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。     

水分胁迫条件下玉米生产潜力遥感评估模型——以重庆市长寿区为例

本文将WOFOST作物生长模型与遥感技术相结合,提出一种基于遥感的水分胁迫条件下玉米生产潜力评估模型,可利用遥感数据反演区域干旱强度,并驱动作物生长模型,最终得到作物生产潜力。该模型的核心是基于温度植被干旱指数(TVDI)每日蒸散算法,采用该算法可较为准确地计算水分胁迫条件下玉米农田每日蒸散量;并结合优化选取的作物品种参数,利用自行开发的TVDI-WOFOST软件开展计算,达到精确模拟干旱条件下作物产量的目的。经农业统计数据证明,本文所提出的评估模型可较好模拟水分胁迫条件下玉米生产潜力,对干旱灾情评估、农业发展规划、水利建设规划等工作具有较高的参考价值。     

基于呼伦贝尔大河湾地区的智能作物生育期识别系统

作物全生命周期的标准生长模型建立是指导获得最佳作物“处方” (作业精准决策、执行)的必要手段. 智能作物生育期识别技术是构建作物标准生长模型的重要技术之一. 在呼伦贝尔大河湾地区大面积规模化的作物种植形势下, 基于传统人工经验或单一传感器进行作物生育期表型数据采集、识别的方法会导致采集范围局限、识别效率低等问题. 针对上述问题, 对整体系统提出了一系列的改进. 首先, 在数据采集阶段, 提出了一套完整的“空-地-人”一体化作物表型数据采集体系. 另外, 在数据分析阶段, 根据作物不同表型数据, 提出了一种改进的智能作物生育期识别体系. 提出的生育期识别系统能够实时精准地提供当前作物生育期阶段, 为建立作物全生命周期的标准生长模型奠定了优良的基础.     

基于无线传感器网的遥感农情监测系统的研究

基于"3S"技术的农情监测是本世纪农业的重要发展方向。本文研究了一种基于无线传感器网络的遥感农情监测系统。通过现有的遥感技术的支持,及无线传感器网络和INTERNET,将精准采集的数据送至系统进行农田作物及环境的自动化存贮与分析、监测。实践证明,该系统具有良好的前景。     

智能施肥器的设计

本文以新型智能施肥器为例,对智能施肥过程进行了研究。智能施肥器采用自动变量施肥技术,简称精准施肥,智能施肥技术是精准农业技术的重要组成部分,又是解决上述问题的有效手段。结果表明:这种自动和精准的施肥方法的应用,有力地填补了我国农业施肥智能化空白,解放了劳动力;提高了工作效率;克服农业面源污染,绿色低碳。     

作物病虫害遥感监测和预测预警研究进展

危害严重的病虫害胁迫常在我国作物主产区发生,植保部门的田间调查、实地取样等测报方式已经无法满足目前精准、无损、高效的监测预警需求。能够实时动态监测的遥感技术手段为快速获取地表连续信息提供了可能,也是未来作物病虫害遥感监测预测的主要发展方向。通过总结、归纳和整理目前作物病虫害遥感应用中不同病虫害胁迫类型区分、单一胁迫程度估算和作物胁迫预测预警的三大主要方向的研究现状,阐述了现有研究中使用的特征提取方法、特征选择方法,以及胁迫类型区分、程度估算和预测预警的模型算法,并通过国内检索平台对三大粮食作物病虫害的遥感研究应用情况进行了统计分析。在此基础上探讨作物病虫害遥感监测和预测预警现存的问题和未来的发展趋势,推动农业可持续性的长效体制的构建。     

农作物分析与评价专题图系统

当前中国的农业生产和管理模式,缺乏依据地块差异（包括作物品种、农药、肥料等投入）的变量作业和生产管理。该文以东北沈阳军区某农副业基地为例,基于组件式GIS技术,根据不同地块的肥力特点、作物播种品种和面积、作物亩施肥/化肥量、作物产量等数据,对农作物发展现状和发展潜力进行综合分析,设计与实现了农作物分析与评价专题图系统,完成了以地块为单位的变量作业,对变量作业模式和精准农业的实施具有较强的实用价值。     

基于无人机高光谱数据的多类型混合作物LAI反演及尺度效应分析

叶面积指数(Leaf Area Index,LAI)作为表征不同作物生长状况的基本参数,是农业精细化管理及农田生态系统建模的关键。我国农田作物种植比较离散,受地表空间结构非均一性和反演模型非线性等因素影响,不同尺度遥感数据估算的作物LAI存在一定的差异,即农田作物LAI的遥感反演普遍存在尺度效应问题。以包头遥感综合验证场农业示范区为研究区,利用无人机高光谱数据结合PROSPECT+SAIL模型构建典型农作物区多类型作物的查找表(Look-Up-Table,LUT)反演农田LAI,研究查找表用于玉米、马铃薯、向日葵、瓜地等不同作物LAI反演的适用性和精度;通过无人机高光谱数据聚合获得多尺度遥感数据源,结合Taylor展开理论和计算几何模型,提出了一种既考虑类间差异又考虑类内异质性的尺度转换模型,定量描述多种作物混合的非均一地表LAI反演过程中的尺度效应特征。结果表明:基于分类和参数敏感性分析的LUT方法能很好地应用于包头典型农作物区多类型混合作物LAI反演,总估算精度为相关系数R~2=0.82、均方根误差RMSE=0.43m~2/m~2。随着反演尺度的增加,作物类间差异造成的反演偏差明显高于类内异质性,利用本文所提出的尺度转换模型均能较好纠正低分辨率LAI反演的尺度效应问题。     

