[目的]农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障,还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响,在农作物遥感监测方面具有巨大的应用潜力,有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。[方法]以星载极化SAR技术的发展过程为论述主线,从单、双极化SAR数据,单、双极化SAR数据结合光学影像,全极化SAR数据三个发展阶段,对极化SAR数据在农作物分类识别中的研究与应用进行总结,并对比分析不同的识别特征、融合算法以及分类算法的优缺点。[结果]以往研究存在以下不足:当前研究多以识别水稻为主,对于难以识别的旱地作物研究较少;目前对旱地作物识别精度不高,平均识别精度不足85%;缺乏对不同作物散射机制及其随时相变化的研究,导致分类算法机理性不足,普适性较差。[结论]在今后的研究中,旱地作物散射机制的定量确定,如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性;目前分类算法大都是基于光学影像设计,如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法,得到更高的分类精度;如何更好的跟光学遥感等多源数据(光学数据、GIS数据等)结合来提高精度,将成为未来极化SAR农作物识别中三个亟需重点解决的问题。

农作物空间格局及其时空动态变化研究具有重要的理论和实际意义,已经成为地理学和生态学的前沿和热点研究问题。该文从农作物空间格局变化的特征、机理机制和模拟模型等3个方面系统总结了国内外最新研究进展,讨论了研究中存在的关键问题,并对未来发展趋势和重点进行了展望。研究认为,农作物空间格局变化特征研究主要包括基于统计数据的方法、基于遥感信息的方法和基于空间模型的方法。农作物空间格局变化机理研究主要围绕不同自然-社会经济驱动因子对农作物格局演变的作用机制开展,剖析农作物空间格局演变的内外部原因。农作物空间格局变化模拟模型从早期非空间模型发展到空间模型,而且越来较多模型对微观农户的作物选择或决策行为及其对农...

[目的]及时、准确地获取旱地作物类型、种植面积及空间分布信息,可为农业生产管理,国家粮食政策提供重要依据。文章主要是对河北省冀州市棉花、玉米、水体和建筑进行分类,比较不同时相及分类方法下RADARSAT-2数据对4种地物的分类精度。[方法](1)计算得到每个时相(2018年7月14日、8月7日、9月24日)全极化RADARSAT-2数据的39个特征;(2)结合随机森林分类器比较不同分解方法(Freeman分解、Yamaguchi分解、MCSM模型和Cloud分解)得到的特征对旱地作物的分类精度影响;(3)分析参与分类的特征数量和时相对分类精度的影响;(4)将多时相多特征相结合,确定研究区内旱地作物的最佳识别方案。[结果]不同分解方法得到的特征越多、分类精度越高;就仅使用单景影像而言,在9月24日(玉米成熟期早期、棉花吐穗期中期)总体分类精度最高;不同分解方法得到的极化特征之间有一定的相关性,同一时相下,增加参与分类的极化特征数量不能有效提高分类精度;使用3个时相上117个极化特征,结合随机森林分类器,可以得到最佳分类精度(总体分类精度达92.89%,Kappa系数为0.885 9)。[结论]结合多时相与多特征相RADARSAT-2数据,能够有效提高复杂种植结构下旱地作物的识别精度,该研究可为旱地作物种植面积的快速提取提供参考。

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...

将遥感变化检测技术结合多期遥感影像进行农作物提取，及时、准确地获取作物播种面积信息，对于制定国家／区域农业经济发展规划、指导种植业结构调整，提高农业生产管理水平具有重要的意义。文章根据变化检测方法特点出发，从硬变化检测方法 （ＨＣＤ）和软检测方法 （ＳＣＤ）等２个方面入手，以近几十年国内外重要成果为基础，首先，总述了各自的应用领域；接着分别对ＨＣＤ和ＳＣＤ各自的方法分类，方法特点、方法适用性进行了总结。分析结果认为：硬变化检测方法 （ＨＣＤ），侧重于硬变化区域的信息提取，其排他性的二值结果 （０，１）对于中、低分辨率影像，尤其是在作物破碎种植区的识别结果误差较大；而软变化检测方法 （ＳＣＤ），．．．

