基于波谱库的特色农作物智能专家分类系统设计

农作物的长势监测和产量估算一直是遥感技术应用的重要方面,而一个好的农作物分类算法对于农作物产量和长势进行监测十分关键。目前对于一些特色农作物而言,这方面的研究比较缺乏。因此拳研究设计了符合特色农作物的长势监测和产量测算功能模块,将数据挖掘和知识发现应用到专家分类算法中,自行开发了适合农作物数据发现和挖掘的归纳学习算法,充分利用了波谱库中大量的波谱数据、相关属性和空间数据,形成了基于波谱库的特色农作物智能专家分类系统。     

广东特色农业波谱数据库设计与开发

自20世纪70年代以来,国际和国内波谱数据库的发展虽然如火如荼,但是都存在不同层次的缺陷,不能满足现阶段我国遥感基础研究和应用的需要,对华南特色农业遥感应用来说差距更远,该研究以建立波谱知识实用型库为目标,集成了华南农作物波谱、环境参数、应用模型,试建立了基于WEB的广东荔枝、龙眼、甘蔗等特色农作物波谱数据库,实现了特色农作物波谱数据库的概念设计、数据的组织、功能和界面设计等方面,为多样的华南特色农作物波谱数据库的建立提供了一个示范。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数（NDVI）的冬小麦估产模型,结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数(NDVI)的冬小麦估产模型,结果表明:利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段，对农业生产管理具有重要意义。以安徽龙亢农场为研究区，收集了中高分辨率多源卫星遥感数据并进行了定量化处理，构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型，生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律，分析了不同品种冬小麦的长势情况，发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上，构建了基于归一化植被指数（NDVI）的冬小麦估产模型，结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算，据此绘制了龙亢农场2017年冬小麦产量遥感估算地图，产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测，为区域范围内农作物长势监测提供了一种有效途径。     

波谱及其元数据的二维整合与格式匹配研究

我国典型地物标准波谱数据库是一个开放的定量遥感网络资源库，其子库地面观测波谱库收录的几种典型地物的地面观测波谱及配套元数据多达万余套。波谱数据及其元数据是研究和发展定量遥感的基础，其整合形式也因而成为整个波谱库的重中之重。本借鉴波谱元数据的分类成果、利用知识的框架表示方法，提出了以本件为主的波谱数据三层件体系表示。实现了波谱与波谱、波谱与元数据这两个维度的配套。针对这套波谱数据件，对应其框架表示，中采用查找表方法、设计并实现了数据的格式检查与程序定级。     

基于WorldView-2数据的单木长势监测初探

单株木的定量、定位监测是森林资源监测调查与经营管理的重要内容.本文以WorldView-2为数据源,应用传统的基于像素分类方法对单木长势进行了初步分析,表明WorldView-2的2m多光谱数据对于中龄林的长势监测有着极大的潜力,可为森林资源管理决策提供快速、高效的单木长势信息.     

利用气象卫星磁带数据监测冬小麦长势

利用遥感技术监测农作物长势,进行产量预测,是遥感应用中的重要课题之一。介绍应用陆地卫星MSS数据进行此项工作的文献较多,大致可归纳为如下几方面: (1) 以目视解译为主。将不同时相、不同波段的影像经光学处理,突出作物信息,配合地面实况资料,推断和评价作物长势,预测产量。 (2) 从农作物光谱特点出发,根据反射率曲线寻求与产量相关性大的日期和波段,建立估产模式。 (3) 引入绿度(G)概念做为评价作物状况的定量标准。用红和近红外波段地物反射率的各种组合来表示,常用的有归一化差值植被指数、比值植被指数等。找出G与产量之间的相关关系。 (4) 在积温基础上建立估产模式。利用作物活动面温度、作物含水量和长势之间的密切关系建立物理     

物候信息在大范围作物长势遥感监测中的应用

大范围的农作物长势监测可以为农业政策的制订和粮食贸易提供决策依据,也是农作物产量估测的必要前提。遥感估算的作物生物量是评价作物长势的主要群体特征指标,在大范围上开展作物长势监测时,不同区域的作物因为所处的物候阶段不同而导致生物量存在差异,这种差异与因作物长势状况差别而产生的差异混合在一起,增加了长势监测结果的不确定性。以中国河南、山东两省为研究区,以MODIS 250 m NDVI产品数据为主要数据源,结合改进的CASA模型实现了区域内冬小麦生物量的估算,结合冬小麦生长过程特征进行了典型物候期的监测。在此基础上,分析了扬花期前后物候差异对冬小麦生物量估算的影响,研究其特定物候阶段的变化规律,从而实现了生物量的物候归一化,初步探索了如何消除大区域物候差异对作物长势监测与评估的影响。     

