估產
- 基于SWAP-IES 的旱區春小麥長勢和產量模擬
信息，可將冬小麥估產的R2從無同化的0.06 提高到0.41[13]，在華北平原尺度上冬小麥估產的R2從無同化的0.28 提高到0.65[14]。利用APSIM-EnKF 同化模擬框架也可有效提高小麥估產精度，相對于同化前，小麥估產的相對誤差減小了8.7%[15]。與EnKF 算法相比，迭代集合平滑器算法（iterative ensemble smoother，IES）可以同時同化所有可用的觀測信息，在強非線性問題中表現得更好[10,16-17]。目前IE
農業工程學報 2023年11期2023-08-15
- 基于作物生長模型與機器學習算法的區域冬小麥估產
1]。當前,作物估產常用的方法有人工區域調查法、作物生長模型及機器學習算法3類。人工區域調查方法工作量大且成本較高,難以實現大范圍、高頻的區域尺度作物估產,但其優勢是獲取的點源信息準確度高。作物生長模型雖融入光、溫、水、土壤等條件為環境驅動變量,對作物生長的全過程、產量形成機理具有較好的科學解釋性,但僅在單點尺度上建立和實現作物生長發育動態模擬。遙感對地觀測的優勢在于提供大空間、面元尺度的作物物候、生長冠層信息。實現遙感信息與作物生長模型的耦合,則能夠利用
農業機械學報 2023年6期2023-06-20
- 遙感技術在我國冬小麥產量估算中的應用研究進展
一般要利用常規的估產手段，包括統計手段和傳統的土壤監測手段，其速度慢、工程量大、成本高，無法滿足對冬小麥的監測需求。遙感資料具備覆蓋面大、檢測周期短、資料豐富、現勢性好、代價低等優點，可以迅速和精確地對冬小麥進行估產。遙感估產是一種使用衛星傳感器記錄作物表面信號，并利用資料采集與數據分析所獲取的農作物表面光譜特征，確定作物種類，監控作物的生長過程，從而構建將作物光譜數據與農業生產過程相互聯系的新科技手段[3]。1 農作物遙感估產研究概況美國首先開展的大面積
南方農業 2023年1期2023-03-22
- 基于無人機高清影像的棉花單產預測
領域，而作物遙感估產也已逐步取代了傳統的人工地面測量和統計的估產方式[3-4]。 目前遙感估產主要借助高空衛星和無人機兩種工具進行，主要包括兩種估產方式，一是根據地面統計數據與遙感指數之間的相互關系構建估產模型實現估產。 劉姣娣等[5]以Landsat7 和Spot4 為數據源，分析棉花不同生育時期的光譜特征后構建多個植被指數，通過與實際產量建立回歸分析模型實現了對新疆生產建設兵團棉花產量的預測。 而程乙峰等[6]通過結合棉花花鈴期的LAI 和歸一化植被指
棉花學報 2022年4期2023-01-06
- 基于YOLOv5深度學習的茶葉嫩芽估產方法
第一[1]。茶葉估產能夠在采收時間和采摘量之間尋求收益最大化時提供可靠的數據支持，直接關系到農戶的經濟收入?，F有的茶葉估產主要依靠茶農的種植經驗或直接采摘后稱重估計產量，這種方法獲取產量信息較為滯后，不能在茶葉生長時期提供相關的產量數據支持，不利于茶葉生長的前期管理。目前，針對小麥、大豆、油菜等大規模種植的經濟作物估產技術已經較為成熟。常用的估產方法有田間抽樣調查法、農業氣象模型估產法、基于光譜指數的作物估產法、基于圖像的作物估產法[2]。田間抽樣調查主要
中國農業大學學報 2022年12期2022-11-04
- 基于CNN-S-GPR的寧夏枸杞高光譜影像估產方法
究。傳統的農作物估產采用人工區域調查方法，從農學、氣象學等不同角度建立作物估產模式。該方法速度慢、工作量大、成本高，且不利于時空動態監測。近年來，遙感技術因其覆蓋范圍廣、重返周期短、獲取成本低等優勢，被廣泛運用于農作物估產，成為遙感與農業交叉的研究重點[1]。目前，遙感估產方法按模式不同主要分為2類：基于機器學習和基于深度學習的估產方法[2]?；跈C器學習的方法將歸一化植被指數(Normalized difference vegetation index,
農業機械學報 2022年8期2022-09-14
- 異常氣候條件下小麥估產方法研究