基于改进AlexNet模型的油菜种植面积遥感估测

目前农作物种植面积估测主要是依据遥感影像数据,结合遥感处理技术对遥感地物进行识别监测,估测结果受遥感数据源影响较大。为此提出了改进过的AlexNet卷积神经网络分类识别算法模型,该模型在传统AlexNet模型基础上,针对Landsat8遥感影像数据,创新的提出将五个卷积层的卷积核修改为两个3*3大小和三个2*2大小,并在三个全连接层后加入dropout层,减少过拟合的出现。将改进前后的模型和加入dropout后的改进模型分别对湖北省荆门市2017年油菜作物种植面积进行分析研究,研究从测试精度、Kappa一致性检验和估测面积三方面进行,实验结果表明加入dropout的改进后模型估测效果最好,估测面积与实际面积误差率为2.39%,Kappa一致性检验结果为0.9625,一致性较高。验证了改进后AlexNet模型在油菜作物遥感识别方面的适用性。     

水稻病虫害遥感监测与预测研究进展

病虫害现已成为水稻产量的最大制约因素之一，传统的植保技术主要依靠植保人员的视觉和经验，存在一定的主观性，且费时费力，难以满足大范围的实时监测需要。遥感技术的发展提供了一种大面积、全天候、多方位的数据快速获取手段，能够为病虫害的识别分类提供作物种植信息和环境信息，是实现对水稻病虫害进行大面积监测预测的重要手段。在阐述水稻病虫害遥感监测和预测机理的基础上，重点从多尺度遥感监测方法、预测方法、水稻病虫害监测与预测模型构建以及监测预测系统等多方面概述了水稻病虫害监测与预测的研究进展，并指出目前水稻病虫害监测与预测研究存在的问题及未来发展趋势。随着信息化农业的发展与多源数据的融合运用，趋向于精准化与智能化的水稻病虫害遥感监测与预测，将会越来越成熟。     

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。     

Application of remote sensing in estimating maize grain yield in heterogeneous African agricultural landscapes: a review

Maize (Zea mays L.) is the second most commonly grown crop worldwide and number one staple food in Africa where it accounts for more than 50% of the energy requirements. However, despite its widespread cultivation and the significance of maize information in Africa, maize crop maps and yield forecasts are hardly available. Yet, systematic area, spatial distribution, and maize yield estimates are important in understanding and addressing food security in Africa. Objective monitoring of maize yield statisics in a systematic way is possible with remotely sensed data. However, absence of maize yield forecasts using remote sensing in Africa has been attributed to the cost of acquiring satellite imagery and the heterogeneity of agricultural landscapes. The recent advances in sensors technology and availability of free high-resolution (spatial and temporal) multispectral satellite images afford an opportunity to forecast maize yield as well as mapping its spatial distribution in near real-time basis. This review gives an overview of maize yield estimation using remotely sensed information and its potential application in a fragmented and highly granular agricultural landscapes in Africa, including inherent challenges and research needs. The review was motivated by challenges faced by researchers and national agricultural statistical services agents when forecasting maize yield using conventional ground-based survey methods. These problems include, but are not limited to, restricted accuracy, and cost and time spent resulting in missed opportunities in food security early warning systems and proper developmental interventions. We conclude that by picking multispectral sensors with high spatial, temporal, and spectral resolution, as well as appropriate classification techniques and accurate ground-truthing data, remote sensing can be a practical option for estimating maize grain yield and its spatio-temporal dynamics in heterogeneous African agricultural landscapes for designing appropriate developmental interventions and technological out scaling.     

农业干旱遥感监测研究进展

农业干旱给社会经济及人民生活造成严重影响,关于农业旱情监测的研究受到了学者们的广泛关注。遥感技术的发展为准确、及时进行旱情监测提供了新的机遇。本文综述了近年来国内外采用遥感方法监测农业旱情的研究进展,包括土壤湿度、作物形态、作物生理等农业旱情指标的遥感反演,指出了在实际应用中存在的一些问题,并提出了进一步改进的思路。     

农作物品质遥感反演研究进展

当今农业生产管理迫切需要直接迅速的信息指导。随着科技水平的不断提高,通过利用不同遥感技术手段,实现实时监测农作物生长过程中的主要影响因子,使无损预测预报农作物品质成为可能。通过分析几种农作物的主要品质性状及形成影响因素,在归纳农作物品质监测常用光谱参量的基础上,从地面平台和航天航空平台两方面分别介绍近年来国内外主要研究进展,总结农作物品质遥感监测模型建立使用的主要算法,综合分析农作物品质遥感监测技术实现过程中存在的若干问题,同时提出相应的解决措施,并对遥感监测技术进行了展望。     