基于Bhattacharyya距离的典型地物波谱特征差异性分析

地物波谱数据主要应用于定量遥感与影像分类等相关基础研究,对各条光谱曲线之间进行定量化的光谱差异性分析具有重要意义。从USGS及JHU地物波谱库中挑选了在土地覆盖分类层次具有意义的植被(73条)、人工材料(100条)与土壤(30条)3种类型共203条地物波谱数据,以分层分类体系在4.2~2.5 μm的波长范围内分析比较各类典型地物材料的光谱特征,以B距离(Bhattacharyya Distance)作为指标定量计算不同类别地物波谱间的光谱差异性。结果表明:波谱库中金属、砖石和混凝土3类人工材料光谱对于植被、土壤等自然材料光谱具有较大的光谱差异性,而塑料与自然地物间的光谱差异度最小,在此基础上统计了最能反映这些地物光谱特征差异的最优波段。该方法能够量化多种光谱曲线间的差异性并得到最佳的区分波段,从而为地物材料光谱及高光谱数据分类提供参考。     

农田农情参数遥感监测进展及应用展望

农情参数是指反映作物生长过程及其产出的状态指标,关键农情参数主要包括作物长势、单产、物候和旱情等,可用于指导农田的生产管理。遥感是关键农情参数获取的有效手段,然而目前农情参数的遥感监测大多停留在大尺度、宏观监测的层面上,由于缺乏高时空分辨率、高准确度、低成本的农田信息获取技术,业务化的农田尺度农情参数获取受到了诸多因素的制约与限制。导致难以为农田生产管理提供及时的信息支持,这已经影响到精准耕作的发展与应用。文章在总结目前长势、单产、物候和旱情等几个主要农情参数遥感监测研究进展的基础上,分析了这些技术在农田尺度应用的瓶颈,并从新数据源和农情参数监测新模型两个角度出发,对农田尺度农情参数的获取进行了展望。     

基于卫星遥感预测作物成熟期的可行性分析

精准收获是精准农业的重要环节,首先分析了收获时间对作物产量与品质的影响,论述了作物成熟期监测的重要性,然后从气象统计模型、作物生长模型及遥感监测3个方面回顾了作物成熟期预测的研究进展。在此基础上,通过对目前主要作物成熟状态指示因子遥感监测研究进展的分析,认为在当前新型传感器不断涌现的条件下,利用卫星遥感预测大范围作物成熟期、制订收割顺序并指导农业生产的条件已经成熟。并指出研究面向遥感的作物成熟期指示因子及其变化规律,发展高精度的作物冠层叶绿素及水分含量的遥感估算方法,研究面向农田尺度动态监测的高时空分辨率数据集构建技术和多种模型的耦合将成为该领域未来的研究重点。     

基于Sentinel-2的UNVI植被指数及性能对比研究

作物精准识别和分类是农业遥感检测的重要内容,对作物长势监测以及估产十分重要。以美国混合农业带为研究区,基于Sentinel-2时间序列影像,根据其传感器响应函数计算了针对Sentinel-2的通用归一化植被指数（Universal Normalized Vegetation Index,UNVI）,并通过两个对比实验,分析UNVI等6个指数在作物精准分类中的性能。实验一以JM（Jeffries-Matusita）距离为指标对不同作物类别之间的可分性进行分析,结果表明UNVI优于NDVI、EVI、WDRVI、NDre1和NDWI指数,在玉米和棉花、玉米和水稻、玉米和水稻的区分上,UNVI优于其他指数区分能力相当,但在其余的作物组合上如棉花和水稻,NDVI等指数则无法将其很好的区分,此时UNVI指数依然可以表现出较好的区分能力;实验二对6种时间序列指数特征分别使用随机森林和支持向量机进行作物分类,结果表明UNVI指数的总体精度和Kappa系数最高,其次是NDre1指数和WDRVI指数,EVI的总体精度和Kappa系数最低,这表明UNVI比其他6个指数更好地区分了研究区大豆、玉米、棉花和水稻等4种主要作物。综上,基于Sentinel-2时间序列的UNVI指数在进行作物分类时与其他5种遥感植被指数相比,具有较大的优势,UNVI可为农作物长势分析和作物估产研究等农业研究和应用的可选植被指数。     