技術應用到農作物估產中[9]，為作物估產研究開辟了新途徑[10]。從模型建立的理論角度出發，當前主流的作物估產模型可以分為四類：經驗統計模型、光能利用率模型、作物生長模擬模型和耦合模型[11]。探究氣候變化對作物產量的影響，大多采用經驗統計模型中的氣象估產模型。氣象估產模型發展較早，始于20世紀70年代末，基本的氣象估產模型有三種。第一種，直接建立氣象因子和作物產量之間的回歸模型；第二種，首先計算相鄰兩年作物產量差和氣象因子差，然后建立作物產量差和氣象因子
農業現代化研究 2022年2期2022-08-19
- 基于時序MODIS和氣象數據的日喀則地區青稞估產
義。當前，對青稞估產的相關研究較少，而估產可分為作物的種植面積提取與估產模型建立兩部分。日喀則地區地形復雜，青稞種植區域分布零碎，傳統的調查估產手段難以得到全面準確的結果，但遙感技術可以解決其無法全覆蓋和成本過高的問題，具有較好的準確度和時空連續性的優勢，在種植面積提取和產量預測中起著重要的作用[1]。利用遙感手段實現產量預測方法主要有統計預測法和生長模型預測法兩大類，其中，生長模型預測法是數值模擬作物的生長過程，需引入大量的影響作物生長的參數與同化后的遙
遙感信息 2022年2期2022-08-18
- 不同方法對冬小麥地塊級估產的適用性研究
分析發現目前遙感估產中最為有效的方法有2種：一是利用數據同化技術,把遙感反演參數信息融入作物機理過程模型之中,實現大面積作物生長狀態及產量模擬的目的[1-2],如基于Wofost[3]、Oryza2000[4]、WheatSM[5]、ChinaAgroys[6]四個作物模型所構建的中國作物生長模擬監測系統(crop growth monitoring system-china，CGMS-China),CGMS-China對冬小麥各主產省的平均預報相對誤差為
北京測繪 2022年2期2022-03-25
- 基于無人機遙感的水稻產量估測
有效支撐。傳統的估產采用人工調查，耗時長、速度慢、成本高，無法快速及時的獲取作物長勢信息和產量；衛星遙感技術又存在重訪周期長、天氣條件限制等問題。而近兩年，隨著無人機行業的快速發展，無人機作為一種低成本的遙感平臺很好的彌補了衛星遙感的不足。無人機遙感具有時效高、空間分辨率高、機動靈活、可以按需獲取等優點，已迅速發展成為作物長勢監測的重要手段?；谥脖恢笖档淖魑镩L勢監測，已廣泛應用于遙感領域。作物所有重要的植被信息可以由不同的波段組合而成，利用綠色植物對不同
中國稻米 2022年1期2022-02-26
- 基于無人機可見光影像與生理指標的小麥估產模型研究
3]。目前，作物估產手段主要分為傳統和遙感兩種方式。傳統估產主要通過人工實地抽樣開展，具有成本高、耗時費力、人工誤差等缺點；遙感技術憑借其覆蓋范圍廣、更新速度快[4]、無損獲取地物信息[5]等優勢被廣泛應用于小麥估產，現已達到實用化階段[2,6-7]。低空無人機可為小尺度遙感影像的獲取提供平臺，具有操作方便、快速高效、成本較小等特點[8-9]。國內外學者在作物估產方面的研究已取得了豐碩成果[10-14]。如李昂利用無人機搭載數碼相機獲取影像，進而構建水稻從
麥類作物學報 2021年10期2021-12-08
- 基于無人機影像自動檢測冠層果的油茶快速估產方法
冠層果的油茶快速估產方法嚴恩萍，棘 玉，尹顯明，莫登奎※（1. 中南林業科技大學林業遙感大數據與生態安全湖南省重點實驗室，長沙 410004；2. 中南林業科技大學南方森林資源經營與監測國家林業與草原局重點實驗室，長沙 410004；3. 中南林業科技大學林學院，長沙 410004）快速準確的產量估算對油茶經營管理和可持續發展具有重要意義。該研究針對油茶快速估產的應用現狀，提出一種基于無人機影像自動檢測冠層果的方法用于油茶快速估產。首先借助無人機航拍影像，
農業工程學報 2021年16期2021-11-26
- 基于CNN-RNN網絡的中國冬小麥估產
型[5]等傳統的估產模型預測作物產量，這些模型通常對于某一區域的特定農作物產量預測精度較高，但很難推廣到擁有大規模種植區域以及需要進行多農作物產量預估的地區和國家[6-8]。隨著傳感器的發展，遙感衛星可以獲得大量高質量、高時空分辨率的圖像，為大尺度農作物產量預測提供了可能。遙感衛星捕獲的光譜信息能充分反映農作物的生長狀態，以往的研究者大多傾向于從影像中提取作物相關指標來建立與作物產量之間的關系[9-11]，如歸一化差異植被指數（Normalized Dif
