病虫害状态下作物叶片表观模拟方法

为了解决农作物病害三维场景难以模拟的问题,该文提出一种病虫害条件下叶片表观的模拟算法。该方法首先利用细胞纹理基函数控制病斑的形状、分布及扩散方式;之后为了模拟病斑在叶片上的堆积效果,采用shell模型进行模拟,并针对病斑的特点,对病斑的颗粒感、高度变化以及周边叶色的变化情况均进行建模。试验结果表明,该方法可以真实地模拟植物叶片在病害状态下的表观,可以容易地与病害知识进行结合,实现基于环境数据驱动的白粉病病情变化过程模拟,为数字农业设计及农业科普培训动画的制作提供有力工具。     

基于光谱反射信息的作物单产估测模型研究进展

及时准确地估测区域作物单产信息,对于粮食安全预警、粮食贸易流通,以及农业可持续发展都具有非常重要的意义。基于光谱反射信息的遥感技术,能够实时获取作物和土壤在不同时间和空间尺度下的分布信息,为区域作物单产估测研究提供了新的机遇和挑战。在简单介绍作物反射光谱特性和作物单产影响因素的基础上,分经验模型、半经验半机理模型和机理模型三部分,详细论述了基于光谱反射信息的作物单产遥感估测模型的国内外研究进展,并指出基于作物生长机理模型与多时相遥感信息同化技术的研究,应该是未来区域作物单产估测的重要发展方向之一。今后应该重点加强作物冠层关键参数(如叶面积指数、叶绿素浓度、作物吸收光合有效辐射系数、植被覆盖率等)的定量反演研究,同时加强多源遥感数据替代和整合技术研究,以及作物模型与遥感信息同化关键技术研究,以进一步改善单产估测精度和提高系统可运行性。     

基于遥感数据与作物生长模型同化的作物长势监测

遥感观测和作物生长模型模拟是进行农作物长势监测的2种有效手段,并具有较好的互补性,构建二者的同化系统是目前农业遥感研究领域的热点。同化涉及多学科的交叉集成,十分有必要将同化方法中的模型、算法、数据进行集成,构建基础作物模型同化系统平台,降低科学研究和应用的难度。采用模块化结构设计,将同化系统构建所需的主要模型、算法、数据等进行有机结合和无缝集成,实现基于极快速模拟退火算法的遥感数据与CERES-Wheat作物生长模型的同化原型系统构建。此外,通过所开发的系统利用地面高光谱作为遥感数据,通过同化小麦叶面积指数对同化系统进行了检验和初步应用。同化LAI与实测结果较好的拟合度,表明所开发的同化系统基本可行,能为遥感技术与作物模型的基础研究和应用提供一个平台。     

我国农情遥感监测关键技术研究进展

我国作物的遥感监测已有20年的研究历史。但象中国这样国土辽阔、地形多样、种植结构复杂、农户规模小的国家的国家级农情遥感监测运行系统，在关键技术方面仍然需要加强研究。这些关键技术包括：数据处理、作物识别、面积量算、长势监测、灾害评估、产量估计及运行系统集成等。该文根据作者开发农业部农情遥感监测系统的经验，分析存在的问题，提出解决问题的基本思路。     

松材线虫病遥感监测研究进展及方法述评

该研究旨在综合述评松材线虫病遥感监测的历史及近年来的研究进展,并就当前研究和工作中产生的问题给出建议与展望,为相关管理部门、科研院所以及从业者提供技术参考和辅助决策依据。该研究以科学引文数据库（WoS）和CNKI检索并筛选后得到的文献为基础,系统梳理松材线虫病遥感监测的提出及发展;根据遥感监测的对象层次分类梳理了近几年相关研究中使用的方法,就当前研究中存在的问题进行归纳和总结,最后给出了未来可能的工作及研究方向。该研究发现：1）2017年来松材线虫病遥感监测一直处于研究热点。2）松材线虫病遥感监测研究使用数据的运载平台大多为以无人机（UAV）为代表的机载平台,而光谱类型以RGB和多光谱为主。3）松材线虫病遥感监测的粒度以单株为主,监测使用的病害类别体系繁多且不同类别体系间的关系模糊。4）机器学习和深度学习两类方法在松材线虫病遥感监测研究中占据垄断地位,但两类方法各有优势、互不取代。该研究认为遥感调查极大提高了松材线虫病疫情增量控制及存量消减工作的效率,但存在单一数据源难以满足大范围细粒度的监测需求、病害类别体系杂乱、数据集不统一不标准、缺乏长时序监测成果等方面的问题。该研究提出未来可以在空天数据融合、病害类别体系及数据集标准化和短周期长时序监测等三个方面开展进一步工作及研究会有助于松材线虫病遥感监测的进一步实时化和智能化。     