应用高分辨率遥感影像提取作物种植面积

利用中低分辨率遥感影像提取作物分类种植面积的精度,往往难以满足农业遥感估产的需要。随着新型传感器的不断出现,应用高分辨率遥感影像高精度地提取作物分类面积日益成为发展趋势。由于高分辨率遥感影像提供的地物纹理、色调与形状等信息更加丰富,当前基于对象的地物识别分类方法仍不成熟,处理操作中人为干预过多,而且较为复杂,因此尝试以地面调查信息为辅助参量,采用常规基于像元的最大似然法监督分类方法,依据多尺度遥感影像信息提取的原理,分阶段地逐步提取作物种植面积,以此为农业遥感估产服务。     

LANDSAT MSS crop classification performance as a function of scene characteristics

In order to utilize remote sensing fully to inventory crop production, it is important to identify and quantify the effects of the factors that affect the accuracy of LANDSAT classifications. The objective of this study was to investigate the effect of scene characteristics involving crop, soil and weather variables on the accuracy of LANDSAT classifications of corn and soybeans. Segments of multitemporally registered LANDSAT MSS data from two key acquisition periods sampling the U.S. Corn Belt were classified using a Gaussian maximum likelihood classifier. Field size had a strong effect on classification accuracy with small fields tending to have low accuracies even when the effect of mixed pixels was eliminated. Other scene characteristics accounting for variability in classification accuracy included proportions of corn and soybeans, crop diversity index, proportion of all field crops, soil order, soil drainage class, percentage of slope, long-term average soybean yield, maximum yield, relative position of the segment in the Corn Belt, weather and crop development stage.     

The application of remote sensing techniques to sugarcane (Saccharum spp. hybrid) production: a review of the literature

Remote sensing techniques provide timely, up‐to‐date and relatively accurate information for the management of sugarcane crop. This article reviews the literature on the application of remote sensing to sugarcane agriculture and highlights the challenges and opportunities pertinent to the success of this application. The aim of the review was to provide accurate and fundamental information relating the spectral properties of sugarcane to its agronomic, health and nutritional status characteristics that would be of importance to cane farmers and farm managers. The applications of the remote sensing techniques in sugarcane agriculture have been undertaken with particular emphasis on sugarcane classification and areal extent mapping, thermal age group identification, varietal discrimination, yield prediction and crop health and nutritional status monitoring. It can be concluded that by selecting appropriate spatial and spectral resolution as well as suitable processing techniques for extracting sugarcane spectral information, remotely sensed data should find use in sugarcane agriculture in all areas of application with satisfactory results.     

Data Assimilation Experiment ofPoor Quality of RemoteSensing Image in Critical Phenology

In the process of data assimilation，influenced by the water vapor and cloud cover in the study area，the qualities of remote sensing images are poor in the key crop phenological phases.This will cause not to get the perfect remote sensing images for a long time.So we try to solve this problem by using an improved EnKF method to assimilate the WOFOST crop growth model and the terrible quality of remote sensing images to forecast the maize’s yield in the Red Star Farm in Heilongjiang province.In order to improve the accuracy of simulated time series curve of the LAI and yield production results，the consideration on quality evaluation of the remote sensing images is introduced by using expansion coefficient and adjustable factor.The results shows based on the improved EnKF method，time series curve of the LAI keeps a normal tendency of LAI rather than negative fluctuations，and it also avoids the serrated fluctuation to a certain extent.In addition，compared with the original EnKF method，in the field level R2 can increased to 0.67 from 0.59，RMSE is reduced to 92.23 kg/hm2 from 240.57 kg/hm2 and in the farm level R2 can increased to 0.61 from 0.52，RMSE is reduced to 122.44 kg/hm2 from 310.94 kg/hm2 between simulated yield and measured yield.     

基于遥感和陆表信息集成的广东省土地覆盖分类方法研究

土地覆盖信息是估算地-气间的生物物理过程和能量交换的关键参数,也是区域和全球尺度气候和生态系统过程模型所需要的重要参量。如何高效地利用遥感数据提取土地覆盖信息是当前研究迫切需要解决的问题。面向对象的分类方法不但充分利用了遥感数据的光谱信息,同时也利用了影像的纹理结构信息和更多的地物分布信息关系,在遥感分类中具有较大的潜力。研究基于2010年多时相的环境卫星数据、TM数据以及DEM数据,并结合地表采集的4000多个样点数据,采用面向对象的分类方法对广东省土地覆盖进行分类。经采样验证,广东省土地覆盖平均精度为85%,分类结果精度远高于常规的分类算法,说明结合陆表信息的面向对象分类方法比常规的分类算法更具有优势,可以实现高精度的土地覆盖分类。