估产
- 基于SWAP-IES 的旱区春小麦长势和产量模拟
信息，可将冬小麦估产的R2从无同化的0.06 提高到0.41[13]，在华北平原尺度上冬小麦估产的R2从无同化的0.28 提高到0.65[14]。利用APSIM-EnKF 同化模拟框架也可有效提高小麦估产精度，相对于同化前，小麦估产的相对误差减小了8.7%[15]。与EnKF 算法相比，迭代集合平滑器算法（iterative ensemble smoother，IES）可以同时同化所有可用的观测信息，在强非线性问题中表现得更好[10,16-17]。目前IE
农业工程学报 2023年11期2023-08-15
- 基于作物生长模型与机器学习算法的区域冬小麦估产
1]。当前,作物估产常用的方法有人工区域调查法、作物生长模型及机器学习算法3类。人工区域调查方法工作量大且成本较高,难以实现大范围、高频的区域尺度作物估产,但其优势是获取的点源信息准确度高。作物生长模型虽融入光、温、水、土壤等条件为环境驱动变量,对作物生长的全过程、产量形成机理具有较好的科学解释性,但仅在单点尺度上建立和实现作物生长发育动态模拟。遥感对地观测的优势在于提供大空间、面元尺度的作物物候、生长冠层信息。实现遥感信息与作物生长模型的耦合,则能够利用
农业机械学报 2023年6期2023-06-20
- 遥感技术在我国冬小麦产量估算中的应用研究进展
一般要利用常规的估产手段，包括统计手段和传统的土壤监测手段，其速度慢、工程量大、成本高，无法满足对冬小麦的监测需求。遥感资料具备覆盖面大、检测周期短、资料丰富、现势性好、代价低等优点，可以迅速和精确地对冬小麦进行估产。遥感估产是一种使用卫星传感器记录作物表面信号，并利用资料采集与数据分析所获取的农作物表面光谱特征，确定作物种类，监控作物的生长过程，从而构建将作物光谱数据与农业生产过程相互联系的新科技手段[3]。1 农作物遥感估产研究概况美国首先开展的大面积
南方农业 2023年1期2023-03-22
- 基于无人机高清影像的棉花单产预测
领域，而作物遥感估产也已逐步取代了传统的人工地面测量和统计的估产方式[3-4]。 目前遥感估产主要借助高空卫星和无人机两种工具进行，主要包括两种估产方式，一是根据地面统计数据与遥感指数之间的相互关系构建估产模型实现估产。 刘姣娣等[5]以Landsat7 和Spot4 为数据源，分析棉花不同生育时期的光谱特征后构建多个植被指数，通过与实际产量建立回归分析模型实现了对新疆生产建设兵团棉花产量的预测。 而程乙峰等[6]通过结合棉花花铃期的LAI 和归一化植被指
棉花学报 2022年4期2023-01-06
- 基于YOLOv5深度学习的茶叶嫩芽估产方法
第一[1]。茶叶估产能够在采收时间和采摘量之间寻求收益最大化时提供可靠的数据支持，直接关系到农户的经济收入。现有的茶叶估产主要依靠茶农的种植经验或直接采摘后称重估计产量，这种方法获取产量信息较为滞后，不能在茶叶生长时期提供相关的产量数据支持，不利于茶叶生长的前期管理。目前，针对小麦、大豆、油菜等大规模种植的经济作物估产技术已经较为成熟。常用的估产方法有田间抽样调查法、农业气象模型估产法、基于光谱指数的作物估产法、基于图像的作物估产法[2]。田间抽样调查主要
中国农业大学学报 2022年12期2022-11-04
- 基于CNN-S-GPR的宁夏枸杞高光谱影像估产方法
究。传统的农作物估产采用人工区域调查方法，从农学、气象学等不同角度建立作物估产模式。该方法速度慢、工作量大、成本高，且不利于时空动态监测。近年来，遥感技术因其覆盖范围广、重返周期短、获取成本低等优势，被广泛运用于农作物估产，成为遥感与农业交叉的研究重点[1]。目前，遥感估产方法按模式不同主要分为2类：基于机器学习和基于深度学习的估产方法[2]。基于机器学习的方法将归一化植被指数(Normalized difference vegetation index,
农业机械学报 2022年8期2022-09-14
- 异常气候条件下小麦估产方法研究
