基于水稻生长模拟模型的光谱估产研究

在水稻遥感估产中,直接基于光谱与水稻产量间关系和基于水稻生长模拟这两种估产方法都能取得较高的精度,但都存在着一些不足之处。通过试验研究了如何充分发挥两种方法的长处,来弥补它们的不足,从而形成一种新的、更好的估产方法,为准确、方便、快速地估测水稻产量提供了可能。     

江汉平原水稻遥感估产集成系统

水稻遥感估产集成系统主要有以下三方面：（１）系统内容，介绍遥感估产工作中沉淀下来的各种数据、图表、影像等；（２）系统运行，有针对性的选了几个技术含量高的项目来做运行实验；（３）系统维护，介绍集成系统，包括遥感估产工作中需要进一步完善的方面。     

基于MODIS数据的成都市水稻遥感估产研究

以遥感和地理信息系统为主要技术支撑,利用多时相的高光谱分辨率MODIS数据,对成都市2003年水稻进行了估产研究.在利用研究区最佳时相遥感影像提取水稻种植面积的基础上,以多时相的高光谱分辨率遥感数据建立水稻单产模型,并计算出成都市2003年的水稻总产量.研究表明,成都市各行政区当年水稻总产量估算结果的误差为17.45%;利用多时相MODIS数据对农作物进行遥感估产具有一定的可行性,同时通过该研究也为西南地区大范围的农作物遥感估产在方法上提供了一定的借鉴作用.     

水稻遥感气象估产数据库设计

详细介绍了水稻、遥惑估产研究中气象估产数据库设计的思路与技巧，以及各类数据库的结构、相互间的关系，并阐述了它们在运行系统中的作用，为各专题分析应用和系统软件开发提供了基础性和结论性的数据和成果。     

冬小麦单位面积产量的光谱数据估产模型研究

冬小麦单位面积产量的光谱数据估产模型研究池宏康（中国科学院植物研究所）七十年代中期，美国农业部等单位联合进行了对小麦的大面积作物估产试验（ＬＡＣＩＥ），八十年代又开始进行“空间遥感监测农业资源（ＡｇＲＩＳＴＡＲＳ）计划，它们使美国获得了很大的经济效益...     

GIS支持下的上海水稻遥感估产分层研究

选取水稻占耕地面积比、地形地貌、土壤类型、土地利用类型、人均社会产值五个因子,对上海的水稻生产水平进行综合分层。根据各因子对水稻总产的影响程度,分别规定优先等级,采用层次分析法,确定各因子的权重系数,最后应用 GIS 工具进行综合分层。经检验取得了较好的分层效果。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段，以此快速反演叶面积指数（Leaf Area Index, LAI）对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象，利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段，并以此计算6种植被指数（Vegetation Index,VI），利用6种回归模型分别对单一特征波段和VI进行反演建模，以实测LAI评定模型精度。研究表明，光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感，以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58；RMSE为0.16~0.18，其中636 nm建立的模型(LAI=21.86exp(-29.47R₆₃₆))相比其他反演模型预测精度较高（R2=0.58，RMSE=0.16）；6种植被指数与LAI高度相关，相关性系数R ²为0.85~0.86，以此建立的反演模型相比单一特征波段反演模型精度有所提高，R2为0.66~0.72，RMSE为0.12~0.14；其中mNDVI构建的LAI估算模型（LAI=exp(2.76~1.77/mNDVI))精度最高（R2=0.72，RMSE=0.13）。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段，为指导精细化尺度作物管理提供依据。     

基于无人机高光谱数据的玉米叶面积指数估算

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数（Leaf Area Index, LAI）对作物长势评价、产量预测具有重要意义。以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数（Vegetation Index,VI）,利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度。研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R2为0.44~0.58;RMSE为0.16~0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R₆₃₆))相比其他反演模型预测精度较高（R2=0.58,RMSE=0.16）;6种植被指数与LAI高度相关,相关性系数R ²为0.85~0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R2为0.66~0.72,RMSE为0.12~0.14;其中mNDVI构建的LAI估算模型（LAI=exp(2.76~1.77/mNDVI))精度最高（R2=0.72,RMSE=0.13）。无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据。     

基于GIS的水稻遥感估产模型研究

以NOAA/AVHRR资料为主,利用GIS技术提取水稻可能种植区域,在此基础上计算各区和各县的比值植被指数和规一化植被指数,提出的水稻遥感估产比值模型和回归模型,预报浙江省的水稻总产,1998年的拟合精度和1999年的预报精度都达到95%以上.     