随着2020年新冠肺炎疫情在全球肆虐,国际环境动荡加剧引发了大众对于粮食储备问题的担忧,而及时估算种植面积对于有效应对可能的突发事件具有重要战略意义。考虑到粮食种植具有范围广、区域差异大的特点,因而进行面积估算时,混合效应模型是非常合适的选择,但现有文献多局限于解决有抽样单元的剩余区域的外推估算问题,对零样本量的域估计问题则鲜有涉及。值得注意的是,在进行农业抽样工作时,抽样数量的设计多服务于国家或省级层面,对于人口数量较少或经济程度不发达的地区,则容易出现没有样本被抽中的情况。往往这类地区是以农业为主要产业,因此忽视该类地区的农作物面积将会对我国实现农业精准监测产生显著影响。有鉴于此,本文提出使用改良后的分类混合效应模型预测方法(Modified Classified Mixed Model Prediction,MCMMP),其原理可概述如下:首先通过协变量信息对抽样单元进行聚类,然后使用混合效应模型预测所有类的随机效应,最后利用待估单元所处类的随机效应对待估单元面积进行估算。为展示MCMMP的应用潜力,本文基于山东省济宁市兖州区下属12个镇的卫星图像已经部分测绘数据,并结合“留一法”对小麦种植面积进行了估算。结果显示与现有方法相比,MCMMP具有更小的相对误差,且当感兴趣的变量为小域均值时,如村或镇范围的平均土地面积时,MCMMP依旧表现最优。

随着2020年新冠肺炎疫情在全球肆虐,国际环境动荡加剧引发了大众对于粮食储备问题的担忧,而及时估算种植面积对于有效应对可能的突发事件具有重要战略意义。考虑到粮食种植具有范围广、区域差异大的特点,因而进行面积估算时,混合效应模型是非常合适的选择,但现有文献多局限于解决有抽样单元的剩余区域的外推估算问题,对零样本量的域估计问题则鲜有涉及。值得注意的是,在进行农业抽样工作时,抽样数量的设计多服务于国家或省级层面,对于人口数量较少或经济程度不发达的地区,则容易出现没有样本被抽中的情况。往往这类地区是以农业为主要产业,因此忽视该类地区的农作物面积将会对我国实现农业精准监测产生显著影响。有鉴于此,本文提出使用改良后的分类混合效应模型预测方法(Modified Classified Mixed Model Prediction,MCMMP),其原理可概述如下:首先通过协变量信息对抽样单元进行聚类,然后使用混合效应模型预测所有类的随机效应,最后利用待估单元所处类的随机效应对待估单元面积进行估算。为展示MCMMP的应用潜力,本文基于山东省济宁市兖州区下属12个镇的卫星图像已经部分测绘数据,并结合“留一法”对小麦种植面积进行了估算。结果显示与现有方法相比,MCMMP具有更小的相对误差,且当感兴趣的变量为小域均值时,如村或镇范围的平均土地面积时,MCMMP依旧表现最优。

[目的]随着国产高分卫星的快速发展,高分卫星遥感数据在农作物类型遥感识别中获得了广泛应用。通过对农作物类型遥感识别算法的总结,可以发现农作物类型遥感识别算法的优缺点,能够提高国产高分卫星在农业遥感监测中的应用水平。[方法]文章在农作物类型遥感识别算法原理分析基础上,对农作物类型遥感识别算法进行分类,并基于高分六号宽幅数据(GF-6/WFV),在各类算法中选择1～2种典型方法进行示例说明。[结果]光谱特征的可分性是遥感识别算法的基础,根据实施方案的差异,农作物类型遥感识别算法可分为目视解译算法、机器学习法和特征指数识别算法3类。基于GF-6/WFV的随机森林的花生类作物识别、光谱空间特征指数算法的园地识别和时间序列特征指数的冬小麦识别的结果精度均大于90%。[结论]当前农作物类别遥感识别算法中,高分卫星数据都能够得到有效应用,国产高分卫星数据的应用前景广阔。