技术应用到农作物估产中[9]，为作物估产研究开辟了新途径[10]。从模型建立的理论角度出发，当前主流的作物估产模型可以分为四类：经验统计模型、光能利用率模型、作物生长模拟模型和耦合模型[11]。探究气候变化对作物产量的影响，大多采用经验统计模型中的气象估产模型。气象估产模型发展较早，始于20世纪70年代末，基本的气象估产模型有三种。第一种，直接建立气象因子和作物产量之间的回归模型；第二种，首先计算相邻两年作物产量差和气象因子差，然后建立作物产量差和气象因子
农业现代化研究 2022年2期2022-08-19
- 基于时序MODIS和气象数据的日喀则地区青稞估产
义。当前，对青稞估产的相关研究较少，而估产可分为作物的种植面积提取与估产模型建立两部分。日喀则地区地形复杂，青稞种植区域分布零碎，传统的调查估产手段难以得到全面准确的结果，但遥感技术可以解决其无法全覆盖和成本过高的问题，具有较好的准确度和时空连续性的优势，在种植面积提取和产量预测中起着重要的作用[1]。利用遥感手段实现产量预测方法主要有统计预测法和生长模型预测法两大类，其中，生长模型预测法是数值模拟作物的生长过程，需引入大量的影响作物生长的参数与同化后的遥
遥感信息 2022年2期2022-08-18
- 不同方法对冬小麦地块级估产的适用性研究
分析发现目前遥感估产中最为有效的方法有2种：一是利用数据同化技术,把遥感反演参数信息融入作物机理过程模型之中,实现大面积作物生长状态及产量模拟的目的[1-2],如基于Wofost[3]、Oryza2000[4]、WheatSM[5]、ChinaAgroys[6]四个作物模型所构建的中国作物生长模拟监测系统(crop growth monitoring system-china，CGMS-China),CGMS-China对冬小麦各主产省的平均预报相对误差为
北京测绘 2022年2期2022-03-25
- 基于无人机遥感的水稻产量估测
有效支撑。传统的估产采用人工调查，耗时长、速度慢、成本高，无法快速及时的获取作物长势信息和产量；卫星遥感技术又存在重访周期长、天气条件限制等问题。而近两年，随着无人机行业的快速发展，无人机作为一种低成本的遥感平台很好的弥补了卫星遥感的不足。无人机遥感具有时效高、空间分辨率高、机动灵活、可以按需获取等优点，已迅速发展成为作物长势监测的重要手段。基于植被指数的作物长势监测，已广泛应用于遥感领域。作物所有重要的植被信息可以由不同的波段组合而成，利用绿色植物对不同
中国稻米 2022年1期2022-02-26
- 基于无人机可见光影像与生理指标的小麦估产模型研究
3]。目前，作物估产手段主要分为传统和遥感两种方式。传统估产主要通过人工实地抽样开展，具有成本高、耗时费力、人工误差等缺点；遥感技术凭借其覆盖范围广、更新速度快[4]、无损获取地物信息[5]等优势被广泛应用于小麦估产，现已达到实用化阶段[2,6-7]。低空无人机可为小尺度遥感影像的获取提供平台，具有操作方便、快速高效、成本较小等特点[8-9]。国内外学者在作物估产方面的研究已取得了丰硕成果[10-14]。如李昂利用无人机搭载数码相机获取影像，进而构建水稻从
麦类作物学报 2021年10期2021-12-08
- 基于无人机影像自动检测冠层果的油茶快速估产方法
冠层果的油茶快速估产方法严恩萍，棘 玉，尹显明，莫登奎※（1. 中南林业科技大学林业遥感大数据与生态安全湖南省重点实验室，长沙 410004；2. 中南林业科技大学南方森林资源经营与监测国家林业与草原局重点实验室，长沙 410004；3. 中南林业科技大学林学院，长沙 410004）快速准确的产量估算对油茶经营管理和可持续发展具有重要意义。该研究针对油茶快速估产的应用现状，提出一种基于无人机影像自动检测冠层果的方法用于油茶快速估产。首先借助无人机航拍影像，
农业工程学报 2021年16期2021-11-26
- 基于CNN-RNN网络的中国冬小麦估产
型[5]等传统的估产模型预测作物产量，这些模型通常对于某一区域的特定农作物产量预测精度较高，但很难推广到拥有大规模种植区域以及需要进行多农作物产量预估的地区和国家[6-8]。随着传感器的发展，遥感卫星可以获得大量高质量、高时空分辨率的图像，为大尺度农作物产量预测提供了可能。遥感卫星捕获的光谱信息能充分反映农作物的生长状态，以往的研究者大多倾向于从影像中提取作物相关指标来建立与作物产量之间的关系[9-11]，如归一化差异植被指数（Normalized Dif
