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。

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％

[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。

【目的】构建合理的作物估产方案,提高作物估产精度。【方法】本文以基于集合卡尔曼滤波(EnsembleKalman Filter,EnKF)构建的遥感信息-作物模型结合模型(PyWOFOST)为基础,建立了以LAI为结合点,适用于中国东北地区玉米的同化模拟模型,并使用MODIS LAI数据作为外部同化数据进行同化模拟,重点分析了遥感观测(MODIS LAI)和模型参数(出苗-开花期所需积温,TSUM1)的不确定性(即随机误差)对同化模拟结果的影响。最后,利用PyWOFOST模型实现了区域尺度上的玉米估产。【结果】同化外部观测数据后的玉米模拟产量较未同化外部数据的模拟产量有明显改善,20个未受灾害...

提高净初级生产力(NPP)的估算精度,需要充分认识不同空间分辨率的遥感数据对NPP估算结果的影响差异,即NPP的空间尺度效应问题。本文借鉴了多种成熟的光能利用率NPP模型的优点,同时充分考虑了研究区生态环境的典型特点,建立了针对研究区域的基于光能利用率原理的植被净初级生产力遥感估算模型。选取了具有空间尺度代表性的4种遥感数据作为NPP遥感估算模型的输入参数,估算了4种空间分辨率的NPP模拟值,对比分析了这4种分辨率的土地覆盖类型空间格局的变化和NPP分布情况。结果表明:随着遥感数据空间分辨率的降低,NPP的模拟值呈逐渐增加的趋势,但其变化的程度差异较大。其中,分辨率由30m降低为1km时,NP...

【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差项三部分组成,其中趋势单产利用历史长时间序列的单产统计数据,通过多项式回归的方法结合ARIMA模型修正得到,遥感修正单产利用3个作物关键生育期NDVI和实测单产多元回归得到。为验证所提出估产方法的可行性和精度,利用2015年冬小麦关键生育期的三景环境卫星遥感影像和冬小麦实测地块单产数据以及近30年(1985—2014年)北京市各区县的冬小

建立基于MODIS数据的天然橡胶净初级生产力遥感估算模型,利用2009年生长季(4—12月)250 m分辨率的MODIS数据和气象数据估算海南阳江农场天然橡胶的生长季净初级生产力,通过天然橡胶的干物质分配率估算阳江农场天然橡胶的产胶潜力。用以树位为单元的地面实际干胶产量与已得到的天然橡胶林产胶潜力进行回归分析,建立天然橡胶干胶产量的估测模型。利用估产模型对阳江农场2010年7月的干胶产量进行模拟,用同期实际干胶产量对估产模型进行精度验证与实用性评价,结果显示7月估产模型均方根误差RMSE为1.78 g.m-2,相对均方根误差RMSEr为18.25%。研究表明,基于遥感信息和净初级生产力的天然橡...

采用高光谱近地遥感技术，获取不同氮素水平下的玉米冠层高光谱数据，通过相关性、线性和非线性的分析方法，探讨玉米整个生育期中各营养器官的全氮含量与多种高光谱参数的相关关系，建立全氮含量的定量估测模型，并利用第２年的数据进行精度检验。结果表明：玉米冠层高光谱数据经过微分、倒数、对数处理后与玉米全氮含量的相关性均有所提高，所选波段基本在可见光波段范围内变化，其中微分处理可以显著提高数据间相关性；在１０种植被指数中，玉米叶片全氮含量与植被指数ＲＤＶＩ（８１１，７４３）、ＤＶＩ（８１１，７５４）、ＭＳＡＶＩ（８１１，７５４）相关性都达０．９２＊＊以上，玉米叶鞘、茎秆全氮含量分别与ＲＤＶＩ（９５２，７５１）．．．

【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。

【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

【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...

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。

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。