遥感技术在城市1:2000多目标地籍图制图方法中的研究

着重研究了遥感技术在制作城市1:2000多目标地籍图中的应用.以黑龙江北安市为例,详细描述了从遥感数据获取到利用ERDAS影像处理软件对影像进行校正,并通过HIS影像融合原理对数据进行融合处理过程,以及根据各部门的不同需求利用ARCMAP软件生成1:2000多目标地籍图矢量文件成果的方法和技术流程.     

Landsat TM8及GF-1影像黑龙江省线状地物实际与解译宽度对比

线状地物又称为线性地物,是一种普遍存在的土地利用方式。在遥感图像上,线状地物大量存在,这种存在表现为线状地物的可见性,即线状地物的图像特征表现为数个像元宽度的狭长型地物;另一方面,大量线状地物被"淹没"在遥感图像的混合像元中,这部分线状地物在遥感图像上具有相对不可见性。在面状地物解译中,线状地物常常由于遥感影像分辨率有限而包含在面状地物中,使面状地物解译结果偏大而不够准确。因此,准确解译线状地物可以校正面状地物解译结果。Landsat TM8影像与GF-1影像作为近几年新出现的高质量高分辨率卫星遥感影像,在各行各业中应用较为广泛,在农业遥感中亦是如此。在农作物面积估算中,Landsat TM8影像与GF-1影像线状地物扣除技术的精确程度直接影响农作物面积估算精度。Landsat TM8影像与GF-1影像线状地物实际宽度与解译宽度对比研究对于农作物面积估算和估产具有重大意义。由于分辨率相差较大,在线状地物解译中,GF-1影像具有明显优势。该文以23景Landsat TM8影像和14景GF-1影像为基础,运用统计学方法对黑龙江省341条线状地物实际宽度与解译宽度做对比研究。结果表明,对线状地物解译精度影响较大的主要因素为卫星遥感影像分辨率。Landsat TM8影像解译精度较差(|夸张系数|50%)的线状地物共94条,占全部线状地物的27.5660%;在这部分线状地物中,通常是解译宽度远大于实际宽度;以线状地物实际宽度分类中的0~10 m类别中,线状地物的解译精度最差,而按走向分类和按类型分类对线状地物解译精度影像不大。GF-1影像解译精度较差的线状地物共有29条,占全部线状地物的8.5044%,在这部分线状地物中,通常是解译宽度远大于实际宽度。     

"3S"技术在水稻种植面积动态变化监测中的应用

以黑龙江省三江平原水稻主产区为样区,利用遥感(RS)、地理信息系统(GIS)和全球定位系统(GPS)技术对水稻种植面积进行监测和评价,及时掌握水稻种植面积和变化趋势,能够在短时间内完成监测,为水稻生产的发展提供科学依据.与常规方法比较,具有精度高,时间短,人、财、物力消耗少,可广泛应用.     

基于深度学习的多种农产品供需预测模型

为进一步提高农产品供需过程模拟与估算精度,本研究以自1980年以来国家级和省级的大量农业数据作为样本,充分考虑农产品品种、时间、收入、经济发展等因素影响,构建基于深度学习长短时记忆神经网络（Long Short-Term Memory Neural Network,LSTM）的多种农产品供需预测模型。模型在充分考虑机理性约束条件的前提下,利用深度学习算法在非线性模型分析预测中的优势,对稻谷、小麦、玉米、大豆、猪肉、禽肉、牛肉、羊肉、水产品等9种主要农产品供需进行分析预测。将基于本模型的2019—2021年产量预测结果与国家统计局公布数据进行对比验证,三年平均预测准确率96.98%,表明本研究构建的预测模型能够高效地反映隐性指标变化对预测结果的影响。该模型可以通过及时地监测农业运行数据,为多区域、跨期的农业展望工作提供智能化技术支持。     

基于"3S"技术的通河县土地利用变更调查方法研究

"3S"技术具有快速、准时地采集、存储管理、更新、分析、应用数据的能力,可在较短时间内利用较少的人力、财力掌握资源的基本情况."3S"技术的集成系统构成了动态的对地观测体系,特别是高分辨率遥感技术和GIS的快速发展,为土地利用更新调查提供了坚实的技术支撑.为保持县级土地利用数据的现实性,本文以通河县为例,研究了在"3S"技术支持下的土地利用更新调查方法.     