农业工程学报 2021年17期2021-11-25
- 基于遥感监测技术的黑龙江省水稻产量估测
0500）传统的估产方式主要以统计及气象预测相结合的手段进行，需要消耗大量的劳动力和时间，存在诸多弊端和局限。随着科技的发展，遥感技术不仅可以获取农作物种植面积，实现空间分布的准确定位，而且能用于产量估算［1］。而TM数据相较于卫星遥感数据，具有高空间分辨率的优点，但由于天气因素即稻谷生长期间多阴雨，对数据的准确程度具有一定影响，因此需与其他的遥感数据复合利用。此外，常用的NOAA 气象卫星提供的AVHRR数据具有动态性高、覆盖面积大等优点。综上所述，本文
乡村科技 2021年27期2021-10-18
- 基于Shapley值组合预测的玉米单产估测
据将推动农业遥感估产的发展[11]。目前，遥感估产方法中常采用的统计模型、机理模型和半机理模型等均能够较好地对作物进行估产[12]。但由于在实际应用中机理和半机理模型存在需要输入较多的参数问题，因此机理和半机理模型存在一定的局限性。而统计模型其估产的精确度依赖于选取遥感影像的时相，对作物的生长和产量形成的机理解释性不强[12]，因此在实际应用中同样具有一定局限性。在作物生长过程中，经常受到各种因素影响，同时，这些因素在作物不同生育时期产生不同的影响，即使采
农业机械学报 2021年9期2021-10-13
- 引入地形特征的田块尺度玉米遥感估产与空间格局分析
测方法多采用传统估产法、农学估产法及气象统计法等。其中，农学预报法主要根据产量器官参数如有效穗数、百粒重、平均穗粒数等估算产量，受作物种类、品种、耕作制度等限制[1]；气象统计法以天气要素预测产量，发展较为成熟，但存在单一气象因子估产精度不足且各要素空间插值方法不同，难以划定气象站数据范围的问题[2]；传统估产法中地面采样工作采集样本数据规模较小、时间周期长、气象条件限制，样本实验室理化性质检测结果存在滞后性的问题，难以满足及时、准确的作物估产和田间作物生
科学技术与工程 2021年24期2021-09-13
- 基于Stacking法的无人机光谱遥测冬小麦产量
开花期和灌浆期的估产精度均为最高；利用Stacking方法构建的次级学习器模型以Cubist模型的估产效果最佳，MLR和Cubist模型的估产精度在各个时期均得到了提升。基于Stacking方法融合估产模型能够显著提升冬小麦的产量估算精度，为今后的估产研究提供参考。多光谱；植被指数；Stacking；模型0 引言【研究意义】冬小麦作为我国主要粮食作物之一，在粮食系统中占据主要地位，是国家安全稳定和人民生活水平的保障，对收获前冬小麦产量进行预测能够宏观调控粮
灌溉排水学报 2021年8期2021-09-02
- 冬小麦产量的高光谱遥感监测综述
键农学参数监测及估产模型的研究进展，达到冬小麦产量反演的目的。1 叶面积指数高光谱监测在遥感长势监测中，叶面积指数是最常用的用于表征作物生长发育情况的综合参数[3]。目前，叶面积指数反演模型中用到较多的植被指数为归一化植被指数NDVI、比值植被指数RVI、垂直植被指数PVI、OSAVI等，其中NDVI[4]使用更广泛。陈雪洋等[5]研究植被指数NDVI、RVI、SAVI、EVI建立的LAI监测模型，NDVI估算精度最高。夏天等[6]得出植被指数RVI、DV
科学技术创新 2021年22期2021-08-16
- 基于趋势单产和干旱指数的河南省冬小麦单产估算
-2]，因此作物估产一直是农业研究热点和难点。近年来,由于全球气温升高，越发频繁的极端气候严重影响作物生长，国家粮食安全面临极大挑战，因而气候异常情况下及时获取作物产量信息能够为相关部门应对极端气候、保障粮食安全提供决策依据。几十年来，众多不同领域的学者做了大量相关研究，使传统作物估产技术得到快速发展。目前作物估产模型有上百种，模型的理论基础和特点各不相同。从模型建立的理论角度看，当前主流的作物估产模型可以分为经验统计模型、光能利用率模型、作物生长模拟模型
麦类作物学报 2021年4期2021-05-25
- 基于改进YOLOv3的温室番茄果实识别估产方法*