農業工程學報 2021年17期2021-11-25
- 基于遙感監測技術的黑龍江省水稻產量估測
0500）傳統的估產方式主要以統計及氣象預測相結合的手段進行，需要消耗大量的勞動力和時間，存在諸多弊端和局限。隨著科技的發展，遙感技術不僅可以獲取農作物種植面積，實現空間分布的準確定位，而且能用于產量估算［1］。而TM數據相較于衛星遙感數據，具有高空間分辨率的優點，但由于天氣因素即稻谷生長期間多陰雨，對數據的準確程度具有一定影響，因此需與其他的遙感數據復合利用。此外，常用的NOAA 氣象衛星提供的AVHRR數據具有動態性高、覆蓋面積大等優點。綜上所述，本文
鄉村科技 2021年27期2021-10-18
- 基于Shapley值組合預測的玉米單產估測
據將推動農業遙感估產的發展[11]。目前，遙感估產方法中常采用的統計模型、機理模型和半機理模型等均能夠較好地對作物進行估產[12]。但由于在實際應用中機理和半機理模型存在需要輸入較多的參數問題，因此機理和半機理模型存在一定的局限性。而統計模型其估產的精確度依賴于選取遙感影像的時相，對作物的生長和產量形成的機理解釋性不強[12]，因此在實際應用中同樣具有一定局限性。在作物生長過程中，經常受到各種因素影響，同時，這些因素在作物不同生育時期產生不同的影響，即使采
農業機械學報 2021年9期2021-10-13
- 引入地形特征的田塊尺度玉米遙感估產與空間格局分析
測方法多采用傳統估產法、農學估產法及氣象統計法等。其中，農學預報法主要根據產量器官參數如有效穗數、百粒重、平均穗粒數等估算產量，受作物種類、品種、耕作制度等限制[1]；氣象統計法以天氣要素預測產量，發展較為成熟，但存在單一氣象因子估產精度不足且各要素空間插值方法不同，難以劃定氣象站數據范圍的問題[2]；傳統估產法中地面采樣工作采集樣本數據規模較小、時間周期長、氣象條件限制，樣本實驗室理化性質檢測結果存在滯后性的問題，難以滿足及時、準確的作物估產和田間作物生
科學技術與工程 2021年24期2021-09-13
- 基于Stacking法的無人機光譜遙測冬小麥產量
開花期和灌漿期的估產精度均為最高；利用Stacking方法構建的次級學習器模型以Cubist模型的估產效果最佳，MLR和Cubist模型的估產精度在各個時期均得到了提升?；赟tacking方法融合估產模型能夠顯著提升冬小麥的產量估算精度，為今后的估產研究提供參考。多光譜；植被指數；Stacking；模型0 引言【研究意義】冬小麥作為我國主要糧食作物之一，在糧食系統中占據主要地位，是國家安全穩定和人民生活水平的保障，對收獲前冬小麥產量進行預測能夠宏觀調控糧
灌溉排水學報 2021年8期2021-09-02
- 冬小麥產量的高光譜遙感監測綜述
鍵農學參數監測及估產模型的研究進展，達到冬小麥產量反演的目的。1 葉面積指數高光譜監測在遙感長勢監測中，葉面積指數是最常用的用于表征作物生長發育情況的綜合參數[3]。目前，葉面積指數反演模型中用到較多的植被指數為歸一化植被指數NDVI、比值植被指數RVI、垂直植被指數PVI、OSAVI等，其中NDVI[4]使用更廣泛。陳雪洋等[5]研究植被指數NDVI、RVI、SAVI、EVI建立的LAI監測模型，NDVI估算精度最高。夏天等[6]得出植被指數RVI、DV
科學技術創新 2021年22期2021-08-16
- 基于趨勢單產和干旱指數的河南省冬小麥單產估算
-2]，因此作物估產一直是農業研究熱點和難點。近年來,由于全球氣溫升高，越發頻繁的極端氣候嚴重影響作物生長，國家糧食安全面臨極大挑戰，因而氣候異常情況下及時獲取作物產量信息能夠為相關部門應對極端氣候、保障糧食安全提供決策依據。幾十年來，眾多不同領域的學者做了大量相關研究，使傳統作物估產技術得到快速發展。目前作物估產模型有上百種，模型的理論基礎和特點各不相同。從模型建立的理論角度看，當前主流的作物估產模型可以分為經驗統計模型、光能利用率模型、作物生長模擬模型
麥類作物學報 2021年4期2021-05-25
- 基于改進YOLOv3的溫室番茄果實識別估產方法*
