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。     

基于ISODATA的冬小麦籽粒蛋白质含量遥感分级监测

对冬小麦籽粒蛋白质含量进行遥感分级监测预报,有利于农业管理部门大面积获取田间长势信息,便于及时制定有效的栽培管理措施,实现调优品质的目的.以江苏省姜堰市为例,进行基于TM卫星遥感技术的冬小麦蛋白质含量的监测研究.在利用GPS实地采样调查和建立解译标志的基础上,采用优化的ISODATA分类方法,结合人机交互式判读解译等操作,将样点的信息数据贯穿于整个分类过程;利用分类提取的冬小麦面积数据,反演叶面积指数、生物量和植株氮素含量信息,结合基于光谱参数与氮素积累的冬小麦籽粒蛋白质含量预测模型,对整个区域的冬小麦籽粒蛋白含量进行监测预报,对叠加样点实测数据进行了检验.结果表明,冬小麦面积信息解译精度在95%以上,籽粒蛋白质含量预报精度达到90%以上,最终制作了区域的冬小麦籽粒蛋白质含量分级监测专题图.     

HJ卫星遥感在水稻长势分级监测中的应用

利用水稻分蘖期HJ-1A卫星遥感影像,提取江苏省姜堰市水稻种植面积并分析水稻的长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-1A卫星影像校正、人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上。最后,利用归一化植被指数(NDVI)反演叶面积指数(LAI),依据LAI数据进行水稻长势分级,制作了姜堰市水稻分蘖期长势分级遥感监测专题图。     

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%。     

基于MODIS数据的河南省冬小麦长势监测研究

利用MODIS卫星数据提供的红波段和近红外波段(分辨率为250 m)计算冬小麦的NDVI,建立NDVI值和麦苗长势的对应关系。利用河南省冬小麦面积分布图层数据,去除非小麦信息。将全省划分为5个遥感监测生态区,利用历史数据做出每个生态区的多年平均NDVI值随日期变化曲线,将需要分类的NDVI合成图和变化曲线进行比较进而对冬小麦进行分类。叠合行政区划图层,以行政区划为单元进行统计输出,监测河南省冬小麦长势。     

基于多源遥感的冬小麦叶面积指数监测研究

在江苏省泰兴市利用多源Landsat/TM遥感影像提取植被指数NDVI,并对不同时期的冬小麦叶面积指数(LAI)进行了监测研究.结果显示:拔节期NDVI与LAI的相关性较好,线性拟合模型的决定系数达0.7659;利用拔节期线性拟合模型对开花期的LAI进行预测,预测值与实测值较为一致,RMSE为0.426.表明利用拔节期LAI监测模型推测开花期的LAI数据信息是可行的,有利于区域冬小麦的LAI分级图的快速制作.该方法可为大面积冬小麦长势信息的及时、快速获取提供技术支持.     

基于RS的冬小麦种植面积提取及最佳时相选择

为探求冬小麦种植面积提取的方法,本研究通过多种图像处理方法对TM数据进行处理,结合实地调查和研究区主要种植作物的物候历,利用TM数据提取了冬小麦的种植面积。同时为了提高解译精度,结合GIS进行了两次目视解译过程,消除了分类器分类会出现的多分和漏分现象。结果表明:通过分类后计算混淆矩阵与地面真实感兴趣区(ROI)进行比较,发现Mahalanobis Distance分类法阈值(最大误差距离)为2.9时分类效果最佳。得到2007年研究区域冬小麦遥感监测面积为560 650 hm2,提取精度达到了95.23%。三个地区以临汾地区提取精度最高,而晋中地区最低。因此利用该方法提取冬小麦种植面积是可行的。     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.     

2009年江苏省冬小麦和水稻种植面积信息遥感提取及长势监测

以中国农业遥感监测系统(CHARMS)大尺度业务运行作物长势监测需求为实际驱动力,进行基于遥感影像全覆盖的大尺度农作物类型遥感综合自动识别的方法研究,通过分析2009年江苏地区冬小麦和水稻的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征,确定冬小麦和水稻信息提取的NDVI阈值,建立不同作物面积提取模型,并最终获取了2009年CHARMS中江苏冬小麦和水稻长势监测所需的作物空间分布,并与多年平均统计数据比较,总体精度分别达到了78%和85%以上,基本可以满足农情业务化需要.其次,基于面积识别的结果,利用目前长势监测中应用最广泛的归一化植被指数NDVI对江苏2009年冬小麦和水稻长势进行监测,并用差值模型,与近5年长势的平均状况进行对比研究.结果表明,2009年江苏冬小麦和水稻长势均呈现"前期较好,中期变差,后期恢复"的趋势;空间分布上,淮北和苏中地区冬小麦全年长势较多年平均稍差,而水稻长势较差的地区主要分布在苏南地区.     

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。