国家高技术研究发展计划(2012AA12A307)
- 作品数:16 被引量:247H指数:11
- 相关作者:任建强陈仲新吴尚蓉张淼吴炳方更多>>
- 相关机构:中国科学院遥感与数字地球研究所中国农业科学院农业资源与农业区划研究所安徽大学更多>>
- 发文基金:国家高技术研究发展计划国家自然科学基金引进国际先进农业科技计划更多>>
- 相关领域:自动化与计算机技术农业科学生物学经济管理更多>>
- 最小二乘支持向量机用于时间序列叶面积指数预测被引量:6
- 2014年
- 遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的有效改进。以西藏那曲县为例,使用2003-2011年MODIS LAI产品,分别用LS-SVM和SVM两种方法对研究区域2011年LAI时间序列进行预测,并用MODIS原始LAI以及部分地面实验样点值进行验证。结果表明,基于LS-SVM的LAI时间序列预测算法的精度比基于SVM的算法高,从而证明LS-SVM方法能够弥补遥感反演时间序列LAI数据的缺失问题,对提高时间序列的LAI遥感产品质量具有重要意义。
- 梁栋谢巧云黄文江彭代亮杨晓华黄林生胡勇
- 关键词:叶面积指数时间序列MODIS
- 农业区域多光谱遥感影像亚像元定位研究被引量:5
- 2015年
- 在对亚像元定位空间引力模型改进的基础上,提出了一种基于二次引力计算的亚像元定位模型,并在不同退化尺度下开展基于空间引力模型、像元交换模型和二次引力计算模型的亚像元定位精度比较研究。其中,数据源为人工影像和国产高分一号8 m空间分辨率遥感影像,研究对象为中国北方黄淮海区典型区域夏收作物。结果表明,在不同退化尺度条件下,所提二次引力计算模型(DSGM)可有效进行亚像元定位,且定位精度均优于空间引力模型和像元交换模型。其中,在亚像元分割尺度为6的人工影像实验中,二次引力计算模型亚像元定位总体精度和kappa系数分别为93.90%和0.818,比K-mean硬分类精度分别提高3.76%和0.254,比空间引力模型亚像元定位精度分别提高2.25%和0.160,比像元交换模型亚像元定位精度分别提高2.45%和0.173;在亚像元分割尺度为4的遥感影像实验中,二次引力计算模型亚像元定位总体精度和kappa系数分别为83.13%和0.742,较K-mean硬分类精度分别提高9.50%和0.154,较空间引力模型亚像元定位精度分别提高5.44%和0.088,较像元交换模型亚像元定位精度分别提高6.39%和0.104。
- 吴尚蓉任建强刘佳李丹丹
- 关键词:多光谱遥感
- 基于小波变换与支持向量机回归的冬小麦叶面积指数估算被引量:27
- 2015年
- 叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9和8,对应小波系数的LAI回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI建立的SVR模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI反演精度最低(R2<0.76,RMSE>0.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI回归方法比较结果表明,SVR比PLS更适合于LAI的估测,通过将CWT与SVR结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。
- 梁栋杨勤英黄文江彭代亮赵晋陵黄林生张东彦宋晓宇
- 大数据时代的农情监测与预警被引量:42
- 2016年
- 农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。
- 吴炳方张淼曾红伟张鑫闫娜娜蒙继华
- 关键词:大数据数据挖掘云服务
- 基于CASA模型的区域冬小麦生物量遥感估算被引量:16
- 2017年
- 该文对原始CASA(carnegie-ames-stanford-approach)模型中归一化植被指数(normalized difference vegetation index,NDVI)最值提取方法及光合有效辐射吸收比(fraction of absorbed photosynthetically active radiation,FPAR)的算法进行了深入分析,并通过综合分析大量国内外文献,更加科学合理的确定了最大光能利用率的取值,最终确立了适合该研究区的CASA模型。该文以河北省邯郸市3个县域冬小麦为研究对象,以HJ-1A/B星遥感数据产品为数据支撑,采用CASA模型对研究区2014年冬小麦生物量进行了估算和精度验证,结果表明:研究区冬小麦生物量平均值为1 485 g/m^2,50%以上区域在1 500~2 000 g/m^2之间。冬小麦实测生物量与预测生物量相关性达到显著水平,R^2为0.811 5。经过50组数据分析对比,平均相对误差为2.13%,其中,最大值为11.54%,最小值为0.33%;平均预测生物量为1 807.54 g/m^2,与平均实测生物量1 720.74 g/m^2相比,绝对误差为86.80 g/m^2,为估算区域冬小麦产量提供理论支撑。
