遥感技术在黑龙江省大豆种植面积监测中的应用

利用遥感手段进行作物种植面积监测是国家保障粮食安全的基础性措施之一.以2010年度黑龙江地区大豆种植面积遥感监测为例,利用抽样的方式对遥感监测样区进行面积监测,在抽样样方监测调查的基础上对遥感监测样区的结果进行修正,对比2009年黑龙江地区大豆种植面积监测的结果,得出2010年黑龙江地区大豆种植面积相比2009年减少3...     

鄱阳湖区土地利用遥感快速解译

以美国陆地卫星TM为信息源，利用加拿大遥感图像处理软件PCI，通过目视判读与现有土地利用现状图相结合的方法快速采集训练样本；并在预分类的过程中不断修改训练样本；然后进行计算机监督分类，完成分类后再采取适当的处理方法来最大限度地提高分类精度。     

湖北省油菜种植面积的遥感监测方法探讨

遥感技术是农作物种植面积监测的一种快速、经济和准确的新技术。论文研究了适宜于湖北省油菜种植面积的遥感监测的最佳时相、最佳数据源、影像解译方法等。结果表明,湖北省油菜面积遥感监测的最佳识别时相位于3月中旬—4月中旬,即油菜的开花期。对于湖北省省域范围油菜种植面积遥感监测,为了既能兼顾经济上的可行性和技术上的精度,建议对于油菜非成片分布的低山丘陵地区,采用10m-ALOS影像自动分类,对于油菜连片分布的平原地区,采用至少有1景成像于油菜开花期的双时TM影像,同时采用"时序差值+自动分类"方法的技术方案。     

农作物种植面积遥感提取研究进展

介绍了农作物种植面积遥感提取方面的研究进展,新算法包括：选择多时相数据、多源遥感数据;GIS辅助等手段,并指出采用中分辨率与低分辨率数据相结合的测量方法是获取作物种植面积的主要趋势之一。     

基于土地利用的遥感影像协同式解译

从人工解译到半自动解译,再到智能化解译,遥感影像解译的理论和方法不断发展。基于遥感影像的土地利用更新调查中,需要进行影像解译以识别各种土地类型,虽然采用了土地利用信息的智能化解译方法,但土地利用分类的精度有限,仍需人为参与解译工作,并充分利用土地利用现状数据库的资料辅助解译,形成土地利用协同式解译,以提高土地利用分类的精度。利用2005年武汉市南湖地区的SPOT影像和土地利用现状数据库的信息进行土地利用协同式解译,结果表明:土地利用协同式解译能很好地提高遥感影像的解译精度。     

湖南省中稻种植面积遥感监测方法研究

综合考虑大面积水稻种植区耕地地块破碎,种植结构复杂,插花、套种、错季种植现象明显,影像解译、分类难度大等特点,充分利用国产卫星GF-1数据,以湖南省中稻种植为例,通过精确作物识别与混合像元处理,实现像元尺度的中稻识别;结合国土资源土地调查数据,统计中稻的像元数量与丰度(种植面积比)水平,并扣除耕地图斑内的非耕地成份,建立中稻种植面积估算模型,最终得到精确到县级报告单元的种植面积估算结果。结果表明:通过遥感数据估算面积和地面样方调查计算结果的可决系数达到0.869 6,说明遥感监测方法在湖南省中稻种植面积估算中行之有效。GF-1卫星遥感数据的空间分辨率、波段覆盖范围、影像覆盖能力等能满足大面积农作物种植面积监测要求,基于抽样技术的地面调查与遥感影像分类相结合提取作物种植面积信息的方法可用于省级、区域级的粮食种植面积遥感监测。     

基于遥感影像的棉花种植面积提取方法研究

利用ERDAS IMAGINE 9.2遥感图像处理软件,设计了一种基于遥感影像的棉花种植面积提取方法。通过实地调查,该方法适用于大范围棉花种植的面积估算。     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。     