松嫩平原中部农作物空间格局时空变化分析

【目的】在国家"玉米调减"、"粮豆轮作"、"大豆目标价格"等种植结构调整政策背景下,分析2011~2016年松嫩平原中部地区农作物空间格局变化,为黑龙江省西部地区种植结构调整提供数据参考和科学基础。【方法】选择克山县为研究区域,利用2016年黑龙江省主要农作物一张图、2011年黑龙江省水稻、玉米本底数据,采取遥感手段提取2011年大豆分布,生成2011和2016年作物空间分布图;选取水稻、玉米、大豆和其他作物为研究对象,分别对农场和县域进行5年内种植结构变化、耕地内部4类作物面积转换分析和景观格局指数评价。【结果】(1)克山县种植结构发生了巨大的改变,55%左右的耕地种植作物发生变化,目前均以玉米、大豆为主,主要变化方向为大豆改种玉米。(2)克山县县域总体景观MPS变大,CI减小,机械化和规模化程度总体提升,AWMSI降低,斑块形状更加规则。【结论】(1)克山县种植结构的发展趋势由相对效益较低的大豆向着相对效益较高的玉米、水稻方向发展,种植结构由2011年的大豆为主要作物,转变为玉米和大豆为主要种植作物,且2016年玉米种植规模超过大豆,成为种植规模最大的作物;水稻受到自然地理条件的制约较大,面积扩张集中在县域的流域附近。(2)大豆、玉米和水稻的规模化、机械化和破碎化程度正逐渐趋于一致,其他作物规模化和机械化程度明显低于3种作物,破碎化程度高于3种作物;大豆、水稻和其他作物分布逐渐离散,玉米区域集中且优势度明显高于其他3种作物。(3)利用景观格局指数,可以很好地量化反映作物种植格局空间分布变化情况,包括规模、空间分布、形状、异质性和相关性情况。     

基于采纳视角的农业信息技术应用关键因素识别探讨

随着我国信息技术的不断发展,农业与信息技术的融合越来越紧密,在农业领域应用现代化技术可有效促进我国的农业现代化,是我国从传统农业向现代化农业转变的关键环节。随着我国农业信息化的发展,新注册成立的农业组织越来越多,各个农业组织之间在发展规模、发展方式等方面存在较大的差异。对农业组织采纳农业新技术具有显著促进作用的因素有:成立时间、提高产量、政府支持、信息获取、资金储备、能力信心及周边人群。主要分析了农业组织采纳农业信息技术的关键因素,以期为我国的现代农业信息化的发展和进步提供一定的参考。     

利用SPOT4与SPOT5卫星数据目视解译黑龙江省水稻种植面积精度的对比分析

以黑龙江省桦川县水稻种植集中区域为示范区,选择8 km×8 km为试验样区,分别利用SPOT4（20 m）、SPOT5（10 m）数据对水稻播种面积进行人工目视解译,并结合地面实际测量获得道路、林带、沟渠等线状地物,最后利用GIS软件对数据进行综合分析,分别求得2种数据源的水稻提取结果,以Quick-Bird（0.61 m）的解译成果为真值进行对比分析。结果表明：工作区内SPOT4（20 m）与SPOT5（10 m）数据源解译数据误差在1.20%,在黑龙江省利用SPOT4（20 m）数据人工目视解译水稻种植面积与SPOT5（10 m）的数据精度相差不大,在实际水稻种植面积提取中可以利用SPOT4（20 m）数据代替SPOT5（10 m）数据。