- 刘真真张喜旺陈云生张传才秦奋曾红伟
- 关键词:生物量遥感作物冬小麦
- 汶川地震灾后农田和森林植被恢复遥感监测被引量:24
- 2014年
- 2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。
- 赵旦张淼于名召曾源吴炳方
- 关键词:汶川地震目视解译变化检测
- 全球农情遥感速报系统20年被引量:16
- 2019年
- 面向国家粮食安全的重大战略需求,1998年中国科学院建立了"中国农情遥感速报系统"(CropWatch),持续运行20年后,现已发展成为"全球农情遥感速报系统"(CropWatch)。本文重点论述了2013年建立参与式全球农情遥感监测云平台(CropWatch-Cloud)以来,所采用的农情监测体系、可定制的农情监测云平台理念以及CropWatch-Cloud在国内外的应用推广情况,介绍了技术方法与农情信息服务方式的创新与进步带来的国际影响力的提升。系统总结了全球农情遥感速报系统发展的农情监测指标、农情预警能力、作物长势综合监测方法以及众源数据支持的作物面积监测方法,论文进一步阐述了CropWatch未来的发展方向,借助众源地理信息、大数据技术等的发展,打通从地块-村-镇-县-市-省-国家-全球的体系化全链条监测,满足从农户到政府决策部门对农情信息的差异化需求。
- 吴炳方张淼曾红伟闫娜娜张鑫邢强常胜
- 关键词:遥感
- 粒子滤波同化方法在CERES-Wheat作物模型估产中的应用被引量:19
- 2012年
- 为验证粒子滤波同化算法在作物模型估产应用中的可行性和精度,应用该算法构建了CERES-Wheat(crop environment resource synthesis for wheat)作物模型同化系统,并应用地面观测数据研究了同化系统的估产能力以及粒子扰动维数和方差对同化结果和效率的影响。研究结果表明,构建的作物模型同化系统能够利用作物关键生育期内观测LAI数据,较好地校正模型状态轨迹,显著提高作物产量模拟预测精度。同化前后冬小麦产量模拟结果与实测产量间的决定系数由0.68增加为0.83,归一化均方根误差由4.93%减小为3.4%,相对误差由4.15%减小为2.93%。粒子扰动维数和方差同化试验结果显示,粒子维数由50增加为250时,同化估产精度无显著改善,但计算代价增加5倍;随粒子扰动方差增加,估产归一化均方根误差和相对误差均呈增加趋势,两者的平均增加幅度分别为0.32%和0.26%。因此,作物模型同化系统业务化应用时需折中考虑估产精度和计算代价设置合适的粒子扰动维数和方差。该文为进一步利用多源卫星遥感数据监测区域作物长势和估算产量等同化研究和应用提供参考。
- 姜志伟陈仲新任建强周清波
- 关键词:作物粒子滤波数据同化叶面积指数估产
- 基于三分量分解优化模型的农用地SAR影像提取方法被引量:5
- 2015年
- 针对中国北方部分农区夏秋两季易受长时间云、雨、雾影响导致区域农用地信息难以实时准确获取的现状,在Freeman极化分解模型基础上,该文提出了一种三分量极化分解优化模型农用地合成孔径雷达(SAR)影像自动提取方法,并开展不同作物覆盖条件下农用地信息提取试验研究。该文首先通过引入体散射分量参数,二次散射分量参数和布拉格散射分量参数,对现有Freeman极化分解模型进行优化,使分解结果更符合农业区域不同地物散射特征;然后,在利用优化三分量极化分解方法提取极化分量基础上,结合模糊C均值聚类,实现农用地信息高精度自动提取。最后,该研究以中国重要黄淮海农业区河北衡水枣强县为试验区,以Radarsat-2影像为试验数据源,在作物全覆盖和作物部分覆盖2种条件下,通过将优化三分量-FCM分类和常用雷达分类方法 H-Alpha-Lambda分类的农用地提取结果与地面验证样方进行对比,完成该研究所提出SAR影像农用地提取方法的精度验证和评价。结果表明,在作物全覆盖条件下,利用优化三分量-FCM分类提取农用地信息的总体精度和Kappa系数分别为96.12%和0.857,较H-Alpha-Lambda分类方法分别提高了8.69个百分点和0.337;在作物部分覆盖条件下,利用优化三分量-FCM分类提取农用地信息的总体精度和Kappa系数分别为97.53%和0.902,较H-Alpha-Lambda分类分别提高了17.37个百分点和0.595。可见,无论在作物全覆盖还是部分覆盖条件下,优化三分量-FCM分类方法提取的农用地精度均优于H-Alpha-Lambda分类方法,证明了该算法提取农用地信息具有一定可行性和适用性,为SAR影像在农业遥感应用中的农用地信息提取提供了新的思路。
- 吴尚蓉任建强陈仲新刘佳丁娅萍
- 关键词:极化散射SAR影像农用地
- 基于Hyperion高光谱影像的冬小麦地上干生物量反演被引量:17
- 2018年
- 在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。
- 任建强吴尚蓉刘斌陈仲新刘杏认李贺
- 关键词:冬小麦生物量高光谱遥感植被指数