Estimating and Mapping Rice Yield Using UAV-Hyperspectral Imager based Relative Spectral Variates

Crop yield is important for national and regional food production, food trade and food security. Traditional yield estimation by satellite remote sensing is limited by many factors such as spatiotemporal resolution and number of bands. UAV imaging hyperspectral technology has been widely applied to modern intelligent agriculture and precision agriculture with its advantages of high spatial and temporal resolution, rich band number and the combination of image and spectrum It is possible to estimate crop yield accurately. The multi-temporal vegetation indices for yield estimation are obtained with different illumination conditions, atmospheric conditions and background values, the differences in these external conditions may result in errors in vegetation indices. Therefore, using these multi-temporal vegetation indices which containing these external conditions for yield estimation is likely to cause errors. To address this problem, this study proposes the concept of “relative spectral variables” and “relative yield” to estimate rice yield using multi- temporal relative variables. Firstly, the bands obtained from hyperspectral imager are combined to establish the Relative Normalized Difference Spectral Index(RNDSI) and the optimal RNDSI are selected for different growth stages. Then, the optimal models of rice yield estimation with different growth stage combinations are determined and validated. The results shows that multiple linear regression model consisting of tillering stage RNDSI_{[784, 635]}, jointing stage RNDSI_{[807, 744]}, booting stage RNDSI_{[784, 712]} and heading stage RNDSI_{[816, 736]} is the optimal models for rice yield estimation with R² of 0.74 and RMSE of 248.97 kg/ha. This model is validated and the result is acceptable with average relative error of 4.31%. In conclusions, the relative vegetation index and relative yield can be applied to the pixel-level yield estimation by remote sensing. Besides, the rice yield distribution map is drawn based on the model, which represents the differences of rice yield at different filed positions. The map may be used to carry out precise field management.     

南方稻区遥感水稻长势监测与估产研究

经过“七五”攻关研究，基本上找出我国南方稻区遥感水稻估产的方法、途径和问题，如用工材资料调查水稻面积、用综合方法进行水稻估产，并获得稻田光谱与水稻长势及产量结构的关系及模式等，为“八五”大区域水稻遥感估产莫定了基础。     

长期施用含硫化肥对水稻产量和养分吸收的影响

1975年开始在湖南祁阳红壤站布置了含硫化肥长期定位试验。3个处理(无硫、低硫和高硫)的施硫量分别为0、112、604 kg hm-2a-1。结果表明:SO42-—S在施硫处理的土壤和植株中都有明显的累积,连续施用含硫化肥24年后,表土中SO42-—S含量增加了158~229%,施硫处理稻草中硫浓度比对照高43~57%,而稻谷中硫浓度在处理问无显著差异;施硫对水稻的短期效应(1~7年)为提高产量和品质,中期效应(8~15年)为无显著作用,而长期效应(16年后)为负面影响,长期施用含硫化肥导致水稻(特别是晚稻)对Mg、Fe、B、Mo等元素的吸收量显著减少,并使高硫处理晚稻稻谷产量显著下降(1990~1997年比1982~1989年平均下降31.6%)。     

结合物体先验和空域约束的室内空域布局推理

对结构化室内场景的空域布局结构进行估计是计算机视觉领域的研究热点之一.然而,对于内部堆放了众多杂乱物体的室内场景,现有的大多数方法容易受到各种物体遮挡的影响而无法对这一类场景的布局结构进行准确推理.为此,本文方法充分考虑了房间和物体之间的几何和语义关联性,参数化地对房间和内部物体的三维体积分别进行描述,并且提出利用多种高层图像语义来获取物体的先验信息.此外,还在此基础上加入了空域排他性和空域位置等多种空域约束,进而在改进室内场景空域布局估计的同时为物体的识别和定位提供关键信息.本文方法不仅具有较低的求解复杂度,而且通过试验表明相比于现有的经典方法在杂乱的室内场景中能够取得更为鲁棒的空域布局推理结果.     

