利用环境减灾卫星估测增城水稻产量

为了探讨将国产环境减灾卫星遥感影像应用于田块破碎度大,生长季多云、雨天气的增城地区水稻产量估测的可行性。试验于2010年在增城地区进行,获取了水稻生长季长势、产量信息,及多时相环境减灾卫星遥感影像,提取了水稻种植面积信息,并基于“光谱信息-长势-产量”间相互关系,利用主成分分析算法建立水稻产量估测模型。结果表明,国产环境减灾卫星的特点可使其有效获取研究区水稻遥感影像,便于准确提取水稻种植面积及估测产量。本研究获得的2010年早稻种植面积的提取精度在97.3%,估产模型的预测决定系数为0.73,预测相对误差为12%。推动了国产卫星在该区域的应用。     

基于卫星遥感和自动气象站数据反演稻田气温——以安徽省为例

随着全球气温变暖和高温事件的频繁出现,水稻遭受高温影响的概率也随之增加。稻田气温是研究水稻遭受高温热害及其影响的数据基础。因此,大范围地反演稻田气温,有助于相关部门短时间内获取大范围的稻田气温数据并进行水稻高温热害的研究和决策部署。本文利用MOD09A1 8天合成数据对安徽省水稻种植区域提取,水稻种植区内的自动气象站气温数据与MOD11A1、MYD11A1 4个LST值进行多元逐步回归,得到遥感估算最高气温和平均气温方程最优,R²分别为0.728和0.825,均方根误差分别为(RSME)2.21、1.54,平均绝对误差(MEA)分别为1.73、1.15,最终完成基于卫星遥感信息和自动气象站气温数据反演稻田气温的方法的开发。将该方法应用于2017年安徽省水稻种植区的提取和气温的反演得到了很好的应用。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

用遥感影像提取大别山区水稻种植面积——以Landsat 8为例

本研究选取安徽省安庆市大别山为研究区,包括太湖县、岳西县、宿松县和潜山县,选取2016年和2017年的6景Landsat 8卫星遥感影像,通过遥感影像提取水稻种植面积,分析大别山区的水稻种植面积分布,并对研究区域的水稻种植面积进行动态实时监测。用遥感解译方法分别提取了研究区内的晚稻种植面积,并利用随机点验证和Kappa系数验证结果精度。结果表明:2017年和2016年水稻种植面积的提取精度分别为93.44%、93.78%,Kappa系数分别为0.86、0.83,证明水稻提取效果精确;对比研究区域各个县内的2017年和2016年晚稻种植面积,发现安庆市大别山区太湖县、潜山县、岳西县的水稻种植面积变化率均在5%以内,属于正常变化,由于2016年宿松县遭遇了水灾,部分农田被淹没,故宿松县2017年水稻种植面积相比2016年增加了13.01%;对比传统的农作物种植面积统计方法,利用遥感的方法更省人力、物力、财力,并且能精确、快速地实现对农作物的实时动态监测。     

四川盆地莲藕种植遥感提取及热点区域分析

为准确提取四川省盆地地区莲藕种植空间信息，掌握该作物种植热点区域，采用高分六号遥感影像和地面调查数据，分析藕田光谱特征，提取该地区最佳遥感时期内莲藕种植空间信息；通过Moran’s I指数和Getis-Ord G_i^*指数分析四川莲藕空间分布特征及种植热点区域。结果表明：(1)基于极大似然分类法的莲藕空间信息的提取总精度为92.35%,Kappa系数为0.9045。(2)基于遥感的四川盆地莲藕种植面积约为128.57 km²，分布于1374个乡镇，部分地区存在聚集现象；73个热点乡镇的莲藕种植面积为54.31 km²，占四川盆地莲藕面积的42.24%，空间极化现象明显，主要分布于遂宁安居区、资阳乐至县、成都简阳市等区县。研究结果可为四川省开展乡镇专业化莲藕种植及莲藕产业优化调整提供参考。     