【目的】焉耆盆地是新疆重要的特色农产品生产基地,农作物种植结构较为复杂。利用时间序列的遥感数据对研究区内的农作物进行分类识别,获得不同农作物的空间分布、种植面积等信息,为政府部门制定粮食政策、经济计划提供重要依据。同时探讨时间加权的动态时间弯曲(time weighted dynamic time warping,TWDTW)方法在农作物分类识别中的适用性以及高分一号(GF-1)WFV在农业领域的应用潜力。【方法】以新疆焉耆盆地为研究区域,利用2018年作物生长季的GF-1 WFV时间序列数据集计算归一化植被指数(NDVI),基于TWDTW方法开展农作物分类识别研究。分别采集不同作物的样本点,形成各作物NDVI的标准序列。利用TWDTW相似性匹配算法计算每个待分类像元与不同作物标准序列间的相似度距离,距离值越小则相似性越高,通过对比确定像元的农作物类型,得到最终的分类结果,同时根据时间序列NDVI曲线建立决策树(decision trees,DTs)分类规则,人工设置分类阈值得到分类结果,并与TWDTW方法的结果进行对比分析。【结果】2种方法的分类结果较为一致,辣椒的种植范围最广,小麦主要分布在焉耆盆地北部和西部的农二师二十一团,番茄和甜菜的种植分布较为零星。在种植面积统计中,辣椒的种植面积最大,其后依次为番茄、小麦和甜菜。利用野外样本点对决策树和TWDTW两种方法的分类结果进行精度验证,总体精度分别为89.58%和90.97%,kappa系数为0.804和0.830,TWDTW方法的分类精度相比于决策树法略有提高。【结论】相比于决策树分类方法,TWDTW方法的分类精度略有提高的同时,分类结果客观可靠,而且算法不受地域因素限制,具有较强的灵活性和适用性。基于密集时相的GF-1 WFV数据集,采用TWDTW算法对农作物进行分类,得到较好的分类结果,能够满足农业部门的管理决策需求,该方法在农业领域具有较大的应用和推广价值。

论文以２０１２年６月至２０１４年６月期间的ＭＯＤ０９Ｑ１及２０１３年四五月的ＭＯＤ０９Ａ１为数据源，合成归一化植被指数（ＮＤＶＩ）和归一化水体指数（ＮＤＷＩ），利用ＴＩＭＥＳＡＴ软件对ＮＤＶＩ时间序列数据应用分段高斯函数拟合方法重构ＮＤＶＩ时序曲线，并获取７个物候特征（ＰｈＥＮＯｌＯｇｙ，以下简称Ｐｈ，包括生长季始期、生长季末期、生长季长度、ＮＤＶＩ振幅、ＮＤＶＩ左导数、ＮＤＶＩ右导数、生长季期间的ＮＤＶＩ积分）。结合ｌＡＮＤＳＡＴ ８ ＯｌＩ遥感影像、中国第二次土地调查数据和实地采样样本数据，根据２０１３年多种地物平滑后的ＮＤＶＩ曲线特征，将年ＮＤＶＩ最大值低于０．５的水体和建设用地掩膜去除．．．

综述了近30年来国内外农作物种衣剂的研制、生物学效应及作用机理方面的研究成果与进展情况,分析了种衣剂的现状和发展前景.

近年来中国农业保险得到了快速发展,农作物保险费率定价问题受到高度重视。产量统计模型是农作物保险精算中较为成熟、应用广泛的一种模型,适用于中国开展的农作物保险实践。论文在广泛综述国内外研究进展的基础上,探讨了产量统计模型中存在的主要问题,并就该模型未来发展的趋势进行了讨论。研究表明:(1)产量统计模型中的趋势处理和分布拟合环节是模型不确定性的两个主要来源。针对农作物单产趋势的研究,应该进一步开发可灵活表达趋势变化规律的模型,并注重趋势检测结果的验证。对于概率密度分布模型的选择必须遵循作物和风险的区域特征。(2)产量统计模型尚不能有效解决空间相关风险累加的问题。引入空间要素,形成产量的综合时空统计...

