[目的]准确估算区域尺度作物产量是确保粮食安全，发展生态、安全农业的关键。[方法]文章以山西省重要的粮食产区——运城盆地为例，利用2020年空间分辨率为10m的Sentinel-2A数据和时间分辨率为1天的MODIS数据，采用STNLFFM（Spatial and Temporal Nonlocal Filter based Fusion Model）算法并结合光能利用率模型进行夏玉米NPP（Net Primary Production）模拟和产量估测。[结果]融合后的NDVI数据能较好地继承Sentinel-2A NDVI数据的空间细节，同时能够较好地表达较小地物之间空间差异；STNLFFM NDVI时序曲线能准确地反映夏玉米种植时期的NDVI变化趋势和局部突变信息，比MODIS NDVI时序曲线更符合夏玉米实际生长状况。运城盆地夏玉米种植区累积NPP均值为667.42 gC·m~(-2)，其中西北部的涑水河冲湖积平原，受人类活动影响显著，灌溉条件较好，NPP累积量较高，为700～900 gC·m~(-2)。东北部山区和北部台塬区受地形破碎程度较高影响，NPP累积量小于500 gC·m~(-2)。基于STNLFFM NDVI构建的估产模型精度（R~(2)=0.849，MAPE=5.47%）显著高于基于MODIS NDVI数据的估产模型精度（R~(2)=0.113，MAPE=15.65%），说明利用时空融合技术能够有效提高夏玉米单产估测精度。[结论]该文可以为多源遥感数据融合与光能利用率模型协同估产提供了新的思路。

利用美国国家海洋大气总署（ＮＯＡＡ）卫星空间覆盖度宽，运行周期短，资料获取时次多的特点，通过地面光谱观测寻求玉米遥感估产最佳时相期，经过对ＲＶＩ理论推导得出ｆ值，在ＲＶＩ混合象元中提取玉米长势信息，建立了河北省空间玉米遥感估产模式。经过三年的预报结果检验，误差小于５％

区域尺度的作物生长动态监测和产量预测对于保障粮食安全和农业政策的制定具有重要参考依据。遥感数据同化应用极大提高了作物估产的时效性和精度。为及时、准确地实现县级尺度粮食产量的估测，以及提升产量估测的精度，以辽宁省铁岭县为研究区，采用WOFOST(world food studies)模型与遥感同化相结合的方法对铁岭县玉米进行估产研究。通过采用扩展傅里叶幅度敏感性检验算法（extened Fourier amplitude sensitivity test,EFAST）敏感性分析方法实现玉米估产敏感性参数的分析，以及本地化；通过采用参数自动率定程序PEST(parameter estimation)实现参数的优化，验证结果为采样点产量的平均误差为852.39 kg·hm~(-2)，模型模拟的精度达到92.82%。为进一步提高和优化模型估产精度，将遥感反演得到的叶面积指数采用集合卡尔曼滤波算法与模型模拟的叶面积指数进行数据同化，平均误差从同化前的852.39 kg·hm~(-2)降低为435.01 kg·hm~(-2)，估产精度从92.82%提高到96.33%，有效提高了WOFOST模型估产的精度。结果表明：水分对玉米的生长发育限制并不大，其产量形成主要受光温影响，对温度、光能利用效率和最大同化速率有关的参数具有较高的敏感性；优化后的模型能够较好模拟铁岭县玉米生长发育情况，产量验证表明优化后的模型模拟的效果较好，但仍存在一定的误差；比值植被指数与叶面积指数的相关性最高，反演模型精度较好，反演结果表明叶面积指数在抽雄吐丝期差距较大，而在成熟期的差距不大；经过作物模型与遥感数据同化之后，估产的精度得到明显提高，说明遥感与作物模型同化是一种有效地提高作物估产和产量预测精度的方法。

以Landsat-5和SPOT5数据为数据源,运用标准差、信息熵、最佳指数以及清晰度等评价指标,采用Brovey变换、Gram-Schmidt变换、主成分(PC)变换3种融合方法,开展湿地分类适用性研究,旨在找到一种适用于湿地的遥感影像融合方法。研究表明:Landsat-5卫星的543波段组合与SPOT-5影像第3波段的主成分(PC)变换融合最适应于湿地,融合后影像分类总体精度比Landsat-5影像提高了4.43个百分点,比SPOT-5影像提高了3.06个百分点;融合后影像水域、泥沙滩地、草滩地、芦苇滩地以及水田的用户精度与制图精度均高于Landsat-5影像与SPOT-5影像;融合后影像林...