基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

卫星遥感提取烟田种植面积应用分析

烟草是中国重要的经济作物之一,准确提取烟草种植面积对农作物种植结构调整、烟田科学管理和监测具有重要意义。笔者基于GEE(Google Earth Engine)云平台,利用2021年2—11月Sentinel-2A多时相数据,根据烟草种植特性排除误差因子,并结合实地采样数据的分布特征归纳植被特征,利用阈值法,以山东省临沂市为例,开展烟田种植地块自动提取的研究。结果表明,采用GEE和随机森林算法组合模式,能够准确获得烟田种植的空间分布信息,总体分类精度为96.04%。本研究方法分类质量较高,可以满足研究需要,为烟田种植管理部门提供准确、快捷、科学的参考。     

基于MaxEnt模型湖南双季稻种植气候适宜性分布研究

通过查阅了相关文献资料,选取了适宜湖南水稻种植分布8个潜在的气候因子和湖南17个双季稻农业气象观测站点位置信息,利用MaxEnt模型,构建了湖南杂交水稻潜在种植分布与气候因子关系模型,得出影响湖南水稻种植的主要气候因子,以及湖南水稻适宜性种植分布区域。结果表明：10~22℃活动积温、4—10月日照时数、稳定通过22℃持续日数、4—10月降水量为影响种植湖南双季杂交稻主导气候因子。并进一步通过得到的主导气候因子,采用MaxEnt模型再次进行湖南双季杂交水稻适宜种植性分区,将湖南省双季稻制种植分布划分为：最适宜区、适宜区、低适宜区和不适宜区。本研究的主要目的是在省级层面上利用MaxEnt模型筛选影响湖南水稻种植主导气象因子,并对湖南水稻适宜性种植分布做了不同等级划分,为优化湖南双季杂交稻生产布局、改进种植制度和确保粮食生产安全提供了一定气象参考依据。     

基于遥感的黑龙江省东部水稻种植信息提取

为了实现黑龙江省东部地区水稻种植信息遥感监测的业务化,通过采用实地调查、ISODATA非监督分类、遥感数据融合和光谱耦合等方法,研究提取研究区水稻种植分布的方法,并进行面积推算。结果表明,2012年黑龙江省东部地区水稻种植面积为15389.01 km2,主要集中在佳木斯、双鸭山和鸡西地区,分类精度达89.19%。该方法可为区域水田空间分布信息提取提供借鉴。     

利用MODIS数据提取水稻种植面积及精度分析

为了研究MODIS遥感数据及方法提取水稻种植面积在东北地区的适用性,利用MODIS数据对东北地区水稻面积进行提取,采用非监督分类法、决策树法等方法,并与SPOT、ALOS等遥感资料提取结果比较,进行精度分析。结果表明,MODIS监测水稻面积具有很好的效果,利用MODIS-LSWI提取黑龙江地区移栽期的水稻面积,采用非监督分类法,与SPOT比较,提取精度达97.4%;利用MODIS数据提取辽宁盘锦地区移栽期的水田面积,采用决策树法,与ALOS比较,提取精度达89.5%。因此,利用MODIS遥感数据及方法监测东北地区水稻种植面积是可行的。     

基于关键期HJ卫星数据提取无棣县作物种植面积

探讨利用作物关键生育期HJ卫星遥感数据,进行区域主要作物种植面积快速监测的可行性,旨在建立一种方便快捷的作物种植面积提取技术。以山东省无棣县为研究区,根据该县作物栽培技术月历为参考选择关键期HJ星遥感数据,通过EVI指数时序数据分析,采用支持向量机(SVM)方法进行了该县主要作物种植空间分布信息提取。结果表明：关键期HJ星EVI指数数据结合SVM方法,能较为准确地获取该县冬小麦、玉米和棉花的种植面积,总体的面积总量精度超过93%,空间分布精度大于75%;利用关键期影像大大减少了数据处理量,便于可视化感兴趣区的选择,仅利用SVM方法就获得了满足精度要求的作物面积提取结果,大大简化了操作流程,为其他区域利用HJ卫星数据提取作物种植面积提供了参考。     