主要生长区域，即估产图像采集区域。随着植株不断生长，通过释放缠绕于主茎的吊线进行落蔓，使得估产区域相对地面保持高度不变，本文以该高度区域内的番茄植株为探测对象。智能估产设备以植株行间轨道为支撑进行移动，其视觉系统实时获取两侧番茄植株图像信息。图1 工厂化番茄种植环境Fig. 1 Tomato factory-planted environment1.2 番茄估产图像采集系统如图2所示，估产视觉系统包括双目视觉摄像机和二自由度云台机构。摄像机选用FL3-U3
中国农机化学报 2021年4期2021-05-11
- 基于无人机多光谱遥感数据的烟草植被指数估产模型研究
感植被指数的作物估产手段得到迅速发展。任建强等[6]以美国玉米为研究对象，各州为估产试验区，利用归一化植被指数（Normalized difference vegetation index，NDVI）和各州玉米产量构建估产模型。结果表明，利用模型计算的玉米单产相对误差仅为2.12%。LIAQAT等[7]以巴基斯坦的整个印度河流域为研究区，并通过多种植被指数如土壤调整植被指数（Soil adjusted vegetation index，SAVI）和改良土壤
山西农业科学 2021年2期2021-02-24
- 基于无人机影像的SEGT 棉花估产模型构建
）0 引 言作物估产对保障国家粮食安全、经济政策制定和农业可持续发展具有重要意义[1]。棉花是中国重要的经济作物，及时了解棉花的长势和产量，不仅对加强其生产管理和生产计划安排有利，也对棉花外贸和进出口计划制定有直接帮助，便于农业部门提前实施相应的管理与决策，获得更好的经济及环境效益[2-3]。随着信息技术的不断发展，对作物产量的估算研究已经从传统的地面测量发展到了多维时空的遥感估算[4]。遥感技术由于具有宏观性强、获取信息快、感测范围广等特点，已被广泛应用
农业工程学报 2020年16期2020-10-21
- 基于植被长势的香蕉区域估产信息扩散模型*
被长势的香蕉区域估产信息扩散模型*蔡大鑫，刘少军，陈汇林，田光辉（海南省气象科学研究所/海南省南海气象防灾减灾重点实验室，海口 570203）基于Landsat-8和MODIS数据，首先采用面向对象方法对海南岛香蕉种植区的空间分布进行初次提取，然后采用基于时序植被指数的马氏距离方法进行二次提取，最后对两次提取结果进行空间叠加，采用随机选点实地验证的方法对分类精度进行评价。针对区域估产样本数量少的问题，统计2014−2015年的MODIS数据和2015年的香
中国农业气象 2020年9期2020-09-18
- 遥感技术在大豆种植情况监测中的应用
种植;种植面积;估产中图分类号：TP311 文献标识码：A文章编号：1009-3044（ 2020）21-0221-03开放科学（资源服务）标识码（OSID）：1 概述中国是农业大国，大豆是我国重要的粮食和经济作物之一。从生产来看，大豆为中国第五大粮食作物，播种的面积仅次于玉米、稻谷、小麦、马铃薯。截止到2018年全国大豆种植面积到12700千公顷，大豆产量1200万吨以上。自2019年初中国农业农村部制定印发《大豆振兴计划实施方案》，中国大豆振兴计划各项
电脑知识与技术 2020年21期2020-08-21
- 山东省冬小麦单产监测与预报方法研究
高、效率低的传统估产方式节省了时间和成本，为农作物估产提供了科学有效的手段[1-2]。利用遥感进行作物产量估算的方法主要包括：遥感统计估产模型、干物质-产量模型和作物模型模拟。遥感统计估产模型通过建立遥感变量与产量之间的关系表达式来进行产量估算[3-5]；干物质-产量模型先基于遥感数据估算作物的地上生物量，再通过收获指数转换成作物的经济产量[6-7]；遥感作物模型模拟是将遥感数据作为模型校正的数据源之一，对作物模型进行参数本地化后，在气象、土壤、作物种植信
农业机械学报 2020年7期2020-07-24
- 基于多时相无人机遥感植被指数的夏玉米产量估算
。遥感技术在作物估产方面具有快速、无损、尺度大的优势，已成为精准农业的研究热点[5-6]。在作物遥感估产中，基于卫星遥感的作物产量估算具有传感器种类多、监测区域面积广等优势。文献[7]以美国玉米为研究对象，以各州为估产区，通过归一化植被指数(Normalized difference vegetation index，NDVI)与玉米单产间的最佳估产模型对2011年各州玉米单产进行了估算，并推算出全国玉米单产，结果表明，全国玉米单产的相对误差仅为2.12%