湖南省森林资源丰富,但森林质量不高,抗逆能力较差,林地干旱及其次生灾害已成为湖南林业发展的重大威胁。文中通过多源遥感数据融合模型(STARFM模型与SADFAT模型)将高时间分辨率的MODIS数据和高空间分辨率的LANDSAT数据进行融合,从融合后的影像中提取地表温度(LST)与植被指数(NDVI)2个林地干旱因子,构建温度-植被干旱指数模型(TVDI),利用模型对湖南省2016年6—8月森林生长季每月3天的林地干旱进行了反演,绘制了林地干旱专题图,并对湖南省夏季干旱分布情况进行了分析,为准确、快速地对湖南省林地干旱进行监测和预警提供了一种科学方法。

【目的】揭示棉花产量与冠层光谱植被指数相关关系,建立棉花高光谱估算模型,促进高光谱技术在棉花长势监测和估产中应用。【方法】结合棉花生长发育规律,对棉花各时期冠层进行高光谱反射率测定,根据光谱曲线特征构建高光谱植被指数,基于棉花盛蕾期至吐絮后期7次地面光谱和产量测定,对光谱反射率与产量进行统计分析。【结果】各生育期可见光波段、近红外波段及短波红外波段光谱反射率与产量间分别达显著负相关、显著正相关与显著负相关水平。根据棉花冠层光谱波形特征,利用植被红边波段560nm反射峰、670nm吸收谷、近红外波段890nm反射峰、980nm和1210nm两个弱水汽吸收谷、短波红外1650nm和2200nm反射...

[目的]以高分时序遥感影像为基础数据源,结合土地承包经营权地块数据,对冬小麦遥感估产方法及其精度进行研究和分析。[方法]文章以河南省兰考县为研究区,采用2019年4―5月份的GF-1C和GF-6 2 m PMS遥感影像提取了研究区冬小麦种植空间分布,并在地块单元控制下对冬小麦种植面积进行了修正和精度验证。其最优提取结果的修正阈值为0.93,地块单元内冬小麦总体分类精度为95.66%,Kappa系数为0.89。利用3月7日至5月20日6期GF-1 WFV遥感影像序列NDVI和RVI与冬小麦种植地块单元数据进行空间统计,得出各冬小麦种植地块单元内NDVI和RVI均值,通过分析冬小麦测产地块单元内均值植被指数与产量间的敏感性,提出一种组合均值植被指数的冬小麦遥感估产模型构建方法,通过交叉验证法对不同的估产线性回归模型进行精度评价。[结果]由4个均值植被指数组合变量的多元线性回归模型为最佳,决定系数为0.922 0,预测误差为40.96 g/m~2,预测精度为93.13%。通过该模型得出兰考县冬小麦平均产量为6 047.25 kg/hm~2,较2017年河南省统计年鉴研究区冬小麦平均单产6 001 kg/hm~2有所提高,土地承包经营权地块内和地块外冬小麦总产量分别为2.76亿kg和4 650万kg。[结论]该方法实现了冬小麦估产结果以像元为单位向以地块单元为单位的转变,解决了模型构建时光谱信息与实测产量间对应问题,为利用国产高分卫星进行县域地块尺度遥感单产精准化估算提供了方法支撑。

农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000—2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技...

【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势提供直观、可靠的参考。【方法】论文结合2011—2012年江苏省大丰、兴化、姜堰、泰兴、仪征5个县区的定点观测试验,以国产卫星产品HJ-1A/1B影像为遥感数据,于小麦开花期开展大田定位观测区卫星遥感植被指数、关键生长指标与收获

TM遥感影像中专题信息的自动提取是目前遥感界的研究热点,也已成为遥感信息生产流程中的瓶颈环节。本文分析了耕地专题信息自动提取的研究现状,选取了吉林中部和辽宁省东北部作为研究区,采用监督分类的方法对研究区TM遥感影像进行分类,提取了玉米地专题信息,玉米地信息的提取精度为85.5%。根据遥感影像目视解译的原理,提出了基于多特征空间的遥感影像专题信息自动提取的研究方法,通过对多特征空间的数学描述和计算机处理实现遥感专题信息的自动提取。采用多特征空间的方法将玉米地信息分为光谱特征空间、形状特征空间、区域地学特征空间和干扰特征空间,应用ERDAS8.5遥感图像处理软件中的knowledge engine...

