春小麦遥感估产研究

引言作者从1985年起在黑龙江省北安地区开展了春小麦遥感估产研究,建立了光谱产量模式及气象产量模式,4年来予报单产准确率在90％以上;同时应用TM影像对春小麦种植面积进行了测算,也取得了满意的结果。证明利用遥感技术对春小麦进行估产要比常规调查方法及时、准确、省工而又经济。应用遥感技术对农作物长势进行监测和产量予报,是以农作物对太阳辐射的反射、吸收特征为基础,     

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。     

水稻遥感动力估产模拟初探

将遥感手感和动力估产模型相结合，即通过ＮＯＡＡ卫星获得有效绿度模式；通过绿度－叶面积关系式，估算水稻群体叶面积指数；依据水稻生物量分配规律及环境条件对其的影响，估算水稻各器官的干重，取得了较好的模拟效果。     

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。     

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。     

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.     

关于微机遥感图像处理和GIS软件包ERDAS的介绍

ErdaS软件是美国比较成熟的集遥感图像处理和GIS于一身的软件包。介绍了该软件包的硬件环境及软件功能，并附有主要程序及功能一览表。     

我国草地遥感技术应用研究进展与前景展望

在掌握了国内外草地遥感部分最新研究成果和参加多项科研项目研究基础上,重点论述了遥感技术在草地科学中应用的必要性、近年取得的主要研究成果和进展,并对其应用前景做了简要展望。     

遥感信息在水文模型参数确定中的应用研究

分析了遥感信息在水文模型参数推求中的特点和意义，探讨了利用遥感信息确定水文模型参数的方法和步骤，并介绍了两例遥感信息在模型参数推求中的应用。     

基于遥感图像的人造地物目标信息管理系统

将遥感技术与GIS技术相结合,建立一种用于人造地物目标管理的地理信息系统。该系统以遥感图像作为主要数据泊,以变化相对较缓慢的行政区划,水系分布,地形地势等GIS8矢量地图为基础底图,借助现有的GIS工具软件和关系型数据库管理系统,来统一管理地物目标的空间数据和属性数据。重点就地物目标拓扑构造和GIS矢量地图与遥感图像互操作问题进行了讨论。     

Surverying Investigation by Remote Sensing Teehnique on the Bloeking一storing Potential of Ground Surface Water Resources in Sanyi Area

以三沂地区应用为例，从流域下垫面特征研究出发，阐述了利用遥感技术与信息未统结合常现方法计算地表水资源的途径，分析了区域地表水拦蓄潜力。     

海洋遥感特征及其发展趋势

系统地介绍了海洋遥感的概念、特征探测内容、应用领域以及国内外进展情况。在充分研究海洋遥感现状的基础上，分析了海洋遥感的发展趋势，提出了适应此种趋势的相应对策。     

微机遥感图像处理系统MRSIPS

MRSIPS是面向遥感应用的遥感图像处理系统与地理信息系统的综合系统,该系统具有二个重要功能:(1)用遥感数据更新 GIS 中的数据,(2)将GIS中的信息和遥感信息进行综合分析,提高分类精度     

基于面向对象的多源卫星遥感影像玉米倒伏面积提取

风灾引起的玉米倒伏可能导致玉米大量减产,利用遥感技术准确监测玉米倒伏面积与空间分布信息对灾情的评估非常重要。利用Planet和Sentinel-2影像分别结合面向对象与基于像元方法提取研究区玉米倒伏,同时评估了不同影像特征（光谱特征、植被指数和纹理特征）与不同分类方法（支持向量机法SVM、随机森林法RF和最大似然法MLC）对玉米倒伏提取精度的影响。结果表明：(1)使用高空间分辨率的Planet影像进行玉米倒伏提取的精度普遍高于Sentinel-2影像;(2)从分类精度和面积精度来看,Planet影像的光谱特征+植被指数+均值特征结合面向对象RF分类,总体精度和Kappa系数分别为93.77%和0.87,面积的平均误差最低为4.76%;(3)采用Planet和Sentinel-2影像结合面向对象分类提取玉米倒伏精度高于基于像元分类。研究不仅分析了面向对象方法的优势,还评估了使用不用影像数据结合面向对象方法的适用性,可以为遥感提取作物倒伏相关研究提供一定的借鉴。     

水稻叶面积指数的多光谱遥感估算模型研究

LAI是生态系统研究中最重要的结构参数之一,它是估计多种植冠功能过程的重要参数。通过两年的水稻田间试验,使用美国ASD背挂式野外光谱辐射仪(ASDFieldSpec),获取1999～2000年两年晚稻整个生育期的光谱数据,采用计算机测算图斑面积法测定LAI;根据已有的卫星传感器通道波段(MSS、RBV、SPOT、TM、CH)和它们的组合(比值植被指数、归一化差植被指数),以及具有物理意义的光谱区域(蓝区、绿区、黄边、红光吸收谷、红边、紫区、可见光区、近红外区、全部波段)等共有27个变量构建多光谱变量组,采用5个单变量线性与非线性拟合模型,用1999年试验数据为训练样本,建立水稻LAI的多光谱遥感估算模型。结果表明:适用于水稻LAI估算的多光谱变量是植被指数变量好于波段变量;RVI与NDVI比较,RVI好于NDVI。用2000年试验数据作为测试样本数据,对其精度进行评价和验证,非线性模型的精度高于线性模型的精度,其中以SPOT3/SPOT2为变量的对数模型,拟合R2与预测R2达到了最大,其RMSE和相对误差(%)为最低,因此,认为它是估算LAI的最佳模型。