主要生長區域，即估產圖像采集區域。隨著植株不斷生長，通過釋放纏繞于主莖的吊線進行落蔓，使得估產區域相對地面保持高度不變，本文以該高度區域內的番茄植株為探測對象。智能估產設備以植株行間軌道為支撐進行移動，其視覺系統實時獲取兩側番茄植株圖像信息。圖1 工廠化番茄種植環境Fig. 1 Tomato factory-planted environment1.2 番茄估產圖像采集系統如圖2所示，估產視覺系統包括雙目視覺攝像機和二自由度云臺機構。攝像機選用FL3-U3
中國農機化學報 2021年4期2021-05-11
- 基于無人機多光譜遙感數據的煙草植被指數估產模型研究
感植被指數的作物估產手段得到迅速發展。任建強等[6]以美國玉米為研究對象，各州為估產試驗區，利用歸一化植被指數（Normalized difference vegetation index，NDVI）和各州玉米產量構建估產模型。結果表明，利用模型計算的玉米單產相對誤差僅為2.12%。LIAQAT等[7]以巴基斯坦的整個印度河流域為研究區，并通過多種植被指數如土壤調整植被指數（Soil adjusted vegetation index，SAVI）和改良土壤
山西農業科學 2021年2期2021-02-24
- 基于無人機影像的SEGT 棉花估產模型構建
）0 引 言作物估產對保障國家糧食安全、經濟政策制定和農業可持續發展具有重要意義[1]。棉花是中國重要的經濟作物，及時了解棉花的長勢和產量，不僅對加強其生產管理和生產計劃安排有利，也對棉花外貿和進出口計劃制定有直接幫助，便于農業部門提前實施相應的管理與決策，獲得更好的經濟及環境效益[2-3]。隨著信息技術的不斷發展，對作物產量的估算研究已經從傳統的地面測量發展到了多維時空的遙感估算[4]。遙感技術由于具有宏觀性強、獲取信息快、感測范圍廣等特點，已被廣泛應用
農業工程學報 2020年16期2020-10-21
- 基于植被長勢的香蕉區域估產信息擴散模型*
被長勢的香蕉區域估產信息擴散模型*蔡大鑫，劉少軍，陳匯林，田光輝（海南省氣象科學研究所/海南省南海氣象防災減災重點實驗室，?？?570203）基于Landsat-8和MODIS數據，首先采用面向對象方法對海南島香蕉種植區的空間分布進行初次提取，然后采用基于時序植被指數的馬氏距離方法進行二次提取，最后對兩次提取結果進行空間疊加，采用隨機選點實地驗證的方法對分類精度進行評價。針對區域估產樣本數量少的問題，統計2014?2015年的MODIS數據和2015年的香
中國農業氣象 2020年9期2020-09-18
- 遙感技術在大豆種植情況監測中的應用
種植;種植面積;估產中圖分類號：TP311 文獻標識碼：A文章編號：1009-3044（ 2020）21-0221-03開放科學（資源服務）標識碼（OSID）：1 概述中國是農業大國，大豆是我國重要的糧食和經濟作物之一。從生產來看，大豆為中國第五大糧食作物，播種的面積僅次于玉米、稻谷、小麥、馬鈴薯。截止到2018年全國大豆種植面積到12700千公頃，大豆產量1200萬噸以上。自2019年初中國農業農村部制定印發《大豆振興計劃實施方案》，中國大豆振興計劃各項
電腦知識與技術 2020年21期2020-08-21
- 山東省冬小麥單產監測與預報方法研究
高、效率低的傳統估產方式節省了時間和成本，為農作物估產提供了科學有效的手段[1-2]。利用遙感進行作物產量估算的方法主要包括：遙感統計估產模型、干物質-產量模型和作物模型模擬。遙感統計估產模型通過建立遙感變量與產量之間的關系表達式來進行產量估算[3-5]；干物質-產量模型先基于遙感數據估算作物的地上生物量，再通過收獲指數轉換成作物的經濟產量[6-7]；遙感作物模型模擬是將遙感數據作為模型校正的數據源之一，對作物模型進行參數本地化后，在氣象、土壤、作物種植信
農業機械學報 2020年7期2020-07-24
- 基于多時相無人機遙感植被指數的夏玉米產量估算
。遙感技術在作物估產方面具有快速、無損、尺度大的優勢，已成為精準農業的研究熱點[5-6]。在作物遙感估產中，基于衛星遙感的作物產量估算具有傳感器種類多、監測區域面積廣等優勢。文獻[7]以美國玉米為研究對象，以各州為估產區，通過歸一化植被指數(Normalized difference vegetation index，NDVI)與玉米單產間的最佳估產模型對2011年各州玉米單產進行了估算，并推算出全國玉米單產，結果表明，全國玉米單產的相對誤差僅為2.12%