控释尿素施用对水稻吸氮量及产量的影响

以15N标记尿素及用其制成的有机-矿质材料控释尿素为供试肥料,探讨其在黑土水稻田上使用后水稻对N的吸收利用及水稻产量的变化。结果表明:控释尿素比普通尿素氮肥利用率提高了3.64%～19.92%,土壤中N的残留量增加6.37%～20.86%,可提高水稻产量8.66%～25.70%。     

Study on Soybean Yield Estimation Using the CoupledCASA and WOFOST Model

China is an agricultural country. Yield estimating on field scales rapidly and accurately is not only instructional to farmers’ field management, but also important for the response evaluation of farmland ecosystems to climate change, making scientific and rational food policies, external food trade and so on. The current primary estimation models include empirical statistical model, light use efficiency model, and crop growth model. Each type of model is relatively complete in its individual research filed, but all of them have certain amount of limitations. Remote sensing technology was used to estimate crop yield on a field scale within small regional areas. A farm of Heilongjiang Province was selected as the study area, and the soybean was as the research object. Based on the coupled CASA-WOFOST model and time-series HJ-1A/B remotely sensed data which covering the entire growing season of soybean to generate high temporal resolution Normalized Difference Vegetation Index (NDVI), we achieved daily continuous monitoring of crop and simulating crop yield by CASA model and CASA-WOFOST model respectively. The results indicated that the coupled model had a faster running speed of the light use efficiency model, it could also give full play to mechanism advantages of crop growth model and overcome the limitations of the CASA model applied to field scales. The R² of soybean yields increased from 0.668 53 to 0.844 72 and RMSE decreased from 51.41 to 29.52 kg/ha. It is indicated that the coupled mode of light use efficiency model and crop growth model could simultaneously consider the light utilization and the whole physiological and ecological process of crop growth. So that the coupled model could improve the precision, reliability, and stability of crop yield estimation, and provide theoretical support for the estimation of crop yields in regional field scales and better serve the development of precision agriculture.     

基于CNN和农作物光谱纹理特征进行作物分布制图

以卷积神经网络（Convolutional Neural Network, CNN）为代表的深度学习技术，在农作物遥感分类制图领域具有广阔的应用前景。以多时相Landsat 8 多光谱遥感影像为数据源，搭建CNN模型对农作物进行光谱特征提取与分类，并与支撑向量机（SVM）常规分类方法进行对比。进一步引入影像纹理信息，利用CNN对农作物光谱和纹理特征进行提取，优化作物分布提取结果。实验表明：① 基于光谱特征的农作物分布提取，验证结果对比显示，CNN对应各类别精度、总体精度均优于SVM，其中二者总体精度分别为95.14%和91.77%；② 引入影像纹理信息后，基于光谱和纹理特征的CNN农作物分类总体精度提高至96.43%，Kappa系数0.952，且分类结果的空间分布更为合理，可有效区分花生、道路等精细地物，说明纹理特征可用于识别不同作物。基于光谱和纹理信息的CNN特征提取，可面向种植结构复杂区域实现农作物精准分类与分布制图。     

基于无人机激光雷达的森林冠层高度分析

快速准确获取森林结构参数对森林资源调查管理及全球碳汇研究具有重要意义。以祁连山东、中部青海云杉林为研究对象,利用16个无人机激光雷达（LiDAR）点云数据、正射影像数据结合实地样方观测数据,提取样方内青海云杉的单木树高并准确验证树木分割精度;结合实测数据和地形数据,依据统计指标验证提取树高精度并分析原因;基于点云数据提取的各样方树高分析祁连山青海云杉冠层高度在空间上的变化。结果表明：在祁连山山地森林,冠层高度平均值估算精度最高,R²为0.93,RMSE为1.39 m（P<0.05）;地形影响基于点云数据的树高提取,坡度较小的青海云杉树高提取效果更好;从东到西,青海云杉平均树高呈下降趋势;随着海拔高度上升,青海云杉的平均树高先上升后下降,这与祁连山东西水热条件差异和不同海拔树木年龄分布有关。