,介绍了农业防治、物理防治、生物防治及科学使用化学药物等技术措施,并提出...     

基于3S技术的草地估产系统的研究与应用

该研究旨在利用全球定位系统GPS、借助GIS系统和遥感技术RS的统计和结合功能,通过多年地面观测工作和卫星影像的印证和草地专家系统分析,通过在GPS相关接收的芯片实现中改进m序列发生器的结构,实现草地信息获取,建立草地估产系统。利用该系统对草原进行估产的结果表明：所设计的各数据接口工作正常,估产结果与实测结果有很好的吻合度,且估产精度有所提高,使小范围内所获研究结果和草地视图信息得以外延和扩展。     

基于无人机遥感植被指数优选的田块尺度冬小麦估产

田块尺度作物快捷精准估产对规模化农业经营管理具有重要意义。因此,急需选取最优植被指数和最佳无人机遥感作业时期,建立冬小麦无人机遥感估产模型,获取及时、快速、低成本的无人机遥感估产方法。该文以山东省滨州市典型规模化农田为研究对象,利用固定翼无人机遥感平台对冬小麦进行多期遥感观测与估产。基于2016年冬小麦返青拔节期、抽穗灌浆期和成熟期的无人机遥感影像数据集,采用最小二乘法,构建了基于不同植被指数与冬小麦实测产量的9种线性模型,并结合作物实测产量进行模型评价。多时相多种类植被指数的优选分析结果显示,抽穗灌浆期估产模型R~2最高,RMSE最低(n=34)。其中,模型R~2达到0.70的植被指数共6个,从高到低依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI;RMSE由低到高依次为EVI2、MSAVI2、SAVI、MTVI1、MSR和OSAVI。另外,该文进一步评价农田土壤像元对无人机遥感估产的影响,经过阈值滤波法处理后,返青拔节期估产模型的R~2(n=34)从约0.20提升至0.30以上,RMSE和MRE下降;抽穗灌浆期模型的RMSE降低,R~2(n=34)有所提升但不显著。综上所述,最佳无人机飞行作业时期为冬小麦抽穗灌浆期,最优植被指数为EVI2,土壤像元的滤除对抽穗灌浆期无人机遥感估产模型的影响不显著。因此,优化后的基于植被指数的无人机遥感估产模型,可以快速有效诊断和评估作物长势和产量,为规模化农业种植经营提供一种快捷高效的低空管理工具。     

苹果矮砧密植栽培技术及管理策略

近年来,随着科学技术的不断进步,传统的乔砧密植栽培已无法满足果业规模化发展需求.为了增加苹果产量,实现标准化、规模化和机械化生产,苹果矮砧密植栽培模式得到了广泛应用,一度成为果业发展的主流.基于此,在全面掌握苹果矮砧密植栽培技术优势的基础上,阐述了苹果矮砧密植栽培技术要点,并提出了几点管理策略,以期更好地推进我国果业持...     

基于CNN-RNN网络的中国冬小麦估产

在大范围内快速、准确地预估作物产量,对作物管理、粮食安全、粮食贸易和决策有重要意义。遥感为大规模作物估产提供了便利,大多数研究者结合深度学习和遥感影像取得了较好的结果。然而,农作物生长状态随时间变化,其产量具有非线性时空特征,单一的深度学习方法无法充分利用影像信息。因此,该研究提出了一种基于卷积神经网络（Convolutional Neural Networks,CNN）和门控循环单元（Gated Recurrent Unit,GRU）混合神经网络估产模型（CNN-GRU）,利用CNN从多光谱遥感影像中提取丰富的空间-光谱特征,在此基础上,结合GRU从多时相遥感影像中自适应学习冬小麦生育期各阶段之间的时间依赖,从多尺度融合冬小麦的生长特征并对其产量进行回归预测。该研究以全国冬小麦主产区为研究区,选取2001-2018年MODIS影像和冬小麦产量数据,构建了冬小麦估产数据集,并验证了CNN-GRU估产模型的性能。结果表明：1）以2016-2018年估产样本作为测试集,CNN-GRU估产模型的均方根误差（Root Mean Square Error,RMSE）年平均值为818.3 kg/hm2,相较于CNN、GRU、支持向量回归（Support Vector Regression,SVR）、随机森林（Random Forest,RF）和决策树（Decision Tree,DT）模型分别降低了20.13%、18.81%、29.51%、34.84%和36.57%;2）将冬小麦整个生育期划分为6个时间窗,CNN-GRU估产模型在灌浆-成熟期时精度最高,RMSE为817 kg/hm2,而抽穗-开花期的RMSE为823 kg/hm2,相较于灌浆-成熟期高0.7%。因此,该估产模型有能力提前2个月预测全国冬小麦主产区产量。     

气象条件对苹果品质影响的分析

本文利用模糊矩阵方法全面分析气象条件对苹果品质影响的权重,代替了经典相关统计的“相关”和“不相关”两个极端状况,可以较客观地提出生产优质苹果的气候条件和通过调节气象因子来提高苹果的品质.     

农作物单产遥感估算模型研究进展

作物单产估算是农作物估产中的关键技术,也是作物估产的难点之一.遥感技术凭借其宏观、及时和动态等特点已在农作物产量估算中占据着极为重要的地位,运用遥感信息建模估算作物产量已成为区域作物估产的必然要求.在总结农作物单产遥感估算模型研究成果的基础上,将作物单产遥感估算方法划分为四种模式加以详细阐述,分析了用于单产建模的遥感数据源的多元化趋势,讨论了如何有效验证模型估算精度的问题,最后对作物单产遥感估算模型今后的发展趋势作了展望.