基于多时相MODIS数据监测水、旱作物种植面积及空间分布

针对农业信息服务中大范围水田、旱田种植面积信息调查业务的现状与需求,以黑龙江省为研究区,通过分析水田、旱田作物发育期特征、MODIS数据植被指数(NDVI、EVI、LSWI)时序特征,引入积温条件分区构建决策规则,提取检测农田与其他、水田与旱田作物种植的空间分布。以实地调查地面验证点对分类结果进行验证,结果表明,分类结果达到了较高的识别精度,分类结果的总体精度为90.68%,Kappa系数为0.81,其中水稻制图精度为81.13%,用户精度为97.73%;旱地制图精度为98.46%,用户精度为87.07%;与不考虑积温条件相比,分类结果总体精度提高了12.77%,水稻制图精度提高了22.57%,旱地制图精度提高了5.94%。本研究通过引入积温条件,提高了大范围水稻、旱地作物提取精度,具有自动化程度高、分类结果稳定的特点。     

CLDAS数据在早稻低温冷害监测中的应用

本研究旨在实现水稻低温灾害的实时动态监测,改善目前遥感数据在南方地区应用受云雨天气影响受限的现状。利用CLDAS气温数据,结合遥感水稻种植本底信息,参考低温冷害监测指标,选取广西典型早稻低温冷害过程进行监测试验。试验结果表明：利用CLDAS气温分量数据可对区域气温变化状况进行有效的动态监测,结合水稻种植空间分布信息,可实现精细化的水稻受灾面积及等级监测。CLDAS反演的气温精度较高,与气象台站实测气温误差多小于0.5℃。CLDAS和遥感数据结合可为水稻精细化低温冷害监测提供一种新的有效途径。     

基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测

为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。     

星-地结合对水稻高温热害监测模型的研究

全球气温变暖和高温事件的频繁出现,水稻遭受高温热害而造成严重损失的概率随之增加。笔者基于星-地结合的方法研究水稻高温热害监测模型,模型利用遥感的手段提取水稻种植区、反演水稻抽穗开花期、估算最高气温和平均气温,同时结合自动气象站的数据与遥感估算气温重构更精确、更完整、更客观的最高、平均气温的数据,最终根据水稻高温热害指标判断水稻高温热害并完成模型的构建。此模型能实现水稻抽穗开花期高温热害的定性、定量、程度的监测。对2017年安徽省高温热害的监测和检验结果显示,模型达到了较好的使用效果。     

基于GF-1卫星遥感数据识别京津冀冬小麦面积

省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积, 该文以北京市(京)、天津市(津)和河北省(冀) 3个省域范围为例, 以国家标准地形图分幅为分类的图幅单元, 利用国产GF-1/WFV数据, 构建冬小麦面积指数, 实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源, 依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理, 以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数, 将冬小麦面积指数按照1%的比例等分, 并将面积指数从0到100%分割为101个提取节点, 将提取节点的NDVI值依次与类型确认样本比较, 精度最高的则确认为冬小麦面积提取阈值, 同时将该阈值应用于图幅单元内冬小麦面积指数影像, 获取冬小麦种植分布。最后冬小麦面积识别的精度表明, 以标准地图分幅作为计算单元, 在GF-1影像基础上, 利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异, 且冬小麦的总体识别精度达到89.6%, 用户精度达到89.8%, 制图精度96.5%, Kappa系数0.72。在典型区域, 本文算法与监督分类算法精度结果较为一致, 除制图精度相差4.77%外, 总体精度与用户精度差都在1.00%以内, 说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点, 能够满足省级尺度农情遥感业务监测的需要。     