農業機械學報 2020年1期2020-03-11
- 基于卷積神經網絡的中國北方冬小麥遙感估產
國北方冬小麥遙感估產周 亮1,2,3，慕號偉1,2,3，馬海姣4，陳高星5（1. 蘭州交通大學測繪與地理信息學院，蘭州 730070； 2. 地理國情監測技術應用國家地方聯合工程研究中心，蘭州 730070；3. 甘肅省地理國情監測工程實驗室，蘭州 730070； 4. 西北農林科技大學水利與建筑工程學院，楊凌 712100； 5. 北京地空數馳科技有限公司，北京 100871）針對傳統的農作物估產方法過度依賴人工經驗，以及實地采樣成本高等問題。該研究使用
農業工程學報 2019年15期2019-09-24
- 基于環境產量模型和生物產量模型的禹城市夏玉米遙感估產研究
業發展中運用遙感估產已經成為最具研究力的課題，是21世紀農業發展進步的方向[1]。農作物估產在20世紀50年代就已經廣泛應用于世界各國的農業生產指導和糧食安全監測。隨著各國遙感技術的發展，自20世紀70年代，遙感技術開始出現在農業生產研究中[2]，總體來看，主要研究集中在低空間分辨率的，大片區域尺度的的農業估產，如任建強、王長耀等[3～5]利用逐步回歸方法得到了冬小麥關鍵生育期內MODIS-NDVI 和 MODIS-EVI 數據與產量的估產模型；閆巖、李衛
綠色科技 2019年6期2019-04-12
- 農作物氣象衛星遙感監測和估產研究進展及前景探討
程中，為農作物的估產帶來了很大的便利。這一技術不僅符合當今發展潮流，而且夠提高農業科技化水平。衛星遙感技術獲取信息速度更快、信息量更大，在農業中發揮著巨大作用，有非常好的發展前景，近幾年來人民對于衛星遙感技術的重視程度在不斷的提高，本文對衛星遙感監測的發展現狀及發展前景進行研究，分析其在農業估產中的作用。1、衛星遙感估產的基本原理分析我國傳統的農作物估產方法一般有兩種，分為農學、氣象模式，這倆種方法都是由人工來觀察監測的，但是這一方法必須由人工來將影響農作
農民致富之友 2018年17期2018-09-26
- 基于普通數碼影像的單株桃樹估產方法
碼影像的單株桃樹估產方法，為實現桃樹產量的高精度、低成本估測提供參考。[方法]以安徽省滁州市張山桃園為試驗區，利用數碼相機分別從西北、東南兩個方向對抽取的成熟期單株桃樹進行拍攝，通過改進的分割算法和特征空間的優化進行果實信息提取，進而選取斑塊數量、周長和面積作為特征參數估測單株桃樹產量。[結果]采用雙方向拍攝的斑塊數量之和的建模（y=0.9748x+0.3995）精度最高，預測值與實際值間的決定系數（R2）達0.9049，均方根誤差（RMSE）達0.21，
南方農業學報 2018年3期2018-09-10
- 河南省冬小麥產量遙感監測精度比較研究
不斷發展，農作物估產研究已經從小范圍、二維尺度的傳統地面測量發展到大范圍、多維時空的遙感模型估算[4]。歸一化植被指數是作物估產中應用最為廣泛的一種植被指數，不僅可以反映植被的各種生育特征，還能消除因太陽高度角、地形、陰影和大氣等其他條件對衛星探測光譜信息的影響，其變化與作物生長狀況、發育時期關系非常緊密[5-10]。其中以時間序列MODIS-NDVI作為數據源的農作物估產研究較為廣泛，MODIS數據雖然空間分辨率較低，但其具有高時間分辨率、高光譜分辨率以
中國農業信息 2018年2期2018-07-28
- 基于無人機遙感植被指數優選的田塊尺度冬小麥估產
1]。無人機遙感估產主要借鑒衛星遙感估產方法，但在遙感平臺、傳感器類型、時空分辨率等方面與衛星遙感觀測存在顯著差異[12]，故此類方法是否適用于無人機遙感研究有待驗證與改進。同時，需要將無人機遙感快速高效的特點與農業實際經營管理情況相結合，因此亟需優選出簡單實用的無人機遙感估產方法以輔助精準農業的管理與決策。目前，基于植被指數的經驗統計作物估產模型被廣泛用于遙感。為提高遙感估產精度，經典的基于光學遙感的經驗統計方法得到了不斷改進，例如：采用非線性統計模型，
農業工程學報 2018年11期2018-06-21