【目的】叶绿素是植物光合作用中重要的色素。利用作物光谱信息对叶绿素含量进行反演,为作物的实时监测和生长状态诊断提供重要依据。【方法】以大田环境下不同氮肥水平(0,50%和100%)的开花期玉米为研究对象,利用轻小型无人机搭载数码相机,获取试验区RGB影像。使用土壤调整植被指数(soil adjusted vegetation index,SAVIgreen)对图像进行分割,基于分割前后的影像分别提取15种常见的可见光植被指数,综合分析指数与玉米冠层叶绿素相对含量SPAD值的相关关系。采用单变量回归模型、多元逐步回归模型和随机森林(random forest,RF)回归算法构建玉米SPAD值的遥感估算模型,通过模型精度评价指标决定系数(coefficient of determination,R2)、均方根误差(root mean square error,RMSE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P<0.01),确定最佳指标和最优模型。【结果】基于分割前后的数码影像提取的VIplot和VIplant植被指数与玉米冠层SPAD值之间具有显著的相关关系,其中VIplant中的红光标准化值(NRI)、归一化叶绿素比值植被指数(NPCI)、蓝红比值指数(BRRI)、差值植被指数(DVI)与SPAD值的相关性在0.77以上;以相关性高于0.77的VIplant指数NRI、NPCI、BRRI、DVI构建的线性、指数、对数、二次多项式、幂函数的单变量回归模型中,NRI指数构建的二次多项式模型效果最好,决定系数R2为0.7976,RMSE为4.31,MRE为5.91%。在VIplant指数NRI、NPCI、BRRI、DVI参与建立的多变量SPAD反演模型中,使用随机森林方法的模型精度最高,决定系数R2为0.8682,RMSE为3.92,MRE为4.98%,而多元逐步回归模型的精度高于任意单变量回归模型,决定系数R2为0.819,RMSE为4,MRE为5.67%;对数码影像结合各模型制作的SPAD分布图进行精度分析,使用随机森林回归模型对SPAD的估测值与实测值最为接近,具有最佳的预测效果,R2为0.8247,RMSE为4.3,MRE为5.36%,可以作为玉米冠层叶绿素信息监测的主要方法。【结论】本研究证明将数码相机影像提取的可见光植被指数应用于玉米叶绿素相对含量的估测是可行的,这也为无人机遥感系统在农业方面的应用增添了新的手段和经验。

【目的】建立Web环境下冬小麦估产的业务化运行体系,解决冬小麦遥感估产业务化运行不足,运行效率低等问题。【方法】基于面向对象的编程技术,采用Java语言,结合ESRI的开发包MapObject for Java以及管理工具ArcSDE、ArcCatalog和ArcIMS,通过在Web上集成遥感估产和GIS,构建了Web环境下的冬小麦估产支持系统。【结果】客户端通过浏览器访问远程服务器,可以实时地获取远程服务器发布的冬小麦生长信息,并进行产量预测,从而解决了遥感估产网络环境下的运行问题。【结论】本文提出了Web环境下的冬小麦估产研究方法和框架体系,实现了冬小麦估产业务化运行系统,系统运行结果良好...

本文按照发展进程—过程方法—产生问题—提出对策的思路,论述了国内外遥感技术在农作物类型识别方法和面积提取方法的研究进展和存在的问题。阐明研制高光谱和超高光谱传感器是遥感影像获取技术的发展动态;获得高空间分辨率影像,优化和改进影像分类方法和面积提取方法,建立农作物长势监测和灾害预警系统,并与GIS和GPS技术集成应用,是遥感技术在农业领域应用的发展趋势。

快速、准确地估测作物产量不仅有利于提前掌握粮食生产状况，而且对国家粮食政策的制定至关重要。无人机遥感技术因其快速、便捷、成本低等优势，还可同时搭载多种传感器获取高时空分辨率影像，因此在作物产量估测研究中发挥了重要作用。本文首先介绍了无人机遥感估产的相关背景；其次对近二十年来无人机遥感估产的研究现状进行了概述，分别从无人机平台、传感器、估产模型构建等方面重点综述了近年来国内外无人机遥感估产的研究进展。最后讨论了影响无人机遥感估产精度的因素、尚未解决的关键技术问题以及无人机遥感估产的未来发展前景。本文为了解无人机遥感估产研究前沿、技术瓶颈、发展前景提供重要参考，为精确栽培、智慧育种提供技术支撑。

[目的]获取农作物空间分布信息,对于研究区域粮食安全、气候变化、陆地碳氮循环和水资源利用等都具有重要意义。[方法]该研究首先应用作物空间分配模型(SPAM-China模型),在5’×5’栅格尺度上重建了1980—2010年华北地区玉米空间分布信息;然后基于SPOT VEGETATION长时间序列NDVI数据,获取了该区域的作物熟制信息,并进一步划分出了华北地区春、夏玉米种植类型区;最后,重点分析了2000—2010年间华北地区春玉米和夏玉米种植区域的时空变化特征。[结果](1)1980—2010期间,华北地区玉米种植面积增加了360万hm2,增加面积集中在中南部地区,变化主要发生在2000年以后;(2)2000—2010期间,华北地区春玉米面积增加136万hm2,占该区玉米总种植面积的比例由17%上升至27%;夏玉米种植面积尽管也增加了87万hm2,但占该区玉米总种植面积的比重呈下降趋势;(3)春夏玉米混种区为华北地区玉米主产区,近年来呈现为春玉米增加、夏玉米减少的发展趋势,全区域92%春玉米面积增加和76%夏玉米面积减少均发生在春夏玉米混种区域内,可见该区以春玉米为代表的一熟制正呈现逐步取代以冬小麦—夏玉米为主二熟制的变化趋势。[结论]该文基于SPAM模型和遥感结合提取华北地区春、夏玉米种植面积的方法,为大区域、长时间尺度作物种植信息的获取提供了新思路。