作物长势遥感监测指标的改进与比较分析

为改善归一化植被指数（NDVI）作为遥感监测作物长势指标的性能,该文分析了归一化植被指数的内在设计缺陷,在不增加额外波段的情况下,以近红外波段和红色波段为基础引入一种新的作物长势遥感监测指标——GRNDVI。通过在像素和区域层次上同其他4种指数进行比较发现：GRNDVI能够改善归一化植被指数在低植被覆盖度时期/地区容易受到作物冠层土壤背景的影响,而在高植被覆盖度时期/地区又容易发生饱和现象的设计缺陷,可以作为遥感监测作物长势过程中替代归一化植被指数的指标。     

基于图像的作物病害状态表观三维模拟方法

为了解决病害表观信息难以获取导致的作物病害状态三维模拟困难的问题,该文提出一种基于图像的作物病害状态表观模拟方法。该方法首先利用单张图像提取病斑的形状、颜色以及位置特征,并对其变化过程进行自动推断;基于这些特征信息,对病害的病状以及病症表观进行建模。试验结果表明,该方法可以利用网络中已有的病斑图像对病害侵染导致的作物表观变化进行真实地三维模拟,一定程度上解决病害表观信息缺失的问题,为数字农业设计及农业科普培训动画的制作提供有力工具。     

作物遥感识别中的数据挖掘技术

该文综述了数据挖掘技术应用在图像分类方面的各种方法，介绍了每种方法的优缺点、适用领域及应用情况。介绍了将数据挖掘技术应用于图像分类方面以有效解决当前作物遥感识别中的瓶颈问题。对当前作物遥感识别系统在数据源的使用、识别过程的规范和方法的实用性方面的问题进行了分析，展望了作物遥感识别中的数据挖掘技术研究发展方向。     

玉米作物系数无人机遥感协同地面水分监测估算方法研究

该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。     

作物生长模型与定量遥感参数结合研究进展与展望

作物生长模型与定量遥感参数的结合,不仅满足前者实现区域应用的需求,也有助于提高后者的反演精度,在生态、农业、资源调查与全球气候变化等研究上意义重大。该文从作物生长模型空间应用拓展的角度,对国内外主流作物生长模型、定量遥感参数以及两者结合的参数与方法进行了概述,分析了典型作物生长模型的主要模拟过程及其驱动、初始化、输出等参数,总结了当前定量遥感正反演结果可为作物生长模型区域应用提供的参数数据;建立了作物生长模型模拟过程与定量遥感参数的对应关系,对比分析了作物生长模型与定量遥感参数的不同结合方式。基于以上内容,对作物生长模型面应用的限制因素及其与定量遥感参数的关系、作物生长模型面应用时参数尺度效应的影响、作物生长模型与定量遥感参数耦合方法的发展3个方面展开了讨论,以期为作物生长模型与定量遥感参数开展更好的结合研究提供参考。     

基于无人机遥感的农作物长势关键参数反演研究进展

无人机遥感是生态-环境-资源领域新兴的重要研究手段,近年来在农作物长势研究中得到了迅速的发展与应用。清楚、透彻地认识基于无人机遥感的农作物长势研究现状及存在问题,有利于更好地把握当前的核心领域并开展更进一步的研究。首先回顾了国际上"基于无人机遥感农作物长势研究"为主题的论文发表情况,其次对无人机遥感平台及不同传感器的基本遥感原理、反演的参数类型、各自的优势及局限性进行梳理,并概述了基于无人机遥感的农作物长势反演流程。在此基础上,一方面将农作物长势参数归纳为形态指标、生理生化指标、胁迫指标、产量指标等4类;另一方面将农作物长势参数的反演方法归纳为经验统计回归与机器学习法、形态特征与光谱特征识别法、辐射传输模型法、多角度航拍与卫星-无人机影像结合法等4类,并针对不同反演方法的优势与不足进行总结。最后综合国内外的研究现状进行了讨论分析与展望评价。该文通过综述近10 a来无人机遥感农作物长势关键参数反演的研究成果,可为今后基于无人机遥感方法的农作物长势研究的理论基础与技术支持方面提供参考。     