农业机械学报 2020年1期2020-03-11
- 基于卷积神经网络的中国北方冬小麦遥感估产
国北方冬小麦遥感估产周 亮1,2,3，慕号伟1,2,3，马海姣4，陈高星5（1. 兰州交通大学测绘与地理信息学院，兰州 730070； 2. 地理国情监测技术应用国家地方联合工程研究中心，兰州 730070；3. 甘肃省地理国情监测工程实验室，兰州 730070； 4. 西北农林科技大学水利与建筑工程学院，杨凌 712100； 5. 北京地空数驰科技有限公司，北京 100871）针对传统的农作物估产方法过度依赖人工经验，以及实地采样成本高等问题。该研究使用
农业工程学报 2019年15期2019-09-24
- 基于环境产量模型和生物产量模型的禹城市夏玉米遥感估产研究
业发展中运用遥感估产已经成为最具研究力的课题，是21世纪农业发展进步的方向[1]。农作物估产在20世纪50年代就已经广泛应用于世界各国的农业生产指导和粮食安全监测。随着各国遥感技术的发展，自20世纪70年代，遥感技术开始出现在农业生产研究中[2]，总体来看，主要研究集中在低空间分辨率的，大片区域尺度的的农业估产，如任建强、王长耀等[3～5]利用逐步回归方法得到了冬小麦关键生育期内MODIS-NDVI 和 MODIS-EVI 数据与产量的估产模型；闫岩、李卫
绿色科技 2019年6期2019-04-12
- 农作物气象卫星遥感监测和估产研究进展及前景探讨
程中，为农作物的估产带来了很大的便利。这一技术不仅符合当今发展潮流，而且够提高农业科技化水平。卫星遥感技术获取信息速度更快、信息量更大，在农业中发挥着巨大作用，有非常好的发展前景，近几年来人民对于卫星遥感技术的重视程度在不断的提高，本文对卫星遥感监测的发展现状及发展前景进行研究，分析其在农业估产中的作用。1、卫星遥感估产的基本原理分析我国传统的农作物估产方法一般有两种，分为农学、气象模式，这俩种方法都是由人工来观察监测的，但是这一方法必须由人工来将影响农作
农民致富之友 2018年17期2018-09-26
- 基于普通数码影像的单株桃树估产方法
码影像的单株桃树估产方法，为实现桃树产量的高精度、低成本估测提供参考。[方法]以安徽省滁州市张山桃园为试验区，利用数码相机分别从西北、东南两个方向对抽取的成熟期单株桃树进行拍摄，通过改进的分割算法和特征空间的优化进行果实信息提取，进而选取斑块数量、周长和面积作为特征参数估测单株桃树产量。[结果]采用双方向拍摄的斑块数量之和的建模（y=0.9748x+0.3995）精度最高，预测值与实际值间的决定系数（R2）达0.9049，均方根误差（RMSE）达0.21，
南方农业学报 2018年3期2018-09-10
- 河南省冬小麦产量遥感监测精度比较研究
不断发展，农作物估产研究已经从小范围、二维尺度的传统地面测量发展到大范围、多维时空的遥感模型估算[4]。归一化植被指数是作物估产中应用最为广泛的一种植被指数，不仅可以反映植被的各种生育特征，还能消除因太阳高度角、地形、阴影和大气等其他条件对卫星探测光谱信息的影响，其变化与作物生长状况、发育时期关系非常紧密[5-10]。其中以时间序列MODIS-NDVI作为数据源的农作物估产研究较为广泛，MODIS数据虽然空间分辨率较低，但其具有高时间分辨率、高光谱分辨率以
中国农业信息 2018年2期2018-07-28
- 基于无人机遥感植被指数优选的田块尺度冬小麦估产
1]。无人机遥感估产主要借鉴卫星遥感估产方法，但在遥感平台、传感器类型、时空分辨率等方面与卫星遥感观测存在显著差异[12]，故此类方法是否适用于无人机遥感研究有待验证与改进。同时，需要将无人机遥感快速高效的特点与农业实际经营管理情况相结合，因此亟需优选出简单实用的无人机遥感估产方法以辅助精准农业的管理与决策。目前，基于植被指数的经验统计作物估产模型被广泛用于遥感。为提高遥感估产精度，经典的基于光学遥感的经验统计方法得到了不断改进，例如：采用非线性统计模型，
农业工程学报 2018年11期2018-06-21
- 基于高分二号—NDVI的大豆遥感估产的时相选择