- 基于高分二號—NDVI的大豆遙感估產的時相選擇
北地區的大豆遙感估產的最佳時期。7月下旬至8月中旬獲取的作物NDVI與作物產量之間的相關性最強，并且不同時期的NDVI之間的相關性非常弱，在利用NDVI預測大豆單產時要采用7月下旬和8月中旬兩個時期的NDVI。NDVI與大豆單產之間存在線性正相關關系，NDVI與大豆單產的相關性并不是很高，表明NDVI并不是惟一與大豆單產有關的變量。關鍵詞：大豆；植被指數；NDVI；遙感；估產中圖分類號：S565.1 文獻標識碼：A 文章編號：0439-8114（2018）
湖北農業科學 2018年6期2018-05-09
- 基于多時相MODIS-RVI的玉米遙感估產研究
的發展，其在作物估產研究中發揮著越來越重要的作用[1]。根據原理可將遙感估產模型分為經驗統計模型、光能利用率模型、作物生長模擬模型以及耦合模型4類，本文采用經驗統計模型。在遙感估產模型研究的起步階段，應用最廣泛的是經驗統計模型，其原理簡單、數據容易獲取，且在區域估產中精度高，現在依然被廣泛使用。王人潮[2]等分別使用RVI和LAI建立了水稻產量預報模型；李衛國[3]等將氣候條件加入使用NDVI、RVI建立的回歸模型中進行綜合分析，建立了小麥的遙感估產模型；
地理空間信息 2018年3期2018-03-27
- 基于開花期衛星遙感數據的大田小麥估產方法比較
感數據的大田小麥估產方法比較譚昌偉，杜穎，童璐，周健，羅明，顏偉偉，陳菲（揚州大學江蘇省作物遺傳生理國家重點實驗室培育點/糧食作物現代產業技術協同創新中心，江蘇揚州 225009）【目的】衛星遙感具有覆蓋范圍廣、獲取速度快、信息量大、動態性強等優勢，能夠及時準確地獲取作物產量信息，反映作物產量空間變化趨勢。遙感技術作物估產已成為現代農業生產中研究熱點。通過改善遙感估產建模方法，以實現進一步提高大田作物遙感估產精度，為宏觀了解不同區域作物產量形成情況及變化趨
中國農業科學 2017年16期2017-09-03
- 基于多生育期MODIS-NDVI的區域冬小麥遙感估產研究
的區域冬小麥遙感估產研究李 冰1,2,黎世民1,周 磊3,黃燦輝3,王來剛1*(1.河南省農業科學院 農業經濟與信息研究所，河南 鄭州 450002； 2.鄭州澍青醫學高等?？茖W校，河南 鄭州 450000； 3.河南省農業遙感監測中心，河南 鄭州 450002)以河南省開封市為研究區，采用2005—2013年種植區域冬小麥生育期內16 d合成的250 m空間分辨率的歸一化植被指數(NDVI)之和，與冬小麥產量數據進行相關分析，篩選得到最佳遙感估產時相，建
河南農業科學 2017年6期2017-07-05
- 一種基于趨勢單產和遙感修正模型的混合估產模型
感修正模型的混合估產模型陳昌為1,2,3，朱秀芳1,2,3，蔡毅1,2,3，郭航4（1北京師范大學地表過程與資源生態國家重點實驗室，北京 100875；2北京師范大學遙感科學與工程研究院，北京 100875；3北京師范大學地理科學學部，北京 100875；4北京市統計局，北京 100875）【目的】在分析國內外農作物估產方法的相關研究進展基礎上，將傳統統計估產方法和遙感估產方法相結合，提出一種新的混合估產模型?！痉椒ā吭撃Ｐ陀哨厔輪萎a、遙感修正單產和隨機誤
中國農業科學 2017年10期2017-06-15
- 新疆棉花估產遙感的應用研究進展
01)?新疆棉花估產遙感的應用研究進展閆豫疆1，李 佩2，陳冬花1，李 虎1， 黃新利1(1.新疆維吾爾自治區衛星應用中心，新疆烏魯木齊 830000；2.河南省地質礦產勘查開發局第四地質勘查院，河南鄭州 450001)闡述了遙感估產的基本原理及方法，對棉花遙感估產研究進行了重點分析，并總結了新疆棉花遙感估產中存在的問題，最后展望了今后的研究方向和發展前景。遙感；棉花；估產新疆地處我國西北部，總面積約166萬km2，為溫帶大陸性氣候，年日照時數在2 000
安徽農業科學 2016年36期2017-01-18
- 基于Landsat的小麥估產模型及其應用