不同母质发育的土壤对双季稻产量及养分吸收特性的影响

湖南省双季稻区水稻土具有成土母质多样的特点,研究不同母质水稻土下双季稻产量及养分吸收特性,对于湖南省不同母质水稻土上的双季稻产量潜力挖掘及双季稻高产创建的优化布局,具有一定的参考价值。将选自湖南双季稻区6种典型成土母质发育的水稻土置于长沙市郊同一生态条件下,采用池栽定位试验,进行了双季稻稻谷产量及氮、磷、钾养分吸收特性的比较研究。结果表明,不同母质类型水稻土对早稻稻谷产量及双季稻稻谷总产量(早稻+晚稻)的影响极显著(P<0.01),对晚稻稻谷产量的影响不显著(P>0.05)。其中第四纪红土和河流沉积物母质发育的水稻土有利于早稻及双季稻高产,两处理2009-2011年3年平均早稻稻谷产量分别为6896.9 kg hm^-2和6908.3 kg hm^-2,双季稻总产量分别为14 308.0 kg hm^-2和14 446.3 kg hm^-2。花岗岩和紫色页岩不利于早稻及双季稻稻谷产量的增加,2009-2011年3年平均早稻稻谷产量分别为6217.0 kg hm^-2和6180.2 kg hm^-2,双季稻总产量分别为13 635.4 kg hm^-2和13 274.5 kg hm^-2。不同母质类型水稻土对双季稻养分吸收特性的影响不同。第四纪红土、板页岩及河流沉积物处理双季稻氮素总吸收量较高,石灰岩不利于水稻对磷素的吸收。相关性分析表明,早稻氮素吸收量、吸钾量与早稻稻谷产量,双季稻氮素总吸收量与双季稻总产量均显著正相关(P<0.05)。不同母质类型水稻土本身理化性质的差异是造成双季稻稻谷产量及养分吸收规律不同的主要原因。     

基于HJ卫星的中国南方地区甘蔗面积提取研究

为了研究大范围甘蔗种植面积的提取方法，以广西、云南、广东湛江和海南为研究区，以30 m空间分辨率的多时相HJ卫星影像为数据源，采用基于NDVI时间序列的决策树分类模型提取研究区内2014/2015年度甘蔗种植面积。结合农业部门的统计数据对甘蔗种植面积提取结果进行精度评价，总体精度达到87.5%。对研究区广东湛江甘蔗种植区域进行抽样调查，抽样调查精度达到93.2%，Kappa系数为0.81。表明该方法可以高效地应用于中国南方地区的甘蔗种植空间信息识别。     

基于多时相双极化SAR数据的作物种植面积提取

及时准确地获取农作物的空间分布信息和种植面积,在农业生产管理与农业政策的制定等斱面具有非常重要的作用。本文以多时相Sentinel-1A影像(4月17日、5月5日、6月16日、7月22日、8月27日、9月2日)为主要数据源,根据研究区作物的物候特征,提取棉花、玉米和果树在不同生长期的后向散射系数(Sigma)和归一化后向散射系数(Gamma)。通过对作物不同极化、不同时相后向散射系数的统计,建立散射特征时序变化曲线,幵分析其特征。利用人工神经网络(Artificial neural network)、支持向量机(Support vector machine)和随机森林(Random forest) 3种分类斱法对研究区的主要农作物迚行分类识别以及种植面积提取,幵对分类结果对比分析和验证。结果表明, 1)棉花的后向散射系数在6月现蕾期和7月开花期明显上升,8月仹达最高值,变化特征最明显,易与其他作物区分;玉米和果树的后向散射系数在9月仹与其他地物之间表现出显著差异。2)相较于神经网络和支持向量机,随机森林的分类效果最好,总体精度达88.97%。其中,对棉花和果园的分类精度为90.88%和...     

农业部发布2009年农业主导品种水稻品种

水稻品种(17个) 天优998:适宜在广西区中北部、广东省北部、福建省中北部、江西省中南部、湖南省中南部、浙江省南部的稻瘟病、白叶枯病轻发的双季稻区作晚稻种植,以及在广东省中南部、广西区南部作早稻种植.