北地区的大豆遥感估产的最佳时期。7月下旬至8月中旬獲取的作物NDVI与作物产量之间的相关性最强，并且不同时期的NDVI之间的相关性非常弱，在利用NDVI预测大豆单产时要采用7月下旬和8月中旬两个时期的NDVI。NDVI与大豆单产之间存在线性正相关关系，NDVI与大豆单产的相关性并不是很高，表明NDVI并不是惟一与大豆单产有关的变量。关键词：大豆；植被指数；NDVI；遥感；估产中图分类号：S565.1 文献标识码：A 文章编号：0439-8114（2018）
湖北农业科学 2018年6期2018-05-09
- 基于多时相MODIS-RVI的玉米遥感估产研究
的发展，其在作物估产研究中发挥着越来越重要的作用[1]。根据原理可将遥感估产模型分为经验统计模型、光能利用率模型、作物生长模拟模型以及耦合模型4类，本文采用经验统计模型。在遥感估产模型研究的起步阶段，应用最广泛的是经验统计模型，其原理简单、数据容易获取，且在区域估产中精度高，现在依然被广泛使用。王人潮[2]等分别使用RVI和LAI建立了水稻产量预报模型；李卫国[3]等将气候条件加入使用NDVI、RVI建立的回归模型中进行综合分析，建立了小麦的遥感估产模型；
地理空间信息 2018年3期2018-03-27
- 基于开花期卫星遥感数据的大田小麦估产方法比较
感数据的大田小麦估产方法比较谭昌伟，杜颖，童璐，周健，罗明，颜伟伟，陈菲（扬州大学江苏省作物遗传生理国家重点实验室培育点/粮食作物现代产业技术协同创新中心，江苏扬州 225009）【目的】卫星遥感具有覆盖范围广、获取速度快、信息量大、动态性强等优势，能够及时准确地获取作物产量信息，反映作物产量空间变化趋势。遥感技术作物估产已成为现代农业生产中研究热点。通过改善遥感估产建模方法，以实现进一步提高大田作物遥感估产精度，为宏观了解不同区域作物产量形成情况及变化趋
中国农业科学 2017年16期2017-09-03
- 基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究
的区域冬小麦遥感估产研究李 冰1,2,黎世民1,周 磊3,黄灿辉3,王来刚1*(1.河南省农业科学院 农业经济与信息研究所，河南 郑州 450002； 2.郑州澍青医学高等专科学校，河南 郑州 450000； 3.河南省农业遥感监测中心，河南 郑州 450002)以河南省开封市为研究区，采用2005—2013年种植区域冬小麦生育期内16 d合成的250 m空间分辨率的归一化植被指数(NDVI)之和，与冬小麦产量数据进行相关分析，筛选得到最佳遥感估产时相，建
河南农业科学 2017年6期2017-07-05
- 一种基于趋势单产和遥感修正模型的混合估产模型
感修正模型的混合估产模型陈昌为1,2,3，朱秀芳1,2,3，蔡毅1,2,3，郭航4（1北京师范大学地表过程与资源生态国家重点实验室，北京 100875；2北京师范大学遥感科学与工程研究院，北京 100875；3北京师范大学地理科学学部，北京 100875；4北京市统计局，北京 100875）【目的】在分析国内外农作物估产方法的相关研究进展基础上，将传统统计估产方法和遥感估产方法相结合，提出一种新的混合估产模型。【方法】该模型由趋势单产、遥感修正单产和随机误
中国农业科学 2017年10期2017-06-15
- 新疆棉花估产遥感的应用研究进展
01)新疆棉花估产遥感的应用研究进展闫豫疆1，李 佩2，陈冬花1，李 虎1， 黄新利1(1.新疆维吾尔自治区卫星应用中心，新疆乌鲁木齐 830000；2.河南省地质矿产勘查开发局第四地质勘查院，河南郑州 450001)阐述了遥感估产的基本原理及方法，对棉花遥感估产研究进行了重点分析，并总结了新疆棉花遥感估产中存在的问题，最后展望了今后的研究方向和发展前景。遥感；棉花；估产新疆地处我国西北部，总面积约166万km2，为温带大陆性气候，年日照时数在2 000
安徽农业科学 2016年36期2017-01-18
- 基于Landsat的小麦估产模型及其应用
