排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
适宜的气候要素是保障东北春玉米健康生长和高产稳产的基本条件。依据温、光、水气候要素对春玉米生长的影响,分别构建温度、日照和降水适宜度模型,引入有效降水提高模型精度,再基于有效降水和实际降水将三种气候要素耦合建立综合气候适宜度模型Ⅰ和模型Ⅱ,并利用1994—2013年有效气象、物候数据和2003—2010年像元尺度大田玉米生长状况时序遥感监测信息对海伦和泰来两个典型东北农业台站进行模型测试检验,将最适用模型应用于东北三省玉米典型种植区以估算2008与2009年25个站点不同生育期各气候要素适宜度。检验结果表明,“基于有效降水的模型Ⅰ”所估算的全生育期综合气候适宜度与NDVI、EVI的相关系数(0.58、0.29)均优于“基于实际降水的模型Ⅱ”(0.52、0.18),融合有效降水信息的模型Ⅰ更能有效捕获气候要素对春玉米生长胁迫现象。应用结果显示,模型Ⅰ估算的2008和2009年东北春玉米全生育期综合气候适宜度分别为0.67和0.56,与该地区2008年春玉米实际产量高于2009年表现一致;两年间东北三省春玉米各气候要素适宜度总体表现为温度>日照>有效降水;辽宁与吉林的温度、有效... 相似文献
2.
以往的冬小麦分布信息提取研究大多基于单个物候期或单个植被指数,未考虑不同物候期特征及不同物候期之间的联系导致分类精度较低。为提高提取精度,本文基于冬小麦播种期、越冬期、生长期及成熟期选取相应特征指数,提出一种多物候特征指数的冬小麦识别方法,并对2020年焦作市的冬小麦面积进行提取。通过对不同物候期、不同分类方法下的结果进行对比,结果表明:在物候期的选择上,加入越冬期后,随机森林与支持向量机分类的总体精度与Kappa系数呈现不同程度的提升,均方根误差(RMSE)分别减小19.3%和9.8%,提取冬小麦面积的误差百分比分别降低8.64、4.42个百分点。在不同分类方法上,随机森林相较于支持向量机、最小距离,分类的总体精度与Kappa系数更高。相较于支持向量机,随机森林分类的RMSE减小19.6%。相较于单一特征指数,基于随机森林的多物候特征指数分类的总体精度,Kappa系数更高,RMSE为1.84×103 hm2,比单一特征指数减小33.6%,提取冬小麦面积的误差百分比减小7.14个百分点。 相似文献
1