小麦遥感估产研究现状及趋势分析

在分析国内外小麦遥感估产研究进展的基础上,指出目前小麦遥感估产存在的主要问题,并就小麦遥感估产精度的提高、遥感和模型结合的估产研究与应用、极端气候条件下的遥感估产以及遥感估产技术的信息集成化等方面进行了思考。     

中国玉米遥感估产区划研究

农作物遥感估产区划是大面积农作物遥感估产研究和实践的基础。根据农作物遥感估产技术的具体要求,结合农作物区划理论,重点考虑春玉米和夏玉米估产,提出了我国玉米遥感估产区划的原则和依据,针对玉米遥感估产中的各项工作,分别作出了全国玉米遥感估产最佳时相、信息源和土地利用结构分类方案,并在此基础上,设计区划指标,把全国分为13个估产区和28个估产亚区。     

高光谱分辨率遥感技术在农作物估产中的研究现状与发展趋势

综述了高光谱分辨率遥感技术及利用高光谱分辨率遥感对农作物估产的研究,包括作物种植面积的遥感估测、作物遥感估产最佳时相的选择和地面单产遥感估产模型的研究,并分析了高光谱分辨率遥感在农作物估产中的发展趋势。     

遥感在农作物估产中的应用与发展

本文以遥感估产为出发点,介绍了遥感的概念、原理、方法特点及国内外遥感估产方面的研究进展。     

卫星遥感估产技术的发展与展望

在简述遥感估产的基本原理、程序及研究进展的基础上,对遥感估产模型进行了评价,并介绍了面积估算方法的发展趋势。遥感信息源的分辨率越来越高,3S、建模与农业、生态、计算机应用等技术相结合,为遥感估产打下了良好基础,从而使建立集高时效性、高精度、可操作性强、易于业务化等优点于一身的优秀的遥感估产系统成为可能。     

水稻遥感估产系统研究——预试验和前期研究结果以及对开展估产研究的讨论

水稻遥感估产经过“六五”期间的预试验和“七五”期间的前期研究,对难度极大的我国南方水稻遥感估产取得了重要进展。初步明确了水稻遥感估产的研究途径、技术路线及研究方法,但要达到业务运行,还存在很多困难。因此,对今后进一步开展水稻遥感估产研究的几个重要问题加以讨论。     

遥感在作物估产中的应用

简述了遥感估产的原理、方法和国内外作物遥感估产的应用概括.     

基于遥感和WebGIS的冬小麦估产支持系统

【目的】建立Web环境下冬小麦估产的业务化运行体系,解决冬小麦遥感估产业务化运行不足,运行效率低等问题。【方法】基于面向对象的编程技术,采用Java语言,结合ESRI的开发包MapObject for Java以及管理工具ArcSDE、ArcCatalog和ArcIMS,通过在Web上集成遥感估产和GIS,构建了Web环境下的冬小麦估产支持系统。【结果】客户端通过浏览器访问远程服务器,可以实时地获取远程服务器发布的冬小麦生长信息,并进行产量预测,从而解决了遥感估产网络环境下的运行问题。【结论】本文提出了Web环境下的冬小麦估产研究方法和框架体系,实现了冬小麦估产业务化运行系统,系统运行结果良好,是对Web环境下遥感估产的探索性研究。     

遥感在农业估产中的应用与发展

本文从遥感估产为出发点，介绍了遥感的概念、原理、方法特点及国内外遥感估产方面的研究进展。     

新疆棉花估产遥感的应用研究进展

阐述了遥感估产的基本原理及方法,对棉花遥感估产研究进行了重点分析,并总结了新疆棉花遥感估产中存在的问题,最后展望了今后的研究方向和发展前景。     

水稻卫星遥感估产研究现状与对策

概述了卫星遥感估产的原理和国内外在水稻产量估算方面的研究进展,分析了其中存在的问题,并对水稻卫星遥感估产研究的发展方向进行了思考.     

基于SPOT高分辨率遥感数据的农作物估产方法研究

[目的]为了达到基于SPOT高分辨率遥感数据的农作物估产方法研究的目的。[方法]以邢台市为例,利用SPOT-5卫星2.5 m分辨率全色影像与10 m分辨率多光谱影像的融合得到高分辨率多光谱影像,以此对农作物估产方法进行研究。[结果]结果表明,基于SPOT高分辨率遥感数据的农作物估产结果与地面实测结果相比,其检验结果可信。[结论]该研究为农作物遥感估产的实践应用提供了参考依据。     

水稻遥感估产信息系统中地图数据库的建立

文中重点介绍了地图数据库的内容和数据结构,着重研究了地图数据库的建立及其应用。结果表明,地图数据库可为水稻遥感估产的各个环节提供各种专题信息,是水稻遥感估产信息系统不可缺少的组成部分。     