ndsat的小麦估产模型及其应用王海君1，许捍卫1，金文韬1（1.河海大学 地球科学与工程学院，江苏 南京 211100）针对华北地区旱情导致小麦减产的问题，提出了利用Landsat遥感影像信息，结合小麦生长关键时期的降雨量以及种植区距离灌溉水源的位置关系，建立小麦估产模型，通过降雨预报信息估算小麦单产产量，并将其应用在作物种植选择方面，以提高农田的产值与农民的经济效益。Landsat影像信息；降雨量；灌溉水源；小麦估产模型；效益针对华北平原旱情的特点，选
地理空间信息 2016年12期2016-12-28
- 基于冠层NDVI数据的北方粳稻产量模型研究
上旬的组合模型是估产最理想的模型，其判定系数(R2)为0.771，相对误差(RE)为4.06%，均方根误差(RMSE)为0.474 t·hm-2，精度较高，具有可行性，据此确定北方粳稻最佳估产时间是6月中旬的分蘖盛期和8月上旬的抽穗期。粳稻；NDVI；相关性；回归分析水稻产量是各级政府进行决策、生产部门指导农业生产、流通领域安排粮食收购和销售、交通部门安排运输计划的重要经济信息，因此，及时准确地预报水稻产量具有重要的实用价值[1]。粳稻是北方主要粮食作物，
浙江农业学报 2016年10期2016-11-24
- 河南省冬小麦估产
——基于MODIS-EVI和NDVI模型
院河南省冬小麦估产 ——基于MODIS-EVI和NDVI模型张 帝 宋雅宁 于强静河南大学环境与规划学院粮食问题关乎国计民生，本文笔者选取河南省的3、4、5月的EVI和NDVI数据，得到精度较高的产量预测模型。结果表明：（1）5月EVI与小麦产量相关性最高，并得出精度较高的多元回归模型。（2）EVI可能比NDVI更适合于估产建模。冬小麦估产；NDVIEVI；相关分析；回归分析一、研究区概况河南省全省多平原地区，处于中国的中东部分。其地理位置介于31.38
环球市场 2016年5期2016-08-22
- 基于地级市的区域水稻遥感估产与空间化研究
行产量估算，全省估产结果精确度均值达到99.46%，各市的精确度基本维持在95%左右。在估产结果的基础上，依据最大植被指数的空间分布，将以行政区域为单位的单产值转化到以单个像元为单元的单产值。这不仅细化了区域水稻估产结果，为更直观地了解水稻田产量信息提供了可能，而且可以用于指导水稻品种改良和栽培技术改进等工作。关键词：MOD09A1；水稻；面积提取；估产；空间化；江苏省中图分类号： S127文献标志码： A文章编号：1002-1302（2015）11-05
江苏农业科学 2015年11期2016-01-27
- 不同施氮量下小麦遥感估产模型构建
义，及时掌握小麦估产信息可以辅助政府相关部门进行科学管理及决策。由于中国小麦种植面积大，统计上报比较费时，而遥感技术以其大尺度、信息量大等特点，在农作物面积、长势的宏观监测和估产方面有广泛应用［1-5］，在小麦估产方面的研究也越来越多。选取与产量相关性高的光谱指数在小麦遥感估产模型研究中至关重要。已有关于小麦遥感估产的研究多是在均一种植条件下进行的，并且也取得不少研究成果。例如，有研究者发现，归一化差值光谱指数与产量在各个生育期都达到了显著或极显著相关水平
江苏农业学报 2015年6期2015-03-26
- 基于SAR技术的高原山区烟草估产模型
大面积烟草的快速估产需要。关键词：高原山区；烟草；估产；合成孔径雷达中图分类号： S127文献标志码： A文章编号：1002-1302（2015）02-0393-03收稿日期：2014-03-31基金项目：贵州省科技计划 （编号：黔科合GY字〔2013〕3062）。作者简介：符勇（1989—），男，河南郑州人，硕士研究生，研究方向为地理信息系统与遥感。E-mail：user51@sina.com。通信作者：周忠发，教授，研究方向为地理信息系统与遥感。E-m
江苏农业科学 2015年2期2015-03-12
- 利用3S技术定量估测张家港市水稻生产力
关键词：3S技术估产；水稻遥感估产；水稻估产精度；估产模型构建；NDVI指数；智慧农业中图分类号：S126 文献标识码： A DOI 编码：10.3969/j.issn.1006-6500.2014.12.014农业为立国之本，现代农业科学技术可以推进耕地资源的高效合理利用、促进农业的现代化精准管理。张家港市是一个以农业为主的新兴城市，在进入21世纪的前10年正处于快速的农村城市化阶段[1]。随着城市化的发展，人民生活水平有了较大幅度改善，但也带来了诸多生