【目的】不同农作物种类光谱差异小,通过探测众多窄波段范围的细微差别,提取区分不同农作物的特征波段,是目前实现农作物高光谱遥感识别的重要途径。如何提取区分不同农作物的特征波段,进而实现农作物的精确识别是一个挑战。近来出现的随机森林方法在多变量目标的分类识别方法展现了优势,为解决这一难题提供了一个新手段。【方法】利用随机森林法与传统方法分析杭州地区8种典型农作物的反射光谱,提取特征波段并进行分类,对比不同方法的识别效果。【结果】不同作物的反射光谱及其一阶微分、二阶微分、倒数的对数、去包络线法所提取的特征波段只能区分部分作物;随机森林法无需对反射光谱预处理,直接对全波段反射光谱数据处理,不仅筛选出了区分不同作物的特征波段,且运用所选择的波段对作物进行随机森林分类的效果也是最优的。【结论】随机森林法选择的波段(550、 2 490、 370、 770、 560、 380、 540、 530、 570、 350 nm)不仅能区分不同作物,还能反映农作物生化属性的不同,使得用于分类的波段及分类方法体现了不同作物间物化性质的不同,在展现高光谱遥感识别农作物优势的同时,也为大面积农作物遥感精细分类提供借鉴。图5表5参16

[目的]卫星遥感技术具有覆盖范围广、探测周期短、调查成本低等优势而广泛应用于大区域农作物分类。然而在种植结构复杂区（如城乡结合部），因其地块破碎、同期生长的作物种类多且分布分散，利用传统的统计分类或机器学习方法进行农作物分类时仍存在精度不高的问题。为提高种植结构复杂区农作物分类精度，[方法]研究选取河北省廊坊市广阳区为研究区，以GF-1 PMS全色多光谱融合影像为数据源，采用U-Net、PSPNet及DeepLabv3+三种深度学习模型进行农作物分类研究。分析模型参数对农作物分类精度的影响，评价三种深度学习模型的农作物分类精度，优选农作物精细分类方法。[结果]（1）学习率与3种深度学习模型的分类精度呈正相关关系，较大的学习率（0.01，0.001）下，3种模型收敛速度快，分类精度高。批样本量与模型分类稳定性相关，批样本量设为100时，3种模型的分类稳定性最好。（2）相比PSPNet、DeepLabv3+模型，U-Net模型分类效果最好，总体分类精度为89.32%。（3）GF-1 PMS影像结合U-Net模型可有效提升种植结构复杂区农作物分类精度，大宗作物春玉米、夏玉米的分类精度在80%以上，花生、红薯、蔬菜小宗作物分类精度在60%以上。[结论]该研究可为准确获取种植结构复杂区的农作物类型、面积及空间分布信息提供参考依据。

[目的]无人机遥感具有高空间、高时间分辨率的优点,并可同时获得光谱和空间信息,因此在农作物分类中备受研究者的青睐。与侧重于从高分辨率RGB图像中提取纹理特征的分类方法不同,文章重点研究如何利用作物在光谱和空间维度上的联合特征尤其是作物高程特征,以实现农作物精细分类。[方法]首先,我们进行研究区域选择和地面实际情况调查,用无人机遥感系统进行可见光影像采集;其次,确定研究区域内农作物分类类别,分别对可见光遥感影像进行可见光植被指数计算及纹理滤波;针对数字表面模型(DSM)数据特点,对两期DSM数据进行差值处理,获得差异数字表面模型数据(DDSM),提取作物高度信息,并根据农作物冠层特性对差异数字表面模型进行滤波处理;最后,进行特征优选及组合,使用SVM方法进行农作物分类。[结果]确定最优分类特征为RGB、红波段对比度、绿波段二阶矩、蓝波段方差、DDSM、DDSM方差、DDSM对比度,分类精度由71.86%提高到92.30%,验证了由DSM影像提取的空间特征可以提高农作物分类精度。[结论]该研究探索了一种基于可见光及空间联合特征的农作物精细分类方法,方法简单可行,设备成本低,在基于无人机低空遥感的样方调查领域中有较大的应用前景。