种植面积预减 大豆领涨农产品板块

“东北黑龙江大豆种植面积今年肯定减少。”黑龙江省逊克县一大豆种植大户杨长轩告诉记者。过去三年来,国产大豆价格持续低迷,和玉米相比没有价格优势,大部分农户已经开始减少种植大豆,今年这种现象更加明显。     

我国大豆种植面积减少将成为常态

美国农业部2012年12月供需报告维持11月数据不变,2012/2013年度美豆单产为15.9蒲/hm2,总产量为29.71亿蒲。由于美国国内压榨量从11月的15.6亿蒲上调至15.7亿蒲,导致期末库存数据也从11月的1.4亿蒲调降至1.3亿蒲。库存的下降显示需求端仍然旺盛。     

机载平台基于全球卫星定位系统的土壤湿度遥感

根据美国航天局2002年10月进行的基于地表面反射GPS信号的遥感土壤湿度试验数据进行了土壤湿度反演。结果证明,反射GPS信号对土壤湿度特性十分敏感,湿度较大的水体区和农田区反射率较大,干旱区最小,不同植被覆盖对于反射率的影响不同,并对其进行了修正。反演得到的该地区土壤湿度值的分布规律也于10月份相对干旱的实际天气条件相吻合。这一结果证明了利用该技术反演土壤湿度的可行性。     

基于多源数据的水稻种植面积提取

引入水稻关键期提取和变化向量分析方法,以江苏省海安县水稻为研究对象,以MODIS数据和环境小卫星数据为主要数据源,分析了2009年水稻物候期内的规律,并根据该指示选择合适的中分辨率数据进行变化向量分析。研究表明,该方法可以有效地反映耕地地块内水稻像元的变化规律,且基于物候关键期内的时相选择可以提高水稻种植面积识别精度。     

小麦调优栽培遥感监测技术初探

目前,优质高产是小麦生产的主题,利用信息技术实现小麦的优质高产是当前农业生产中有效途径之一。针对目前小麦生产中存在的主要问题,提出了利用遥感技术进行小麦产量和品质监测的技术思路,在小麦的生产过程中应用遥感监测技术,对生产管理和质量控制进行监测,从而在一定程度上实现小麦调优栽培的信息化。     

基于时序Landsat遥感影像枣树种植面积提取

基于不同特征时间序列数据集,使用动态时间规整(dynamic time warping,DTW)方法对时间序列遥感影像进行分类.基于时间序列Landsat 8影像数据,使用NDVI、EVI、第一主成分(principal component analysis 1,PCA1)3种特征数据集结合DTW算法,对比分析不同特征量对枣树的识别精度.结果表明:基于DTW(ND?VI)的时间序列特征数据集结合DTW算法能够得到较好的分类结果,基于时序DTW(EVI)特征量的方法次之,基于时序DTW(PCA1)特征量的方法的分类精度最低,总体精度分别为95.23％、93.73％、83.84％,Kappa系数分别为0.858、0.824、0.738.     

遥感技术教学实习与精准农业相结合初探

分析了地理信息系统专业中遥感教学实习的情况,通过寻找构建出两者相结合的框架结构,总结了遥感技术教学实习与实际应用相结合的路径,使学生在完成教学实习的过程中又能服务于社会。     

基于遥感技术对河北省棉花种植面积的监测分析

为了配合政府对河北省棉花种植面积的统计和规划,准确、客观地获取种植面积,遥感技术作为农情监测中对农作物种植面积监测的方法,其应用越来越广泛。以2017年为例,通过抽样的方式对河北省47个县(市)棉花种植样区的面积进行遥感监测,并在抽样区域实地走访调查的基础上对遥感监测样区的结果进行补充修正。结果表明,2017年监测区的种植面积为72.47 hm2,与2016年种植面积(44.44 hm2)比较,2017年度的种植面积略有增加。根据近几年河北省棉花种植面积比较,找出了变化总体趋势及原因,进一步分析了目前存在的问题和对未来的建议。