ndsat的小麥估產模型及其應用王海君1，許捍衛1，金文韜1（1.河海大學 地球科學與工程學院，江蘇 南京 211100）針對華北地區旱情導致小麥減產的問題，提出了利用Landsat遙感影像信息，結合小麥生長關鍵時期的降雨量以及種植區距離灌溉水源的位置關系，建立小麥估產模型，通過降雨預報信息估算小麥單產產量，并將其應用在作物種植選擇方面，以提高農田的產值與農民的經濟效益。Landsat影像信息；降雨量；灌溉水源；小麥估產模型；效益針對華北平原旱情的特點，選
地理空間信息 2016年12期2016-12-28
- 基于冠層NDVI數據的北方粳稻產量模型研究
上旬的組合模型是估產最理想的模型，其判定系數(R2)為0.771，相對誤差(RE)為4.06%，均方根誤差(RMSE)為0.474 t·hm-2，精度較高，具有可行性，據此確定北方粳稻最佳估產時間是6月中旬的分蘗盛期和8月上旬的抽穗期。粳稻；NDVI；相關性；回歸分析水稻產量是各級政府進行決策、生產部門指導農業生產、流通領域安排糧食收購和銷售、交通部門安排運輸計劃的重要經濟信息，因此，及時準確地預報水稻產量具有重要的實用價值[1]。粳稻是北方主要糧食作物，
浙江農業學報 2016年10期2016-11-24
- 河南省冬小麥估產
——基于MODIS-EVI和NDVI模型
院?河南省冬小麥估產 ——基于MODIS-EVI和NDVI模型張 帝 宋雅寧 于強靜河南大學環境與規劃學院糧食問題關乎國計民生，本文筆者選取河南省的3、4、5月的EVI和NDVI數據，得到精度較高的產量預測模型。結果表明：（1）5月EVI與小麥產量相關性最高，并得出精度較高的多元回歸模型。（2）EVI可能比NDVI更適合于估產建模。冬小麥估產；NDVIEVI；相關分析；回歸分析一、研究區概況河南省全省多平原地區，處于中國的中東部分。其地理位置介于31.38
環球市場 2016年5期2016-08-22
- 基于地級市的區域水稻遙感估產與空間化研究
行產量估算，全省估產結果精確度均值達到99.46%，各市的精確度基本維持在95%左右。在估產結果的基礎上，依據最大植被指數的空間分布，將以行政區域為單位的單產值轉化到以單個像元為單元的單產值。這不僅細化了區域水稻估產結果，為更直觀地了解水稻田產量信息提供了可能，而且可以用于指導水稻品種改良和栽培技術改進等工作。關鍵詞：MOD09A1；水稻；面積提??；估產；空間化；江蘇省中圖分類號： S127文獻標志碼： A文章編號：1002-1302（2015）11-05
江蘇農業科學 2015年11期2016-01-27
- 不同施氮量下小麥遙感估產模型構建
義，及時掌握小麥估產信息可以輔助政府相關部門進行科學管理及決策。由于中國小麥種植面積大，統計上報比較費時，而遙感技術以其大尺度、信息量大等特點，在農作物面積、長勢的宏觀監測和估產方面有廣泛應用［1-5］，在小麥估產方面的研究也越來越多。選取與產量相關性高的光譜指數在小麥遙感估產模型研究中至關重要。已有關于小麥遙感估產的研究多是在均一種植條件下進行的，并且也取得不少研究成果。例如，有研究者發現，歸一化差值光譜指數與產量在各個生育期都達到了顯著或極顯著相關水平
江蘇農業學報 2015年6期2015-03-26
- 基于SAR技術的高原山區煙草估產模型
大面積煙草的快速估產需要。關鍵詞：高原山區；煙草；估產；合成孔徑雷達中圖分類號： S127文獻標志碼： A文章編號：1002-1302（2015）02-0393-03收稿日期：2014-03-31基金項目：貴州省科技計劃 （編號：黔科合GY字〔2013〕3062）。作者簡介：符勇（1989—），男，河南鄭州人，碩士研究生，研究方向為地理信息系統與遙感。E-mail：user51@sina.com。通信作者：周忠發，教授，研究方向為地理信息系統與遙感。E-m
江蘇農業科學 2015年2期2015-03-12
- 利用3S技術定量估測張家港市水稻生產力
關鍵詞：3S技術估產；水稻遙感估產；水稻估產精度；估產模型構建；NDVI指數；智慧農業中圖分類號：S126 文獻標識碼： A DOI 編碼：10.3969/j.issn.1006-6500.2014.12.014農業為立國之本，現代農業科學技術可以推進耕地資源的高效合理利用、促進農業的現代化精準管理。張家港市是一個以農業為主的新興城市，在進入21世紀的前10年正處于快速的農村城市化階段[1]。隨著城市化的發展，人民生活水平有了較大幅度改善，但也帶來了諸多生