天津农业科学 2014年12期2014-12-11
- 利用3S技术定量估测张家港市2005—2008年小麦生产力
：3S技术；遥感估产；小麦；估产精度；估产模型；NDVI中图分类号： F061.1 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2014.11.016农业是国民经济的基础，这决定了农业是粮食安全和经济安全的基础。利用农业科学技术可以建立城市粮食安全系统，科学地指导粮食生产，估测粮食产量，对可能发生的问题及时提供解决方案，能够有效地提高城市可持续发展水平。张家港市是一个以农业为主的新兴城市，在进入21世纪的前10年，张家港
天津农业科学 2014年11期2014-12-09
- 基于RS和GIS的农作物估产方法研究进展
em,GIS)的估产方法等4类[1-3]。其中，基于RS和GIS的估产方法能够实现对农作物大面积实时化高精度估算，相对于传统估产方法具有实时、准确的优势，近年来得到了大量的研究应用。国际上在该领域的代表性研究有20世纪70年代美国开展的“大面积农作物估产实验”(large area crop inventory experiment,LACIE)计划[4]和20世纪90年代欧盟开展的遥感数据应用于农业统计的十年研究项目(monitoring agricul
自然资源遥感 2014年4期2014-02-02
- GIS支持下的临汾市冬小麦动态估产模型研究
市冬小麦动态气象估产模型，经验证模型估产误差较小，稳定度较高。1 资料和方法本研究选用的资料为临汾市各县（市）1981—2008年的气象站地面观测资料和冬小麦产量资料。1982—2007年数据用于建模，2008年的数据用来验证估产模型的准确性。气象观测资料包括旬降水量（mm）、旬平均气温（℃）、旬日照时数（h）；产量资料来自临汾市各县（市）冬小麦单产（kg/hm2）；地理信息数据来自临汾市各县（市）边界矢量文件及冬小麦种植区矢量图层（矢量图层通过解译MOD
山西农业科学 2012年5期2012-10-22
- 植被指数在典型草原生物量遥感估测应用中的问题探讨
因此被广泛应用于估产［1－3］、土地利用动态监测［4－6］、水质评价［7－9］、灾害监测［10－12］等方面。随着遥感技术的发展，20世纪70年代后期遥感信息作为变量被引入到估产模型中［13］，研究者结合农学知识和环境因素预测农作物、草地产量等。我国草地卫星遥感研究始于20世纪80年代初［14］，研究区多集中在我国新疆北部［15－18］和内蒙古地区［19－22］，现已建立了大量的遥感估产模型，目前，遥感技术（RS）、地理信息系统技术（GIS）和全球定位技术
草业学报 2012年1期2012-06-08
- 基于植被指数的新疆棉花遥感估产模型研究
数的新疆棉花遥感估产模型研究刘姣娣1,曹卫彬1,李华1,唐湘玲2,欧阳异能2(1石河子大学机械电气工程学院,石河子832003;2石河子大学师范学院,石河子832003)利用植被指数与棉花产量的关系建立了棉花遥感估产模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以新疆棉花各生育期的不同卫星数据,构建相关植被指数,并与实际棉花产量进行回归分析,建立了棉花单产的遥感估算模型。结果表明:以棉花最佳估产时相期植被指数与棉花产量构建的产量估算模型
石河子大学学报（自然科学版） 2011年2期2011-01-08
- 遥感技术在作物生长监测与估产中的应用综述
10128）遥感估产是根据生物学原理，在收集分析各种粮食作物不同光谱特征的基础上，通过卫星传感器记录的地表信息，辨别作物类型，监测作物长势，并在作物收获前，预测作物的产量的技术。该技术在对作物进行识别和提取播种面积的前提下，对长势进行监测并预报产量[1]。传统作物估产采用人工区域调查方法，速度慢、工作量大、成本高。现代卫星遥感技术（以下简称遥感）具有宏观、快速、准确、动态的优点，目前已被广泛应用于各种粮食作物产量的估算之中。不同类型的作物波谱特性不同，依光
湖南农业科学 2010年11期2010-08-15