基于开花期卫星遥感数据的大田小麦估产方法比较

【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势,能够及时准确地获取作物产量信息,反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法,以实现进一步提高大田作物遥感估产精度,为宏观了解不同区域作物产量形成情况及变化趋势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获期单产间的定量分析。通过对产量与小麦生长指标以及植被指数进行定量关系分析,进一步增强遥感反演的机理性和重演性。将卫星遥感变量与小麦产量进行相关关系分析作为遥感估产的直接建模方法,间接建模方法则是选取与产量相关性较好的遥感变量以及与遥感变量相关性较好的主要苗情指标,利用筛选得到的敏感遥感变量,首先监测对应的小麦生长指标,结合该小麦生长指标与产量间的定量关系,进而建立间接估产模型,利用此模型进行小麦遥感间接估产。利用直接和间接建模方法,以相关性最高为原则,筛选估算产量的敏感卫星遥感变量。以2012年试验数据为建模样本,采用线性回归分析方法,分析小麦开花期苗情指标、产量与卫星遥感变量两两之间的相关性,分别构建以遥感植被指数为基础的大田小麦估产模型,与地面实测结果一起建立模型共同分析。以2011年试验数据为验证样本,选取评价指标拟合度(R2)和均方根误差(RMSE),对两类模型的估算精度进行验证和比较,以提高遥感反演的定量化水平和可信度。【结果】分别以差值植被指数(difference vegetation index,DVI)和比值植被指数(ratio vegetation index,RVI)为基础的单因子直接估产模型的均方根误差(root mean square error,RMSE)为918 kg·hm-2和1 399.5 kg·hm-2,以DVI和RVI遥感变量构建双变量估产模型的RMSE为1 036.5 kg·hm-2,以归一化植被指数(normalized difference vegetation index,NDVI)和叶片氮积累量为基础构建的间接估产模型的RMSE为805.5 kg·hm-2,说明开花期HJ-1A/1B影像估算小麦区域产量是可行的,且精度较高;经比较,以NDVI和叶片氮积累量为基础的间接估产模型精度明显高于直接估产模型,相较于DVI直接估产模型RMSE降低了112.5 kg·hm-2,相较于RVI直接估产模型RMSE降低了594 kg·hm-2,相较于双因子模型RMSE降低了231 kg·hm-2。【结论】国产卫星HJ-1A/B可以较好满足估测小麦产量要求,且利用间接方法建立作物遥感估产模型要好于直接方法,研究结果为利用遥感技术更为准确估算大田小麦产量提供了一种新的途径。     

浙江省水稻遥感估产区划研究

从水稻遥感估产的特点出发,在分析浙江省自然条件的基础上,确定了以稻作制度为主导因子的分区指标,采用地理信息系统GIS空间邻接分析与图论的树算法相结合的方法进行浙江省水稻遥感估产区划研究,得到了较为满意的结果。     

遥感估产短训班结业

北京农业大学全国农业遥感培训与应用中心接受国家经委的委托,于元月21—26日为中央气象局小麦遥感估产协作组,举办了为期六天的遥感估产短训班。由于时间紧,任务急,遥感中心的有关同志积极动员,全力以赴,除赶编教材、组织讲课和准备实习外,还专门安排人员做好接待工作。     

我国科学家攻克水稻卫星遥感估产国际性难题

浙江大学的研究人员最近采用综合技术方案,攻克了水稻卫星遥感估产的国际性难题,并可使水稻产量的估测精度达到93%。浙江大学环境与资源学院的王人潮教授等研究人员经过近20年的努力,科研人员研制出了一套完整可行的水稻卫星遥感估产运行系统。该系统选用了气象卫星的高分辨率辐射仪资料为主要遥感信息源,通过与1:25万比例尺土地利用现状图进行叠置分析,成功地将卫星遥感技术、地理信息系统技术、全球定位系统技术,以及常规农业技术相结合,保证了卫星遥感估产的基本精度,同时又有效降低了运行成本。此外,研究人员还完成了水稻遥感数值模拟模…     

一种基于趋势单产和遥感修正模型的混合估产模型

【目的】在分析国内外农作物估产方法的相关研究进展基础上,将传统统计估产方法和遥感估产方法相结合,提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小麦单产数据,对2015年的北京市的冬小麦单产进行估算,与真实值(2015年单产统计数据)对比。【结果】混合估产模型对北京市的冬小麦单产预测精度达到98.7%,各区县估产精度均超过90%,除房山(90.3%)外,各县单产预测相对精度均超过95%;传统趋势单产模型对北京市的冬小麦单产预测精度达到94.75%,但在区县尺度上,传统估产模型预测精度较低,对房山区的估产精度不足80%;引入ARIMA模型可以提高传统趋势单产模型的精度。修正后的趋势单产模型冬小麦单产预测精度平均提高了1.59%。本文建立的遥感修正模型,利用三景遥感影像修正结果最优,此方法使冬小麦估产精度整体提升3.55%,尤其是房山、平谷等区县,精度明显提升。【结论】该模型在市级尺度和县级尺度上预测冬小麦单产均取得较高精度,充分考虑冬小麦时间尺度和空间尺度上的变化,对农作物估产有一定的指导意义。     

基于植被指数对望奎县粮食作物产量预测方法的研究

以望奎县为研究区,利用TM影像确定望奎县土地利用现状,根据当年农作物生长季节内累积植被指数的平均值之和与农作物产量存在的关系,建立了最大植被指数遥感估产模型。并使用2007～2010年的MODIS遥感资料和该估产模型,对2007～2010年的望奎县粮食总产进行了估测,其中,前2个年度的估产误差都接近3%。此方法在大范围粮食总产预测中值得借鉴。     

基于MODIS-NDVI数据的甘肃临夏州的春小麦遥感估产

以甘肃省临夏州所包括的8个县市为研究区域,应用遥感手段,采用8个年份的250m分辨率的MODIS-NDVI遥感数据,经过低通滤波技术进行平滑处理后对春小麦进行估产。研究选用了春小麦关键生育期月NDVI数据范围为0.2~0.8,相关处理后,建立起其与小麦产量的关系。最后采用逐步回归方法建立春小麦关键生育期月NDVI与冬小麦产量间关系的估产模型。获得实测春小麦产量数据,选取某一年份的NDVI数据对建立的估产模型进行精度检验,结果表明,估产的相对误差在-3.93%~4.72%之间。表明,经过低通滤波技术平滑后的作物关键生育期内MODIS-NDVI遥感数据用于春小麦估产,其方法精度较高,具有一定的可行性。