天津農業科學 2014年12期2014-12-11
- 利用3S技術定量估測張家港市2005—2008年小麥生產力
：3S技術；遙感估產；小麥；估產精度；估產模型；NDVI中圖分類號： F061.1 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2014.11.016農業是國民經濟的基礎，這決定了農業是糧食安全和經濟安全的基礎。利用農業科學技術可以建立城市糧食安全系統，科學地指導糧食生產，估測糧食產量，對可能發生的問題及時提供解決方案，能夠有效地提高城市可持續發展水平。張家港市是一個以農業為主的新興城市，在進入21世紀的前10年，張家港
天津農業科學 2014年11期2014-12-09
- 基于RS和GIS的農作物估產方法研究進展
em,GIS)的估產方法等4類[1-3]。其中，基于RS和GIS的估產方法能夠實現對農作物大面積實時化高精度估算，相對于傳統估產方法具有實時、準確的優勢，近年來得到了大量的研究應用。國際上在該領域的代表性研究有20世紀70年代美國開展的“大面積農作物估產實驗”(large area crop inventory experiment,LACIE)計劃[4]和20世紀90年代歐盟開展的遙感數據應用于農業統計的十年研究項目(monitoring agricul
自然資源遙感 2014年4期2014-02-02
- GIS支持下的臨汾市冬小麥動態估產模型研究
市冬小麥動態氣象估產模型，經驗證模型估產誤差較小，穩定度較高。1 資料和方法本研究選用的資料為臨汾市各縣（市）1981—2008年的氣象站地面觀測資料和冬小麥產量資料。1982—2007年數據用于建模，2008年的數據用來驗證估產模型的準確性。氣象觀測資料包括旬降水量（mm）、旬平均氣溫（℃）、旬日照時數（h）；產量資料來自臨汾市各縣（市）冬小麥單產（kg/hm2）；地理信息數據來自臨汾市各縣（市）邊界矢量文件及冬小麥種植區矢量圖層（矢量圖層通過解譯MOD
山西農業科學 2012年5期2012-10-22
- 植被指數在典型草原生物量遙感估測應用中的問題探討
因此被廣泛應用于估產［1－3］、土地利用動態監測［4－6］、水質評價［7－9］、災害監測［10－12］等方面。隨著遙感技術的發展，20世紀70年代后期遙感信息作為變量被引入到估產模型中［13］，研究者結合農學知識和環境因素預測農作物、草地產量等。我國草地衛星遙感研究始于20世紀80年代初［14］，研究區多集中在我國新疆北部［15－18］和內蒙古地區［19－22］，現已建立了大量的遙感估產模型，目前，遙感技術（RS）、地理信息系統技術（GIS）和全球定位技術
草業學報 2012年1期2012-06-08
- 基于植被指數的新疆棉花遙感估產模型研究
數的新疆棉花遙感估產模型研究劉姣娣1,曹衛彬1,李華1,唐湘玲2,歐陽異能2(1石河子大學機械電氣工程學院,石河子832003;2石河子大學師范學院,石河子832003)利用植被指數與棉花產量的關系建立了棉花遙感估產模型,以期利用多時相遙感數據,實現對棉花產量定量遙感預測。模型建立以新疆棉花各生育期的不同衛星數據,構建相關植被指數,并與實際棉花產量進行回歸分析,建立了棉花單產的遙感估算模型。結果表明:以棉花最佳估產時相期植被指數與棉花產量構建的產量估算模型
石河子大學學報（自然科學版） 2011年2期2011-01-08
- 遙感技術在作物生長監測與估產中的應用綜述
10128）遙感估產是根據生物學原理，在收集分析各種糧食作物不同光譜特征的基礎上，通過衛星傳感器記錄的地表信息，辨別作物類型，監測作物長勢，并在作物收獲前，預測作物的產量的技術。該技術在對作物進行識別和提取播種面積的前提下，對長勢進行監測并預報產量[1]。傳統作物估產采用人工區域調查方法，速度慢、工作量大、成本高?，F代衛星遙感技術（以下簡稱遙感）具有宏觀、快速、準確、動態的優點，目前已被廣泛應用于各種糧食作物產量的估算之中。不同類型的作物波譜特性不同，依光
湖南農業科學 2010年11期2010-08-15