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.     

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.     

基于相对光谱变量的无人机遥感水稻估产及产量制图

及时准确地监测农作物产量信息对国家和区域的粮食生产、贸易及粮食安全预警具有重要意义。当前卫星遥感估产由于高时空分辨率难以同时满足、波段数量少等原因限制估产精度进一步提高,无人机成像高光谱技术以其高时空分辨率、丰富的波段数量和图谱结合的遥感影像等优势被广泛地应用到现代智慧农业与精准农业,使高精度的农作物估产成为了可能。常规无人机估产方法使用的不同时期植被指数在获取时具有不同的光照条件、大气条件和背景,这些外界条件的差异将会引起不同时期植被指数的误差,进而影响估产精度。针对该问题,提出"相对光谱变量"和"相对产量"的概念开展多时期相对变量水稻遥感估产。首先将高光谱成像仪获取的波段进行一对一的组合建立相对归一化光谱指数RNDSI集,并确定水稻不同生育期的最优RNDSI及其构成波段;然后建立不同生育期组合的水稻估产最优模型并做相应的验证。结果显示:使用分蘖期RNDSI[784,635]、拔节期RNDSI[807,744]、孕穗期RNDSI[784,712]和抽穗期RNDSI[816,736]组成的多元线性回归模型是多生育期估产的最优模型,R^2和RMSE分别为0.74和248.97 kg/hm^2,并对此结果进行验证,估产平均相对误差绝对值达到了4.31%,结果表明相对植被指数和相对产量的水稻遥感估产方法可较好地应用于像素级的水稻遥感估产。基于该模型绘制了水稻的田间产量分布图,可更加直观地表现不同区域的产量并进行精准地田间管理。     

多时相影像的冬小麦种植面积提取及估产

针对多时相影像的农作物种植面积难以实现统一精确提取、不能高效地进行遥感估产研究的问题,以河南省濮阳市为研究区,基于Landsat TM影像,采用基于伪不变特征的相对辐射校正方法,在深入分析濮阳市内6类典型地物光谱的基础上,构建决策树提取冬小麦种植面积。然后,基于MODIS植被指数产品,结合相应年份统计数据进行植被指数校正,分别利用校正后关键生育期的归一化植被指数累计值和增强型植被指数累计值与冬小麦产量进行回归分析,建立冬小麦产量预测模型,利用2011年的产量进行验证。结果表明:各年份冬小麦的提取面积精度均在96.3%以上,利用归一化植被指数和增强型植被指数构建的估产模型,R2分别为0.834和0.926,估产精度分别为95.36%和96.44%。该研究可为市域冬小麦种植区的统一高效提取以及冬小麦产量预测提供参考。     

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。     

应用光谱特性建立冬小麦氮磷元素丰缺和产量预报模型的研究

在肥料试验设计的基础上,探讨应用光谱特性建立冬小麦氮、磷元素丰缺和估产的最佳模型。光谱波段的反射率和植被指数是重要的预报因子,在估产模型中把TM1-4和NIR与TM1-3全部组合形式作为初始因子建模,并增加了氮磷二因子,选择出不同时期不同模型的合适光谱波段范围和植被指数,并对最佳预报模型进行实际验证。     

长春净月潭遥感实验区玉米遥感估产模式研究

以长春净月潭遥感试验区和吉林省梨树县为主要试验区，研究建立玉米遥感估产模式。利用多种图像处理方法提取玉米播种面积，建立单产估产模型，对试验区1992年玉米产量进行了估算预报，结果较好。     

国家“八五”遥感科技攻关取得重大成果

国家“八五”遥感科技攻关取得重大成果本着促进科技进步，服务于国民经济建设和社会发展的基本方针，国家“八五”遥感科技攻关已进入了最后阶段。四年来广大科技人员团结协作，奋力攻关，已在我国重大自然灾害遥感监测与评估以及重点产粮区主要农作物遥感估产研究方面取...     

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     

遥感绿度指数图像处理系统

遥感绿度指数图像处理是农作物遥感综合估产的基础，对其软件进行软件改进是作物产量报业务技术进步的表现。近年来，作者着手对旧版遥感绿度指数图像处理系统的改进工作，研制了新版软件，定名为ＧＰＳ２．０。     

山丹县草地地上生物量遥感估算模型

选择黑河流域草地植被的典型区域-山丹县作为研究区, 利用2003 年8 月野外实测50 个样方的草地地上生物量数据和同期的陆地卫星TM 影像数据, 分析了植被指数与草地地上生物量的相关关系, 进而建立基于遥感植被指数DV I 的草地地上生物量估算模型。结果表明: 在草地地上生物量和TM 影像植被指数之间关系微弱、直接利用TM 影像数据建立估算模型不可行的情况下,用地面实测的草地植被反射光谱数据对遥感影像数据进行校正, 能够弥补传统的“点-面”建模方法的不足, 获得比较理想的估算模型; 植被指数DVI 与草地地上生物量之间存在较好的相关性, 其估算模型为Y = 2477X - 77. 598 (R 2= 0. 7589) , 经实测数据验证, 总体精度达到80% 以上, 基本上能够满足中尺度的草地地上生物量估算。     

冬小麦播期的卫星遥感及应用

播种日期对冬小麦生长发育、产量和品质形成均有一定的影响。利用2003年拔节期的Landsat TM卫星的NDVI数据．成功地监测了冬小麦的播种日期。提出了基于NDVI和播种日期的冬小麦的遥感估产的优化模型，并在抽穗期至乳熟期的3次生育期的遥感估产中得到了成功验证与应用。利用出粉率与播种日期的显相关特性，采用拔节期的Landsat TM卫星的NDVI数据，成功预测了小麦籽粒的出粉率。     

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,     

应用TM图像采用模式识别技术自动提取冬小麦播种面积的研究

在农作物遥感估产研究过程中,如何快速、准确获取当年种植面积是一个关键技术问题。本文重点研究在禹城县冬小麦遥感估产试验中,应用同步TM信息源,根据冬小麦生长发育的特征,选择 TM 的适宜时相,构建多维绿度图,采用模式识别技术,分层自动提取纯麦地、套种麦地信息。这项研究结果与1/5万比例尺 TM 图像目视解译小麦面积相比较,其相对误差甚小,达到了估产实际应用的精度。     

东北平原西部低地草甸的遥感估产模型研究

以ＮＯＡＡ／ＡＶＨＲＲＣＣＴ为遥感信息源，结合野外调查与观测，运用数理统计学方法建立了东北平原西部低地草甸的遥感估产模型。研究表明，直接利用遥感绿度建立模型的方法，较之借助于实测绿度校正遥感绿度建立模型的方法更为方便、合理。     

中国能量与水平衡遥感监测系统

以土壤、大气和植被系统（SPAC）能量流动与物质转换机理为指导，建立了“中国能量与水平衡遥感监测系统”（CEWBMS）；利用气象卫星GMS－5和风云2号数据，反演出多种地表能量与水平衡关键参数，并形成标准数据产品进行发布；构建了水文、干旱、生态和农作物估产等应用模型，对系统及系统输出产品的实际应用做了示范。     

卫星遥感绿度值的特点及其应用

引言应用气象卫星遥感绿度值资料估测大面积冬小麦产量和面积已经取得成功。绿度值(也称为植被指数)已被较广泛地应用于描述宏观地表植被状况。作为一种卫星遥感特征参数,其应用的方面越来越多,因此,对其特点、影响因素和变化规律的研究是有益的。本文结合卫星遥感绿度值在冬小麦遥感估产研究中的应用实践,粗浅地探讨一下它的特点及其应用。     

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。