流域梯级水电站实时水情预报管理系统研究

综合运用基于DEM的流域水系模型与TOPMODEL水文模型构建出了流域梯级水电站实时水文预报模型,并以VS.Net为平台,运用分布式网络编程技术将二者集成,为西南某流域梯级水电站设计开发出功能先进和完善的网络版实时水情预报管理软件系统.该系统已投入使用,为实现流域水情预报的智能化、信息化和网络化管理提供了可靠的辅助工具.     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

35技术在城市森林研究中的应用

总结国内外3s技术在城市森林研究领域应用现状,分析其不足,即遥感学家与植物生态学家缺乏沟通、被动遥感优势尚未挖掘、生态系统服务制图滞后、生态系统管理中忽视信息系统建设,以及景观规划的精确性与客观性有待提高等,在此基础上提出相应改进建议,以期为我国城市森林的3S技术应用和城市森林建设工作提供借鉴。     

县级林地资源年度更新信息系统功能设计

开发以县级林地资源年度更新信息管理为基本任务的服务平台,建立开放性资源数据更新规程准则,以便将基层林业经营业务通过系统平台协同管理与数据采集,使林业日常工作业务档案适时入库,以"3S"技术为主线,县级林地落界成果数据年度更新。     

多源高分辨率卫星遥感影像监测林地动态变化研究

以内蒙古大兴安岭克一河林业局、吉文林业局林地动态变化监测为目标,应用多期国产高分辨率卫星遥感数据,辅以德国Rapid Eye、法国SPOT5和SPOT6、美国TM遥感影像;叠加占用征收林地资料、伐区作业设计、林木采伐许可证、林政案件资料、森林资源二类调查以及林地保护利用规划等专题数据资料。通过目视解译与提取识别,检测林地和林木的变化情况,结果表明:卫星遥感影像对林木采伐、占地、毁林开垦和森林灾害监测效果明显。     

基于支持向量机（SVM）的稻纵卷叶螟危害水稻高光谱遥感识别

 对健康水稻叶片以及受稻纵卷叶螟危害后的水稻叶片进行了室内光谱的测定及分析。对430~530 nm和560~730 nm波段采用连续统去除的方法,分别提取了波深、斜率参量作为径向基核函数支持向量机的输入变量,利用LIBSVM软件包构建叶片高光谱识别模型。当参数γ和惩罚系数C分别取0.25和1时构建的径向基支持向量机模型的分类性能最佳,识别精度达100%。研究结果为实时水稻病虫害的早期监测以及田间管理提供了一定的理论基础。     

菲律宾的农业市场信息系统建设

菲律宾政府高度重视农业市场化问题 ,９０年代初在西方市场经济发达国家的帮助下 ,建立了自己的农业市场信息系统。其农业市场信息系统建设的目标是 :通过提供及时有效的市场信息服务 ,不断提高独立的市场经营个体的市场观察判断能力和市场销售技能 ,积累市场知识和经验 ,从而加强初级农产品生产者与农业市场之间的有机联系。１ 领导机构的设置及其主要职责全国顾问指导委员会是菲律宾农业市场信息系统建设的最高权力机构 ,由国家贸易及工业委员会、农业部农业统计局和农业市场化领导小组的有关负责人组成。其主要职责是制订农业市场信息系…     

冬小麦播期遥感监测研究现状与展望

播期是影响小麦产量与品质的一个重要因素,冬小麦生产管理对播期的及时和准确监测有强烈需求。遥感数据源的日趋丰富及遥感定量化水平的日益提高,为大面积、低成本监测小麦播期提供了可能。本文对冬小麦播期遥感监测的研究进展进行了回顾,系统归纳了当前国内外播期遥感监测方法,分析了目前冬小麦播期遥感监测中存在的问题。推进高时空分辨率遥感数据的使用、强化多尺度传感器遥感数据融合算法的应用、开展冬小麦生长前期不同播期光谱数据的挖掘、探索冬小麦生长前期光谱与上茬作物时序遥感数据的综合及尝试遥感数据与作物模型同化方法的借鉴是冬小麦播期遥感监测的未来发展方向。     

基于微小型无人机平台的农作物养分信息遥感解析关键技术研究

在详细论述黑龙江垦区大农业生产中作物养分诊断与管理的实际需求基础上,提出了引入微小型无人机平台,开展农作物养分信息遥感解析关键技术研究的必要性,并阐述了主要研究内容、目标以及技术难点等。     

旱冻双重胁迫下的冬小麦幼苗长势遥感监测研究

为了探讨"旱冻交加"的气候条件下遥感监测小麦苗情的可行性,以河南省冬小麦为例,利用多时相MODIS为遥感数据源,引入了广泛用于小麦苗情监测的距平植被指数(AVI),同时基于植被健康状态指数(VHI)和晚霜冻害综合指数(I),构建了旱冻双重胁迫条件下的小麦苗情综合指数(CI),以反映冬小麦拔节期的生长状况,并分别利用实测样点苗情分类和距平植被指数对结果进行验证。结果表明,CI的总体分类精度为85.00%,Kappa系数为0.74;冬小麦总茎数与CI呈线性正相关关系,拟合方程为y=8.732CI+1.256,决定系数为0.605 3;与实测样本对比,CI预测精度为73.30%,苗情分类分级更符合小麦生长实际情况。因此认为旱冻双重胁迫下可以利用CI对冬小麦苗情进行监测。