基于遥感影像的作物生长监测系统的设计与实现

利用遥感监测技术实时快速地获取作物长势参数和氮素营养状况,可以为作物的精确管理提供决策支持。在已有作物（小麦和水稻）生长监测模型的基础上,采用GDAL和GDI+信息处理方法,使用EM算法对反演的作物长势参数进行聚类分析,在Microsoft .NET平台上构建基于聚类分析和遥感影像的网络化作物生长监测系统。系统具有常见格式遥感影像读取、遥感信息提取、作物长势参数反演、聚类分析、专题图制作以及信息发布等功能,并以江苏省方强农场为案例区,对系统的部分功能进行了测试与检验。结果表明,该系统能够准确的读取遥感影像信息,反演作物生长参数,并可根据聚类分析结果自动制作专题图,通过互联网予以发布,从而初步突破了用户无法直接参与遥感影像分析过程的瓶颈,为区域尺度的作物生长监测和精确管理调控提供了决策支持。     

基于时间序列影像的中观尺度农作物长势监测采样方法

地面采样调查是遥感应用中一个重要的手段。采样点的空间位置和数量决定了监测点的代表性,并受到监测成本限制。高效和经济地设计采样方案是推进地面采样数据更好地服务于遥感应用的重要问题。该文以遥感在农业方面的应用为切入点,在对现有农作物监测现状研究的基础上,通过对时间序列的遥感影像进行农作物长势分布的分析,运用概率比例规模抽样(PPS)的思想提取采样点。通过对2007的农作物长势分布区进行农情参数监测点采样,并与2009年的农作物长势分布对比,发现采样点达到较好的一致性。基本满足中观尺度农作物长势监测中采样点具有代表性、典型性和稳定性的要求。     

农作物遥感监测业务管理系统设计与实现

随着农作物遥感业务的不断延伸和农业生产管理对遥感监测需求的不断提高,业务运行管理效率问题日益凸显。该文通过对农作物遥感监测业务管理流程进行了系统化梳理与调整,设计开发了"农作物遥感业务管理系统"。该系统利用地理信息系统(geographic information system,GIS)、数据库技术和网络技术,科学设计了数据库系统,提升了业务系统承载能力;实现农作物遥感业务工作影像数据入库管理、查询、任务分发、上报、审核、归档的完整业务流程;建立业务跟踪管理机制,实现作物监测业务的流程化和可视化,有效提高了运行管理效率。     

Design and implementation of business management system for crop remote sensing monitoring

随着农作物遥感业务的不断延伸和农业生产管理对遥感监测需求的不断提高,业务运行管理效率问题日益凸显。该文通过对农作物遥感监测业务管理流程进行了系统化梳理与调整,设计开发了"农作物遥感业务管理系统"。该系统利用地理信息系统（geographic information system,GIS）、数据库技术和网络技术,科学设计了数据库系统,提升了业务系统承载能力;实现农作物遥感业务工作影像数据入库管理、查询、任务分发、上报、审核、归档的完整业务流程;建立业务跟踪管理机制,实现作物监测业务的流程化和可视化,有效提高了运行管理效率。     

粮食作物面积遥感测量运行系统的设计与实现

利用遥感技术及时、准确地掌握主要粮食作物种植面积,对相关部门制定农业生产和农村政策具有重要的意义。针对目前商业软件（ERDAS、ENVI等）存在业务性不强、数据组织管理无序、难以操作等问题,设计并实现了一套适合粮食作物种植面积遥感测量业务软件系统。该系统以遥感技术和空间抽样技术为支撑,采用3层软件架构模式,实现了遥感图像处理、粮食作物面积测量、海量遥感数据管理等功能,具有业务流程明确、数据管理有效、升级快速便捷的特点,能够很好地满足业务化运行需要。通过2009年北京市冬小麦面积遥感测量业务运行,证明该系统能够简单、快速准确地测量出冬小麦的种植面积,达到满足业务化测量精度和时效的要求。