基于作物生长模型和多源数据的融合技术研究进展

精确的区域作物产量估计在社会食品安全生产中起着重要作用。首先讨论了常用的2种区域作物产量估计方法,包括产量监测和产量模拟。其中,作物生长模型能够反映作物的整个生长演变过程,并能最终预报作物产量,因此在区域作物产量预报中起着重要作用,但是由于作物生长模型在输入数据、模型参数和模型结构等方面存在较大的不确定性,导致最终的模拟结果也存在较大的不确定性,尤其是应用到区域尺度时,这种不确定性使得模拟结果同真实的作物产量空间分布图存在较大的不一致性。而产量监测,尤其是利用先进的多源遥感信息,可捕捉真实的区域尺度的地面作物生长信息,但是仅为瞬时信息。因此利用数据融合算法,融合模型和数据的优点,得到更为可靠的区域产量估计结果是十分有意义的。所以在详述了当前主要的作物生长模型的基础上,重点讨论了常用的2种数据融合技术,即优化方法和顺序数据同化方法,以及目前利用这两种方法在作物生长模型中融合观测信息的部分案例。     

Linking physical remote sensing models with crop growth simulation models,applied for sugar beet

Abstract

In recent years, remote sensing and crop growth simulation models have become increasingly recognized as potential tools for growth monitoring and yield estimation of agricultural crops. In this paper, a methodology is developed to link remote sensing data with a crop growth model for monitoring crop growth and development. The Cloud equations for radar backscattering and the optical canopy radiation model EXTRAD were linked to the crop growth simulation model SUCROS: SUCROS-Cloud-EXTRAD. This combined model was initialized and re-parameterized to fit simulated X-band radar backscattering and/or optical reflectance values, to measured values. The developed methodology was applied for sugar beet. The simulated canopy biomass after initialization and re-parameterization was compared with simulated canopy biomass with SUCROS using standard input, and with measured biomass in the field, for 11 fields in different years and different locations. The seasonal-average error in simulated canopy biomass was smaller with the initialized and re-parameterized model (225-475 kg ha^?1), than with SUCROS using standard input (390-700 kg ha^?1), with ‘end-of-season’ canopy biomass values between 5500 and 7000kgha^?1. X-band radar backscattering and optical reflectance data were very effective in the initialization of SUCROS. The radar backscattering data further adjusted SUCROS only during early crop growth (exponential growth), whereas optical data still adjusted SUCROS until late in the growing season (at high levels of leaf area index (LAI), 3-5).     

农作物覆盖地表微波遥感模型研究进展

农作物是人类主要的粮食来源,微波遥感技术已被广泛应用于作物长势监测和作物生物量、含水量反演等研究领域,特别是微波遥感模型的发展更是提高了农田参数反演的精度。综述了农作物微波散射和辐射经验、半经验和理论模型的研究进展,对各模型的适用范围及优缺点进行了介绍,最后对农田微波遥感模型未来发展的难度和重点提出了一些见解。
     

Spectro-meteorological modelling of sorghum yield using single date IRS LISS-I and rainfall distribution data

The yield of grain Sorghum cultivated in dry-land regions in India fluctuates widely in relation to its critical growth phases depending on the weather conditions. Vegetation indices derived form remote sensing data acquired at the time of maximum vegetative growth are indicative of crop growth and vigour and consequent potential grain yields. In this paper we investigate rabi (winter) sorghum yields using Indian Remote Sensing Satellite's Linear Imaging and Self Scanning-I (IRS LISS-I) sensor data and monthly rainfall distribution data of the recent four seasons for the 37 tehsils (sub-units of districts) that constitute the three principal sorghum producing districts of the central Maharashtra state (India). The multiple linear regression yield models with both the spectral and spectro-meteorological parameters have been developed for tehsil, as well as the district yields, by identifying critical parameters with model estimation errors of about 22 per cent on tehsil yields and about 5 per cent on district yields. The yields are found to be correlated significantly with monsoon rainfall about 1 to 2 months before sowing. This study brings out the problems of yield modelling of the semi-arid tropical crop in a small region using remote sensing data only, and shows that the vegetation indices deduced from remote sensing data are found to be good indicators of the yield on large spatial scales, as the effects of varying rainfall on yields largely cancel out.     

基于GIS和RS的应用分析系统集成研究

分析了当前遥感与地理信息系统集成方式,并以作物品质遥感监测与调优栽培系统为例,以实现以遥感为主要数据源的多源数据融合分析为目标,探讨了基于组件技术、空间数据库技术、模型库管理系统技术等技术的遥感与地理信息系统集成应用系统设计与实现,解决了遥感、专业应用模型与地理信息系统之间的一体化集成。